Le chinois LineShine domine le TOP500 avec une conception sans GPU

La conception réunit les opérations scalaires, vectorielles, matricielles, de contrôle de flux, de communication et d'entrées-sorties dans un seul environnement d'exécution CPU. La simulation et les étapes d'IA partagent ainsi une même hiérarchie mémoire et une même pile logicielle.

LineShine arrive en tête sur le HPL en double précision et sur le HPCG, mais se classe quatrième sur le HPL-MxP, le test en précision mixte plus proche de l'entraînement et de l'inférence en IA. TechRepublic a relevé qu'un système peut mener le classement principal et rester derrière sur le test le plus lié à l'infrastructure d'IA.

Ce que LineShine a réellement gagné

LineShine se trouve au Centre national de supercalcul de Shenzhen et a enregistré 2,1984 EFlops de performance HPL soutenue, premier système uniquement à base de CPU du TOP500 à franchir les 2 EFlops. El Capitan, au Lawrence Livermore National Laboratory, qui détenait le titre, est crédité de 1,809 exaflops. Le Global Times a rapporté que LineShine était environ 20 pour cent plus rapide qu'El Capitan.

Le reste du top cinq était connu : El Capitan deuxième, puis Frontier et Aurora aux États-Unis et JUPITER en Allemagne. Les machines exaflopiques sont désormais réparties entre les États-Unis, l'Europe et la Chine, même si les États-Unis conservent plusieurs des systèmes les mieux classés.

À pleine échelle, la machine compte environ 90 armoires de calcul et 22 680 nœuds de calcul, soit plus de 13 000 000 de cœurs de processeur au total. Chaque CPU LX2 embarque 304 cœurs, et chaque nœud en accueille deux, avec 64 GB de HBM et 512 GB de mémoire DDR5. Elle consomme environ 42,2 mégawatts.

LineShine a aussi pris la première place sur le HPCG avec 22,0049 PFlops, un test qui privilégie l'accès mémoire, la communication et le calcul creux plutôt que l'arithmétique dense.

Le test IA raconte une autre histoire

Sur le HPL-MxP, qui mesure la performance en précision mixte, LineShine s'est classé quatrième avec 7,92 exaflops, tandis que les systèmes accélérés par GPU faisaient mieux sur les opérations de faible précision courantes en entraînement et en inférence d'IA. TechRepublic a noté que le HPL mesure la performance soutenue en double précision, alors que le HPL-MxP est plus proche de l'arithmétique employée dans de nombreuses charges de travail d'IA.

Les données publiées avec les résultats montrent que LineShine n'intègre pas de puces d'IA avancées.

Addison Snell, cité par mezha.net, a déclaré que si les hyperscalers avaient soumis leurs systèmes, ce « plus rapide du monde » n'aurait pas figuré dans le top cinq. Il a dit ne pas être surpris que le système ait pris la première place, mais l'être qu'il ait été soumis et qu'une reconnaissance ait été recherchée pour lui.

Neuf ans, et une décision de soumettre

La Chine avait occupé la première place pour la dernière fois avec Sunway TaihuLight en 2017, un écart que le Global Times et Newswise comptent tous deux comme neuf ans. La Chine a cessé de soumettre des systèmes au classement en 2023, après des années de contrôles à l'exportation américains sur les puces et les technologies de calcul.

L'éditorial du Global Times fait remonter ces contrôles à 2015, lorsque le département du Commerce américain a inscrit quatre centres chinois de supercalcul associés à Tianhe-2. Il cite ensuite 2019, quand Sugon et Sunway TaihuLight ont été visés, et sept entités supplémentaires ajoutées en 2021.

Le New York Times a cité Jack Dongarra, organisateur du classement TOP500, selon qui LineShine est « un système impressionnant ». Il a ajouté que la Chine avait damé le pion aux États-Unis en développant un système qui ne dépend pas des GPU, rapporte le Global Times. Zhang Yunquan, chercheur à l'Institut de technologie informatique de l'Académie chinoise des sciences, a déclaré au Global Times que LineShine suit une voie purement CPU sur l'architecture ARM, contrairement à la plupart des systèmes américains qui associent CPU et GPU.

Yutong Lu, conceptrice en chef du système, affirme dans l'article de Frontiers of Computer Science que le calcul scientifique de demain fera tourner simulation, entraînement et inférence d'IA, optimisation et traitement de données dans un seul flux de travail continu.