Kan Europa konkurrera med Kinas superdatorer?

Datacenter-tekniker övervakar kritiska GPU-system i företagsinfrastruktur




Kan Europa konkurrera med Kinas superdatorer?

Kinas LineShine toppar TOP500 med 2,198 exaflops — en renodlad CPU-arkitektur som skickar en tydlig geopolitisk signal. Men rå HPL-prestanda säger inte allt om AI-dominans. Här är en genomgång av Europas svar.

TL;DR — Sammanfattning i tre punkter

Kinas LineShine dominerar TOP500 med 2,198 exaflops, men som renodlad CPU-arkitektur är den inte automatiskt bäst på AI. Europa har JUPITER (exascale), LUMI och kommande Arrhenius. För nordiska företag är nyckeln inte att tävla med nationella superdatorer — det är att placera rätt beräkningskraft på rätt plats.


Kinas nya superdator LineShine har säkrat förstaplatsen på TOP500-listan med en uppmätt HPL-prestanda på 2,198 exaflops. Att nå över två exaflops — alltså mer än två triljoner flyttalsoperationer per sekund — innebär en beräkningskraft som får traditionella nationella forskningsprogram att blekna. LineShine handlar dock om mer än bara rå snabbhet; maskinen skickar en tydlig geopolitisk signal.

Systemet är installerat vid National Supercomputing Centre i Shenzhen och bygger helt på Kinas egen LingKun-plattform: Arm-baserade LX2-processorer med 304 kärnor per chip, det egna nätverket LingQi och operativsystemet Kylin. Totalt rör det sig om nästan 13,8 miljoner kärnor. LineShine blir därmed den första superdatorn på listan som spräcker två-exaflops-gränsen i uthållig dubbelprecision med enbart CPU:er.

Detta ställer Europa inför en kritisk fråga: Hur ska vi konkurrera när superdatorer har förvandlats från forskningsverktyg till ren strategisk infrastruktur?

1. LineShine är snabb, men siffran kräver sammanhang

Med sitt färska HPL-resultat petar LineShine ner den tidigare ettan, amerikanska El Capitan (byggd på AMD MI300A), med drygt 21 procent. Det är ett tekniskt kraftprov, men siffran ger inte hela bilden.

TOP500-listan mäter främst traditionell HPC-prestanda — den sortens flyttalsberäkningar i dubbelprecision som driver klimatmodeller, materialforskning och avancerade fysiska simuleringar. Det moderna AI-landskapet kräver dock helt andra egenskaper:

  • Lågprecision
  • Massiv minnesbandbredd
  • Blixtsnabb kommunikation mellan acceleratorer för att träna stora modeller

Analytiker betonar därför att LineShine inte automatiskt är världens bästa AI-maskin bara för att den toppar listan. En renodlad CPU-arkitektur kan vara fantastisk för tunga vetenskapliga simuleringar, men mindre optimal för modern AI-träning jämfört med GPU-täta system. Det som gör LineShine intressant är att Kina har valt att inte bara kopiera västvärldens GPU-fokus — de har byggt en egen, alternativ arkitektur.

2. Varför bygger Kina egna processorer?

Den uppenbara drivkraften är de amerikanska exportrestriktionerna som under flera år strypt Kinas tillgång till avancerade HPC- och AI-chip från Nvidia och AMD. Men under ytan handlar det om ren suveränitet.

När beräkningskapacitet blir motorn i allt från försvar och energiförsörjning till bioteknik och AI går det inte längre att betrakta superdatorer som vanliga IT-inköp. De är nationella skyddsvärda tillgångar, på samma nivå som elnät eller transportinfrastruktur. Kina vill helt enkelt eliminera alla beroenden av utländska chip, nätverk och operativsystem. LineShine är därför lika mycket en geopolitisk deklaration som en teknisk prestation.

3. Europa är inte chanslöst

Bilden av ett Europa som har halkat efter USA och Kina är utbredd, men den är för svartvit. Vi har redan kommit en bra bit på vägen.

JUPITER i Tyskland, som drivs av Jülich Supercomputing Centre inom EuroHPC, är kontinentens första riktiga exascale-system. Med sin modulära arkitektur — uppdelad i en GPU-accelererad booster-del och en generell klusterdel — är den byggd för att hantera både traditionell forskning och tung AI.

Samtidigt levererar finska LUMI i Kajaani omkring 380 petaflops i uthållig prestanda. Systemet är en nyckelresurs även för Sverige, då vi ingår i konsortiet och svenska forskare har direkt tillgång till resurserna. On-premise står vi också på en stadig grund med NSC i Linköping (Tetralith, Berzelius) och PDC vid KTH (Dardel).

Nästa stora kliv är Arrhenius, som installeras i Linköping under NAISS flagg:

  • Processorstyrka: 424 AMD Turin-processorer
  • Grafikkraft: 382 GPU-noder med totalt över 1 500 Nvidia GH200 Grace Hopper Superchips
  • Säkerhet & Lagring: Dedikerad partition för känsliga data och 29 PB snabb parallell lagring

GPU-prestandan landar på 66,8 petaflops HPL — vilket är ungefär sju gånger mer än vad Dardel presterar idag. Det är ett rejält tillskott av ren muskelmassa för svensk industri och akademi.

4. Men Norden saknar fortfarande egen exascale-kapacitet

Även om JUPITER och LUMI är viktiga milstolpar löser de inte alla nordiska behov. För svenska bolag som utvecklar AI, digitala tvillingar eller autonoma system räcker det sällan med att det ”finns en superdator någonstans i Europa”. De praktiska utmaningarna handlar snarare om tillgänglighet, ledtider och regelefterlevnad:

  • Går det att köra affärskritiska data där?
  • Hur hanteras IP-rätter, sekretess och regulatoriska krav?
  • Kan miljön integreras sömlöst i de egna utvecklingsflödena?
  • Går det att skala upp från experiment till produktion utan att fastna i långa akademiska ansökningsprocesser?

Det är här glappet mellan offentlig forskningsinfrastruktur och företagsnära AI-miljöer blir tydligt. Universitetens superdatorcenter gör ett fantastiskt jobb för akademin, men kommersiella projekt kräver ofta kortare ledtider, strikta SLA:er och total kontroll över miljön. Det betyder inte att varje företag måste bygga egna exascale-system, men det kräver en genomtänkt HPC-strategi.

5. HPC är inte längre bara för forskare

HPC har gått från att vara en angelägenhet enbart för universitet och industrijättar till att bli ett kärnkrav för bredare affärsverksamhet, drivet av AI-utvecklingen.

  • Fordonstillverkare behöver simulera sensordata och testa autonoma funktioner i stor skala.
  • Life science-bolag behöver modellera molekyler för att accelerera läkemedelsutveckling.
  • Tillverkande industri optimerar produktion och bygger digitala tvillingar.
  • Energibolag simulerar elnät och väderdata för att förutse marknadsrörelser.

I takt med att AI-modellerna växer blir skillnaden mellan att ha omedelbar tillgång till compute och att stå i kö en avgörande affärsfaktor. Att ha beräkningskraften nära verksamheten gör att man kan iterera snabbare, skydda sina data bättre och korta vägen till produktion.

6. Mimer och AI Factories är rätt riktning

EU:s initiativ kring AI Factories är ett tydligt kvitto på att man har insett allvaret. Tanken är att ge startups, företag och offentlig sektor tillgång till AI-optimerade superdatorer och expertstöd.

I Sverige etableras nu Mimer AI Factory i Linköping, med fokus på bland annat life science, materialvetenskap och autonoma system. EuroHPC har dessutom tecknat avtal för en helt ny AI-superdator till Mimer som ska installeras under 2026.

Det är ett stort och välkommet steg, men det täcker inte alla behov. Storskaliga publika initiativ är utmärkta resurser, men många företag har behov av helt dedikerade, isolerade miljöer där säkerhet, prestanda och den dagliga driften är helt synkad med den egna organisationen. Det är i det segmentet som företagsnära GPU-kluster fyller sin funktion.

7. Så kan svenska företag få HPC-kapacitet utan att bygga en egen LineShine

Man behöver inte matcha Kinas miljontals kärnor för att ligga i framkant. För de flesta svenska bolag handlar det snarare om att bygga ett smart anpassat GPU-kluster med rätt balans mellan lagring, nätverk och orkestrering. Det kan röra sig om ett inferenskluster för AI-agenter, en säker miljö för känsliga data eller en hybridmodell där man avlastar tunga jobb till nationella resurser men behåller kärnan internt.

Nyckeln är att vända på processen: utgå från arbetslasten istället för hårdvaran.

Genom att först definiera vilka modeller som ska tränas, hur mycket data som ska flyttas och vilka krav på sekretess och svarstider som finns, blir designen av infrastrukturen både mer träffsäker och kostnadseffektiv.

Aixias perspektiv

Vi på Aixia bygger AI- och HPC-infrastruktur för nordiska företag som vill maximera sin prestanda utan att förlora kontrollen över vare sig data, kostnader eller drift.

I egenskap av Nordens enda DGX SuperPOD-certifierade partner designar, installerar och driftar vi GPU-kluster anpassade för generativ AI, inferens och tunga beräkningsmiljöer. Det handlar om allt från skräddarsydda on-prem-lösningar och privata AI-moln till hybridmiljöer som kompletterar de stora nationella resurserna.

Det handlar inte om att välja antingen eller. Europa behöver tunga flaggskepp som JUPITER, LUMI, Arrhenius och Mimer, men nordiska företag behöver också flexibla, säkra och affärsnära alternativ. LineShine är ett tydligt bevis på att beräkningskraft har blivit hård geopolitik. Svaret är dock inte bara att bygga störst maskiner, utan att skapa ett tillgängligt ekosystem där rätt beräkningskraft finns på rätt plats.

För i slutändan är det viktigaste inte vem som äger listans snabbaste superdator — det är var innovationen faktiskt sker.


Vanliga frågor

Hur snabb är Kinas LineShine?

LineShine levererar 2,198 exaflops i HPL-prestanda och toppar därmed TOP500-listan från juni 2026.

Är LineShine bäst i världen på AI?

Inte nödvändigtvis. Den är bäst på traditionell HPC-prestanda (dubbelprecision), men eftersom den är helt CPU-baserad är den inte automatiskt optimal för de typer av lågprecisionsberäkningar som modern AI-träning kräver.

Har Europa en exascale-superdator?

Ja. JUPITER i Tyskland är Europas första exascale-system och drivs inom EuroHPC vid Jülich Supercomputing Centre.

Vilka viktiga superdatorresurser finns i Norden?

Finland har pre-exascale-systemet LUMI. I Sverige finns NSC i Linköping (med Tetralith och Berzelius), PDC vid KTH (Dardel) samt den nya satsningen Arrhenius.

Kan svenska företag använda HPC utan att bygga egna superdatorer?

Ja, genom tillgång via NAISS, EuroHPC och Mimer AI Factory. För affärskritiska, kontinuerliga eller mycket känsliga data är dedikerade, lokala GPU-kluster ofta det bästa kommersiella alternativet.

Varför är HPC viktigt för en AI-strategi?

Avancerad AI kräver skräddarsydd beräkningskraft, nätverk och lagring. Utan rätt infrastruktur stannar AI-strategin lätt vid att vara en vision istället för en faktiskt fungerande produktionsmiljö.


Källor och direktlänkar


Artikeln publicerades ursprungligen på aixia.se. Vill du diskutera HPC-strategi för din organisation? Kontakta oss.

Latest News

Datacenter-tekniker övervakar kritiska GPU-system i företagsinfrastruktur

Kan Europa konkurrera med Kinas superdatorer?

Kinas LineShine toppar TOP500 med 2,198 exaflops. Men Europas svar är JUPITER, LUMI och Arrhenius. Här är vad nordiska företag…
Läs mer

AiQu och MLOps: Så stoppar du slöseriet med dyra GPU:er

AiQu is Aixia’s MLOps platform that helps organizations manage, schedule, and optimize AI workloads efficiently….
Läs mer

Ni har byggt en RAG. Grattis. Nu börjar det svåra.

Att bygga en RAG-applikation är enkelt. Att få den att producera pålitliga resultat i skala – det är det svåra….
Läs mer

Från skärmen till fabriksgolvet: Är svensk industri redo för Physical AI?

Physical AI flyttar intelligensen från molnet till fabriksgolvet. Är svensk industri redo för skiftet?…
Läs mer