La Chine conserve la tête du TOP500, avec le plus faible nombre de nouvelles entrées en 33 ans
LineShine, de Shenzhen, soutient 2,198 ExaFLOPS avec 13,7 millions de cœurs, tandis que le TOP500 enregistre le plus faible nombre de nouvelles machines en 33 ans
Fiche technique
- LineShine totalise 13 789 440 cœurs répartis sur des processeurs LX2 de 304 cœurs, sans accélérateurs dédiés
- El Capitan atteint 1,809 ExaFLOPS avec 29,69 MW et se montre plus économe en énergie que le leader chinois
- Jupiter Booster, en Allemagne, domine l'efficacité énergétique avec 1,0 ExaFLOPS pour 15,79 MW
La Chine reste au sommet du calcul scientifique mondial. Installée au Centre national de supercalcul de Shenzhen, LineShine soutient 2,198 ExaFLOPS de performance FP64 sur le benchmark High Performance Linpack (HPL), pour une consommation de 42,22 MW — une position qui maintient le pays en tête du classement TOP500.
Le chiffre qui donne le ton de cette édition est toutefois un autre : la liste enregistre le plus faible nombre de systèmes entrant pour la première fois en 33 ans. Concrètement, la demande des hyperscalers en matériel d'intelligence artificielle assèche l'offre de machines neuves, et les supercalculateurs traditionnels ont perdu la priorité dans les files d'approvisionnement.
Une architecture 100 % CPU
LineShine tourne sur la plateforme LingKun, avec des processeurs LX2 de 304 cœurs basés sur Arm à 1,55 GHz, soit 13 789 440 cœurs au total, auxquels s'ajoute l'interconnect propriétaire LingQi.
C'est la seule des cinq machines de classe exascale à fonctionner sans accélérateurs de calcul dédiés. Ce choix explique le gain de seulement 3,6x lors du passage du FP64 à la précision mixte — un résultat inférieur à celui des systèmes équipés d'accélérateurs basse précision.
Le trio américain et la course au watt
Les États-Unis occupent les positions suivantes avec trois systèmes exascale. El Capitan, au Lawrence Livermore National Laboratory, s'appuie sur des APU AMD Instinct MI300A montées sur la plateforme HPE Cray EX255a et délivre 1,809 ExaFLOPS pour 29,69 MW — bien plus économe en énergie que le leader chinois.
Frontier, à l'Oak Ridge National Laboratory, associe des processeurs AMD EPYC de 3e génération et des GPU Instinct MI250X pour atteindre 1,353 ExaFLOPS en 24,61 MW. Quant à Aurora, à l'Argonne National Laboratory, il repose sur des Xeon CPU Max 9470 et des accélérateurs Data Center GPU Max pour atteindre 1,012 ExaFLOPS avec 38,70 MW.
Les trois systèmes américains partagent la même base : plateformes HPE Cray EX et interconnect Slingshot-11.
L'efficacité allemande
Le Jupiter Booster, du Jülich Supercomputing Center, en Allemagne, utilise des superpuces Nvidia GH200 Grace Hopper, la plateforme BullSequana XH3000 et l'interconnect InfiniBand NDR200 quad-rail de Nvidia. Soit 1,0 ExaFLOPS pour 15,79 MW.
Avec ce chiffre, la machine allemande reste le supercalculateur exascale le plus économe en énergie de toute la liste — un contraste direct avec le modèle dense en CPU adopté par LineShine.
Un classement figé
Ni les dix systèmes les plus performants ni les dix plus sobres en énergie n'ont changé de position depuis juin. Cette stagnation, conjuguée à la pénurie de nouvelles entrées, dessine un cycle de renouvellement plus lent que d'ordinaire dans le calcul haute performance.
La raison invoquée est la pression des datacenters d'IA, qui absorbent les accélérateurs et la mémoire à haute bande passante avant que ces composants n'atteignent les laboratoires nationaux. Sans accélérateurs, des machines comme LineShine gagnent en poids relatif — mais perdent en efficacité énergétique.
Impact pratique
Sur le plan technique, une domination fondée uniquement sur les CPU révèle une bifurcation d'architecture : les systèmes sans accélérateurs montent en nombre de cœurs, mais convertissent moins bien leurs performances vers les précisions réduites — précisément le régime utilisé pour l'entraînement et l'inférence des modèles d'IA.
Sur le plan opérationnel, la pénurie de nouveaux systèmes renchérit le renouvellement des laboratoires et prolonge la durée de vie des équipements déjà installés, ce qui augmente le coût par ExaFLOPS livré et creuse l'écart entre l'infrastructure scientifique et la demande commerciale de calcul accéléré.