What LineShine's No.1 ranking means for AI

2026 年 6 月 23 日，德国汉堡，ISC 2026 大会发布第 67 期全球超算 TOP500 榜单。坐上头把交椅的，是一台此前从未在榜上现身的中国系统——"灵晟"（LineShine），由国家超级计算深圳中心部署，HPL（High Performance Linpack，超算界衡量持续算力的标准基准）持续双精度性能 2.198 EFlops，约为 2.736 EFlops 理论峰值的八成，把蝉联多期的美国 El Capitan（1.809 EFlops）压在身后。这是继 2017 年"神威·太湖之光"之后，中国超算时隔九年重返世界第一。

据传，这套系统原本是给海光、曙光规划的，后因众所周知的原因，才辗转交到华为手里部署——一纸出口管制，意外催熟了一条纯国产 CPU 的路线。更耐人寻味的是"敢打榜"这三个字：过去几年，中国手握 E 级超算却屡屡缺席 TOP500，普遍的判断是，怕公开登顶、反招来新一轮针对性制裁，索性把家底藏着；如今灵晟高调登榜，底气恰恰在于芯片、互连、操作系统从里到外全是国产，已经没有哪个环节是别人还能"卡"得住的了。从藏着掖着到敢于亮剑，证明了什么，不言而喻。

一、旧秩序：超算的算力，是"堆"加速器堆出来的

过去十年，超算冲顶的路，几乎是同一条：拼命堆加速器。

E 级竞赛，本质是一场加速器竞赛。当今榜上的几台 E 级机器，无一不是以 GPU、加速器为算力主体：El Capitan 靠的是上万颗把 CPU 与 GPU 封进同一基板的 AMD MI300A，Frontier 与 Aurora 各自堆着成万张 AMD、Intel 的 GPU，欧洲的 JUPITER 则压在英伟达的 Grace Hopper 超级芯片上。CPU 在这些系统里不是没有，但它退居二线，真正贡献双精度峰值的，是其中的 GPU 加速部分（El Capitan 甚至把 CPU 与 GPU 合封成 APU，双精度也主要出自 GPU 那半边）。

灵晟是这条路上的第一个异类。它的 1379 万个核心，悉数来自约四万七千颗国产 LX2 处理器——论文里它代号 LX2，其原型正是华为鲲鹏 920F，一颗 2019 年便已成型、为浮点而生的 HPC 专用 CPU。整机由 92 个机柜垒成，跑在 1.55 GHz，以自研的"灵启"网络互连，操作系统是麒麟，整机功耗 42.2 MW，能效约 52 GFlops/W。从头到尾，没有一张加速卡。

还有一处值得单说：HBM。CPU 带 HBM 本身不算新鲜——富岳的 A64FX 早在 2020 年就用了片上 HBM2，Intel 的 Xeon Max 也做过。灵晟的分量在"国产"二字：据官方介绍，它集成了首颗国产 HBM，而 HBM 长期被 SK 海力士、三星、美光垄断，更是美国 2024 年底出口管制点名封锁的卡脖子环节。目前国内能量产 HBM 的基本只有华为一家（分 BL、ZQ 两型，形制与传统 HBM 也不太一样）——照此推断，这颗国产 HBM 多半出自华为。于是这台世界第一的超算，从 CPU 到 HBM、网络、操作系统，是一整套国产组合，这正是前面"敢打榜"底气的最后一块拼图。

海外对这条纯 CPU 路线起初并不看好，Tom's Hardware 此前报道时甚至在标题底下撂了一句 "Good luck with that"。如今好运成了实绩。一台没有加速器的超算登上世界第一，第一层意义是它打破了"冲顶必堆加速器"的铁律；而要看懂它对 AI 的第二层意义，得先弄明白：在 AI 时代，加速器——尤其是 GPU——究竟把超算逼到了一个怎样尴尬的位置。

二、AI 时代：GPU 称王，超算反而尴尬

这十年，真正改写算力格局的，是 AI；而 AI 的算力宝座，被 GPU 牢牢坐住。这并非因为 GPU 这套图形时代的老架构天生适合 AI，而是因为 CUDA 用近二十年时间，把库、编译器、运行时和无数调优经验，一层层垒成了一道又高又厚的工程生态壁垒。GPU 称王，本质是 CUDA 称王。

而所谓"超算"，早已不是科学计算的专属：今天绝大多数 AI 大模型，本就训练在成千上万张 GPU 组成的大规模并行集群上，这类集群业界同样称作"超算"，只不过是为低精度 AI、而非 FP64 而生。真正的分野，在于这台机器是为谁优化。

而算力的大盘，明明白白偏向 AI 那一侧：单是英伟达一年的数据中心营收就约 1937 亿美元，而整个传统 FP64 科学计算市场不过百来亿——大出一个数量级。TOP500 是一张按 FP64 排的榜，更像科学计算的擂台；灵晟登顶它，分量十足，但相对 AI 算力那个大得多的盘子，仍是个相对小众的战场。

而这道"为谁优化"的分野，根子是一条越来越深的裂缝：科学计算与 AI，正在因为精度而分家。

超算的本命是科学计算——算流体、算材料、算气候、算核聚变，这些都吃 FP64 双精度。数值模拟里，误差会沿着迭代一步步放大，精度不够，物理结论就是错的，所以双精度是科学计算不可退让的底线。而 AI、尤其是大语言模型，走的是另一条路：它能容忍很低的数值精度，FP16、FP8 甚至 FP4 都够用，靠的是海量参数的统计涌现，而非逐位的精确。两种负载，对精度的需求南辕北辙。

问题在于，GPU 这条线正在分岔。撑起当今超算双精度的，是 MI250X、MI300A、Grace Hopper 这类 HPC 取向的型号，它们仍保留着强悍的 FP64；可厂商真正的重心和研发预算，正一股脑倒向 AI 取向的产品，而那一侧，双精度在被主动放弃。最直白的例子是英伟达：面向高性能计算的上一代 H100 还有 67 TFLOPS 的 FP64 张量算力，到了主打 AI 的 Blackwell，B200 的双精度被砍到只剩约 37 TFLOPS——省下的晶体管，尽数让给了 FP16、FP8。换句话说，还能满足科学计算的，是 GPU 家族里日渐边缘的那一支。

NPU 那条路就更指望不上了。专为 AI 而生的 NPU（华为昇腾、谷歌 TPU 都属此类）低精度算力凶悍，FP64 却往往孱弱甚至缺席——这也是为什么在死磕双精度的 TOP500 上几乎看不到 NPU：它们在 AI 数据中心称王，却进不了科学计算的牌桌。

于是科学计算被夹在了中间：它既离不开 FP64 的物理仿真，又越来越想借 AI 提速增效——比如用一个训练好的神经网络去替代昂贵的数值求解、或把天气预报的集合规模成倍扩大；可眼下的硬件，AI 的主航道在抛弃双精度，留着双精度的 GPU 日渐边缘，NPU 又干脆不碰高精度。真要把 HPC 与 AI 拧到一处干，往往得搭两套机器、两种精度，中间还横着一条又慢又贵的数据搬运带。算力越堆越多，墙却越垒越厚。

三、CPU 不配做 AI 训练？

以往想用 CPU 做 AI 训练，无异于痴人说梦，原因有三：

其一，CPU 没有矩阵引擎。AI 的核心计算是矩阵乘，GPU 有 Tensor Core、NPU 有矩阵阵列，而传统 CPU 只有标量和向量单元，做矩阵乘是"一个一个乘加"地硬算，吞吐天差地别——顶级 x86 服务器 CPU 的 FP64 峰值不过八九 TFLOPS，连一张老 GPU 都够不上。其二，CPU 没有 CUDA。二十年的库、框架、调优经验，是 GPU 真正的护城河，CPU 这边一片荒芜。其三，在主流的 host-device 模式里，CPU 承担的是调度与数据供给（host），真正的矩阵计算交给 GPU（device）——做 AI 训练时，出算力的本来就不是 CPU。

这条铁律，有一个现成的注脚——日本的富岳。在一片堆满 GPU 的超算榜里，它是少有的纯 CPU 异类：六年前以一身 ARM CPU（A64FX）登顶 TOP500，证明了不靠加速器也能问鼎世界第一。但富岳的 CPU 只有 SVE 向量单元、没有矩阵单元，整颗芯片的 FP64 峰值也才三 TFLOPS 出头；它是一台顶尖的科学计算机器，却始终没能成为一台训 AI 的机器。富岳恰好印证了那条铁律：纯 CPU 能跻身超算之巅，凭的是科学计算的硬实力，与 AI 训练无关。

灵晟要改写的，正是这一章。

四、灵晟改变了什么——这是一场革命吗？

灵晟和富岳最大的不同，只在一处，却是要害的一处：它给 CPU 焊上了矩阵。

LX2 是 ARMv9 架构的众核 CPU，单芯片塞进 304 个核，分作两个 die、八个 cluster。每个核身上挂着两套计算单元：SVE（Scalable Vector Extension，可伸缩向量扩展）管向量，SME（Scalable Matrix Extension，可伸缩矩阵扩展）靠专门的 tile 寄存器和外积（outer-product）指令做矩阵乘。SME 是 ARM 近年新增的矩阵扩展，此前主要出现在消费级芯片上（如 2024 年的 Apple M4）；灵晟把它——连同它的 FP64 形态——用到了超算规模。

矩阵一上身，CPU 的双精度算力立刻换了量级。单颗 920F，FP64 算力就有 60.3 TFLOPS。这个数字乍看几乎难以置信——在多数人的常识里，CPU 怎么可能干到 60T 双精度，第一反应往往是怀疑它在拿 INT8、FP8 低精度冒充。但论文白纸黑字写的就是 FP64，ARM 的指令手册也佐证了这条路走得通：SME 的浮点外积指令 FMOPA 确有双精度形态，这 60T，是用 512-bit 的 SME 矩阵单元、实打实做 FP64 外积乘加堆出来的。

把这 60.3 TFLOPS 放进坐标系，才知道它有多扎眼。前面说过，被 AI 带偏的英伟达 B200，双精度只剩 37 TFLOPS——而一颗 CPU 的 FP64，竟越过了 B200，直逼 AMD MI300A 那颗顶级 HPC 芯片的双精度向量水平。再回看那些"正常"的 CPU，顶级 x86 不过八九 TFLOPS、富岳的 A64FX 才三 TFLOPS——920F 是它们的十几乃至二十倍。一颗 CPU，做到了顶级 HPC GPU 量级的双精度算力。

但真正让灵晟脱胎换骨的，不是这个数字，而是这块矩阵单元的"身份"。在 GPU 和 NPU 的世界里，矩阵引擎始终是一块独立的器件，得靠驱动隔着总线投喂；而在 920F 上，矩阵根本不是一块"器件"，它就是 CPU 指令集里的几条指令——SME 与标量、向量指令共用同一条流水线、同一组寄存器、同一片缓存。再加上三百多个核之间维持的全片 Cache 一致性，标量负责的控制、向量负责的粘合、矩阵负责的重算，就不再是三颗芯片、三套地址空间，而是同一段程序里的三类指令，活在同一片内存里。即便是英伟达——它也自研了 ARM 架构的 Grace CPU，用 NVLink-C2C 把 Grace 与 GPU 紧紧缝在一起——也仍是 CPU 主控、GPU 主算的两层结构：Grace 负责控制与数据供给，FP64 与张量这些重活仍压在 GPU 上。灵晟则把这道界线整个抹掉了。

这一点，正是它对 AI 最要紧的地方。

已经有团队在灵晟上，把一个 FP64 高精度、物理可解释的数值气候模式，与一套数据驱动的 AI 预报系统，缝进了同一条工作流：数值模式出 174 个物理集合成员，AI 以极低成本扩出 1600 个，两者跑在同一套同构的 CPU 系统上、融成 1774 成员的概率预报，把预报技巧从欧洲中期天气预报中心的 71.8 分提到 75.9 分，整套十年回报算例在全机上 14.6 小时跑完。传统路线里，HPC 与 AI 往往分属两套机器、两种精度，数据要在它们之间反复搬运；在灵晟上，二者跑在同一种硬件、同一条工作流里，省去了这道又慢又贵的跨系统搬运。 上一节那道"科学计算与 AI 分家"的尴尬，就这样被一套同构的 CPU 系统抹平了——这才是官方所谓"超智融合"四个字真正的物理地基。

更要紧的是，这台机器把"CPU 不能训 AI"那条铁律也一并打破了。同样跑在灵晟上、同样没有一张 GPU 的，还有两项实测：一项训出了 115 亿参数的混合专家（MoE）通用机器学习原子间势模型，在约 1240 万核心上单精度跑出 1.2 EFLOPS，把过去要熬上几周的训练压进几个小时；另一项在 CPU 上从头训出了一个 60 亿参数的扩散 Transformer 生成模型，端到端持续 1.54 EFLOPS——前向、反向、优化器一应俱全的完整训练，不是只跑推理。在业界的大模型训练对照中，从 A100、H100 到 B200、MI250X 几乎全是 GPU 集群（这类集群也被称作"大规模并行超算"），而灵晟上的这项，是其中唯一的 CPU。它们至少说明：纯 CPU，真能训十亿级的 AI 大模型。

论颠覆 GPU，它还没这个资格：几项实测清一色是科学计算，没有一项去训大模型——科学 AI 必须用 FP32 乃至 FP64 才守得住精度，恰是灵晟的强项，而 LLM 吃的是 FP8、FP4 低精度，灵晟在这类低精度上还没显出专门的加速能力。但论改写规则，它确实一口气捅破了两条公认的铁律：冲顶 E 级不必再堆加速器，CPU 也不再与 AI 训练绝缘——更把 HPC 与 AI 拧成了一台机器，为"超智融合"走出了一条别人没走通的路。

五、训练、推理，还是只擅科学计算？

纯 CPU 能训出十亿级模型，是真的；但要说它训得更省、更快，那就错了。前面那两项训练的 MFU（模型算力利用率）只有约 24% 和 15.7%，都低于同类 GPU 的 23%–55%；而为了用满 SME，团队连 cuBLAS 都没得用，只能手写矩阵乘内核、自拼一套异步运行时来模拟 CUDA——GPU 二十年的软件便利，在这边要一行行重写回来。更直接的是：连华为自己训大模型，用的也是昇腾 NPU，而不是鲲鹏 CPU。纯 CPU 训 LLM，既不是产业趋势，也没有能效优势。

那它真正的长处在哪？不在裸算力，而在那些控制密集、数据密集的环节——复杂预处理、分布式 I/O 编排、内存管理、通信调度，以及与大型存储系统的耦合。这正是以 CPU 为中心的超算被论证出的天然优势：把计算、控制、数据拢在一处协同，而不是单点堆吞吐。

这对应的最佳场景，是科学智能（AI for Science，AI4S）与 HPC-AI 融合：一个任务既要 FP64 仿真、又要 AI，让两者跑在同一套同构的 CPU 系统、同一条工作流里，省掉在两套机器之间反复搬运的麻烦——前面那套汛期预报已经验证。

至于大模型，无论训练还是推理，今天都跑在专门的 GPU 或 NPU 上——英伟达如此，华为也一样（昇腾既用于训练，也用于推理）。把这套以 FP64 见长、在低精度上却乏善可陈的 CPU 架构，说成更适合大模型推理，目前并无依据：HPL-MxP 上它的低精度只比双精度快 3.6 倍，而装了专用低精度单元的机器普遍能放大到 9 倍以上——至少说明灵晟缺少同等的专用低精度加速。

能效也得分着看：FP64 这一侧，一颗 700W 的 CPU 给出 GPU 级的双精度，对气候、材料、药物这类高精度科学计算是真省;低精度 AI 这一侧，它还没有专用单元，暂时谈不上优势。

但"把算力收进 CPU"这件事，背后是有硬道理的，而且恰恰关乎能效。现代芯片里最费电的，从来不是计算本身，而是数据搬运：Horowitz 在 ISSCC 2014 给出的经典数据显示，一次浮点运算只耗 0.4–3.7 皮焦，一次片外内存访问却要 1300–2600 皮焦——近千倍之差。让数据少跑路，远比让算力更猛更省电。而经典的 host-device 结构把数据钉在来回搬运的路上：CPU 一片地址空间、GPU 另一片，中间隔着 PCIe。这些年的紧耦合设计已经在收窄这道缝——英伟达 Grace-Hopper 用 NVLink-C2C 做一致内存，AMD MI300A 干脆把 CPU 与 GPU 合封；而灵晟更进一步，把标量、向量、矩阵连同 HBM 收进同一颗 cache 一致的芯片，从根上砍掉这段搬运。这也是 x86 的 ACE 指令集、ARM 的 SME 齐往这个方向走的共同动机。灵晟则把集成推得最彻底——连 host-device 都不要，整台机器就是一颗自洽的 CPU。但这未必是大模型的最优解，更像科学计算 AI 的一个局部解;它真正诱人的地方，是指向了另一种可能的全局最优——一旦打破 host 与 device 的隔阂，计算过程便有机会自我调度、自我优化，而调度与动态控制，恰是 CPU 的看家本领。

至于软件生态，它从来是跟着价值走的。CUDA 不是先有生态才有 GPU，而是 GPU 先证明了价值、生态花二十年才长起来。所以"等 FP8、等生态"其实把因果说反了：只要这条路在能效上确实更优，软硬件自会跟上；真正的悬念，是这份理论上的能效红利，能不能在低精度 AI 上兑现，又能不能赢过同样在做集成的 GPU 阵营。

这并不意味着 CPU 要从英伟达手里夺回数据中心——那场仗早已分晓，GPU 与 CUDA 赢得干干净净。给 CPU 加上矩阵单元的这股潮流（x86 的 ACE、ARM 的 SME），更多是让 CPU 自己也能承接一部分 AI 负载；况且推动它的 Intel 与 AMD 自家都有 GPU，无人真正把筹码全押在纯 CPU 上。把 GPU 彻底移出系统、一路走到纯 CPU 的，目前唯灵晟一家；而它选定的战场，也不在英伟达锁死的 AI 数据中心，而在超算与科学计算。

说到底，AI 算力眼下最硬的瓶颈，已经从"算得快不快"转移到了内存墙与功耗墙——数据在芯片之间、在成千上万张卡之间反复搬运的代价，正是英伟达式 GPU 集群一路堆规模时迟早要撞上的天花板。灵晟把矩阵做进 CPU 指令集、用全片 cache 一致性把算力、控制与内存收进同一片地址空间，瞄准的正是这堵墙。它这一版在低精度上还没显出起色、进不了大模型的实战，但趟出的这套"统一内存、统一指令"的架构思路，很可能是日后突破集群规模与功耗墙时，最值得参照的一块试金石。这一步能走多远，下一代 LX2 自会给出答案。

---

参考

1. TOP500. LineShine Debuts at No. 1 as the TOP500 Enters a New Global Exascale Era. https://top500.org/news/lineshine-debuts-no-1-top500-enters-new-global-exascale-era/
2. Tom's Hardware. China's LineShine supercomputer dethrones US El Capitan, secures first place in Top 500 list. https://www.tomshardware.com/tech-industry/supercomputers/chinas-lineshine-supercomputer-dethrones-us-el-capitan-secures-first-place-in-top-500-list
3. SCMP. Return to the top: China's LineShine beats US El Capitan in TOP500 supercomputer rankings. https://www.scmp.com/news/china/science/article/3358107/return-top-chinas-lineshine-beats-us-el-capitan-top500-supercomputer-rankings
4. 国家超级计算深圳中心 / Sun Yat-sen University. 灵晟超级计算机与卢宇彤. https://www.szgm.gov.cn/english/topic/KeyFacilitiesinGM/content/post_11260363.html
5. Arm Developer. Arm Scalable Matrix Extension (SME) Introduction. https://developer.arm.com/community/arm-community-blogs/b/architectures-and-processors-blog/posts/arm-scalable-matrix-extension-introduction
6. Zhou, Wang, et al. Breaking the Training Barrier of Billion-Parameter Universal Machine Learning Interatomic Potentials. arXiv:2604.15821. https://arxiv.org/abs/2604.15821
7. Zhang, Dong, et al. Transforming the Use of Earth Observation Data: Exascale Training of a Generative Compression Model with Historical Priors for up to 10,000x Data Reduction. arXiv:2605.08633. https://arxiv.org/pdf/2605.08633
8. Chen, Xu, et al. Exascale Hybrid Numerical-AI Ensembles for Operational Flood-Season Forecasting in East Asia. arXiv:2605.24896. https://arxiv.org/abs/2605.24896
9. heise online. AMD and Intel specify AI instruction set "ACE" for x86 processor cores. https://www.heise.de/en/news/AMD-and-Intel-specify-AI-instruction-set-ACE-for-x86-processor-cores-11339014.html
10. AMD. Instinct MI300A Data Sheet（FP64 规格，对比基准）. https://www.amd.com/content/dam/amd/en/documents/instinct-tech-docs/data-sheets/amd-instinct-mi300a-data-sheet.pdf
11. NVIDIA. H100 / HGX B200 Datasheet（FP64 规格，对比基准）. https://resources.nvidia.com/en-us-gpu-resources/h100-datasheet-24306