还有几天,一年一度的全球规模最大的超算盛会—ISC2019就将在德国法兰克福召开,会上将公布全球超算TOP500排行榜。近年来,中国超算取得了举世瞩目的进步,不仅有“天河二号”“神威·太湖之光”连续5年雄踞全球超算Top500榜首,还在2016~2017年连续两年摘得“戈登贝尔奖”。但在取得辉煌成绩的背后,我们也应清醒的意识到,中国距离真正意义上的超算强国还有相当长的一段路要走。
细究超算技术及产业化现状,我国在超算能耗、软件应用、人才等方面,有一系列待补齐的短板,如果不能克服这些挑战,在超算领域,都不能算作真正意义的强大。
我国超算系统曾因耗电量巨大陷入争议漩涡:一个十万亿亿次的超算中心能耗甚至相当于一个小型核电站;国内某超算中心的年耗电量约为2亿度,电费超过1亿元。
未来,随着数据量不断激增,计算力进一步提升到百亿亿次、千亿亿次超算,“功耗墙”更将是一道难以逾越的挑战,降低能耗成为HPC发展的趋势。
国外的专家曾经质疑过中国超算“仅仅为了跑分”、“用不起来”,此观点有失偏颇。
在国家相关政策支持下,我国先后重点支持了物理化学、天文、气候气象、生物医药、新能源、流体仿真、大飞机、石油勘探地震成像等领域的超级计算应用,推动并研制出一批知识产权的行业应用软件。近年来,受惠于“互联网+”政策和国内几家互联网大厂的资金人才优势,互联网、物联网、人工智能领域的超算应用也发展迅猛。
但整体而言,我国超算软件应用领域还是较窄,民用商业软件发展滞后,广泛的民生领域应用有待开发。超算应用“阳春白雪”问题仍然有待解决,超算的社会效益和社会贡献还没有充分发挥出来。
超算人才严重不足,成为我国超算发展路上一大掣肘。据HPC wire近期报道,“高性能研究计算机的专业性人才需求量很大,一些以大学为中心的研究所,职位空缺几个月甚至几年”,中国超算行业面临同样的窘境。
超算领域人才“既要懂计算机编程、又要熟悉应用领域”的天然高门槛,让年轻后备人才望而却步。我国超算应用软件的研发人员大部分分散在一些小的实验室、研究所,或者依附在以硬件研发为主的国家重点实验室,仅在核物理、石油、气象、地球物理等个别领域建有专门的国家重点实验室,但是未形成合力。学科人才和资源发展不均衡,导致研发方向和人才队伍发展受阻。
罗马不是一日建成的,中国超算产业短板的弥补,也不能期待一蹴而就。目前,国内有部分单位、企业,在缺乏宏观规划的情况下,盲目投入大量人力物力财力发展超算,不仅不能解决问题,还会造成超算资源浪费。
正如人的成长,不能缺少生理发展的每个阶段一样,技术的发展,也需要每一步都稳扎稳打,不能急功近利。发展超算,是场“持久战”,应戒骄戒躁,不能抱希望于走捷径。广大地方单位及企业应加大发展关键领域核心技术打造,加强自主创新和开放创新,以创新技术实现超算中心性能提升,节能降耗;在软件应用层面,应以应用需求为主线,结合产业和用户迫切需求进行技术研发布局,与用户协同开展研发,拓展应用领域,让超算实现“平民化”,惠泽于民;高校、企业联合培育超算人才,加大课程体系建设和社会实践机会,以满足行业长远需求。
“不积跬步无以至千里”,只有中国超算企业、研究机构、高校等单位脚踏实地、共同集中精力克服超算短板,逐步完善中国高性能计算生态环境,才能够推动中国超算可持续发展,使中国成为真正的科技强国。
好文章,需要你的鼓励
中国生数科技旗下AI产品Vidu发布新版本更新,推出"参考图像生成"功能,用户可上传最多7张参考图片,通过AI模型的语义理解技术将多张图像合成为高度一致的新图像。该功能支持快速编辑照片、替换物体、调整光照等操作,为摄影师、营销人员提供便捷的AI图像编辑工具,在保持视觉一致性方面与谷歌等竞品形成竞争。
CORA是微软研究院与谷歌研究团队联合开发的突破性AI视觉模型,发表于2023年CVPR会议。它通过创新的"区域提示"和"锚点预匹配"技术,成功解决了计算机视觉领域的一大挑战——开放词汇目标检测。CORA能够识别训练数据中从未出现过的物体类别,就像人类能够举一反三一样。在LVIS数据集测试中,CORA的性能比现有最佳方法提高了4.6个百分点,尤其在稀有类别识别上表现突出。这一技术有望广泛应用于自动驾驶、零售、安防和辅助技术等多个领域。
芯片初创公司SiFive推出四款专为运行人工智能模型优化的CPU核心。这些基于开源RISC-V架构的新核心增加了矢量扩展功能,能够更高效地并行处理多个数据点,显著加速AI模型运算。其中X160和X180是主打产品,具备加速卷积运算的矢量处理功能,可用于工业设备、消费电子和数据中心。公司预计客户将于2026年第二季度开始基于新核心设计生产芯片。
中国电信研究院联合重庆大学、北航发布T2R-bench基准,首次系统评估AI从工业表格生成专业报告的能力。研究涵盖457个真实工业表格,测试25个主流AI模型,发现最强模型得分仅62.71%,远低于人类专家96.52%。揭示AI在处理复杂结构表格、超大规模数据时存在数字计算错误、信息遗漏等关键缺陷,为AI数据分析技术改进指明方向。