从工作站、云到全球Top500超级计算机,英特尔一直是高性能计算的坚实基础。在近日举行的2020年超级计算大会(SC20)上,英特尔副总裁兼高性能计算部总经理Trish Damkroger展示了英特尔及合作伙伴通过软、硬件技术来加速先进高性能计算系统广泛部署,共同塑造高性能计算的未来。
英特尔在2020年超级计算大会上主要亮点:
加州圣克拉拉,2020年11月17日——在2020年超级计算大会上,英特尔重点展示了公司如何通过软硬件技术塑造高性能计算的未来。全球范围内,诸多企业选择英特尔® XPU(CPU、GPU、FPGA和加速器)和oneAPI编程环境,来加快先进计算系统的开发和部署。
第三代英特尔至强可扩展处理器(代号“Ice Lake”)
在2020年超级计算大会的主题演讲中,英特尔副总裁兼高性能计算部总经理Trish Damkroger着重介绍了英特尔即将推出的Ice Lake服务器处理器,它将为广泛的高性能计算工作负载提供性能优化的功能。通过更高的内存带宽、新的高性能Sunny Cove核心架构、更多的处理器核数,以及对第四代PCIe的支持,Ice Lake处理器将帮助客户解决包括生命科学、材料科学和天气建模等多个学科的科学挑战。
早期测试表明,对比搭载64核处理器的竞品x86系统,采用32核双路系统的Ice Lake处理器能够以一半数量的处理器内核为特定工作负载提供更高的性能。对比搭载比32核Ice Lake处理器系统多一倍处理器内核的竞品x86系统,生命科学和金融服务应用类客户会在NAMD分子动力学模拟(最高1.2倍)、蒙特卡罗模拟(最高1.3倍)和LAMMPS分子建模模拟(最高1.2倍)等工作负载上都获得更高的性能。
诸多客户正在采用Ice Lake来满足自身对新一代高性能计算的需求,包括:
英特尔Xe-HP GPU为美国阿贡国家实验室开辟通向E级计算之路
在2020年超级计算大会上,英特尔和美国阿贡国家实验室(Argonne National Laboratory)宣布双方将基于英特尔Xe-HP微架构的GPU和英特尔oneAPI工具包,共同设计和验证E级应用。阿贡国家实验室的开发者采用英特尔最新的异构计算编程环境,以确保科学应用能够支持正在部署的Aurora超级计算机的规模和架构。
Xe-HP GPU为阿贡国家实验室提供了面向英特尔 Xe-HPC GPU(“Ponte Vecchio”)的开发工具,后者将被应用于Aurora系统。
面向高性能计算的英特尔精选解决方案
英特尔近期宣布,数家新的合作伙伴已经验证并正在提供采用了英特尔精选解决方案的高性能计算优化解决方案,这些合作伙伴包括:
AWS宣布将面向模拟和建模的英特尔精选解决方案集成到其ParallelCluster环境中。利用英特尔优化的环境,客户可以在AWS上轻松创建高性能、按需自动扩展的集群。该英特尔精选解决方案已经在AWS的c5n.18xlarge、m5n.24xlarge和r5n.24xlarge实例上进行了验证。
Penguin Computing正在部署面向高性能计算和AI融合集群的英特尔精选解决方案,使客户能够满足越来越高的同时运行AI和高性能计算工作负载的需求。
Advantech携手英特尔与GARAOTUS,为客户提供Advantech SKY-5240。Advantech SKY-5240满足了基因组学应用的高性能计算需求,并已经通过验证,成为面向基因组分析的英特尔精选解决方案。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。