Nvidia本周二宣布在英国上线Cambridge-1超级计算机,该系统预计耗资1亿美元,用于支持生命科学方面的研究。
Nvidia表示,这台超级计算机是英国迄今为止所部署的速度最快的计算机。

Nvidia公司创始人、首席执行官黄仁勋表示:“Cambridge-1系统将让全球领先的商界和学术界研究人员能够使用英国这台性能最高的超级计算机完成他们毕生的工作,以前所未有的规模和速度发现疾病和治疗的线索,而这在英国是前所未有的。这些科研成果虽然是在英国创造的,但影响力将是全球性的,推动开创性的研究,将让全球数百万人从中受益。”
在Linpack工具的测试下,Cambridge-1的系统性能可达8 petaflops 的性能。Linpack是一种主流的基准测试工具,通过让系统解决一系列数据方程式来测试系统的速度。Nvidia表示,Cambridge-1在运行AI工作负载时的性能可跃升到400 petaflops。
Cambridge-1系统是完全由可再生能源提供动力的,运行在数据中心运营商Kao Data管理的数据中心内。这台超级计算机采用给了80个Nvidia DGX A100计算模块,这些模块配备了用于运行AI软件的高端A100数据中心显卡,以及BlueField-2 DPU。DPU是一种辅助芯片,可以执行诸如网络管理之类的日常杂务,释放系统主处理器的资源用于执行其他任务,从而具有加速应用的效果。
Nvidia利用去年发布了SuperPOD架构打造了Cambridge-1系统。SuperPOD解决了构建超级计算机通常需要花费数月甚至是数年时间的这一挑战,通过使用Nvidia旗下Mellanox子公司的网络设备,将DGX A100计算模块连接在一起,使得该架构可以相对轻松地将DGX A100计算模块配备到超级计算机中,结果就是在某些情况下,硬件部署过程可以从几年或者几个月缩短到几周。
Nvidia将向生命科学领域的研究人员提供Cambridge-1系统,帮助推进他们的工作。Nvidia表示,正在与来自5个组织的研究人员展开Cambridge-1系统所支持的首批项目,包括AstraZeneca 、GSK、Guy’s and St Thomas’ NHS Foundation Trust、King’s College London和Oxford Nanopore Technologies。
目前Nvidia正在帮助AstraZeneca公司开发一种AI模型,研究可用于制造新药的化学结构。此外Nvidia计划把Cambridge-1系统用于一个旨在利用机器学习算法自动分析组织样本扫描的项目。
GSK将在药物发现过程中采用Cambridge-1系统,而King’s College London和Guy’s and St Thomas’ NHS Foundation Trust正在利用该系统训练AI模型以生成并合成大脑图像,从而使研究人员更好地了解大脑疾病,帮助他们开发促进早期诊断和治疗的各种方法。
King’s College London生物医学工程与成像科学学院院长Sebastien Ourselin教授说:“通过这一合作关系,我们将能够在医疗研究中具备前所未有的计算能力,这将真正改变患者的健康和治疗状况。”
此外,Oxford Nanopore Technologies公司也将利用Cambridge-1系统来改进他们的科学算法。该公司提供的DNA和RNA测序产品主要用于医疗和环境监测等领域。Nvidia表示,该公司预计利用Cambridge-1可以把某些算法改进任务的持续时间从几天缩短到几个小时。
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。