灵晟挑战的，其实是英伟达定义的计算范式

过去十年，全球高性能计算的发展路线几乎高度一致。CPU负责调度，GPU负责计算。从美国Summit到Frontier，从El Capitan到欧洲JUPITER，本质上都遵循这一思路。

原因并不复杂。GPU拥有远高于CPU的并行计算密度，在AI训练和科学计算领域拥有天然优势。英伟达因此成为AI时代最大的赢家。

但这种架构并非没有代价。

随着模型规模不断扩大，CPU与GPU之间的数据交换越来越频繁，通信成本开始快速上升。很多应用需要在CPU和GPU之间来回搬运海量数据，系统复杂度和功耗同步增长。

灵晟提出的Online Acceleration架构，试图绕开这一问题。

其核心思想并不是让CPU继续承担传统CPU角色，而是将大量原本属于GPU的矩阵计算能力直接嵌入CPU内部。

换句话说，它试图让CPU变得更像GPU。

LX2处理器内部集成矩阵加速单元，支持多精度计算和AI加速能力，同时配合HBM提供超高带宽数据供给。原本需要CPU和GPU协同完成的任务，可以在同一颗处理器内部完成。

这种设计最大的价值不光体现在性能数字，更关键的是减少数据搬运。

数据停留在同一个处理器体系内部，通信路径被显著缩短，系统复杂度同步下降。

对于科学计算与AI融合场景而言，这是一条值得关注的新路线。

过去几年，人们普遍认为未来计算体系一定是GPU主导。但灵晟提供了另一种可能：通过CPU、AI加速单元与HBM深度融合，同样能够实现超大规模智能计算。

这未必会取代GPU路线，却为未来计算体系增加了一种新的选择。

从一颗HBM到一条产业链

如果把视角进一步拉高，会发现灵晟最大的价值其实不在超算领域，而在产业链。

过去几年，美国针对中国AI产业的限制主要集中在GPU。A100、H100、H200、B200陆续进入限制名单。

但越来越多业内人士开始意识到，即便能够获得先进GPU，如果缺乏HBM，同样难以构建高性能AI系统。没有HBM，再先进的计算芯片也无法发挥全部性能。

HBM正在成为AI时代最重要的战略资源之一。

根据多家市场研究机构预测，未来几年HBM市场规模增速将远超传统DRAM市场。全球主要存储厂商几乎都在扩大HBM投资，英伟达、AMD、谷歌、微软、亚马逊等客户则提前锁定未来数年产能。

产业竞争焦点正在从“谁能设计芯片”转向“谁能获得HBM”。在这种背景下，国产HBM实现工程化落地，其意义已经超越超算本身。

未来无论是国产GPU、国产AI加速卡、国产服务器CPU还是国产云计算基础设施，都需要高带宽存储体系支撑。

如果HBM始终依赖进口，那么整个国产AI产业链都会面临不确定性。而灵晟的成功至少证明了一件事：国产HBM不再停留在实验室样品阶段，而是已经能够进入全球最顶级计算系统并稳定运行。

对于整个产业而言，这种验证远比论文和实验数据更有价值。

中国超算竞争的新阶段

从2017年的神威·太湖之光到2026年的灵晟，中国超算性能提升超过二十倍。但真正发生的重要变化，并不在于榜单上的数字，而在于技术体系本身。

九年前，人们讨论中国超算，更多聚焦于单一芯片或者单一系统。今天，人们开始讨论国产CPU、国产HBM、国产高速互连网络、国产先进封装、国产操作系统以及国产基础软件如何共同构成一个完整生态。这种变化意味着中国高性能计算正在从单点突破进入体系竞争阶段。

对于未来计算产业而言，体系能力往往比单项冠军更加重要。因为任何一块短板，都可能成为整个系统的瓶颈。

灵晟登顶世界第一，看上去只是一台超级计算机的胜利。但机柜内更深层的变化，有着更大的战略意义：国产CPU第一次与国产HBM深度融合；先进封装、存储技术和系统架构完成了一次协同验证；中国计算产业跨过了过去多年最难跨越的一道门槛。

从神威太湖之光到灵晟的九年间，中国超算重新回到世界第一。这一次，最值得关注的已经不再是榜单上的排名，而是排名背后那条正在逐渐成形的产业链。

中国正在尝试回答一个比“谁是第一”更重要的问题：

当全球算力竞争进入深水区，中国能否建立一套属于自己的计算体系。

本文系观察者网独家稿件，文章内容纯属作者个人观点，不代表平台观点，未经授权，不得转载，否则将追究法律责任。关注观察者网微信guanchacn，每日阅读趣味文章。