LineShine الصيني يتصدر TOP500 بأداء HPL-Exaflops يتجاوز 2.2

مقدمة تحليلية

بتاريخ 20 أغسطس 2026، تصدر حاسوب LineShine الصيني، الكائن في المركز الوطني للحوسبة الفائقة بمدينة شينجن، قائمة TOP500 لشهر يونيو 2026 بأداء بلغ 2.2 إكسا فلوب (أكثر من كوينتليوني عملية فاصلة عائمة في الثانية) على اختبار HPL. هذا الإنجاز، الذي نُشر منتصف يوليو، يعيد الصين إلى صدارة التصنيف لأول مرة منذ عام 2017. كما تصدر LineShine تصنيف HPCG. ومع ذلك، لم يكن الأداء موحداً عبر جميع المقاييس؛ فقد حل رابعاً في اختبار HPL-MxP بأداء 7.92 إكسا فلوب، وكان متأخراً بشكل ملحوظ في جدول كفاءة الطاقة Green500.

هذا التفاوت يسلط الضوء على تآكل مفهوم سباق الحواسيب الفائقة، حيث باتت التصنيفات التقليدية أقل أهمية في عصر الذكاء الاصطناعي، مع ظهور مزارع حوسبة خاصة لا تشارك بياناتها علناً.

التحليل التقني

يعتبر LineShine أول نظام صيني يتصدر قائمة TOP500 منذ عام 2017، منهياً فترة امتنعت فيها الصين عن تقديم أجهزتها الأكثر تقدماً للتصنيف العام. سبق أن صرح جاك دونغارا، الأستاذ الفخري لعلوم الحاسوب بجامعة تينيسي ومؤسس مشارك لـ TOP500، بوجود نظامين صينيين غير معلن عنهما قد فاقا سرعة جهاز Frontier الأمريكي المتصدر آنذاك.

• يعتمد LineShine على 13.79 مليون نواة.
• يستخدم منصة LingKun الصينية المحلية.
• يعمل بمعالجات LX2 ذات 304 أنوية.
• يتصل بنظام LingQi البيني الخاص.
• يعمل بنظام التشغيل Kylin.
• هو أول جهاز يعتمد على وحدة المعالجة المركزية (CPU-only) في قائمة TOP500 يحقق أكثر من 2 إكسا فلوب.
• يحقق حوالي 80% من ذروة أدائه النظري.
• يستهلك 42.2 ميجاوات من الطاقة.

معايير الأداء المتعددة

استخدمت قائمة TOP500 معيار High Performance Linpack (HPL) منذ عام 1993. يختبر هذا المعيار قدرة الحواسيب على حل نظام كثيف من المعادلات الخطية باستخدام حسابات الدقة المزدوجة. يسمح هذا المعيار بمقارنات طويلة الأمد عبر بنى مختلفة وعقود، لكنه لا يعكس الأداء العام للجهاز. وفقاً لجوليان كونكيل، أستاذ الحوسبة عالية الأداء بجامعة غوتنغن، فإن TOP500 يخبرنا فقط عن السرعة القصوى المحتملة، مثل سيارة بورش تسير بسرعة 400 كيلومتر في الساعة. هذه السرعة حاسمة للتطبيقات العلمية التي تتطلب نتائج سريعة، كالتنبؤ بالطقس الذي يصبح بلا فائدة إذا استغرق الحساب 25 ساعة.

في المقابل، يركز اختبار HPCG على الحسابات المتفرقة التي تستخدم المعالجات بكفاءة أقل وتضغط بشكل أكبر على عرض نطاق الذاكرة، وزمن الوصول، والاتصال بين العقد. سجل LineShine 22 بيتا فلوب في هذا المعيار، ما يشير إلى قوة أنظمة الذاكرة والاتصال البيني لديه. يوضح دونغارا أن هذه النتائج تصف "قدرات مختلفة وليست تناقضاً". أما اختبار HPL-MxP، فيفضل وحدات معالجة الرسوميات (GPUs) ومحركات الموترات أو المصفوفات المخصصة. هنا، حصل LineShine على المركز الرابع عالمياً بـ 7.92 إكسا فلوب، بزيادة قدرها 3.6 ضعفاً عن نتيجة HPL. بينما حقق El Capitan زيادة 9.2 ضعفاً، وAurora 11.5 ضعفاً، وFrontier 8.4 ضعفاً، مما يعكس تخصص تصميم LineShine المرتكز على وحدات المعالجة المركزية.

السياق وتأثير السوق

لقد أحدث صعود البنية التحتية للذكاء الاصطناعي الخاصة اضطراباً في السباق العام للحوسبة الفائقة. في حين يظهر نظام Eagle من مايكروسوفت في المركز السابع ضمن أحدث قائمة TOP500، إلا أن معظم مزارع الذكاء الاصطناعي الرائدة تنشر فقط عدد وحدات معالجة الرسوميات (GPU)، أو الأداء النظري لـ FP8، أو ادعاءات "رموز في الثانية" (tokens-per-second). الكثير منها لا يكشف عن أي معلومات علنية تقريباً، خشية أن يستفيد منافسوها من هذه البيانات. هذا الوضع يخلق فجوة معرفية حول بعض أنظمة الحوسبة الأكثر تأثيراً في العالم.

توجد بعض أنظمة الاختبار القائمة على الذكاء الاصطناعي، مثل MLPerf، التي تقدم اختبارات تدريب واستدلال موحدة للذكاء الاصطناعي، بما في ذلك أعباء عمل DeepSeek-V3 وGPT-OSS 20B الجديدة في مجموعة تدريب عام 2026. ومع ذلك، تظل المشاركات في نظام التسجيل هذا طوعية، وقد لا ترغب مختبرات الذكاء الاصطناعي في تقديم نتائجها خوفاً من الأداء الضعيف الذي قد يضر بصورتها العامة.

يُعد تشغيل اختبار HPL "لا معنى له لأي نظام ذكاء اصطناعي خاص"، بحسب كونكيل. فمثل هذا الاختبار سيسحب آلاف المسرعات باهظة الثمن من العمل التجاري ويتطلب أياماً من الضبط للحصول على نتيجة لا يستخدمها عملاؤهم، وربما لا يهتمون بها. ولذلك، يتجاهل المشترون أحياناً التصنيفات التقليدية لصالح مقاييس مثل "الوقت اللازم للحل" (time-to-solution) والموثوقية واستهلاك الطاقة. يرى دونغارا أن LineShine ليس الأفضل في كل شيء، ولكنه أظهر أقوى أداء مزدوج الدقة وHPCG بين الأنظمة التي تقدم نتائج عامة. أي تقييم موثوق "يتطلب مجموعة من القياسات" تشمل وقت الحل، والأداء المستمر تحت أعباء العمل المختلطة، والموثوقية، وسهولة البرمجة، والتكلفة، والطاقة، إلى جانب المعايير الرئيسية.

رؤية Glitch4Techs

إن "سباق" الحواسيب الفائقة التقليدي، كما تحدده معايير مثل HPL، هو في جوهره استعراضي. عدم الكشف عن بيانات الأداء الحاسمة من قبل مجموعات الذكاء الاصطناعي الخاصة، على الرغم من قوتها الحسابية المتزايدة، يجعل التصنيفات العامة مثل TOP500 مقياساً غير مكتمل، بل مضللاً، للسيادة الحاسوبية العالمية. أكد دونغارا أن الأنظمة الخاصة قد تكون أسرع، ولكن بدون "أدلة عامة قابلة للمقارنة"، تبقى هذه "ادعاءات وليست تصنيفاً". إن التركيز على HPL، الذي يستنزف آلاف المسرعات باهظة الثمن لعدة أيام من الضبط، هو تشتيت غير مُبرر لأي كيان يضع أعباء عمل الذكاء الاصطناعي الواقعية فوق المجد العام.