在2026年6月期的TOP500超级计算机榜单中，中国超算“灵晟”以2.198 Exaflop/s的Rmax算力成功登顶，成为八年来首台来自中国的冠军系统，也是全球首台Rmax突破2 Exaflop/s大关的超级计算机。这一里程碑不仅印证了中国在高性能计算领域的深厚积累，更标志着人工智能算力基础设施迈入全新纪元。当大模型训练对算力的需求呈指数级增长，纯CPU架构的“灵晟”以令人惊叹的能效比和自主可控的生态，向世界展示了一条不同于GPU依赖的差异化路径。
八年磨一剑：中国超算“灵晟”何以称霸？
“灵晟”超算的登顶并非偶然。它基于“LingKun”平台，采用304核1.55GHz的LX2处理器和自研“LingQi”互连技术，总共集成1379万个内核，运行麒麟操作系统。这颗纯CPU设计的“巨兽”没有使用任何GPU加速卡，却在HPL基准测试中实现了2.198 Exaflop/s的持续性能，功耗约42.2MW，能效达到52.07 Gigaflops/W，位列GREEN500第50名。
与上一代冠军系统相比，“灵晟”的登顶意味着中国超算从“追赶”转向“引领”。2018年以来，美国Summit、Frontier等系统长期占据榜首，而中国天河、神威系列虽多次进入前十，却始终未能问鼎。此次“灵晟”的突破，得益于国产处理器架构的迭代——LX2处理器在单核性能和多核协同上实现了质的飞跃。更关键的是，LingQi互连技术解决了万核级并行通信的瓶颈，使得1379万内核能够高效协同工作。
这一成就的背后，是中国在半导体设计与系统集成领域的长期投入。与当前主流超算依赖GPU加速的路线不同，“灵晟”的纯CPU方案在通用计算任务中展现出独特优势。例如，在生命科学、气候模拟等需要高精度浮点运算的场景下，CPU的灵活性和稳定性往往优于GPU。而大模型训练中常见的混合精度计算，也能通过HPL-MxP基准测试得到验证——灵晟在该项排名第四，说明其在高精度与混合精度之间取得了平衡。
纯CPU路线：一场对GPU垄断的挑战？
长期以来，全球超算格局被英伟达GPU主导。美国Frontier、日本富岳等顶尖系统均采用GPU+CPU异构架构。然而，“灵晟”的纯CPU设计证明：在顶级算力竞赛中，CPU并非没有一战之力。这一选择背后是深刻的战略考量：
首先，自主可控。GPU供应链受国际政治影响较大，而国产CPU完全摆脱了外部限制。从指令集到制造工艺，“灵晟”实现了全链条自主。其次，能效比。虽然GPU在矩阵运算上具有天然优势，但CPU在任务调度、内存访问延迟等方面更均衡。“灵晟”的52 Gigaflops/W能效虽未进入GREEN500前列，但考虑到其纯CPU架构，这一表现已相当出色。
更重要的是，这一路线为特定领域的AI技术应用提供了新思路。例如，在自动驾驶仿真、金融风控等需要实时响应的场景中，CPU的低延迟特性优于GPU。而AI画图等生成式AI任务虽然高度依赖GPU，但底层的图像处理、物理引擎等非矩阵计算部分，仍离不开CPU的协同。
当然，纯CPU方案也面临挑战：在处理大规模并行矩阵乘法时，单位算力成本高于GPU。但“灵晟”的登顶向行业传递了一个信号：最新科技的发展不应只有一条路。未来超算可能会走向CPU+GPU+DPU等多芯融合，而非单一架构垄断。
从HPL到HPCG：评测体系的全面领先
“灵晟”不仅在HPL（高性能Linpack）中登顶，还在HPCG（高性能共轭梯度）测试中位居第一。这一成绩更有说服力——因为HPCG更贴近真实应用场景，模拟的是稀疏线性方程求解，常用于计算流体力学、地震模拟等领域。相比之下，HPL侧重密集矩阵运算，容易被优化到极致的硬件“刷分”。
“灵晟”在HPCG上的第一，意味着其在真实应用中的计算效率同样顶尖。此外，它在HPL-MxP混合精度基准中排名第四，说明其对低精度推理场景也有良好支持。这对于人工智能推理和训练尤为重要——大模型微调、推理加速等任务往往依赖混合精度。
值得注意的是，意大利能源巨头埃尼的HPC7系统以571.50 PFlop/s位列第六，采用AMD Zen 4 EPYC处理器和MI300A APU。这反映出超算商业化的趋势：能源企业利用超算进行地质勘探、油气模拟，而科研机构则更关注气候、生命科学等基础研究。企业数字化转型的浪潮下，超算正从“国之重器”走向行业应用。
超算与人工智能：算力引擎如何驱动AI进化？
“灵晟”的登顶对人工智能领域意义深远。当前大模型训练对算力的需求已从千卡集群迈向万卡集群，甚至十万卡。传统GPU集群面临能耗、通信瓶颈、散热等挑战。而纯CPU超算在通用性、稳定性上的优势，可能为AI训练提供一种“绿色”替代方案。
例如，在自然语言处理中的大规模并行预训练，CPU虽然单次计算慢，但由于核数众多且内存带宽高，整体吞吐可以逼近GPU。更关键的是，CPU支持更灵活的精度控制，对于某些对精度要求高的强化学习任务，CPU反而更优。
与此同时，超算与AI技术的结合催生了“AI for Science”新范式。在药物分子筛选、蛋白质折叠预测、气候模型降尺度等领域，超算提供的算力可以加速科学发现。而文生图、AI图片生成等创意工具虽然依赖GPU，但其底层的训练数据生成、模型评估等环节同样需要超算参与。
可以预见，未来超算将不再是“跑分工具”，而是成为AI基础设施的核心组件。AI工具导航等平台可以帮助用户快速定位适合特定任务的算力资源，而“灵晟”这类国产超算的开放，将降低国内AI企业的研发门槛。
中国超算生态：从硬件到软件的自主之路
“灵晟”的成功不仅仅是硬件的胜利，更是整个生态的突破。它搭载的麒麟操作系统经过了深度定制，针对LX2处理器的多核调度进行了优化；LingQi互连则实现了百亿亿次级的消息传递效率。此外，中国超算团队还在编译器、并行编程框架、应用软件适配等方面做了大量工作。
软件生态曾是国产超算的短板——当年神威·太湖之光虽算力强劲，但应用开发者面临编程困难。如今，“灵晟”团队在开源生态上持续投入，支持主流并行编程模型如MPI、OpenMP，并针对AI框架（如PyTorch、TensorFlow）进行了适配。这意味着开发者可以较低成本将现有应用迁移至国产平台。
对于普通用户而言，国产超算的普及也将间接推动最新科技的下沉。例如，通过云计算方式，中小企业可以按需调用超算资源进行产品仿真或AI推理。AI网名生成、艺术签名设计等轻量级应用虽然用不到超算，但背后的大模型训练可能就依赖此类集群。
未来展望：E级超算后的竞争格局
“灵晟”的登顶标志着中国正式迈入E级超算俱乐部（Exaflop/s级）。但竞赛远未结束：美国正规划百亿亿次级的El Capitan系统，日本、欧盟也在布局后续机型。下一代超算将更强调“算效”——即每瓦性能、每美元性能。而人工智能的介入，使得超算架构需要兼顾训练和推理两种负载。
另一个趋势是“超算+云计算”融合。传统超算专为大规模批处理任务设计，而云计算强调弹性、多租户。未来，超算可能通过虚拟化技术提供按需算力，类似AI工具箱中的云服务形态。这将对国产超算的软件栈提出新挑战。
总之，“灵晟”的登顶不仅是中国科技实力的象征，更是全球超算多元化发展的缩影。当AI技术继续狂飙，纯CPU路线能否持续演进？答案或许藏在“灵晟”下一代架构的更新中。