NVIDIA：欢迎进入混合计算的时代！

混合计算还有广阔的发展空间 GPU也将越来越重要

记者：现在异构计算越来越流行了，GPU的带宽能比CPU的带宽高好几倍，这么高，可能对每一个节点之间的互联也造成了很大的压力。在NVIDIA公司看来的话，目前的这种MPI的架构是不是已经达到一种瓶颈了，或者说在某些方向已经影响了互联的操作，未来有没有可能出现新的语言架构替代MPI？不知道NVIDIA公司怎么看来这个问题？

Andy Keane先生：计算本身是了解整个过程中存在什么样的局限和限制，之后让软件工程师或者计算机工程师寻找一些方法来跨越这些局限。所以，你刚才所提出的那个因素，应该是一个非常关键的因素，使得超级计算机可以大规模的进行灵活的扩展，主要是它跨越了互联项目的一些局限。如果这个系统是用Linpack来测量的话，因为要传递很多的数据，所以整个网络上会面临很大的数据压力。

根据我过去26年在计算领域的一些经验和体会，你们还会继续看到，这个行业在不断的发展，将会有更多的创意，一个接一个而来，你们接下来还会看到更多的创意和创新。比如说我们的处理器速度越来越快，这就意味着我们需要的总线数量也就越来越多，他们之间的互联性应该也是越来越好。不管怎么样，总会存在一定的局限和瓶颈，但是我们的工程师会想各种的办法跨越这些局限。

所以说，现在和过去的差异在哪里？你在新的系统中，我们用的是中国基本的技术，把它应用在高性能计算机中，使它的速度更快，而且扩展性更高。

GPU计算单元的高速互联问题已经成为了未来混合架构HPC系统的发展的一个重要挑战

记者：以前NVIDIA公司自己也设计编程，从显卡的Shader到后来的CUDA编程，NVIDIA公司越来越多的进入标准领域，以后高性能计算里面也会涉及到标准，比如MPI也是一种标准。你们作为主导GPU混合计算的领头企业，是否会提出一些更好的互联标准或者互联语言架构，比如像CUDA这样的GPU技术混合架构？

Andy Keane先生：从CUDA向系统级别这样的转换，在这个过程中，我们将和大量的合作伙伴一起来做，比如说HP、IBM，我们都会和他们一起做。就MPI来说，用这个例子你就可以理解了，比如说我们会和MPI整个开发者社区一起努力，同时也会把他们扩展到CUDA或者其他的软件，和他们进行结合。这个过程，一方面我们会在MPI一起和开发社区努力，同时我们也会考虑如何融合其他的软件。这是一个合作的过程，我们会做贡献，也会做出我们这一部分的努力。

记者：CPU+GPU超级计算机的话，使用了很多的GPU，同时也使用的多个 CPU，在组成庞大运算量当中，有百分之多少是GPU贡献的，有多少是 CPU贡献的？

Andy Keane先生： CPU为20%，GPU为80%。

记者：那就是说，GPU的运算比 CPU大很多，以后的比例会继续提高吗？是不是意味着以后不需要太强的CPU，只需要能够管理的GPU就可以了？

Andy Keane先生：在系统的设计中，实际上是一个设计平衡的问题，一定要在各个环节里达到平衡，比如说你的GPU速度越快，就意味着你需要快速的CPU的速度，还有网络的速度以及内存的大小，是需要达到一个平衡的。

记者：目前排名比较靠前的超级计算机的应用，相当数量是Tesla的产品，是不是拥有Tesla的多少，很大程度上决定了未来超级计算机的运算能力？

Andy Keane先生：应用高性能计算一般是一些科研机构或者出于商用的目的，比如油气行业，天然气、石油行业以及金融行业，他们都会应用高性能计算。但是用了高性能计算之后，你得到的优势，就相当于高性能计算有什么样的性能，就能给你带来什么样的优势。我相信在未来，这个系统将会在这个清单的很多企业里应用，或者说很多的行业里应用，排名靠前的以及在下面的这些行业都会大量的使用GPU，为什么？他们都希望通过应用GPU能够使他们的性能有所提高，计算速度有所加快。