Технические характеристики LineShine
Система LineShine, развернутая в Национальном центре суперкомпьютеров в Шэньчжэне, официально дебютировала на первом месте в списке TOP500 (июль 2026 года). Это первый в истории рейтинг компьютер на процессорах (CPU), преодолевший барьер в 2 эксафлопс. Аппаратная платформа построена на базе китайских процессоров LingKun LX2 (304 ядра) и собственной операционной системы Kylin, соединенных проприетарной сетью LingQi.
| Параметр | Значение |
|---|---|
| Пиковая производительность (HPL) | ~2.2 эксафлопс (2.2 × 10^18 операций/сек) |
| Количество ядер | 13.79 млн |
| Энергопотребление | 42.2 МВт |
| Эффективность (HPL) | ~80% от теоретического пика |
| Результат HPCG | 1-е место в мире |
| Результат HPL-MxP | 4-е место в мире (7.92 эксафлопс) |
Разрыв между бенчмарками
LineShine демонстрирует разные результаты в зависимости от типа нагрузки. В то время как в классическом тесте HPL (плотная линейная алгебра) он доминирует, в тесте HPL-MxP (смешанная точность, оптимизированная для GPU и тензорных ядер) он занимает лишь 4-е место. Для сравнения, системы с акселераторами, такие как El Capitan и Aurora, показывают более высокий прирост производительности в смешанной точности (в 9.2 и 11.5 раза соответственно относительно их результатов HPL).
Почему рейтинг TOP500 теряет актуальность
Традиционный бенчмарк HPL, используемый с 1993 года, измеряет способность миллионов ядер работать согласованно, но не отражает реальную полезность для современных задач. Как отмечает профессор Джулиан Кункель, HPL показывает «максимальную скорость Porsche», но не говорит о том, как машина ведет себя в реальных условиях. Для научных симуляций (климат, термояд) важнее время решения задачи, надежность и энергоэффективность (Green500), а не абстрактные пиковые значения.
Сдвиг в сторону частных AI-кластеров
Главным вызовом для публичных рейтингов стал бум частных вычислительных кластеров для обучения ИИ. Компании вроде Microsoft (система Eagle занимает 7-е место в TOP500) и другие лидеры рынка не публикуют полные данные, ограничиваясь упоминанием количества GPU или теоретической производительности FP8. Участие в MLPerf остается добровольным, и многие лаборатории избегают тестов, чтобы не раскрывать коммерческие секреты или не демонстрировать слабые стороны. В результате, LineShine может быть технически мощнейшей публичной системой, но реальные лидеры в области AI-инференса и обучения остаются «черными ящиками» без сопоставимых публичных метрик.
Источник: Tom's Hardware ↗