跑满血DeepSeek：一张GPU没用

在“灵晟”国产超算登顶最新一期全球超级计算机TOP500榜单后，清程极智与“灵晟”联合完成纯CPU MoE模型分布式推理方案：

16节点即可流畅运行DeepSeek-V3/R1-671B模型，在batch_size=2048时，输出吞吐量与80张主流GPU集群相当。

这不仅是一次HPC与AI融合的技术突破，也提供了一个观察国产算力如何从基础设施转化为Token生产能力的新样本：当算力、模型与推理软件被系统级协同优化，超算不再只服务于传统科学计算，也可以成为持续生产大模型Token的“工厂”。

架构革新：“灵晟”筑就AI大模型推理新基石

为何要在超算上跑AI？产业需求揭示了两大核心动因：

一是方法融合，科学计算物理模型与数据驱动的AI深度结合，催生颠覆性科研成果；二是效能提升，超算平台通过错峰运行AI任务，最大化利用算力资源。

以此为视角审视“灵晟”，其最大的亮点在于架构层面的原生超智融合。

算力侧：不同于单纯堆砌专用加速卡的传统路径，“灵晟”在自研的LX2 CPU中引入矩阵加速单元并支持多精度，实现片上HPC算力与AI算力的深度融合。尤为关键的是，CPU集成了片上内存（高带宽内存），可提供TB级带宽，相较传统CPU实现了十倍跃升，为大模型推理中的大批量并发处理提供了充足的带宽保障。

网络侧：自研的“灵启”网络支持μs级低时延传输，具备可扩展至200万端口、10万节点的超大规模组网能力。这种极低时延、极高扩展性的互联特性，有效消除了分布式推理中的通信瓶颈。

硬件创新只是第一步。“灵晟”LX2 CPU与GPU/NPU架构存在本质差异，要将大模型从“专卡”平滑迁移至“通卡”，必须攻克软件层面的重重难关。

软硬协同：释放超智融合澎湃算力

HPC与AI虽属不同计算范式，但在核心优化思路上却一脉相承——均依赖算子优化、计算与访存重叠、流水线并行及多级并行等手段，以充分释放硬件性能。

结合“灵晟”平台硬件特性及自研软件，清程极智从多个技术维度对大模型推理进行了深度加速。

1. 面向“灵晟”LX2 CPU的算子开发与优化

针对“灵晟”自研软硬件，清程极智完成了算子的重构：基于LX2 CPU的矩阵运算指令集，结合OpenMP与自研编译器实现计算算子；基于自研通信库构建通信算子。

借助自研统一并行加速库——该库具备计算图语义扩展、共享内存通信加速、多线程调度优化及硬件特性抽象等核心能力，清程极智实施精细化的指令序列控制，应用计算掩藏访存、异步流水线调度等优化策略。

针对无依赖关系的多个算子，团队切分线程池，分布线程并行度，让少数线程负责并行度低的算子，多数线程负责并行度高的算子。例如Shared expert与EP通信同时进行，实测显示，MoE推理时延1440μs大幅降低至980μs。

2. 面向“灵晟”集群的多层次并行推理优化

LX2 CPU采用NUMA架构并集成片上内存，结合“灵启”网络的强劲互联能力，与DeepSeek大EP（Expert Parallelism，专家并行）架构天然契合，具备极佳的集群扩展性。

基于此，清程极智实施了多维度的并行策略优化：灵活配置张量并行（TP）、流水线并行（PP）、专家并行（EP）及数据并行（DP），构建多层次混合并行推理方案。

在DeepSeek部署上，团队采用EP256的大规模专家并行配置，专家权重的全量分散部署，节点内TP16，节点间DP16，并针对Attention模块，设计了定制化混合并行策略，充分释放了LX2平台的算力密度与通信能力。

3. MTP（Multi-Token Prediction）技术加持

在上述优化基础上，清程极智引入了DeepSeek MTP加速技术，一次推理产生多个token，再并行验证每个token否正确，显著提升了单请求的输出速率。团队还深入探究了不同并发规模下MTP加速比与预测深度的相关性，持续调优以实现最佳推理效果。

打破边界：引领超智融合新范式

基于“灵晟”多样性算力架构的创新与清程极智的AI推理加速技术，成功实现了DeepSeek模型的高效部署，率先实现纯CPU MoE模型分布式推理，16节点即可流畅运行DeepSeek-V3/R1-671B模型，在batch_size=2048时，输出吞吐量与80张主流GPU集群相当。

从一次技术突破，到面向终端可交付的高质量“Token服务”

此次灵晟超算合作落地的技术成果，绝非单次偶然的技术攻关突破，而是国产算力软硬结合价值的有力印证，更是清程极智长期深耕国产化算力适配、持续打磨AI推理工程能力的必然结果，全方位彰显了公司成熟的国产算力Token量产与交付实力。

当前国产算力产业已迈入新阶段，行业核心痛点早已从“有无算力硬件”转向“能否将硬件算力转化为稳定、高效、可落地的Token服务”。

单纯的硬件峰值算力指标无法真实反应实际AI生产力，只有通过深度的软件适配、算子优化、通信协同与并行策略重构，才能打通硬件算力到大模型Token服务的完整链路，让国产算力从硬件资源真正转化为可商用、高性价比的AI生产力，而这正是软硬协同融合的核心意义与产业价值。

本次纯CPU MoE模型分布式推理方案的成功落地，核心依托两大核心支撑：一是灵晟超算原生超智融合的国产化硬件底座，LX2 CPU、片上高带宽内存与灵启超低时延网络，构建了适配大模型推理的优质国产硬件体系；二是清程极智多年深耕国产化赛道的技术积淀。

相较于行业通用的适配移植模式，清程极智始终立足国产算力架构特性做原生优化，不套用海外GPU适配逻辑，长期深耕国产CPU、国产超算及其他国产算力的推理适配、算子迭代、集群并行优化等核心技术，积累了一套成熟、适配各类国产异构算力的系统化优化方法论，这也是本次突破得以实现的核心根基。

依托长期的国产化技术积淀，清程极智具备了完整的国产算力Token工厂量产交付能力。不同于碎片化的技术优化，清程打造的是一套从硬件适配、软件优化、算力调度到Token高效产出的全链路系统化能力。

本次合作中，清程团队针对灵晟硬件特性完成算子重构、计算通信协同优化、多层次混合并行部署与MTP技术叠加加速，并非零散的技术叠加，而是精准适配国产超算架构的成套工程化落地，成功将灵晟超算的硬件算力潜力，高效转化为高吞吐、低时延、可扩展的Token生产产能，让国产超算摆脱传统科学计算的单一用途，正式纳入大模型AI服务的生产体系。

所谓“Token服务”，核心是跳出传统算力评价思维，摒弃单纯以节点数量、峰值算力为核心的硬件评价标准，以终端业务可感知的Token产出效率、单位算力成本、推理时延、服务稳定性等产业落地维度衡量算力价值，建立一套完整的算力生产评价体系：不再单纯比拼节点数、峰值算力，而是衡量单位算力、单位能耗、单位成本下的Token产出吞吐、推理时延、服务稳定性与可用性。其本质是把零散的算力硬件、模型、软件系统，整合为标准化、可量产、可交付的AI生产力。

此次与灵晟超算的深度合作，是清程极智国产化深耕之路的重要标杆性落地。它充分证明，国产自主可控的超算硬件，搭配本土企业深耕打磨的自研推理软件与系统化优化能力，完全能够比肩主流GPU集群的大模型推理效能，实现高性能Token量产。

同时也印证了清程极智的核心竞争力：不止于单点技术突破，更具备将各类国产算力硬件，标准化、工程化转化为可持续交付的AI Token生产力的完整能力。

未来，随着国产算力生态持续完善、异构硬件不断丰富，清程极智将持续依托自身软硬协同优化优势，持续深化国产化全场景适配能力，拓展更多国产算力载体的Token工厂落地场景，推动国产算力从“可用”全面走向“好用、高产、低成本”，为国产AI基础设施的规模化商用落地筑牢核心产能根基。