至顶网服务器频道 06月20日 新闻消息: 瑞士的Cray系统现在成了世界超级计算机的老三,位于两台中国超级计算机后面。

美国仍占据500强前五名的两个位置,但两台超级计算机都三甲不入
既是说,根据2017年6月的排名,美国的高性能计算系统21年来首次未进超级计算机基准测试项目Top500(500强)超级计算机的前三。
上一次美国超级计算机未进Top500排名前三是1996年,当时美国的超级计算机不敌三台日本超级计算机。
中国的神威·太湖之光排500强的第一位,太湖之光是目前全球浮点运算速度最快的计算机,即所谓的flops速度。太湖之光由中国国家平行计算机工程技术研究中心(英文缩写为NRCPC)研发,在Linpack性能测试下速度达93 petaflop,或93万亿flops。
太湖之光的flops速度自2016年6月启用以来一直未变,值得一提的是用的处理器是中国设计。
排在第二位的超级计算机是中国国防科技大学的天河二号,又名银河二号,速度达33.9 petaflops。
瑞士国家超级计算中心的Cray XC50系统最近的Nvidia GPU升级到Piz Daint,砍下第三位,排在美国能源部(DOE)橡树岭国家实验室Cray XK7超级计算机Titan的前面。
Top500指,Titan自2012年启用以来其Linpack得分保持在17.6 petaflops。Piz Daint在 11月份的得分为9.8 petaflops,Nvidia Tesla P100 GPU升级后得分翻了一番。
这次美国的排名顺序下滑其实是在预料之内。去年12月美国能源部和国家安全局举行了一次会议后曾有报告指,美国的10年投资需“激增”,以应对来自中国在高性能计算领域高速发展的竞争,否则美国在高性能计算领域的领先地位将面临威胁。
报告提出的警告称,如无激增,“美国的HPC能力差距预计在不到十年的时间内将出现并扩大”。 HPC能力差距将影响美国发展武器和国家安全系统的能力,而且对一些依赖HPC的行业(如汽车,航空航天和制药研究)产生连锁效应。
报告指出,中国将发展HPC本土化能力定为国策里的战略目标。报道的作者表示,以前中国的超级计算机“除了运行基准测试”外并无“惊人之处”,但太湖之光却“不是炫技”之举。值得注意的是,排位第一的超级计算机的硬件和软件均是中国制造。
不过目前美国依然在一些数字上领先中国。美国超级计算机在500强的前10里占了五席。此外,500强的169台超级计算机是美国的,比中国的160台多。
其他顶级超级计算机国家包括日本,拥有33台超级计算机,而德国有28台,法国17台,英国17台。
Top500榜单中绝大多数中心处理器芯片是英特尔至强或至强Phi处理器,500强里的464台超级计算机用的是英特尔至强或至强Phi处理器,其余的为IBM Power或AMD Opteron中心处理器。
而Nvidia GPU则是最流行的加速器,在使用了加速技术的91个系统里74个用了Nvidia GPU。 HPE是超级计算机的系统供应商霸主,提供 了500强里144台计算机,而Cray则统领系统性能,500强里占21.4%。
日本超级计算机则称霸绿色500强。这些超级计算机不是最强大的,但它们是最节能的。最绿色的超级计算机是东京科技大学的HPE ICE XA TSUBAME 3.0,在500强里排名61位。

美国能源部橡树岭国家实验室的Cray XK7超级计算机Titan排第四位,被挤出三强
雅虎日本的Exascaler kukai系统在绿色500强里排第二,排第三的是日本国家先进工业科学与技术研究所的NEC系统,名叫AIST AI Cloud(AIST 人工智能云)。
好文章,需要你的鼓励
CPU架构讨论常聚焦于不同指令集的竞争,但实际上在单一系统中使用多种CPU架构已成常态。x86、Arm和RISC-V各有优劣,AI技术的兴起更推动了对性能功耗比的极致需求。当前x86仍主导PC和服务器市场,Arm凭借庞大生态系统在移动和嵌入式领域领先,RISC-V作为开源架构展现巨大潜力。未来芯片设计将更多采用异构计算,多种架构协同工作成为趋势。
KAIST AI团队通过深入分析视频生成AI的内部机制,发现了负责交互理解的关键层,并开发出MATRIX框架来专门优化这些层。该技术通过语义定位对齐和语义传播对齐两个组件,显著提升了AI对"谁对谁做了什么"的理解能力,在交互准确性上提升约30%,为AI视频生成的实用化应用奠定了重要基础。
Vast Data与云计算公司CoreWeave签署了价值11.7亿美元的多年期软件许可协议,这标志着AI基础设施存储市场的重要转折点。该协议涵盖Vast Data的通用存储层及高级数据平台服务,将帮助CoreWeave提供更全面的AI服务。业内专家认为,随着AI集群规模不断扩大,存储系统在AI基础设施中的占比可能从目前的1.9%提升至3-5%,未来五年全球AI存储市场规模将达到900亿至2000亿美元。
乔治亚理工学院和微软研究团队提出了NorMuon优化器,通过结合Muon的正交化技术与神经元级自适应学习率,在1.1B参数模型上实现了21.74%的训练效率提升。该方法同时保持了Muon的内存优势,相比Adam节省约50%内存使用量,并开发了高效的FSDP2分布式实现,为大规模AI模型训练提供了实用的优化方案。