什么是高性能计算？人工智能如何乘高性能计算之风快速发展？_人工智能算法的性能

关键词：深度学习、数据分析、数据挖掘、医药研发、遥感测绘、地质遥感、AI绘画、AIGC、高性能计算、高性能服务器、蓝海大脑 HPC 液冷

摘要：高性能计算 (High Performance Computing) 主要用于解决其他计算机无法解决的挑战性问题。通常指一类计算速度极快、存储容量巨大、通信带宽极 高的计算机。高性能计算被视为计算机科学与工程的“皇冠”。近年来，各国频繁启动国家层面的研发计划。

HPC 是一种技术，使用并行工作的强大处理器集群，处理海量多维数据集（大数据），并以极 高的速度解决复杂问题。 HPC 系统的运行速度通常要比最快的商用台式机、笔记本电脑或服务器系统快一百万倍以上。超 级计算机作为 HPC 系统的范式已存在了几十年，这是一种专门构建的计算机，它包含数百万个处理器或处理器核心。

HPC 工作负载揭示了重要的新锐洞察，这些洞察可以促进人类知识的进步，并创造显著的竞争优势。 例如，HPC 被用于 DNA 测序、股票交易自动化，以及运行人工智能 (AI)算法和模拟（比如支持自动驾驶汽车），它可以实时分析从物联网传感器、雷达和 GPS 系统流入的太字节数据，进而在瞬间做出决策。

一、高性能计算是重要科技方向

高性能计算是国之重器。从核爆炸模拟、油藏模拟到极端天气预报，高性能计算都在守护着国家的安全与安宁。因此，高性能计算成为衡量国家间综合实力的标杆之一，被视为国家实力的象征。自 2020 年以来，设和筹备高性能计算中心。

1、高性能计算是什么？

高性能计算是指将多个计算节点组织起来，通过网络连接起来，共同工作，形成一台更强大的计算机。通常指一种运算速度极快、存储容量巨大、通信带宽极 高的计算机。高性能计算可以使整个计算机集群为同一任务工作，更快地解决一个复杂的问题。高性能计算通常执行一项任务(或有限数量的任务)。所有的计算机资源都致力于同一项任务。为了解决同一个问题，集群的不同计算机应该具有非常好的通信能力。

2、高性能计算为什么重要？

高性能计算是计算机科学与工程的皇冠。高性能计算是计算机技术的来源之一。互联网产业依赖的数据中心的核心技术，如Hadoop等并行编程工具和RDMA等远程通信技术，都诞生于此。各国经常在国家层面启动研发计划。在中国多次上榜全球高性能计算TOP500 后，美国从 2015 年开始将中国高性能计算相关机构或企业列入实体名单，包括国防科大、无锡江南计算技术研究所、曙光、申威等。然而，中国高性能计算的整体实力仍远远落后于美国。因此，发展自主可控的高性能计算非常重要。

二、高性能计算的技术挑战

高性能计算在底层芯片性能要求上高于普通的数据中心和智算中心。算力中心有多种，大致可分为数据中心、高性能计算中心、智算中心等，而它们都可以用云的形式来提供服务。以实现人工智能需求为例，推理、训练和模拟为AI 的三类主要任务。

在此维度上，芯片的应用上限由其底层构造所决定，即使采用软件优化也无法再提升。从芯片层面来看，如果底层芯片采用的是 CPU + 专用 AI 芯片，那么其只能完成 AI 推理和训练任务，而无法完成模拟。因为 AI 芯片无法实现双精度浮点运算，双精度浮点运算大量涉及线性代数方程求解，而自然界的很多问题，包括科学问题、社会问题等，最后都可转化为线性代数方程求解问题。

高性能计算的体系结构设计和软件同样重要。芯片是高性能计算的重要组成部分，但不是高性能计算技术的全部。高性能计算不是简单的 CPU 堆砌，体系结构设计、高速互联网络、并行文件系统、储存列阵等方面如果有所欠缺，即使堆再多的 CPU，其性能也无法提高。随着计算能力的增强、应用课题规模和复杂度的增加，高性能计算对并行文件系统等性能要求越来越高。高性能计算的技术溢出效益非常明显。由于服务器可以平滑地采用高性能计算的互联技术、CPU 技术、操作系统技术和并行软件设计等技术，在高性能计算方面的积累能够自然地溢出到服务器产业。

三、高性能计算的五大趋势

随着数据价值的不断提升以及大数据、人工智能等新兴数字产业的兴起，高性能计算正在由“大计算”的HPC加速迈向 “大计算”+“大数据”的HPDA（高性能数据分析），并呈现五大趋势特点。

1、多元应用驱动多元算力

CPU处理器和GPU、FPGA、xPU等专用处理器相结合构建高性能计算的异构算力体系结构。

2、AI计算发展迅猛

AI计算成为高性能计算算力发展最为迅猛的类型之一，且逐步呈现计算芯片DSA化、计算网络多平面化等特征。成为与传统高性能计算越来越有区分的领域，这种变化与特征在大模型时代表现的更为明显。

3、异构多态复合归一，资源集约推动架构融合化

一方面，根据应用的需求，构建不同性能和功能的计算和存储环境，通过灵活组织异构计算体系结构，实现计算、存储资源比例的灵活调整和性能功耗的平衡。另一方面，围绕应用负载特征开展体系结构软硬件协同设计，提升资源的使用效率与性能。

4、高速互联，更宽更快推动全光化

当前高性能计算互联网络主要有Infiniband、Slingshot和RoCE 等，随着技术积累和产业需求升温，光子集成技术已从功能器件研究向规模化集成芯片演进，光交换技术趋于成熟，全光交换成为发展趋势。

5、按需弹性极简运维，加速应用容器化

容器可以为高性能计算工作负载提供动力，并为大规模计算工作负载启用若干功能框架，能够提前封装高性能计算运行环境，易获取、易操作、易利用，在科研人员中普及化使用高性能计算。

6、以数据为中心，数据密集型超算快速发展

进入大数据时代后，数据的规模不断增长。随着HPDA的发展，高性能计算系统的业务负载需考虑HPC、大数据和AI的混合叠加，对于数据的存储和处理能力提出了更高要求。高性能计算系统需要从数据密集型角度进行设计，支持应用驱动的科学计算工作流，推动负载从计算科学发现向数据科学发现转变。

总结以上趋势，不难看出，当前计算性能已不再是评价高性能计算集群的唯 一标准，集群的综合性能日益受到重视，尤其是与数据息息相关的存储系统。

四、高性能计算发展的现状

1、存储系统的重要性愈发凸显

传统的高性能计算行业以算力作为核心生产力，如今，业界普遍意识到，当数据存力不足或者效率低下时，数据就无法高 效流动、按需使用，也就无法充分挖掘其价值，小则影响算力作用的充分发挥，大则关乎整个高性能计算产业的发展。存储性能是继计算性能之后，各行各业数字化能力建设的一种进阶，在数字经济发展中至关重要。存储与计算性能高度融合，方能真正形成新的核心生产力，能够在各种业务场景中让效率指数级增加，让生产力获得前所未有的解放。

平衡存算比是当前超算集群融合存储与计算性能的主要方法之一。目前，芯片不断朝着高性能、低成本、高集成的方向发展，但随着单芯片集成的晶体管数量增多，高耗能等问题随之出现，导致芯片性能难以持续提升，无法大规模提升算力。多芯片堆叠封装为芯片突破性能瓶颈提供了可能，平衡存算比可有效缩短数据搬运路径，降低搬运功耗，实现芯片级算力与IO的平衡。从设备内视角来看，CPU、总线速度、主内存带宽及容量的发展速度不一，尤其是在处理海量数据过程中，内存与存储的空间和带宽成为制约性能增长的主要瓶颈，如果存储设备能平衡CPU和IO性能，将在很大程度上释放算力潜力。

此外，随着数据量的增加，数据处理和存储的效率也需要及时跟进。在多样化的HPC场景中，日均产生的数据量可达PB级，需要超大的容量方能完成归档。除此之外，在海量数据处理过程中，数据可能需要经过多种格式的转换，比如自动驾驶和石油勘探这两个高性能计算应用较为普遍的领域，只有将NFS格式的数据转换成HDFS格式后，系统才能进行有效处理。海量的数据转换需要耗费大量的时间，其中还会损坏部分数据，而且产生的数据冗余也占用了宝贵的存储空间。因此，存储设备实现多协议互访可有效提升数据结构多样化的处理效率。

2、系统综合性能更突出

随着社会经济的发展和科学的进步，爆炸式增长的应用需求不断促进高性能计算往更广、更深的领域进行系统性扩展。量子化学、基因测序、气象预测和核技术等传统的高性能计算领域需要并行处理大量的原始数据。因此，除了需要保证密集计算的能力以外，海量数据并发执行、极 高的数据并发存取效率也对集群的存储性能提出了较高的挑战。在这种条件下，只有保证系统聚合能力随节点数线性扩展、保证流畅的并行I/O与高带宽的网络才能获得复合性的计算能力，满足日益复杂的计算需求。除此之外，高性能计算在非传统的应用领域中也发挥着独特的作用，例如金融、投行和保险业所承担的风险分析工作，除了发挥传统高性能计算的密集计算性能外，集群更多融入了数据处理、事务处理和信息服务的功能。在这些场景下，科学计算能力的主导地位有所弱化，相反，网络和存储提供的实时数据处理和快速交付功能更为凸显。

五、蓝海大脑高性能计算平台

蓝海大脑通过多年的努力，攻克了各项性能指标、外观结构设计和产业化生产等关键技术问题，成功研制出蓝海大脑高性能计算平台，支持快速图形处理，GPU 智能运算，性价比高，外形美观，满足了人工智能企业对图形、视频等信息的强大计算处理技术的需求。

快速、高 效、可靠、易于管理的蓝海大脑液冷工作站具备出色的静音效果和完美的温控系统。在满负载环境下，噪音控制在 35 分贝左右。借助英伟达 NVIDIA 、英特尔Intel、AMD GPU显卡可加快神经网络的训练和推理速度，更快地创作精 准的光照渲染效果，提供高速视频和图像处理能力，加速AI并带来更流畅的交互体验。

1、主要技术指标

• 可 靠 性：平均故障间隔时间MTBF≥15000 h

• 工作温度：5～40 ℃

• 工作湿度：35 %～80 %

• 存储温度：－40～55 ℃

• 存储湿度：20 %～90 %

• 声 噪：≤35dB

2、产品特点

• 集中管理：支持多种异构硬件平台、操作系统和应用程序，提供单一系统镜像，实现计算节点和图形工作站节点的集中管理和统一调度

• 负载均衡：提供强大的负载均衡能力，保证计算服务器的任务分配尽可能均匀，避免机器忙闲不均的现象。并根据服务器的负载指标(如CPU利用率、可用内存、IO等)，可以采取保护措施

• 资源的有效利用：避免计算任务之间发生冲突，导致任务失败或计算时间延长

• 优先级管理：确保在资源不足时，紧急的项目或任务可以获得更高的优先级，从而更快地启动，避免影响设计和工程的进度

3、客户收益

• 实现统一的用户登录、验证、作业管理、数据管理；实现资源跨部门共享以及利用率最 大化

• 加快企业的产品研发进度、大幅缩短研发周期、提升产品的设计开发效率

• 提供统一平台，最 大化提升在深度学习、虚拟图像、HPC等领域的快速响应以及精 准预测，带来更流畅的交互体验

• 提高客户满意度，在图像、视频、声音等提供实时用户体验、加快搜索速度

• 降低总体拥有成本，简化工作流程，加速多种工作负载，提高生产力，促进企业创新