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.

Стартап Starcloud подал заявку на создание группировки из 88 000 спутников для размещения орбитальных центров обработки данных, предназначенных для задач искусственного интеллекта. Идея звучит футуристично, но причины вполне практичны: на Земле дата-центры всё чаще упираются в ограничения по энергии, охлаждению, земле и масштабированию.

По задумке компании, спутники будут работать на низких околоземных орбитах, получать почти непрерывное питание от Солнца и обмениваться данными через оптические межспутниковые каналы. На этом фоне Nvidia уже анонсировала модуль Space-1 Vera Rubin, который должен дать резкий рост производительности для космических AI-систем.