10月19日,由中国计算机学会主办的2017全国高性能计算学术年会(HPC China 2017)在合肥开幕。联想数据中心业务集团全球高性能计算与人工智能技术高级总监Scott Tease受邀出席,并针对AI发展方向、HPC助力AI等话题发表了主题演讲。
在主题为《From HPC to AI:Solving Great Challenges》的演讲中,Scott Tease表示,作为全球增速最快的HPC供应商,联想正在帮助全球客户解决HPC领域的诸多挑战。面对即将到来的E级计算,联想将以其开放的生态圈、可扩展的基础设施、温水水冷技术、智能超算平台和分布式存储解决方案,以及HPC专家团队助力客户创新发展。
对于AI的发展前景,Scott Tease认为未来将有三大决定因素对其产生影响。第一,大数据能力,人工智能背后往往体现出来的都是大数据的应用,如何利用好数据将对人工智能起到重要作用,而这正是联想HPC的优势所在。第二,人工智能专家。他们可以帮助客户了解人工智能能做什么,以及如何应用。第三,人工智能涉及到一套复杂的体系结构和开源软件,这些软件很难部署和维护。客户需要找到合作伙伴,帮助他们应对硬件解决方案的多样性和复杂性,同时保持软件的优势和开放性。
据Scott Tease介绍,为了更好地让HPC赋能客户实现AI创新和数字化转型,联想将在人工智能、物联网、大数据等领域给予更多关注和投资,这些投资也包括即将在中国北京,美国莫里斯维尔,德国斯图加特落成的三大AI创新中心。
正如Scott Tease所介绍,联想的HPC集群目前正广泛应用于政府、高等教育、科研、能源、投资等领域。

联想数据中心业务集团全球高性能计算与人工智能技术高级总监Scott Tease
近期,联想携手中国科学院数学与系统科学研究院打造了全新高性能集群项目,该集群采用了联想HPC整体建设方案,拥有408个计算节点,实现远超客户预期三倍的每秒1081万亿次的运算速度。此外,联想还提供了包括NVIDIA GPU、英特尔Xeon Phi在内的异构计算平台、基于联想LEAP的大数据分析测试平台、LiCO集群调度和管理系统,并参与实施了从机房规划、建设到整机柜交付的全周期工程,为用户提供一站式交钥匙解决方案。新HPC系统,一步到位满足了HPC系统未来5-7年的使用需求,也将承载起中科院的教学和科研任务,为院内项尖学者和专家们破解科学难题提供强大的计算力支持。
右:中国科学院数学与系统科学研究院 崔涛
在助力全球科研院校方面,联想目前已经与英国牛津大学、美国芝加哥大学、德国奥登堡大学、澳大利亚阿德莱德大学等高等院校进行深入合作;而在国内,联想同样与北京大学、南京大学、厦门大学等顶尖院校合作建立了超算平台,为全球的科研机构提供强大的计算力支持。
作为国内首个高校温水水冷高性能计算项目,联想前不久刚刚向北京大学交付了全新高性能计算校级公共平台集群。该集群系统理论计算峰值高达411万亿次/秒,计算节点理论峰值261万亿次/秒,实测计算能力达到242万亿次/秒。在充分确保计算力的同时,联想还采用其首创的45℃温水水冷技术,将集群PUE值控制在1.1, LINPACK效率高达92.6%,系统节能效果显著,五年内将为北京大学节省电量200万度。
在与南京大学的合作中,联想则打造了国内性能顶尖的超算中心之一,新的超算系统以每秒860.16万亿次的计算峰值和超过76% 的运算效率(理论最高值为81%),为南京大学大气科学学院、物理学院、地球科学与工程学院等11个学院及9个校外单位提供了服务,并在气象学和地质学涉及海量数据和复杂模型的学科中,发挥着重要作用。
而与厦门大学的合作,体现出了联想优秀的方案解决能力。针对大量服务器占用了数据中心,机房巨大空间的现状,联想通过部署大量选用了采用半宽设计的节点NeXtScale系列nx360 M5服务器节约数据中心的空间资源;在解决机器替代人工来做程序编写进行特定运算的问题上,联想配置的GPFS并行文件系统通过极佳的可扩展性,保障了传输速度的最大化,实测并发数据访问带宽达到134GB/s,为客户提供了稳定、高效的计算能力,提高了教学科研的效率。
作为中国HPC的领军企业,联想HPC产品和解决方案行业覆盖广泛,具有低能耗高效率的特点,在各类实践中逐步体现出高可靠性和高可用性优势。未来,联想将继续加深对各个细分行业的认知和解读,发挥联想HPC技术优势,与客户、合作伙伴共同聚力,开启高性能计算行业应用的新篇章。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。