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
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。