中国・深圳のスーパーコンピューター「LineShine」が、米シカゴで開催されたSC26で11月16日(現地時間)に発表された2026年11月版「TOP500」で首位を維持した。上位10台は6月版から順位も性能も変わらず、主催者は新規掲載数が過去最少だったと発表している。一方、6月版と11月版の公式配布データを照合すると、掲載された500台の性能合計は約5.2%増加し、その増分の約95%をシステムの入れ替わりが占めていた。TOP500は、64ビットの浮動小数点数を使って大規模な連立一次方程式を解くベンチマーク「HPL(High Performance LINPACK)」の実測性能を基準とし、その結果をRmaxとして掲載している。
TOP500の性能向上を支えたシステムの入れ替わり
TOP500の公式発表によると、今回新たに掲載されたスーパーコンピューターは27台で、全体の5.4%にとどまった。これは1993年のランキング開始以来、最も少ない新規掲載数だ。ただし、公式配布データを確認すると、11月版で初登場したシステムは28台となっている。
11月版のExcelデータで初出回(First Appearance)が第68回となっている行を数えると28件あり、全体の5.6%に相当する。登録ID(System ID)を使って6月版と比較しても、11月版にのみ掲載されているシステムが28台、6月版から姿を消したシステムが28台だった。6月版で初登場したシステムは43台である。
公表数値にはほかにも差がある。発表文では500台のHPL性能合計を19.57エクサフロップス、500位の性能を2.857ペタフロップスとしている。一方、11月版の公式ランキングとハイライトでは、それぞれ19.70エクサフロップス、2.868ペタフロップスとなっている。Excel形式とXML形式の配布データは500台すべてで順位と登録IDが一致し、Rmaxもこの記事で使用する表示桁では一致する。発表文と配布データの数値が異なる理由や、発表文の新規27台がどの登録を指すのかは、公開資料から確認できない。
配布データに基づくと、6月から11月にかけて増加したHPL性能の約95%は、掲載システムの入れ替わりで説明できる。両版のExcelデータにある500台のRmaxを合計し、テラフロップスからエクサフロップスに換算すると、6月の18.73エクサフロップスから11月の19.70エクサフロップスへと増加した。増分は約0.97エクサフロップスで、増加率は約5.2%となる。
このうち、11月版で新たに掲載された28台のRmax合計から、6月版で掲載されていたものの11月版では姿を消した28台の合計を差し引くと、約0.92エクサフロップスになる。これは全体の増分の約95%に相当する。一方、両版に共通して掲載された472台のRmax合計も、約0.046エクサフロップス増加していた。
新たに掲載された28台のうち、韓国のHANGANG、米国のLuxとHorizonの3台だけで、合計695.39ペタフロップスに達した。これは新規掲載システムのHPL性能合計の約7割を占める。ランキングに入るために必要な性能も上昇しており、500位は6月の2.661ペタフロップスから11月の2.868ペタフロップスへ約8%増加した。50位は49.85から56.16ペタフロップス、250位も6.747から7.68336ペタフロップスへ上昇している。
中国LineShineが首位を維持、ベンチマークによって順位は変わる
LineShineは2026年6月に初登場し、中国のスーパーコンピューターとして2017年以来となるTOP500首位を獲得した。11月版でも、独自設計の304コアLX2 CPUを使用するシステムで、HPL性能2.198エクサフロップスを記録している。2位の米国El CapitanはAMD Instinct MI300Aを搭載し、1.809エクサフロップスを記録した。日本の「富岳」は442.01ペタフロップスで9位だった。HPL性能が1エクサフロップス、すなわち毎秒100京回の浮動小数点演算を超える5台の顔ぶれも6月版から変わっていない。
ただし、HPLの順位がすべての計算処理における性能を表すわけではない。例えば、メモリーからのデータ読み出しやノード間通信の影響を受けやすいHPCGベンチマークでは、富岳が3位に入っている。HPCGには、要素の多くがゼロである疎行列とベクトルの積を求める演算などが含まれ、HPLとは異なる性能特性を測定する。
11月版のHPCGでは、LineShineが22.00ペタフロップスで首位、El Capitanが17.41ペタフロップスで2位、富岳が16.00ペタフロップスで3位だった。また、今回新規掲載されたシステムの中で最上位となった韓国のHANGANGは、NVIDIA GH200を搭載し、HPLでは342.60ペタフロップスで12位、HPCGでは4.29ペタフロップスで8位に入った。
混合精度演算を評価するHPL-MxPでは、さらに順位が変わる。このベンチマークは、計算の一部を低精度で実行し、別の処理によって必要な解の精度を確保する方式を用いる。首位はEl Capitanの16.7エクサフロップスで、LineShineは7.92エクサフロップスの4位だった。
このように、同じスーパーコンピューターでも、計算する問題の性質や使用する数値精度によって性能の順位は変わる。AIモデルの学習でも、演算性能だけでなく、学習ソフトウェアの効率やノード間通信の速度が処理時間に影響する。
Luxと理究、科学研究向けAIスーパーコンピューターが登場
今回14位に入った米国のLuxは、HPL性能220.79ペタフロップスを記録した。3位のFrontierと同じ米オークリッジ国立研究所(ORNL)に設置されており、ORNL、AMD、HPEの協力によって整備された。AMD Instinct MI355X GPUを搭載し、科学研究にAIを活用するための計算基盤として位置付けられている。
ORNLは11月16日、Luxを科学研究者向けに開放したと発表した。年間350万ノード時間の計算資源のうち、約半分を米エネルギー省のGenesis Missionに割り当て、残りをAMDが利用できる仕組みとなっている。ノード時間とは、1ノードを1時間使用する計算資源の単位だ。採択された研究には、材料開発に向けた基盤モデルの構築や、河川流量と水温の将来予測などが含まれる。
日本からは、理化学研究所のAI for Scienceスーパーコンピューター「理究」が56.16ペタフロップスを記録し、50位に入った。理研が11月13日に発表した内容によると、理究は10月14日に本運用を開始している。NVIDIA GB200 NVL4を400ノード搭載し、B200 GPUを合計1,600基備える。文部科学省のAI for Science関連事業で採択された研究課題や、理研の研究に利用される計算機だ。
商用クラウドを利用したスーパーコンピューターもTOP500に掲載されている。7位のEagleは、Microsoft Azure上に構築されたNVIDIA H100搭載システムで、HPL性能561.2ペタフロップスを記録した。
TOP500は実測結果の提出を伴う申請制のランキングであり、掲載時期はシステムの稼働開始時期と必ずしも一致しない。今回の11月版では、新規申請の締め切りが10月24日、システムの設置とLINPACK測定値の更新期限が11月1日に設定されていた。掲載には設置から性能測定、申請までの進捗が関わる。首位のLineShineも登録上の設置年は2025年だが、TOP500に初めて掲載されたのは2026年6月だった。
AI向け計算設備の拡大はTOP500だけでは測れない
TOP500の主催者は、先端計算機器の市場が拡大する一方で新規掲載数が過去最少となったことに着目し、計算資源の増強が大規模なAI向け設備に集中している可能性を指摘した。従来の科学技術計算を中心とするスーパーコンピューターから、AIモデルの学習や推論に大量の計算資源を提供する設備へと、投資の重点が移っているという見方だ。
この動きを別の角度から示すのが、AI研究機関Epoch AIによる計算能力の保有状況の推計である。Epoch AIの分析によると、2025年第4四半期時点でAmazon、Google、Meta、Microsoft、Oracleの5社が、世界の累積AI計算能力の約71%を保有していた。2024年第1四半期の約63%から上昇している。
この推計は、AI半導体ごとに公称の最大8ビット演算性能を使い、NVIDIA H100相当の計算能力に換算したうえで、保有企業ごとに集計したものだ。ただし、計算能力の保有量を表す指標であり、実際のAIモデルの学習速度を直接測定した数値ではない。
また、半導体の保有者が分かっても、その設置場所まで把握できるわけではない。Epoch AIが2026年9月に公表した調査では、追跡対象の86施設が世界のAI計算能力の推定44%を占めると報告した。この推計では、稼働中と判断された施設のH100換算の計算能力を合計し、半導体の納入から稼働までに3カ月かかると仮定して算出した世界全体の値と比較している。
クラウドサービスではデータセンターの運営者と計算資源の利用者が異なる場合があり、中国のデータセンターをどこまで把握できているかにも不確実性がある。また、AI需要の増加を理由に中止・延期された従来型HPC向けの調達案件が何件あるのかも、これらの公開データからは分からない。
AIシステムの学習性能を比較する別の指標としては、MLCommonsが提供するMLPerf Trainingがある。11月16日に公表されたMLPerf Training v6.1には24組織が結果を提出し、新たに2つのベンチマークが追加された。
一つは推薦システム向けの「DLRMv4-HSTU」、もう一つは事前学習済みの大規模言語モデル「Qwen3.5-397B」を対象とする事後学習のベンチマークだ。MLPerf Trainingは指定されたデータセットを使用し、定められた品質に達するまでの実時間を測定する。そのため、同じタスクと比較部門に属するシステムについて、ハードウェアとソフトウェアを組み合わせた学習性能を比較できる。
TOP500のHPL性能は科学技術計算における処理能力の一つの指標となり、AI半導体の配備規模は設備投資の広がりを示す。一方、MLPerf Trainingは特定のAI学習タスクを完了するまでの時間を測るもので、それぞれ評価対象が異なる。
Luxや理究のような科学研究向けAIスーパーコンピューターについては、運用機関が公表する利用枠や採択課題からも導入の効果を把握できる。例えばLuxでは、材料開発や河川予測といった研究に新たな計算資源が割り当てられている。今後のTOP500で同様のシステムが増えれば、計算性能の変化だけでなく、AI計算資源が実際にどの科学分野へ投入されているかを追う手がかりにもなる。



