top of page

Lux 亮相,AMD 在 TOP500 中的份额突破 40%

17分钟前
讀畢需時 12 分鐘

据 AMD 称,在 2026 年 11 月 TOP500 榜单中,AMD 现为 202 套系统提供支持,使 AMD 在 TOP500 中的份额升至 40.4%。相比之下,一年前这一数字为 177 套系统。这一增长巩固了 AMD 在科学计算领域的地位,但它衡量的是上榜部署数量,而非 AI 性能或营收。

这一标题需要谨慎解读。系统数量从 177 套增至 202 套,约增长 14.1%,但在榜单中的份额仅增加了 5 个百分点。Tom’s Hardware 在其 11 月 16 日的超级计算机报道中报道了这些部署数据。

Oak Ridge National Laboratory 的新 HPE 构建系统 Lux 以第 14 名首秀,为这一消息增添了另一层含义。AMD 一面扩大已部署规模,一面推广旨在同时服务 AI 与科学计算的平台。Intel 和 Nvidia 仍是核心竞争对手,现有证据支持的结论比“AMD 全面领先”更为具体。

AMD 在 TOP500 中的份额增长不止于旗舰机器

AMD 最清晰的进展,是在整个榜单中拥有更广泛的代表性,而不是榜首格局发生变化。

TOP500 使用高性能 Linpack,即 HPL,对提交的超级计算机结果进行排名。HPL 是一项求解稠密线性方程组的基准测试。其 2026 年 11 月版为采用不同处理器、加速器和设计的系统提供了共同的性能参照。

11 月榜单显示,前十名与 6 月时保持不变。中国的 LineShine 仍位居第一,随后是 El Capitan 和 Frontier。基于 AMD 的 HPC7 和 HPC6 分别维持第六和第八名。

这一差异区分了常被压缩进同一标题的两项发展。AMD 在完整榜单中的代表性,较报道所述的一年前系统数量有所增加;其领先部署则在未登顶的情况下维持了原有名次。

全榜单计数也会将所有系统一视同仁,而不考虑其规模。一台接近榜尾的机器与一台接近榜首的机器一样,都贡献一个条目。因此,所得百分比描述的是覆盖范围,并未按计算吞吐量对部署进行加权。

这使该计数有助于理解部署广度。它无法确立 AMD 在全部上榜性能、支出或处理器出货量中的份额。这些指标需要不同的计算方法,在某些情况下还需要该排名未提供的信息。

按净值计算,这一增长相当于新增 25 套上榜系统。但不应自动将其解读为 AMD 精确售出了 25 台新的超级计算机。条目可能进入或退出这个固定长度的榜单,使榜单变动无法直接等同于销量。

同比比较还需考察分母。两个版本都包含 500 套系统,因此报道中的数字对应从 35.4% 升至 40.4%。若称 AMD 增加了 14 个百分点,将会严重夸大这一变化。

对于关注 AMD 服务器业务的读者而言,这种更广泛的代表性值得注意,因为仅凭旗舰成绩无法描述实际采用情况。一家供应商可能在少数卓越机器中十分突出,却在其他地方出现得较少。系统部署数量回答的是另一个问题。

不过,202 套系统的总数仍是归属统计数据。AMD 在其 SC26 材料中如此表述,Tom’s Hardware 也进行了报道。本分析并未独立分类每一个条目来复现这一汇总结果。

因此,AMD 在 TOP500 中的份额提供了一个清晰但有限的信号:该公司报告称,其在这一特定排名中的覆盖规模更大。接下来的问题是,这一规模实际代表了其平台的哪些部分。

竞争压力落在完整系统层面

AMD 日益扩大的存在提高了竞争方案的标准,但并不意味着每一套上榜部署都是 AMD 的独占胜利。

AMD 表示,其技术为 202 套系统及 11 月版榜单中新入榜系统的一半提供支持。其科学计算更新将这些数字与 Lux 及其既有领先系统一并呈现。

实际的竞争影响在于采购方的评估。更长的部署记录让采购团队在比较架构时拥有更多案例可供考察。竞争对手需要说明自身优势如何应对一个公开记录不断扩大的替代方案。

这是一种分析性推论,并非任何特定客户更换供应商的证据。该排名并未披露每一项采购决定或竞争投标,也无法说明究竟哪项因素决定了购买。

超级计算机由多种产品组成,而这些产品的优势并不总属于同一家供应商。负责协调计算任务的通用处理器 CPU 可以来自一家公司;用于加速并行计算的处理器 GPU 则可以来自另一家公司。

因此,采用 AMD 处理器的部署并不必然意味着取代了竞争对手的加速器。读者应在将系统数量解读为 GPU 供应商之间的直接竞争前,先审视组件配置。

领先系统展示了替代方案仍然多样。Aurora 使用 Intel 处理器和加速器,而 JUPITER Booster 使用 Nvidia Grace Hopper 技术。这些是不同的系统架构,而非可互换的芯片组合。

AMD 的超级计算机竞争还包括负责组装和支持这些系统的企业。HPE 在 Lux 中的角色很重要,因为部署所需的不只是处理器规格。系统集成将硬件选择与研究人员最终使用的环境连接起来。

对采购方而言,关键问题是拟议配置是否支持预定的研究项目。具有吸引力的基准测试结果可以证明值得进一步评估,但它并不能免除对软件兼容性、运行要求和应用表现的评估。

由此产生的压力是具体的。AMD 的竞争对手在大型科学计算部署的讨论中,面对的是一个更可信的替代方案。与此同时,AMD 必须证明,与其领先系统相关的优势能够延伸至客户打算运行的工作负载。

没有任何排名能证明所有采购方都应选择同一种架构。机构在应用、设施和现有软件方面各不相同。部署数量可以提升供应商进入候选名单的机会,却无法决定最终选择。

因此,更有力的竞争解读关乎选择。AMD 所报告的增长,让采购方更有理由要求每一家供应商提供对比证据。Lux 则将这一讨论延伸至传统科学计算与 AI 的关系。

Lux 将 AMD 的 AI 雄心带入实际部署

Lux 为 AMD 的科学 AI 战略提供了一个已部署的平台,但仍需研究成果来评估其实际影响。

AMD 于 2026 年 11 月 16 日宣布,Lux 已在 Oak Ridge National Laboratory 向科学用户开放。该系统集成了 EPYC 处理器、Instinct MI355X 加速器、Pensando 网络以及 AMD 的加速计算软件平台 ROCm。

其以第 14 名首秀,为这一公告提供了可衡量的参照。AMD 报告称,Lux 的 HPL 性能达到 220.79 petaflops,即在该基准测试中每秒完成 220.79 千万亿次浮点运算。这一结果描述的是经过测试的整个系统。

HPE 强调了该部署的另一个方面。其Lux 系统详情介绍了研究人员的共享访问方式,以及训练 AI 模型并在训练后运行模型的能力。

这种访问模式很重要,因为安装硬件和让硬件真正可用是不同的里程碑。研究人员需要一个能够获取资源、准备应用程序并运行实验的环境。一次基准测试提交无法描述这种体验的每个部分。

Lux 还让 AMD 有机会将多个组件作为整体进行推广。该公司的信息传达已超越单一处理器,转向软硬件结合的平台。这使集成成为所检验主张的重要部分。

潜在益处很直接。越来越多希望结合数值模型与 AI 的研究团队,需要让这两种方法在实际工作流程中协同运作。Lux 被定位为支持这种结合的环境。

与之对应的不确定性在于执行。研究人员仍需确定其应用程序是否能有效运行并产出有用结果。共享平台的存在并不能决定某个具体项目能否轻松采用它。

AMD 的Lux 研究公告列出了聚变设计、材料开发和地球系统预测等计划工作。这些项目提供了比“加速科学发现”这类宽泛承诺更具体的评估目标。

以公告中描述的 Tennessee Valley Authority 地区地球系统工作为例。公布的应用包括预测水资源可用性、河流流量和河流水温。评估这项工作需要有关预测质量与实际效用的证据,而不仅仅是机器的排名。

同样的区别也适用于材料研究。只有当更多计算能够改善研究决策时,它们才具有价值。有用的成果可能包括更好的验证或更清晰的实验方向,而不仅是更大规模的计算。

这些是评估标准,而非 Lux 已报告的成果。开放公告确立了访问权限和预期应用,但并未证明每一项拟议的科学效益都已经实现。

因此,Lux 强化了 AMD 的部署叙事,同时也创造了一个新的问责节点。其开发者表示,该平台已可用于科学工作。后续报道如今可以考察研究人员利用这一访问权限取得了什么成果。

四套前十系统仍为竞争对手的方案留有空间

AMD 的领先部署体现了其重要参与度,但该排名仍容纳了多种竞争性设计。

El Capitan 和 Frontier 位列第二和第三,使 AMD 在紧随 LineShine 之后的位置拥有突出地位。HPC7 和 HPC6 则在前十名中再添两套基于 AMD 的系统。这些名次确立了 AMD 在多个领先部署中的可见度。

但这并不意味着 11 月出现了新的主导局面。TOP500 表示,排名自 6 月以来保持不变。这一区别很重要,因为一份新榜单可以包含有意义的部署变化,却不一定产生新的领跑者。

LineShine 也为解读供应商公告提供了重要参照。其位居第一意味着,AMD 不断增长的系统数量与另一种架构在核心基准测试中领跑这一事实并存。部署广度与最高单项得分回答的是不同的问题。

Intel 的 Aurora 和基于 Nvidia 的 JUPITER Booster 进一步限制了任何“赢家通吃”式的解读。它们的存在表明,替代平台仍在支撑领先的安装部署。公平的比较需要承认这些系统,而非将 AMD 的数量视为排他性的领先地位。

对于采购团队而言,顶尖系统的多样性很有价值,因为它保留了多种可供评估的路径。但这并不意味着每种路径在每类应用中都同样出色。排名提供的是进一步调查的起点,而非针对特定应用的结论。

因此,AMD 超级计算机竞争同时跨越多个维度。供应商在处理器能力、软件、集成以及系统对特定任务的适用性方面展开竞争。单一排名将这些差异压缩为一个测试结果。

在比较为不同机构目标构建的系统时,这种压缩尤为重要。国家实验室与商业运营商可能使用相似的组件,却追求不同的工作目标。仅凭排名无法说明任一系统是否更好地完成了自身使命。

同样的谨慎也适用于架构层面的结论。看到多个成功的加速计算系统,并不能证明每种科学工作负载都能从加速中同等受益。看到另一种设计领跑榜单,也不能否定其后加速计算系统的价值。

更站得住脚的解读是:这一领域仍具有异质性,涵盖不同类型的处理器和系统设计。AMD 已扩大其在该领域中的已披露覆盖范围,但并未消除买家选择竞争技术的理由。

对开发者而言,这使可移植性和验证工作仍然重要。考虑新平台的研究团队应审视自身的软件需求,而不是根据供应商排名推断兼容性。现有部署案例可以为这项工作提供参考,但不能取代它。

竞争的意义也超出即时选择范围。一个成功运行初始基准测试的平台,在整个运行周期内仍需持续支持研究人员。这个更长期的运营问题不在系统数量的新闻标题之内。

因此,AMD 的领先位置强化了其覆盖广度的叙事,却无法解决所有性能主张。要理解其中仍存的差距,需要直接考察 TOP500 基准测试究竟衡量什么。

系统数量无法证明 AI 领导地位

核心限制在于衡量方式:安装部署份额、数值吞吐量和 AI 实用性是不同形式的证据。

TOP500 项目说明,其 LINPACK benchmark 衡量的是密集线性代数问题上的性能。该项目明确警示,单一数字无法代表计算机的整体性能。

当一个系统被描述为 AI 平台时,这一限制尤其重要。HPL 衡量双精度算术,即使用 64 位数值的计算。其结果并不直接衡量 AI 模型答案的质量。

它也不直接衡量某一特定模型为用户提供服务的速度。推理,即运行已训练模型以生成输出的过程,会引入特定于应用的要求。这些要求需要单独衡量。

训练性能则提出了另一个问题。研究团队需要知道,其选定的模型和软件是否能有效利用该系统。单凭较高的 HPL 成绩无法给出答案,因为工作负载与基准测试不同。

这并不意味着该排名与 AI 基础设施无关。经过测量的系统结果为某一计算任务提供了有用证据。错误在于将该结果延伸为这项任务原本并非为测试而设计的结论。

同样,AMD 在 TOP500 中的份额并不能证明其在 AI 基础设施中拥有相应份额。该榜单涵盖的是提交的超级计算结果,而非所有用于 AI 的机器。其统计基数不能简单代表整个相邻市场。

商业解读也需要同样的严谨性。202 套系统这一数字并未揭示这些部署对应的收入,也未说明价值中有多少来自处理器、加速器、网络或软件。

一套系统可能包含多家供应商的产品,因此要进行排他性归属尤为困难。统计 AMD 的参与情况可以准确,但另一家供应商的贡献仍可能很大。在将一项部署完全归入某一竞争阵营之前,读者需要组件层面的证据。

应用证据还应包括获得结果所需的工作量。如果准备或适配工作阻碍团队有效使用系统,更快的计算就不具备那么高的实际价值。这是买方评估时应关注的问题,而不是针对 Lux 已被测得的缺陷。

同样,系统的科学价值不仅取决于它能完成多少计算。研究产出还需要适当的方法、可用的数据和验证。硬件性能为这一过程作出贡献,却不决定最终结果。

因此,持审慎立场并不需要否定 AMD 的进展,而是要求让主张与证据保持一致。更广泛的榜单参与度具有意义,即便软件体验、AI 行为和研究生产力仍未得到解决。

同一标准也应适用于竞争供应商。无论是一套领先系统,还是一项令人印象深刻的汇总统计,都无法回答每一个部署问题。一致的衡量方式能让比较更有用,并防止一项合理的里程碑被夸大为缺乏支持的市场主张。

对于希望从实际角度理解 AMD TOP500 的读者而言,这正是关键区别。系统数量指出 AMD 技术出现在哪里;还需要额外证据来证明这些系统为用户提供服务的效果如何。

关注研究产出、软件证据和新部署

下一类有用证据,将把 AMD 更大的覆盖范围与已完成的工作、获得支持的应用以及更多客户选择联系起来。

未来一到三个月,首个值得关注的信号是 Lux 用户公布的使用经验。已宣布的研究领域提供了具体的观察方向。报道应区分获得访问权限与实现科学目标。

有价值的披露应说明应用、结果以及用于评估结果的比较方式。当读者可以看到发生了什么变化时,“研究更快”的主张就更具信息价值。若缺乏这些细节,最初的公告主要仍是一项部署里程碑。

经过验证的结果证据将强化 AMD 关于结合 AI 与科学计算可带来实际益处的论点。有限的报告则会让这一论点仍无定论。仅凭沉默并不能证明失败,因为研究发表和系统部署遵循不同的时间表。

第二个信号是可复现的软件与应用性能。可复现结果会充分说明设置细节,使他人能够理解或重复比较,其中包括软件环境和所测量的任务。

对于 Lux,证据应针对该平台面向的应用,而非完全依赖其 HPL 排名。可比较的工作负载测量将帮助读者区分硬件潜力与可用能力,也能为竞争供应商提供更明确的回应依据。

这正是软件体验报道变得关键的地方。研究人员需要知道,其项目所需工具是否如预期运行。与又一项关于平台灵活性的笼统声明相比,具体案例能更有效地强化或限定 AMD 更广泛的主张。

第三个信号是来自 AMD 及其竞争对手的更多部署证据。关注具名安装、披露的配置和已确认的运行里程碑。这些细节比未说明硬件或交付状态的公告更有价值。

将 AMD 处理器与竞争对手加速器配对的新系统,将强化处理器参与度与加速器采用率之间的区别。更多结合 AMD 组件的部署,则会支持更广泛的平台解读。两种结果都可能扩大 AMD 的覆盖范围,但讲述的是不同的竞争故事。

对于 Intel 和 Nvidia 而言,有意义的回应不一定要取代 AMD 的某个排名。应用结果、已交付系统和客户采用情况都能为比较提供信息。关键问题在于,证据是否针对相同的工作负载与决策。

将 AMD TOP500 份额视为进一步调查的理由。如果你正在评估研究基础设施,请将榜单中的配置与你的实际应用进行比较,并找出哪些性能问题尚未得到解答。关注 Lux 的科学用户,审视可复现的软件结果,并追踪竞争供应商已确认的部署。将系统数量与加速器采用率分开看待,并区分基准吞吐量与经过验证的研究成果。这样的做法既保留 AMD 已披露增长的价值,也让下一轮主张更容易评估。当下一则新闻标题到来时,请问:哪些新证据会改变一项真实决策——系统数量、运行软件的体验,还是这些系统所产出工作的质量?

 
 

免费开始使用

一款本地优先的AI助手

为了获得更好的人工智能体验,

remio 目前仅支持Windows 10+ (x64)和M-Chip Mac 。

你的 AI 工作伙伴

和 remio 一起高效工作

规划、创作、交付

一站式完成

bottom of page