中国的灵晟登顶超算世界第一,但AI算力战争还没打完

这当然是大新闻。但情绪稿看多了，也要看到客观一些的数据。在更贴近AI计算的HPL-MxP混合精度榜上，灵晟排第四，7.92 Exaflop/s；第一还是El Capitan，16.7 Exaflop/s，差了一倍多。

这次没靠GPU堆

01

这和美国几台E级超算的路线不一样。El Capitan、Frontier、Aurora，都重度依赖AMD或Intel的GPU、APU加速器。过去几年全球算力叙事的主角是GPU，是英伟达，是一卡难求。

灵晟给出的信号是，中国没有沿着GPU集群那条路硬追，而是把处理器、矩阵加速、互连、操作系统整套做成了国产架构，然后用这套架构把TOP500第一拿了回来。

过去几年，中国算力产业最深的焦虑是“卡脖子”——高端GPU被禁售，先进制程被封锁，堆卡这条路随时可能中断。灵晟证明的，是另一种可能，在最顶级的系统工程上，中国仍然能组织出一条绕开英伟达GPU的路线，并且跑到世界最前面。

而且这台机器并非只会跑分。在考察数据密集型真实应用的HPCG榜单上，灵晟同样拿了第一，22.00 HPCG-Petaflop/s，高于El Capitan的17.41。双榜第一，说明这套国产架构在真实负载下同样能发挥出力量。

还不是AI算力第一

02

但要注意，TOP500的排名依据是HPL基准，考的是双精度浮点运算，这多是天气预报、核模拟、工程仿真这些传统科学计算的看家本领。灵晟在这个赛道上成为了无可争议的第一。

可问题在于，大模型时代的计算，已经不止这些。

AI训练和推理大量使用低精度、混合精度计算，对应到TOP500体系里，最接近的是HPL-MxP榜单。这张榜上，El Capitan以16.7 Exaflop/s排第一，Aurora 11.6排第二，Frontier 11.4排第三，灵晟7.92排第四。

差距背后有明确的技术原因。TOP500官方指出，灵晟的HPL-MxP成绩相对HPL只提升了3.6倍，这和它的CPU-only设计直接相关。美国那几台GPU机器，混合精度性能相对双精度的放大倍数要高得多。

这并不丢人，超算时代拼双精度，AI时代拼混合精度、推理吞吐、能耗比，还要拼软件生态。英伟达真正的护城河可不只是芯片，还有CUDA周围二十年攒下的开发者。

还有一个考量的点是电费。灵晟功耗约42.2兆瓦，效率52.07 GFLOPS/W；El Capitan功耗约29.7兆瓦，效率60.94 GFLOPS/W。大模型时代，算得快还不够，还要算得便宜、算得稳定，才能把算力变成产业能力。

所以说，灵晟拿回TOP500榜首，这是个很好的成绩，但距离“AI算力第一”还有一段距离。

真正的看点在深圳

03

灵晟部署在国家超级计算深圳中心。新华社报道提到，灵晟面向大气海洋、工程仿真、材料科学、药物发现、脑科学、科学AI、大模型推理等场景。名单里既有传统科学计算，也有明确的AI任务。官方给它的定位是“超算+智算”融合。

放到深圳这座城市里看，这份场景清单几乎每一项都有现成的产业接口：机器人、智能汽车、低空经济、工业仿真、创新药、电子制造。深圳缺的从来不是AI应用场景，缺的是撑得起这些场景的顶级算力底座。

过去几年，城市之间拼数据中心，拼的是谁有机柜、谁有电、谁囤到了GPU。灵晟落地之后，深圳手里多了一张不一样的牌，它把超算、智算、科学计算和产业仿真装进同一套城市基础设施。这套打法，全国还没有几座城市能拿出同等级别的榜单背书。

九年前，“神威·太湖之光”登顶时，中国还在证明“我们能造出世界第一的机器”。九年后，灵晟夺回第一，但接下来要考验的是从实验室到产业推动的跨越。