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
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
NVIDIA研究团队开发的OmniVinci是一个突破性的多模态AI模型,能够同时理解视觉、听觉和文本信息。该模型仅使用0.2万亿训练样本就超越了使用1.2万亿样本的现有模型,在多模态理解测试中领先19.05分。OmniVinci采用三项核心技术实现感官信息协同,并在机器人导航、医疗诊断、体育分析等多个实际应用场景中展现出专业级能力,代表着AI向真正智能化发展的重要进步。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
Salesforce研究团队发布BLIP3o-NEXT,这是一个创新的图像生成模型,采用自回归+扩散的双重架构设计。该模型首次成功将强化学习应用于图像生成,在多物体组合和文字渲染方面表现优异。尽管只有30亿参数,但在GenEval测试中获得0.91高分,超越多个大型竞争对手。研究团队承诺完全开源所有技术细节。