国产超算领域迎来重大突破，清程极智与“灵晟”超算携手完成纯CPU MoE模型分布式推理方案，标志着国产算力在大模型应用领域迈出关键一步。该方案仅需16个节点即可流畅运行DeepSeek-V3/R1-671B模型，在batch_size=2048的条件下，输出吞吐量达到80张主流GPU集群的水平，为国产算力从基础设施向实际生产力转化提供了重要范本。
此次合作的核心在于突破传统超算与AI的界限，通过系统级协同优化实现算力、模型与推理软件的高效融合。传统超算主要服务于科学计算任务，而“灵晟”超算通过架构创新，将超算平台升级为可持续生产大模型Token的“工厂”。这一转变不仅满足了科学计算与AI深度融合的产业需求，更通过错峰运行机制最大化利用算力资源，为国产超算开辟了新的应用场景。
在硬件层面，“灵晟”超算采用原生超智融合架构，其自研的LX2 CPU集成矩阵加速单元并支持多精度计算，片上高带宽内存提供TB级带宽，较传统CPU实现十倍性能提升。网络方面，自研的“灵启”网络支持微秒级低时延传输，具备扩展至200万端口、10万节点的能力，有效解决了分布式推理中的通信瓶颈问题。这种软硬协同的设计理念，为大规模模型推理提供了坚实的硬件基础。
软件优化是释放硬件潜力的关键。清程极智针对LX2 CPU特性重构算子库，通过OpenMP与自研编译器实现计算算子，基于通信库构建通信算子。其统一并行加速库具备计算图语义扩展、共享内存加速等核心能力，通过精细化指令控制与异步流水线调度，将MoE推理时延从1440微秒降至980微秒。针对无依赖算子，团队采用动态线程池分配策略，使高并行度算子获得更多计算资源。
集群并行策略方面，LX2 CPU的NUMA架构与“灵启”网络特性与DeepSeek模型的专家并行架构高度契合。清程极智构建了张量并行、流水线并行、专家并行与数据并行的混合方案，在DeepSeek部署中采用EP256专家并行配置，节点内TP16、节点间DP16的组合方式，并针对Attention模块设计定制化并行策略。这种多层次优化使集群扩展性显著提升，充分释放了硬件算力密度。
MTP技术的引入进一步提升了推理效率。该技术通过单次推理生成多个token并并行验证，显著提高了单请求输出速率。研究团队深入分析了不同并发规模下MTP加速比与预测深度的关系，通过持续调优实现了推理性能与资源消耗的最佳平衡。这种技术创新使国产超算在保持低时延的同时，具备了与主流GPU集群竞争的吞吐能力。
此次技术突破的背后，是国产算力生态的系统性升级。“灵晟”超算提供的国产化硬件底座，与清程极智长期积累的推理优化技术形成完美互补。不同于简单的适配移植，清程极智基于国产算力架构特性进行原生优化，形成了覆盖硬件适配、算子迭代、集群优化等环节的系统化方法论。这种全链路优化能力，使国产超算能够高效转化为可量产的Token生产能力。
Token服务体系的建立，重新定义了算力评价标准。该体系突破传统以节点数量或峰值算力为核心的硬件评价模式，转而从token产出效率、单位算力成本、推理时延等产业维度衡量算力价值。这种转变促使国产算力从单一硬件资源向标准化AI生产力转化，为大规模商用落地奠定了基础。清程极智通过此次合作证明，国产自主可控的硬件搭配本土优化技术，完全能够实现高性能token量产。
在国产化赛道深耕多年的清程极智，已形成独特的竞争优势。其能力覆盖从硬件适配到token产出的全流程，能够针对不同国产算力载体实施精准优化。此次与“灵晟”超算的合作，不仅验证了纯CPU方案在大模型推理领域的可行性，更展示了国产算力在性价比、服务稳定性等方面的综合优势。随着国产算力生态的持续完善，这种软硬协同模式将为更多行业提供高效的AI解决方案。
