La Cina punta a un supercomputer exascale da 2 ExaFLOPS basato solo su CPU

La Cina ha annunciato un ambizioso piano per lo sviluppo di un nuovo supercomputer exascale, con l'obiettivo di raggiungere una potenza di calcolo di 2 ExaFLOPS. L'iniziativa si distingue per una scelta architetturale peculiare nel panorama attuale del calcolo ad alte prestazioni: il sistema sarà interamente basato su CPU, escludendo l'impiego di GPU. Questo approccio rappresenta una deviazione significativa dalla tendenza globale, che vede le unità di elaborazione grafica dominare i sistemi di supercomputing più potenti, specialmente per carichi di lavoro legati all'intelligenza artificiale e alla simulazione scientifica.

L'annuncio è stato fatto da Lu Yutong, direttore del centro di supercomputing di Shenzhen e capo progettista del sistema. Il progetto, sotto l'egida del National Supercomputing Centre cinese, sottolinea l'impegno del paese nel consolidare la propria leadership tecnicica nel settore del calcolo estremo, esplorando al contempo percorsi architetturali alternativi che potrebbero offrire vantaggi strategici e operativi specifici.

Dettagli Tecnici e Implicazioni Architetturali

La decisione di optare per un'architettura CPU-only per un sistema exascale da 2 ExaFLOPS solleva interrogativi e offre spunti di riflessione per i professionisti dell'infrastruttura. Tradizionalmente, le GPU sono state preferite per la loro capacità di eseguire un elevato numero di operazioni in parallelo, rendendole ideali per carichi di lavoro altamente parallelizzabili come il training di Large Language Models o le simulazioni fisiche complesse. Le CPU, d'altra parte, eccellono nella flessibilità e nella gestione di carichi di lavoro più eterogenei e sequenziali, spesso con requisiti di memoria più ampi per core.

Questo approccio potrebbe indicare una strategia volta a ottimizzare il supercomputer per specifiche tipologie di calcolo che beneficiano maggiormente della versatilità delle CPU, o una mossa per ridurre la dipendenza da fornitori esterni di GPU. Per i CTO e gli architetti di sistema che valutano deployment on-premise, la scelta tra CPU e GPU non è mai banale e implica un'attenta analisi del TCO, dei requisiti di consumo energetico e delle specifiche esigenze applicative, considerando anche la disponibilità e la sovranità della catena di approvvigionamento.

Contesto Strategico e Sovranità Tecnologica

L'iniziativa guidata da Lu Yutong e dal National Supercomputing Centre si inserisce in un più ampio contesto di ricerca di autonomia tecnicica. Sviluppare un supercomputer exascale senza ricorrere a GPU di produzione esterna può essere interpretato come un passo verso una maggiore sovranità tecnicica, riducendo i potenziali punti di vulnerabilità nella catena di fornitura e garantendo un controllo più stretto sull'hardware fondamentale. Questo aspetto è di particolare interesse per le organizzazioni che operano in ambienti air-gapped o con stringenti requisiti di compliance e data residency.

La capacità di progettare e implementare sistemi di questa portata con componenti interamente controllati a livello nazionale offre un vantaggio strategico significativo, non solo in termini di prestazioni pure ma anche di sicurezza e resilienza. Per le aziende che considerano l'implementazione di infrastrutture AI self-hosted, la lezione è chiara: la scelta dell'hardware non è solo una questione di performance o costo, ma anche di controllo, indipendenza e allineamento con gli obiettivi strategici a lungo termine.

Prospettive Future e Sfide di Implementazione

Raggiungere 2 ExaFLOPS con un'architettura CPU-only presenta sfide ingegneristiche notevoli. La gestione del consumo energetico, la progettazione di interconnessioni ad alta velocità tra migliaia di CPU e l'ottimizzazione del software per sfruttare appieno il parallelismo intrinseco di un tale sistema richiederanno innovazioni significative. Tuttavia, il successo di un progetto simile potrebbe ridefinire le percezioni sulle capacità delle architetture basate su CPU nel dominio del calcolo exascale.

Questo sviluppo evidenzia la continua diversificazione degli approcci nel campo del supercomputing e dell'intelligenza artificiale. Mentre molti si concentrano sull'ottimizzazione delle pipeline di Inference e training su GPU, l'iniziativa cinese dimostra che esistono percorsi alternativi, potenzialmente più adatti a specifici carichi di lavoro o a esigenze di sovranità tecnicica. Per chi valuta deployment on-premise, AI-RADAR offre framework analitici su /llm-onpremise per valutare i trade-off tra diverse architetture hardware in base a TCO, performance e requisiti di controllo.