引言
超级计算机作为人类计算能力的巅峰代表，是推动科学研究、技术创新和产业发展的核心基础设施。从 1993 年 TOP500 榜单首次发布至今，全球超算技术已走过 30 余年的发展历程，从最初的每秒数十亿次运算发展到如今的每秒百亿亿次（exascale）运算，计算能力实现了千倍级跃升。2025 年 11 月，第 66 届 TOP500 榜单在 SC25 大会上正式发布，标志着全球超算领域进入了新的发展阶段(7)。
当前，全球超级计算机正处于从 E 级向 Z 级（zettascale，每秒十万亿亿次）跨越的关键时期。美国凭借171 台超算系统继续保持数量领先，欧洲实现了 E 级超算 "零" 的突破，中国虽然数量有所下降但在技术自主化方面取得重要进展，日本则在能效优化和应用创新上持续发力。与此同时，人工智能与高性能计算的深度融合、量子计算的初步应用、绿色计算技术的推广等技术变革，正在重塑全球超算产业格局(152)。
本报告将从全球超算的地域分布、技术特点、应用领域等维度全面分析当前发展水平，并深入探讨未来在运算速度、技术创新、应用拓展等方面的发展趋势，为相关决策者、研究机构和产业界提供参考。
一、全球超级计算机发展水平现状
1.1 地域分布与运算能力格局
根据第 66 届 TOP500 榜单（2025 年 11 月发布），全球超级计算机的地域分布呈现出 **"一超多强"** 的格局。美国以 171 台系统稳居首位，占榜单总数的 34.2%，其中包括全球前三台 E 级超算 ——El Capitan、Frontier 和 Aurora。欧洲以 126 台系统位居第二，其中德国 40 台、法国 22 台、意大利 18 台。值得关注的是，德国的 JUPITER Booster 成为欧洲首台、全球第四台 E 级超算，标志着欧洲在超算领域实现了历史性突破。
日本以 43 台系统位列第三，较之前的第 4 位有所提升，其代表系统 "富岳"（Fugaku）虽然已不是全球最快，但仍以 442.01 PFlop/s 的性能稳居第 7 位。中国以 40 台系统与德国并列第四，但这一数字较 2020 年 11 月的 214 台大幅下降，反映出中国在 TOP500 榜单参与度上的战略调整(95)。
从运算能力来看，美国在全球超算总算力中占据绝对优势地位。根据统计数据，美国超算系统的总算力达到 6,961,330,490 GFlops，远超其他国家。具体到 TOP10 系统，美国占据了前 5 名中的 4 席，其中 El Capitan 以 1.809 Exaflop/s 的性能遥遥领先，较第二名 Frontier 的 1.353 Exaflop/s 高出约 34%。
欧洲虽然在数量上位居第二，但其总算力为 2,619,582,340 GFlops，仅为美国的 37.6%。这一差距主要体现在缺乏 E 级超算系统上，直到 JUPITER Booster 的出现才打破这一局面。日本的总算力为 1,425,992,450 GFlops，虽然数量排名第三，但在能效比方面表现突出，富岳的能效达到 14.8 GFlops/W，在 TOP10 系统中仅次于 JUPITER Booster 的 63.3 GFlops/W(118)。
中国的情况较为特殊，其总算力仅为 204,933,614 GFlops，仅占全球的 3% 左右。这一数据与中国超算数量的大幅下降密切相关，据分析，中国近年来参加 TOP500 态度消极，据称已开发出多台 E 级超级计算机但未参与排名。
1.2 主要地区技术特点分析
美国：多元化技术路线引领创新
美国超算技术呈现出多元化和开放性的特点，在处理器架构、加速器技术、互连网络等方面都处于全球领先地位。从 TOP10 系统来看，美国的超算采用了三种不同的技术路线：
AMD 路线占据主导地位，El Capitan 和 Frontier 均采用 AMD 处理器配合 AMD GPU 加速器的方案。El Capitan 基于 HPE Cray EX255a 架构，配备 AMD 第四代 EPYC 处理器（24 核，1.8GHz）和 AMD Instinct MI300A 加速器，拥有 11,340,000 个核心，能效达到 60.9 Gigaflops/W(134)。Frontier 则采用 HPE Cray EX235a 架构，配备 AMD 第三代 EPYC 64 核 2GHz 处理器和 AMD Instinct 250X 加速器，拥有 9,066,176 个核心(135)。
Intel 路线以 Aurora 为代表，采用 Intel Xeon CPU Max 系列处理器配合 Intel Data Center GPU Max 系列加速器，通过 Cray Slingshot-11 网络互连。Aurora 虽然在 HPL 基准测试中以 1.012 Exaflop/s 排名第三，但其在混合精度计算方面表现出色，在 HPL-MxP 基准测试中达到 11.6 Exaflop/s，位列第二。
云原生路线以微软的 Eagle 为代表，采用 Intel Xeon Platinum 8480C 处理器配合 NVIDIA H100 加速器，部署在 Azure 云上。这种模式代表了超算发展的新方向，通过云计算平台提供弹性算力服务，降低了超算使用门槛。
美国超算的另一个重要特点是强大的软件生态系统。从操作系统来看，Linux 占据了 99% 的份额(32)，这种开放性为软件开发和优化提供了良好环境。在编程语言方面，虽然 Fortran 仍在科学计算中占据重要地位，但各种领域特定语言（DSL）正在兴起(160)。
欧洲：一体化战略推动协同发展
欧洲超算发展的最大特点是通过 EuroHPC 联合 undertaking 实现了前所未有的一体化。JUPITER Booster 的成功部署充分体现了这一优势，该系统由德国于利希研究中心（JSC）与 EuroHPC 联合开发，采用法国 Eviden 公司的 BullSequana XH3000 架构，配备 NVIDIA Grace Hopper"超级芯片"，实现了 1.000 Exaflop/s 的性能(137)。
欧洲超算在能效优化方面表现突出，TOP10 能效榜单中有 3 台来自欧洲：法国的 KAIROS（73.28 GFlops/W）、ROMEO-2025（70.9 GFlops/W）和德国的 Levante GPU Extension（69.43 GFlops/W）。这些系统均采用 BullSequana XH3000 设计和 Grace Hopper 超级芯片，体现了欧洲在绿色计算方面的技术优势。
欧洲超算的应用特点体现在跨学科合作上。JUPITER 支持的应用涵盖了气候建模、天气预报、分子动力学、天体物理学、神经科学、量子模拟等多个领域。例如，马克斯・普朗克气象研究所使用 JUPITER 进行约 1 公里空间分辨率的气候预测模拟，爱丁堡大学利用其训练多语言大语言模型，于利希研究中心则将其用于神经元行为的亚细胞级模拟。
日本：专注与创新并重的技术路线
日本超算发展体现出专注和创新的特点，其代表系统富岳（Fugaku）采用了独特的技术路线。富岳基于富士通 A64FX 处理器（48 核，2.2GHz），使用自研的 Tofu 互连 D 网络，拥有 7,630,848 个核心，峰值性能达到 537.21 PFlop/s。
富岳的技术创新主要体现在三个方面：首先是ARM 架构的成功应用，A64FX 处理器基于 ARMv8-A 架构，通过大规模并行实现了高性能；其次是互连网络的自主研发，Tofu 互连网络具有低延迟、高带宽的特点，支持全拓扑通信；第三是应用软件的深度优化，富岳在 HPCG 基准测试中达到 16 PFlop/s，位列全球第二，充分体现了其在实际应用中的性能优势。
日本在超算应用方面也有其特色，重点关注社会需求导向的应用。富岳在新冠疫情期间发挥了重要作用，用于病毒蛋白质结构分析、药物筛选等研究。此外，日本还将超算应用于地震预测、海啸模拟、核电站安全评估等关系国计民生的领域。
中国：自主化道路上的探索与挑战
中国超算发展呈现出从数量扩张向质量提升转变的特点。根据统计，中国超算数量从 2020 年 11 月的 214 台（占榜单 42.8%）下降到 2025 年 6 月的 63 台，目前稳定在 40 台左右(95)。这一变化反映出中国在超算发展策略上的调整，即从追求数量领先转向注重技术自主和应用创新。
中国在超算技术方面的主要进展包括：处理器自主化取得突破，神威系列处理器实现了从 Alpha 架构到自主架构的跨越；异构计算成为发展重点，通过 CPU+GPU / 加速器的混合架构提升性能；互连技术不断进步，龙芯互连网络在延迟和带宽方面达到国际先进水平。
然而，中国超算发展也面临一些挑战。首先是核心技术受制于人的问题，高端处理器、互连芯片、操作系统等关键技术仍依赖进口；其次是应用生态不够完善，在应用软件、开发工具、人才培养等方面与发达国家存在差距；第三是国际合作受限，由于地缘政治因素，中国超算在国际合作、技术交流等方面面临诸多限制。
1.3 应用领域现状分析
当前，全球超级计算机的应用领域已从传统的科学计算扩展到人工智能、气候变化、生物医药、材料科学、金融建模等多个前沿领域，呈现出多元化和交叉融合的特点。
人工智能成为超算最重要的应用驱动力。根据统计，TOP100 系统中有 83 个采用了加速计算，而 2025 年 6 月的榜单显示，77% 的系统由 NVIDIA 提供支持(151)。AI 工作负载对超算的需求主要体现在大模型训练、推理优化、强化学习等方面。例如，JUPITER 预计将提供高达 90 exaflops 的 AI 性能，比欧洲次快的系统快两倍以上(162)。
气候变化研究是超算的传统优势领域。超算在气候模拟、天气预报、极端天气事件预测等方面发挥着不可替代的作用。欧洲的 EuroHPC 超算系统支持气候 DT 团队实现了首个数十年、全耦合的全球气候模拟，分辨率达到约 5 公里，并可扩展到 1 公里(149)。这类高精度模拟对于理解气候变化机制、制定应对策略具有重要意义。
生物医药研究展现出巨大潜力。超算在蛋白质结构预测、药物分子设计、基因测序分析等方面的应用日益广泛。例如，马克斯・普朗克生物物理研究所使用 JUPITER 模拟核孔复合体 —— 细胞中最大的蛋白质组装体，以实现原子级洞察，推进核转运模型并对抗 HIV 等逆转录病毒。
材料科学研究推动创新突破。超算在新材料设计、分子动力学模拟、量子材料研究等方面发挥重要作用。通过超算模拟，研究人员可以在原子和分子水平上理解材料的性质和行为，加速新材料的发现和应用。
金融建模与风险分析成为新的应用热点。超算在金融衍生品定价、风险评估、投资组合优化等方面的应用越来越广泛，特别是在处理大规模、高维度的金融数据时，超算的优势更加明显。
二、未来发展趋势展望
2.1 运算速度提升趋势
全球超级计算机正处于从E 级向 Z 级跨越的关键时期。E 级超算（每秒百亿亿次运算）的出现标志着人类计算能力进入了新的量级，而 Z 级超算（每秒十万亿亿次运算）则代表着下一个十年的技术目标。
从当前的发展速度来看，超算性能提升呈现出加速趋势。根据预测，到 2030 年，全球最强的 AI 超级计算机将具备以下特征：算力达到 2×10^22（16 位浮点运算 / 秒），硬件规模需要 200 万块 AI 芯片，投入成本高达 2000 亿美元，功耗达到 9 吉瓦（GW）(156)。这意味着在未来 5 年内，超算性能将实现近10 倍的提升。
Z 级超算的实现路径主要包括三个方面：
硬件技术的持续进步。处理器技术将继续遵循摩尔定律的演进，通过制程工艺的提升、架构优化、并行度增加等方式提高性能。预计到 2030 年，先进制程工艺将达到 1 纳米以下，新型半导体材料如氮化镓、碳化硅等将得到广泛应用，使处理器性能再提升 50% 以上(157)。
系统规模的大幅扩展。Z 级超算将采用前所未有的大规模并行架构，可能包含数百万个处理器核心。例如，美国能源部正在规划的 "极光" 后续系统预计将拥有超过 200 万个计算核心。这种规模的系统需要在互连网络、存储架构、软件调度等方面实现重大突破。
异构计算的深度融合。未来的 Z 级超算将采用更加复杂的异构架构，整合 CPU、GPU、FPGA、ASIC 等多种计算单元。这种架构可以针对不同的计算任务进行优化，实现性能与能耗的最佳平衡。预计到 2030 年，80% 以上的超级计算机将配备 NVMe 或 CXL 存储系统，进一步提升数据访问速度(153)。
2.2 技术创新方向
未来超算技术创新将围绕异构融合、智能化、绿色化三个方向展开，这些创新将从根本上改变超算的设计理念和实现方式。
异构计算架构成为主流
异构计算通过整合 CPU、GPU、FPGA 和 ASIC 等多种计算单元，实现了性能与能耗的优化平衡。这种架构已经在当前的 TOP10 系统中得到广泛应用，例如 AMD 路线的 El Capitan 和 Frontier、Intel 路线的 Aurora、NVIDIA 路线的 JUPITER Booster 等(157)。
未来异构计算的发展将呈现以下趋势：
专用加速器的多样化。除了传统的 GPU 加速器，针对特定应用的专用加速器将大量出现。例如，用于 AI 训练的张量处理器（TPU）、用于量子模拟的量子处理单元（QPU）、用于图计算的图处理器（GPGPU）等。这些专用加速器可以在特定领域提供数十倍甚至数百倍的性能提升。
存算一体技术的突破。传统的冯・诺依曼架构存在 "存储墙" 问题，数据在处理器和内存之间的传输成为性能瓶颈。存算一体技术通过将计算单元和存储单元集成在一起，可以大幅减少数据移动，提高计算效率。预计这一技术将在未来 5 年内实现产业化应用。
光互连技术的应用。随着系统规模的扩大，互连网络的重要性日益凸显。光互连技术具有低延迟、高带宽、低功耗的优势，有望成为未来超算互连的主流技术。目前，一些研究机构已经在实验性系统中验证了光互连的可行性。
人工智能与超算的深度融合
AI 与超算的融合已经从简单的硬件加速发展为深度融合的架构设计。这种融合不仅体现在 AI 工作负载对超算的需求上，更体现在超算系统本身的智能化上。
AI 驱动的系统优化。未来的超算将具备自我优化能力，通过机器学习算法自动调整系统参数、优化资源分配、预测故障等。例如，通过分析历史工作负载数据，系统可以预测未来的资源需求，提前进行调度优化。
AI 原生的架构设计。下一代超算将从架构层面支持 AI 工作负载，包括专门的 AI 指令集、高效的内存层次结构、优化的互连拓扑等。NVIDIA 的 Grace Hopper 架构就是这种设计理念的典型代表，其 Superchip 集成了 CPU 和 GPU，通过 NVLink-C2C 实现芯片间的高速互连(141)。
混合精度计算的普及。AI 工作负载对精度的要求具有多样性，混合精度计算通过在不同阶段使用不同的精度格式，可以在保持计算精度的同时大幅提高性能和能效。HPL-MxP 基准测试的出现正是为了评估超算在混合精度计算方面的性能。
量子计算与经典超算的融合
量子计算作为颠覆性技术，正在与经典超算走向融合。NVIDIA CEO 黄仁勋预测，未来几年下一代超级计算机都将配备与 GPU 相连的量子处理单元 QPU(155)。这种融合将开启超算领域的新篇章。
量子 - 经典融合计算的优势主要体现在：
量子加速的科学计算。在某些特定的科学计算问题上，如量子化学模拟、材料科学计算、密码学等，量子计算可以提供指数级的加速。通过将量子处理器与经典处理器结合，可以充分发挥各自的优势。
混合算法的创新。未来的算法将结合量子算法和经典算法的优点，例如使用量子算法进行问题的预处理或后处理，使用经典算法进行大规模的数据处理。这种混合算法可以在更广泛的问题上实现性能突破。
量子纠错与容错计算。量子计算面临着量子比特易受干扰的挑战，需要通过纠错码和容错技术来保证计算的可靠性。经典超算可以用于量子纠错的计算，形成量子 - 经典协同的容错计算系统。
中国在量子 - 经典融合方面也取得了重要进展。国家超算成都中心自主研制了 "经典 + 量子" 融合算力平台，在超算 - 量子计算架构设计、跨平台接口技术、智能任务分配、量子算法开发框架等方面取得关键技术突破，初步构建起量子 - 经典协同计算平台。
绿色计算技术的革新
随着超算规模的扩大，功耗问题日益突出。一台 E 级超算的功耗通常达到数十兆瓦，相当于一个中等城市的用电量。因此，绿色计算技术成为超算发展的必然选择。
绿色超算技术的发展方向包括：
能效优化的架构设计。通过优化处理器架构、内存层次、互连网络等，可以在提高性能的同时降低功耗。例如，ARM 架构由于其低功耗特性，在超算领域的应用越来越广泛。富岳采用的 A64FX 处理器就是基于 ARM 架构，其能效达到 14.8 GFlops/W(118)。
液冷技术的普及。传统的风冷技术已经难以满足大规模超算的散热需求，液冷技术通过直接对芯片进行冷却，可以大幅提高散热效率。JUPITER Booster 采用的 BullSequana XH3000 架构就采用了直接液体冷却技术，其能效达到 63.3 GFlops/W，在 TOP10 系统中最高(118)。
可再生能源的应用。越来越多的超算中心开始使用可再生能源，如太阳能、风能等。预计到 2030 年，中国超算的可再生能源使用比例将超过 40%(165)。
智能化能耗管理。通过 AI 技术实现对超算系统能耗的智能管理，包括动态电压频率调节、工作负载预测、资源动态分配等。这种技术可以根据实际需求动态调整系统功耗，实现能效的最大化。
2.3 新应用领域拓展
超算的应用领域正在快速拓展，从传统的科学计算扩展到商业应用、社会服务、国家安全等多个领域，呈现出应用场景多元化、需求个性化的特点。
人工智能大模型训练与推理
AI 大模型的训练和推理已经成为超算最重要的应用场景之一。随着模型规模的不断扩大，对算力的需求呈现指数级增长。根据预测，到 2030 年，训练一个万亿参数的大模型可能需要超过 1000 PFlop/s 的算力和数月的时间。
超算在 AI 大模型方面的应用包括：
多语言大语言模型的训练。欧洲的 JUPITER 正在支持多个多语言大语言模型的训练项目，包括 TrustLLM 项目，该项目旨在为各种欧洲语言训练下一代大语言模型。这种模型可以理解和生成多种语言，在跨语言交流、翻译、内容创作等方面具有巨大应用潜力。
多模态 AI 基础模型的开发。里斯本大学正在使用 JUPITER 开发多模态、多语言的开放语言模型，整合机器学习、稀疏建模、信息论和认知科学的概念，使这些模型能够支持所有欧洲语言并解决现有模型的局限性。
视频基础模型的创新。慕尼黑大学利用 JUPITER 开发时空压缩和扩散架构，实现高质量、可访问的视频模型的创建，推进从医学成像到自动驾驶等应用。
量子模拟与量子算法研究
量子模拟是超算的一个重要新兴应用领域。JUPITER 有望打破超算处理量子比特能力的世界纪录，典型的笔记本电脑内存可以处理约 32 个量子比特，目前超算的记录是 48 个量子比特，而 JUPITER 可能超过 50 个量子比特 —— 这是量子模拟的重要里程碑。
量子模拟的应用包括：
量子化学计算。在药物设计、新材料开发等领域，量子化学计算可以精确模拟分子的电子结构和化学反应过程。通过超算进行量子模拟，可以在原子水平上理解物质的性质，加速创新药物和材料的发现。
量子算法的开发与验证。超算可以用于开发和验证量子算法，包括量子搜索算法、量子机器学习算法、量子优化算法等。这些算法在密码学、金融、物流等领域具有重要应用前景。
量子纠错码的研究。量子计算面临着量子退相干的挑战，需要通过纠错码来保证计算的可靠性。超算可以用于设计和优化量子纠错码，推动容错量子计算的实现。
气候模拟与环境科学
气候变化是人类面临的重大挑战，超算在气候模拟和环境科学研究中发挥着关键作用。
高精度气候预测。马克斯・普朗克气象研究所使用 JUPITER 进行约 1 公里空间分辨率的气候预测模拟，能够更真实地描述极端天气事件如强雷暴和暴雨。这种高分辨率的模拟对于理解和预测气候变化具有重要意义。
地球系统科学研究。超算可以模拟地球系统的各个组成部分，包括大气、海洋、陆地、生物圈等，以及它们之间的相互作用。这种全耦合的地球系统模型可以用于研究气候变化的机制、评估人类活动的影响、制定应对策略等。
环境影响评估。在基础设施建设、工业发展、资源开发等活动中，需要评估其对环境的影响。超算可以模拟这些活动可能带来的环境变化，为决策提供科学依据。
生物医药与精准医疗
生物医药是超算应用的另一个重要领域，特别是在精准医疗时代，超算的作用越来越重要。
蛋白质结构预测与药物设计。超算可以模拟蛋白质的三维结构和动态行为，预测蛋白质 - 药物分子的相互作用，加速新药的设计和开发。例如，马克斯・普朗克生物物理研究所使用 JUPITER 模拟核孔复合体，这是细胞中最大的蛋白质组装体，通过原子级的洞察来推进核转运模型并对抗 HIV 等逆转录病毒。
基因组学与个性化医疗。随着基因测序成本的降低，个人基因组数据呈指数级增长。超算可以处理和分析这些大规模的基因组数据，识别疾病相关的基因变异，为个性化医疗提供支持。
神经科学与脑疾病研究。于利希研究中心的神经科学研究员 Thorsten Hater 计划使用 JUPITER 通过 Arbor 模拟器在亚细胞水平上模拟单个神经元的行为，这种模拟对于开发治疗阿尔茨海默病等神经退行性疾病的疗法至关重要。
金融科技与风险管理
金融领域对超算的需求正在快速增长，特别是在量化交易、风险评估、合规监管等方面。
高频交易与算法优化。超算可以用于开发和优化高频交易算法，处理海量的市场数据，进行实时的风险评估和投资决策。在毫秒级的交易竞争中，超算的性能优势可以转化为巨大的经济利益。
风险模型的构建与验证。在金融风险管理中，需要构建复杂的风险模型来评估各种风险因素。超算可以处理高维度、非线性的风险模型，进行压力测试和情景分析，帮助金融机构更好地管理风险。
合规监管科技。随着金融监管的加强，金融机构需要处理大量的合规数据。超算可以用于开发智能合规系统，自动识别异常交易、监测市场操纵、评估合规风险等。
材料科学与智能制造
材料科学是超算应用的传统优势领域，而智能制造则是新的增长点。
新材料的设计与发现。通过超算模拟，可以在原子和分子水平上设计具有特定性能的新材料。例如，在新能源领域，可以设计高效的太阳能电池材料、大容量的储能材料等；在航空航天领域，可以设计轻质高强的结构材料、耐高温的涂层材料等。
材料性能的预测与优化。超算可以预测材料在不同条件下的性能表现，如强度、韧性、导电性、导热性等。通过模拟，可以优化材料的成分和结构，提高材料的综合性能。
智能制造系统的仿真。在智能制造中，需要对生产过程、设备运行、质量控制等进行实时监控和优化。超算可以用于构建数字孪生模型，模拟生产系统的运行状态，预测潜在的问题，优化生产流程。
三、结语
通过对全球超级计算机发展水平的全面分析，我们可以看到，当前全球超算正处于一个历史性的转折点。美国继续保持技术领先地位，欧洲实现了 E 级超算的突破，日本在能效优化方面独树一帜，中国则在自主化道路上稳步前进。全球超算产业呈现出技术路线多元化、应用领域扩展化、国际竞争激烈化的特点。
展望未来，超算发展将呈现以下关键趋势：
性能跃升将进入新阶段。从 E 级向 Z 级的跨越不仅是数量级的提升，更是架构设计、系统集成、软件生态的全面革新。预计到 2030 年，全球将出现多台 Z 级超算系统，算力将达到 2×10^22 次 / 秒的惊人水平。
技术创新将呈现融合化特征。异构计算、AI 融合、量子 - 经典协同、绿色计算等技术将深度融合，形成新的技术体系。这种融合不是简单的叠加，而是从架构层面的创新设计，将带来计算范式的根本性变革。
应用领域将实现全面拓展。超算将从科研工具转变为生产要素，广泛应用于 AI 大模型训练、量子模拟、气候变化、生物医药、金融科技、智能制造等领域。这种应用拓展将催生万亿级的数字经济新业态。
面对这些趋势，各国应采取以下策略：
加强顶层设计和战略规划。超算作为国家战略科技力量，需要从国家层面进行统筹规划，明确发展目标、技术路线和实施路径。特别是在当前国际竞争加剧的背景下，更需要集中资源攻克关键技术。
推动技术创新和产业协同。超算技术的发展需要产学研用的紧密结合，通过建立创新联盟、联合实验室等形式，推动技术创新和成果转化。同时，要加强产业链上下游的协同，构建完整的超算产业生态。
深化国际合作与开放创新。尽管面临一些挑战，超算领域的国际合作仍然重要。通过参与国际项目、共享研究成果、开展人才交流等方式，可以加速技术进步，避免重复建设。
重视人才培养和队伍建设。超算技术的发展离不开高素质的人才队伍。需要加强在计算机科学、数学、物理学等基础学科的人才培养，同时注重跨学科人才的培养，特别是既懂算法又懂应用的复合型人才。
关注伦理规范和可持续发展。随着超算能力的提升，其对社会的影响也在扩大。需要建立相应的伦理规范，确保超算技术的健康发展。同时，要高度重视能耗问题，推动绿色超算技术的研发和应用。
