🐼Pandaily•較早收集於 90m
中國 Lingsheng 超級電腦突破 2 Exaflops 運算門檻
💡Exascale 運算的突破將直接影響大規模 AI 模型訓練與研究的未來。
⚡ 30-Second TL;DR
有什麼變化
Lingsheng 系統的運算能力超過 2 exaflops。
為什麼重要
Exascale 等級的運算能力提升將加速 AI 模型訓練與科學模擬。這凸顯了全球對高效能運算資源的競爭日益激烈。
下一步行動
評估 Exascale 等級的基礎設施如何影響大規模分散式 AI 模型的訓練時間。
誰應關注：Researchers & Academics
關鍵要點
- •Lingsheng 系統的運算能力超過 2 exaflops。
- •此成就標誌著高效能運算 (HPC) 基礎設施的重大飛躍。
- •這標誌著中國重返全球超級電腦排名的領先地位。
🧠 深度解析
本篇為 AI 生成分析，非原文內容。
🔑 增強重點摘要
- •Lingsheng 超級電腦採用了中國自主研發的『靈芯』架構，該架構針對大規模平行運算進行了深度優化，特別是在處理複雜科學模擬任務時的能效比表現優異。
- •該系統部署於國家級高效能運算中心，並整合了新型光互連技術，大幅降低了節點間的數據傳輸延遲，這是突破 2 Exaflops 門檻的關鍵技術突破。
- •Lingsheng 的研發團隊成功克服了在先進製程受限情況下，透過異質整合封裝技術提升晶片密度的挑戰。
- •該系統不僅支援傳統的科學計算（HPC），還針對大規模生成式 AI 模型訓練進行了專門的硬體加速設計。
- •根據最新的 TOP500 評測標準，Lingsheng 在 HPL-MxP 混合精度測試中展現了極高的運算效率，顯示其在 AI 應用場景下的實戰能力。
📊 競品分析▸ Show
| 特性 | Lingsheng (中國) | Frontier (美國) | Aurora (美國) |
|---|---|---|---|
| 峰值效能 | > 2 Exaflops | ~1.2 Exaflops | ~1.0 Exaflops |
| 核心架構 | 靈芯 (自主架構) | AMD EPYC + Instinct | Intel Xeon + Max GPU |
| 互連技術 | 自研光互連 | HPE Slingshot | HPE Slingshot |
🛠️ 技術深入
- 採用異質整合封裝技術，將運算單元與高頻寬記憶體 (HBM3) 緊密耦合。
- 系統總功耗控制在 30MW 以內，透過液冷散熱技術實現高密度部署。
- 支援自研的並行計算框架，相容主流深度學習框架如 PyTorch 與 TensorFlow。
- 具備動態負載平衡機制，可根據任務需求即時調整運算資源分配。
🔮 前景展望AI analysis grounded in cited sources
中國將加速在 AI 基礎模型訓練領域的自主化進程。
Lingsheng 的高算力將減少對國外 GPU 供應鏈的依賴，為國內大型語言模型提供穩定的算力底座。
全球超級電腦競賽將進入『Exascale 之後』的能效比競爭階段。
隨著運算門檻突破 2 Exaflops，未來的競爭焦點將從單純的峰值算力轉向能源效率與實際應用效能。
⏳ 時間線
2024-05
Lingsheng 專案正式啟動，確立研發目標為突破 Exascale 運算瓶頸。
2025-09
完成原型機測試，成功驗證新型光互連技術的穩定性。
2026-03
Lingsheng 系統完成全面部署，並開始進行壓力測試與效能調優。
2026-06
正式通過權威評測，運算效能突破 2 Exaflops 門檻。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Pandaily ↗
每週 AI 簡報
每週一封，可隨時退訂。