Das System aus Shenzhen übertrifft „El Capitan“ in der TOP500-Rangliste und zeigt einen rein CPU-basierten Weg zum Exascale-Computing auf, der sich vom KI-Wettlauf abgrenzt.

Die Weltrangliste der Supercomputer wird wieder zu einem technischen, industriellen und geopolitischen Indikator. LineShine, installiert bei Nationales Supercomputing-Zentrum in Shenzhensind China hat den ersten Platz in der Rangliste zurückerobert. TOP500, wodurch das US-System umgangen wird El CapitanDie Nachricht wurde auch berichtet von NaturEs geht um eine Maschine, die in der Lage ist, mehr als zwei Trillionen Operationen pro Sekunde auf dem traditionellen Benchmark durchzuführen, der zur Messung der Leistung von Hochleistungssystemen verwendet wird.

Das zentrale Ergebnis ist dasjenige, das im Test erzielt wurde. Hochleistungs-Linpackoder HPL: 2,198 Exaflops pro Sekundegleich 2.198,40 Petaflops pro Sekunde im offiziellen Datenblatt. TOP500 gibt auch einen theoretischen Höchstwert an. 2.735,82 Petaflops pro Sekunde, 13.789.440 Kern und einem Stromverbrauch von 42.220 KilowattDiese Zahlen positionieren LineShine vor El Capitan und bestätigen, dass Exascale-Computing in eine stärker verteilte Phase eintritt, mit Spitzenmaschinen in Asien, Nordamerika und Europa.

Die auffälligste Besonderheit ist nicht nur die Primatfunktion. LineShine basiert auf einer Lösung Nur CPU, das heißt, ohne dedizierte Grafikbeschleuniger. In einer Zeit, in der Hochleistungsrechnen undkünstliche Intelligenz und Big Data Diese Systeme werden oft mit GPUs, Tensor-Kernen und spezialisierten Chips für das Training von Modellen in Verbindung gebracht; die chinesische Maschine verfolgt jedoch einen anderen Designansatz. Das System nutzt die Basis Ling KunProzessoren LX2 a 304 Kernproprietäre Verbindung LingQi und Betriebssystem Kylin OS.

Eine Exascale-Maschine basierend auf Allzweckprozessoren

Der Supercomputer in Shenzhen war nicht nur eine Ansammlung von Rechenknoten. Laut den offiziellen Spezifikationen wurde die Maschine von Shenzhen Cloud Computing Center und installiert in der 2025Die deklarierte Konfiguration umfasst Prozessoren LX2 304C bei 1,55 Gigahertz, LingQi-Netzwerk, Compiler Lclang 1.0.0mathematische Bibliothek OpenBLAS-lokal und eine Version von OpenMPI angepasst an die Vernetzung des Systems.

Die Entscheidung, sich auf CPUs mit sehr hoher Dichte anstatt auf Beschleuniger zu konzentrieren, ist relevant für die Forschung und Entwicklung Denn dadurch verschiebt sich der Fokus auf ein anderes Verhältnis zwischen Parallelverarbeitung, Speicher, Netzwerk und Software. In beschleunigten Systemen hängt ein Großteil der Leistung von der Fähigkeit ab, Daten schnell an spezialisierte Einheiten zu übertragen. In einem reinen CPU-basierten System hingegen resultiert die Effizienz aus der Dimensionierung des Gesamtdesigns: der Anzahl der Kerne, der Speicherhierarchie, der Kommunikation zwischen den Knoten und der Fähigkeit der wissenschaftlichen Software, Millionen von Verarbeitungseinheiten zu nutzen.

Die TOP500-Veröffentlichung hebt hervor, dass LineShine das erste System auf der Liste ist, das die Marke übertrifft. zwei anhaltende Doppelgenauigkeits-Exaflops Die ausschließliche Nutzung von CPUs ist ein wichtiger technischer Fakt, da doppelte Genauigkeit in vielen wissenschaftlichen Simulationen, von der Ingenieurwissenschaft bis zur Computerphysik, weiterhin unerlässlich ist. Dies sollte jedoch nicht mit den Metriken verwechselt werden, die das Training großer KI-Modelle am besten beschreiben. Hier sind Berechnungen mit reduzierter Genauigkeit, dedizierte Beschleuniger und die schnelle Kommunikation zwischen Clustern die wichtigsten Faktoren.

Selbst die von vorgeschlagene Lesart Xinhua Es unterstreicht die Konvergenz von Supercomputing und intelligentem Rechnen. Laut der chinesischen Agentur integriert LineShine Matrixbeschleunigungseinheiten direkt in seine in China entwickelten Prozessoren, um den für CPU-GPU-Architekturen typischen Datentransferengpass zu reduzieren. Diese Erklärung deckt sich mit der dargelegten technischen Strategie, wobei die tatsächliche Wettbewerbsfähigkeit bei KI-Workloads anhand spezifischer Benchmarks und nicht allein anhand der HPL-Vorherrschaft bewertet werden muss.

Warum die TOP500-Rangliste allein die Leistungsfähigkeit von KI nicht misst

Die Unterscheidung zwischen High Performance Computing KI-orientierte Systeme sind von entscheidender Bedeutung. Die TOP500-Liste misst primär die Fähigkeit eines Rechners, numerische Berechnungen mit doppelter Genauigkeit durchzuführen. Dies ist nach wie vor ein zentrales Kriterium für wissenschaftliche Simulationen, Klimamodellierung, Computerchemie, Fluiddynamik und Konstruktionstechnik. Sie reicht jedoch nicht aus, um die Leistungsfähigkeit großer Sprachmodelle oder generativer Systeme zu bewerten, die auf Architekturen, Speicher, Netzwerke und Software angewiesen sind, die für gemischte Genauigkeit und Tensorverarbeitung optimiert sind.

Dies wird durch weitere Daten aus demselben Ranking bestätigt. Auf dem Benchmark HPL-MxPLineShine liegt am nächsten an gemischten Präzisionslasten und belegt den vierten Platz mit 7,92 Exaflops pro Sekunde und eine Beschleunigung von 3,6 mal Im Vergleich zu herkömmlichem HPL bleibt El Capitan in diesem Test jedoch führend, gefolgt von Aurora und Frontier. Das Ergebnis ist eindeutig: Der chinesische Rechner dominiert zwar bei reinen CPU-basierten numerischen Berechnungen, ist aber nicht das leistungsstärkste System, wenn es um die Erfüllung einiger Anforderungen moderner KI geht.

Die gleiche Vorsicht zeigt sich in der Analyse von ReutersDies erinnert uns daran, dass viele große Systeme von Microsoft, Amazon, Google oder xAI nicht an der TOP500-Rangliste teilnehmen. Es handelt sich dabei oft um private Infrastrukturen, die für das Modelltraining und die Inferenz konzipiert sind und nicht für den öffentlichen Wettbewerb im HPL-Benchmark. Daher misst LineShines Ergebnis die Leistung in der Praxis, jedoch innerhalb eines definierten technischen Rahmens.

„Wenn die Hyperscaler ihre Systeme vorstellen würden, würde dieses ‚schnellste System der Welt‘ es nicht unter die ersten fünf schaffen.“

sagte Jimmy Goodrich, Senior Fellow amInstitut für globale Konflikte und Zusammenarbeitn der Universität von Kalifornien, gegenüber Reuters

La Frase di Jimmy Goodrich Dies verdeutlicht die Bedeutung dieser Vormachtstellung. LineShine ist aktuell das leistungsstärkste System unter den in der TOP500-Liste des HPL-Tests aufgeführten Systemen. Das bedeutet jedoch nicht automatisch, dass es die größte globale KI-Infrastruktur darstellt. Der Vergleich mit Hyperscalern ist gerade deshalb relevant, weil ein wachsender Teil der weltweiten Rechenkapazität nicht mehr nur in nationalen oder universitären Zentren konzentriert ist, sondern in privaten Clustern, die für generative Modelle, gemischte Präzision und Tensor-Laden optimiert sind.

Für Unternehmen, Forschungszentren und politische Entscheidungsträger ist der Unterschied nicht rein akademischer Natur. Der Kauf, die Entwicklung und die Nutzung von Rechenleistung erfordern die Verknüpfung der Architektur mit dem zu lösenden Problem. Wissenschaftliches Rechnen benötigt numerische Genauigkeit, Stabilität, Speicherkapazität, Skalierbarkeit und die Fähigkeit, viele parallele Simulationen durchzuführen. tiefe Lernen Im industriellen Bereich werden hingegen Durchsatz bei geringer Präzision, Verfügbarkeit von Beschleunigern, Reife des Software-Stacks und Datenmanagement berücksichtigt.

Chips, technologische Souveränität und Chinas Rückkehr auf die Liste

Die technischen Daten sind eng mit einer politischen Dimension verknüpft. Reuters hebt hervor, dass China die Übermittlung seiner Rangliste eingestellt hat. 2023Nach jahrelangen US-amerikanischen Exportkontrollen für hochentwickelte Chips und Hochleistungsrechnerausrüstung ist die Rückkehr eines Spitzensystems daher auch ein wichtiges Signal für die Industrie: Peking beweist seine Fähigkeit, komplexe Umgebungen aus Prozessoren, Netzwerken, Betriebssystemen, mathematischen Bibliotheken und Kommunikationswerkzeugen zu entwickeln und zu integrieren.

„Was mich überrascht, ist, dass sie es präsentiert haben und dafür Anerkennung bekommen wollen.“

sagte Addison Snell, CEO von Intersect360 Research, sagte gegenüber Reuters

Die Aussage von Addison Snell Dadurch wird die Aufmerksamkeit von der eigentlichen Vorrangstellung auf die öffentliche Zurschaustellung gelenkt. Die Errungenschaft beweist weder die vollständige Autonomie über die gesamte Halbleiterlieferkette noch löst sie das Problem des Zugangs zu den fortschrittlichsten KI-Beschleunigern. Sie zeigt jedoch, dass China seine nationalen Kapazitäten im Bereich des universellen Supercomputings demonstrieren wollte, und zwar zu einem Zeitpunkt, an dem die Recheninfrastruktur zunehmend mit Industriepolitik, technologischer Sicherheit und wissenschaftlichem Wettbewerb verknüpft ist.

Goodrich bringt in derselben Reuters-Analyse die Ergebnisse auch mit Exportkontrollen in Verbindung und argumentiert, Peking wolle das Ergebnis als Beweis für deren Ineffektivität präsentieren. Diese Interpretation ist jedoch mit Vorsicht zu genießen. LineShine basiert nicht auf hochentwickelten KI-Chips, die mit den für generative Modelle gefragtesten Beschleunigern vergleichbar sind, und der vierte Platz im HPL-MxP-Ranking bestätigt, dass die Leistung von Mixed-Precision-Architekturen weiterhin weniger wettbewerbsfähig ist als die von beschleunigten Architekturen. Die Maschine demonstriert ihre Stärke im Bereich des allgemeinen Supercomputings, nicht aber das Ende der technologischen Abhängigkeiten im KI-Sektor.

Für USDas Überholmanöver hat einen symbolischen Wert. El Capitan, installiert am Lawrence Livermore National Laboratory, hält 1,809 Exaflops pro Sekunde auf HPL, 11.340.000 Kern und eine Energieeffizienz von 60,94 Gigaflops pro WattEs handelt sich um ein System, das auf der HPE Cray EX255a-Architektur mit AMD EPYC-Prozessoren und AMD Instinct MI300A-Beschleunigern basiert. Der LineShine ist ihm in den meisten Belangen überlegen, verbraucht aber mehr Strom und weist ein völlig anderes Design auf.

Auch 'Europäische Union bleibt im Spiel. In der gleichen Rangliste erscheint JUPITER Booster, installiert bei Hochleistungsrechenzentrum Jülich in DeutschlandTOP500 weist es als erstes europäisches System aus, das die Exascale-Schwelle auf HPL überschritten hat. Auf Platz sechs folgt HPC7 von Eni, ein Zeichen für die wachsende Präsenz großer industrieller Nutzer im Bereich des fortgeschrittenen Rechnens.ItalienMit wissenschaftlichen und industriellen Infrastrukturen wie Leonardo und HPC7 bleibt es daher Teil der europäischen Geographie des Supercomputing.

Von Klimastudien bis hin zu Simulationen: Wo Skalierung Wert schafft

Ein Anwendungsbeispiel stammt aus dem wissenschaftlichen Preprint, der mit dem Nature-Artikel verlinkt ist und am [Datum einfügen] veröffentlicht wurde. arXivDas Werk beschreibt KAP, ein hybrides numerisch-KI-System zur saisonalen Vorhersage von Sommerniederschlägen in Ostasien. Die Autoren beschreiben einen Rechenablauf mit 174 numerische Mitglieder e 1.600 KI-generierte Mitglieder, Für einen Gesamtbetrag von 1.774-Mitglieder, wird seit für jährliche Rekonstruktionen verwendet 2016 al 2025.

Laut der Zusammenfassung des Artikels führt die gesamte LineShine-Maschine zehn jährliche Rückrechnungen durch. 14,6 hours dauern und verbessert den durchschnittlichen Vorhersagewert um 71,8 a 75,9 im Vergleich zur von den Autoren angegebenen ECMWF-Referenz. Das System funktioniert bei 15 Kilometer Entschließung für dekadische Rückrechnungen und erklärt eine Fähigkeit zu 1 Kilometer Für detailliertere Taifun-Simulationen. Da es sich um einen Preprint handelt, sollten die Ergebnisse als wissenschaftliches Diskussionsmaterial und nicht als endgültige, einem formellen Peer-Review-Verfahren unterzogene Schlussfolgerungen betrachtet werden.

Der Fall ist dennoch hilfreich, um zu verstehen, warum Exascale-Supercomputing auch im Zeitalter generativer Modelle eine spezifische Rolle behält. Hochauflösende Klima- und Wettervorhersagen erfordern zahlreiche parallele Simulationen, Datenassimilation, die Kopplung von Atmosphäre, Ozean und Landoberfläche sowie statistische Methoden zur Unsicherheitsbewertung. In diesem Zusammenhang ist die Hybridisierung physikalischer und Maschinelles Lernen Es kann die Berechnungszeiten verkürzen und die Anzahl der analysierbaren Szenarien erweitern.

Die potenziellen Auswirkungen beschränken sich nicht auf die Forschung. Zuverlässigere Vorhersagen von Starkregen, Taifunen oder saisonalen Ereignissen können sich auf das Management von Staudämmen, die Landwirtschaft, das Versicherungswesen, die Logistik, den Katastrophenschutz und die Stadtplanung auswirken. Dieser Zusammenhang ergibt sich nicht automatisch: Validierung, Datenzugriff, operative Expertise und institutionelle Kapazitäten zur Nutzung der gewonnenen Informationen sind erforderlich. Dieses Beispiel zeigt jedoch, wie eine große Recheninfrastruktur zu einem Instrument für datenintensive Entscheidungen im öffentlichen und industriellen Bereich werden kann.

Dann ist da noch das Energieproblem. Eine Absorption von 42,22 Megawatt Dies entspricht einer Infrastruktur mit vergleichbaren Anforderungen wie eine große Industrieanlage. Diese Zahl allein gibt jedoch keinen Aufschluss über die Umweltauswirkungen, die vom Strommix, der Kühlung, der Auslastung und dem Lebenszyklus der Komponenten abhängen. Sie verdeutlicht aber, dass das Wachstum des Supercomputings Richtlinien für Rechenzentren, Energieplanung und Ressourcenmanagementstrategien erfordert. Ressourceneffizienz zunehmend integriert.

LineShines führende Position sollte daher als technische Neuigkeit mit weitreichenden industriellen Implikationen interpretiert werden. Sie markiert Chinas Rückkehr an die Spitze des öffentlichen TOP500-Rankings, bestätigt die zunehmende Konkurrenz im Exascale-Bereich und erinnert uns daran, dass Rechenleistung heute ein zentraler Bestandteil der Industriepolitik ist. In der nächsten Phase wird es weniger um den Titel des „schnellsten“ Rechners gehen, sondern vielmehr um die Fähigkeit, diese Maschinen in verifizierbare Ergebnisse umzusetzen: nützlichere Klimamodelle, zuverlässige Simulationen, portable Software, nachhaltige Energieinfrastruktur und verteiltes Fachwissen in Forschung, Industrie und öffentlicher Verwaltung.

Drei zentrale Einsichten, die besonders hervorzuheben sind:

JUPITER führt Europa in die Ära des Exascale-Supercomputings
HPC6, der fortschrittlichste Supercomputer für die Energiewende
Quantum Bologna: Italiens erster Hybrid-Supercomputer ist geboren.