Результат, который меняет правила

В мае 2026 года китайский Национальный центр суперкомпьютинга (NSCC) в Шэньчжэне опубликовал данные, способные перекроить представление о вычислительной инфраструктуре для искусственного интеллекта. Суперкомпьютер LineShine показал 1,54 экзафлопс (BF16) при обучении ИИ-моделей — и он не использует ни одного GPU.

Полностью CPU-only архитектура на базе процессоров LX2 с архитектурой Armv9, предположительно разработанных Huawei, — это прямой ответ на американские санкции, запрещающие поставку передовых графических процессоров в Китай.

Подавляющее большинство ведущих суперкомпьютеров мира и AI-кластеров строится по гибридной схеме: CPU для оркестрации, GPU — для параллельных вычислений. Nvidia A100, H100 и их аналоги стали индустриальным стандартом. Но санкции 2019–2023 годов отрезали Китай от передовых чипов. Ответ оказался радикальным: вместо поиска GPU — масштабирование CPU до экзафлопсового уровня.

• Май 2019 Включение Huawei в Entity List — запрет на экспорт технологий США

• Октябрь 2022 Ограничения на GPU с производительностью >480 GFLOPS (INT8) — A100 и H100 запрещены в Китае

• Октябрь 2023 Расширение ограничений: даже «упрощённые» H20, L20, L40s под угрозой

• Май 2026 LineShine демонстрирует 1,54 EFLOPS — CPU-only, без GPU, без Nvidia

Ключевые характеристики

• Архитектура процессора: Armv9, 2 чиплета на LX2

• Ядра на процессор: 304 (8 кластеров × 38 ядер)

• Векторные/матричные расширения: SVE + SME (Scalable Matrix Extension)

• Поддерживаемые форматы: FP64, FP32, BF16, FP16, INT8HBM (в-package)32 ГБ, до 4 ТБ/с (4 HBM-домена на чиплет)

• Внешняя память: DDR5 (вне кристалла)до 256 ГБ NUMA-домены16 на процессор

• Интерконнект: LingQi (LQLink), 1,6 Тбит/с на узел

• Охлаждение: Жидкостное

Преимущества и недостатки CPU-only

Преимущества

• Нет передач данных CPU↔GPU — единое адресное пространство

• Огромные когерентные пулы памяти (HBM + DDR5)

• Естественная интеграция с традиционными HPC-задачами

• Независимость от CUDA и зарубежных акселераторов

• Идеально для workload со сложным control flow

• Поддержка RAG и длинных контекстных окон

Ниже энергоэффективность (TFLOPS/Watt) vs GPU

• FLOPS utilization ~15% (против 40 - 60% у GPU-кластеров)

• Огромная сложность масштабирования 40 960 процессоров

• Топологически-ориентированное размещение памяти

• Co-design ядер — дополнительная сложность Software/Hardware

• Ограниченная доступность процессоров Huawei

Ключевой вывод

LineShine не замена GPU-кластерам. Это доказательство концепции: при достаточном масштабе (2,4 млн ядер), продвинутой архитектуре (Armv9 + SVE + SME) и глубокой оптимизации стека процессоры могут стать жизнеспособной альтернативой для определённого класса AI-задач.

Китай не смог получить доступ к Nvidia и создал собственную экосистему. Вопрос не в том, лучше или хуже LineShine по сравнению с El Capitan. Вопрос в том, что теперь у Китая есть независимый путь к экpафлопсовым ИИ-вычислениям — и этот путь будет только расширяться.

Учёные из Университета Аделаиды разработали способ наблюдать активность транзисторов внутри микросхемы прямо во время её работы. Для этого используется лабораторная установка с vector network analyzer, частотным преобразованием сигнала в терагерцовый диапазон и приёмником, который улавливает едва заметные изменения отражённой волны. Когда чип выполняет вычисления, переключения транзисторов меняют сигнал, и именно по этим микроскопическим изменениям исследователи могут понять, что происходит внутри процессора в реальном времени.

Главная ценность этого подхода в том, что он открывает новые возможности для диагностики, тестирования и анализа микросхем, причём не после отключения питания, а во время живой работы чипа. Это может оказаться очень важным для полупроводниковой индустрии, где всё сложнее становиться понять, как ведут себя современные микросхемы под реальной нагрузкой. Исследователи фактически показали новый способ заглядывать внутрь процессора без классического разрушительного анализа.

Но технология пока далека от массового внедрения. Наиболее серьёзная проблема — сложные многослойные конструкции, включая чипы с 3D-стэками и chiplet-архитектурой. В таких случаях терагерцовому сигналу трудно точно определить, из какого именно слоя приходит отражение, особенно если верхние слои непрозрачны для метода. Команда рассматривает способы повысить чувствительность системы, чтобы лучше работать с такими плотными структурами.

Есть и другая сторона этой разработки — вопрос безопасности. Если технология со временем станет точнее и компактнее, она теоретически может использоваться не только для тестирования, но и для попыток считывать активность чипа во время работы. Tom’s Hardware отдельно подчёркивает, что в будущем это может стать основой для новых атак на данные, потому что процессор в любом случае должен работать с информацией в расшифрованном виде. Пока это скорее потенциальный риск, но уже сейчас он выглядит достаточно серьёзно, чтобы о нём задумались заранее.