Китайский суперкомпьютер LineShine возглавил свежий рейтинг Top500, показав 2,2 экзафлопса в тесте High Performance Linpack (HPL). Это примерно на 22% выше результата El Capitan из Ливерморской национальной лаборатории США. Для русскоязычной IT-аудитории новость важна не только как очередной раунд технологической конкуренции: она хорошо показывает, почему формальное лидерство в HPC всё заметнее расходится с тем, куда на деле уходят самые большие вычислительные бюджеты — в ИИ-кластеры.
LineShine установлен в Национальном центре суперкомпьютеров в Шэньчжэне и, по данным The Register, собран без американских GPU, доступ к которым Китаю ограничивают экспортные меры США. Система использует 45 360 процессоров LingKun LX2: в каждом — 304 ядра Arm v9.2 с частотой до 1,5 ГГц. Кластер состоит из 22 680 двухсокетных узлов. Масштаб впечатляет, хотя победа досталась недёшево: энергопотребление LineShine составляет 42,2 МВт.
Именно этот компромисс объясняет, почему первое место в Top500 не стоит путать с безусловным технологическим превосходством. HPL измеряет производительность на плотной линейной алгебре с двойной точностью FP64. Это важный, хорошо понятный и исторически авторитетный тест, но он не отвечает на вопросы, которые задают владельцы современных дата-центров: сколько токенов в секунду выдаёт модель, насколько быстро обучается нейросеть, какова цена одного запуска и хватает ли памяти для конкретной задачи.
LineShine примечателен архитектурой. LX2 внешне напоминает ускоритель: у чипа 16 стеков HBM-памяти и много векторных и матричных блоков. Но формально это CPU, а не GPU. Такая конструкция помогла системе приблизиться к теоретическому потолку в HPL лучше, чем это часто удаётся GPU-ускоренным машинам. В кластерах наподобие El Capitan результат теста нередко составляет около 70% от заявленной пиковой производительности; китайская система сделала ставку на предельно масштабируемую конфигурацию и конкретный бенчмарк.
США не остаются без вычислительных проектов. Министерство энергетики в рамках объявленной в конце прошлого года программы Genesis планирует развернуть как минимум девять новых суперкомпьютеров. Однако большая часть из них будет либо относительно компактной, либо ориентированной на ИИ. Например, система Lux, которую Oak Ridge National Laboratory строит вместе с HPE и AMD, выдаёт 220 петафлопс в HPL и занимает 14-ю строчку осеннего Top500. Два года назад такой показатель почти гарантировал бы место в первой десятке.
Зато в низкой точности Lux выглядит совсем иначе: при FP4 её пиковая производительность превышает 20 экзафлопс. Для инференса и части задач обучения это практически полезнее, чем сухая мощность FP64. Для расчётов в физике, климатическом моделировании или задач национальной безопасности такой обмен точности на скорость подходит далеко не всегда — но ИИ-инфраструктура живёт по другим правилам.
Более прямым американским ответом должен стать Discovery в Oak Ridge. Известно, что система на базе HPE Cray получит процессоры AMD Venice и ускорители Instinct MI430X. Последние, в отличие от многих актуальных ИИ-GPU, сохраняют высокую производительность в FP64: для одного многокристального ускорителя оценивается более 200 терафлопс матричных вычислений двойной точности. Министерство энергетики ожидает от Discovery производительность в три—пять раз выше Frontier, то есть ориентировочно 5,1–8,5 экзафлопса на пике FP64. Но пока это прогноз, а не измеренный результат Top500.
Парадокс в том, что американские компании уже располагают железом, которое при желании могло бы бросить вызов LineShine в HPL. Упомянутый в материале The Register кластер Colossus в Мемфисе насчитывает 200 000 GPU Hopper и потребляет около 300 МВт. Даже при очень низкой эффективности в HPL такая машина теоретически способна превысить три экзафлопса. Но для владельца кластера выгоднее сдавать ресурсы под обучение и эксплуатацию моделей, чем останавливать их ради позиции в рейтинге.
Это меняет и бизнес-логику отрасли. Раньше крупнейшие суперкомпьютеры были витриной возможностей государства и инструментом для штучных научных программ. Теперь огромные кластеры строят облачные провайдеры и разработчики моделей, а их загрузка измеряется не только задачами учёных, но и спросом на обучение, инференс и агентные системы. Разработчикам это напоминает простую вещь: рекорд в синтетическом тесте не заменяет профильных замеров. Командам, выбирающим инфраструктуру, важнее проверять скорость своих пайплайнов, пропускную способность сети, объём HBM, доступность квот и стоимость часа, чем ориентироваться на место поставщика в Top500.
Китайский суперкомпьютер LineShine вернул Китаю верхнюю строчку рейтинга впервые почти за десятилетие, но главный сюжет здесь шире национального зачёта. Top500 по-прежнему измеряет способность собрать машину для FP64-вычислений, тогда как рынок всё чаще инвестирует в связку HPC и ИИ. Следующая настоящая гонка будет не только за экзафлопсы, а за системы, которые умеют превращать их в более быстрые научные циклы — от моделирования до автоматизированной проверки гипотез.