2026-06-25 13:15:51
在德国汉堡，ISC 2026把全球超算行业的聚光灯再次打向中国。
灵晟以超过2 ExaFLOPS的持续性能登上TOP500全球第一，让中国超算时隔多年重返榜首。这是一个清晰的信号：中国超算又回来了。
但在同一场大会上，另一个不那么”出圈”的榜单可能更值得细看。IO500最新排名中，中科曙光ParaStor F9000在生产型全节点和10节点两项榜单中同时登顶。如果说TOP500衡量的是发动机有多强，IO500衡量的则是燃料和物料能不能源源不断送上生产线。
一个决定”算得有多快”，一个决定”能不能一直快”。
算力背后的存力价值
过去，人们理解超算只看一个数字：算力。它简单、直观，也最容易传播。灵晟登顶，当然是中国超算的标志性事件——一套国产架构进入全球榜首，本身就有产业意义。
但进入AI时代，算力只是上半场。
大模型训练、科学智能、气候模拟、生命科学、材料研发，这些任务不仅需要大量计算，还需要海量数据在节点之间持续流动。数据读不出来、写不回去、调度不过来，再强的芯片也只能空转。
过去存储被理解为“放数据的地方”，现在它更像超大规模集群的血液循环——数据要从训练集流向计算节点，从仿真任务流向分析系统，从中间结果流向后续模型。当集群规模从几百张卡进入万卡、十万卡，存储、网络、调度任何一个环节掉速，都会被规模放大成系统性问题。
TOP500第一证明的是中国超算的峰值能力;IO500第一证明的是，中国正在补上更底层、也更不容易被看见的一块拼图——存力。
生产型第一的含金量
IO500和TOP500的逻辑不同。TOP500侧重峰值算力，IO500关注的是存储系统在真实负载下能否同时应对大规模读写、并发调度等复杂任务。
尤其是”生产型”榜单——它考察的不是实验室里短时间跑出一个漂亮数字，而是系统能否在生产环境中长期稳定运行。
曙光ParaStor F9000在全节点和10节点两个维度同时拿到第一，前者考验大规模系统能力，后者在相同节点规模下比拼效率。两项同时领先，说明这套系统既能扩展，也能稳定。
这比单纯的”跑分第一”更接近真实价值。大模型训练最怕的不是某一次跑得慢，而是长期训练中频繁出现等待和中断。科学计算也一样，一次复杂仿真可能持续数天，存储一旦不稳定，轻则拖慢任务，重则浪费整个集群的算力。到了万卡级规模，每一分钟等待都很贵——存储能力最终会折算成算力利用率、训练周期和能耗成本。
全球存储已是核心战场
这不是中国企业自己的判断。
Meta建设AI超算集群RSC时，专门设计了大规模缓存和闪存存储层来支撑训练数据的持续流动;美国橡树岭国家实验室的Frontier长期位居TOP500第一，其背后的Orion存储系统峰值读取速度超过75TB/s。一个简单逻辑是：百亿亿次级计算如果没有匹配的数据系统，就像把世界级发动机装在拥堵的乡间小路上。
英伟达的动作更能说明趋势。它不只卖芯片，也在持续强化数据路径相关技术，目标是让数据更快抵达GPU。到推理和AI Agent阶段，数据不再只是训练前的一次性输入，而是模型持续调用、检索和更新的实时资产。存储正在从后台设备变成AI系统能力的一部分。
全球AI基础设施竞争，正在从”谁有更多芯片”走向”谁能把芯片、网络、存储和软件组织成更高效的系统”。
中国先进计算的下一道门槛
灵晟超算第一和曙光存储第一，构成了一个完整信号：中国先进计算正在从单点突破进入系统能力竞争。
过去外界看中国超算，往往只看有没有世界第一。今天问题变了：中国能不能建设大规模、可持续、面向AI和科学计算长期服务的基础设施?能不能让国产计算、网络、存储和软件生态真正协同起来?能不能从”设备可用”走向”系统好用”?
在科学智能(AI4S)场景下，这个问题更突出。材料研发、气象预测、药物发现、流体仿真，每个方向背后都是海量数据的生成、读取、清洗和复用。这类任务不需要某一个指标拔尖，而需要各环节持续协同——计算是其中最耀眼的一环，存储则决定系统能否长时间、高并发、低抖动地运转。
AI基础设施竞争正在经历三个阶段：第一阶段比谁有足够多的算力，第二阶段比谁能把算力连起来，第三阶段比谁的系统能长期高效运行。到了第三阶段，存储的价值会被重新定义——算力越贵，等待越不能接受;模型越大，数据通路越不能拖后腿;集群越大，系统短板越容易暴露。
中国超算夺冠当然重要，但中国存储的这次登顶，可能更接近AI基础设施竞争的下一道门槛。
因为真正的超级计算，不只是算得快，而是让每一份数据都能在正确的时间，抵达正确的算力。
