BullSequana XH3000专为传统数字仿真和加速混合计算而设计。这台超级计算机采用NVIDIA CPU、GPU和网络技术,将高性能计算、AI和量子应用性能提升到新的水平。
深入百亿亿次AI时代的Atos首次展示其新一代高性能计算机。
BullSequana XH3000将Atos获得专利的第四代液冷式高性能计算(HPC)系统设计与多项NVIDIA技术相结合,以提供更高的性能和能效。
这台超级计算机提供Arm和x86两种计算架构供用户选择,并且将推出使用NVIDIA Grace、英特尔、AMD或SiPearl处理器的版本。它还支持带有四个NVIDIA Tensor Core GPU的加速计算节点。
XH3000还灵活采用NVIDIA Quantum-2 InfiniBand和NVIDIA ConnectX-7 InfiniBand等网络选项以及以太网适配器,将这些强大的计算节点扩展到具有10百亿亿次级混合精度AI性能的高性能计算系统。
混合高性能计算+AI+量子系统
Atos打造出的灵活混合计算平台能够运行最高要求的高性能计算仿真、AI工作,甚至量子计算领域的新型工作负载。
Atos首席执行官Rodolphe Belmer在一场揭示该系统的线上活动中表示:“毫无疑问,BullSequana XH3000将通过百亿亿次级网关,推动未来的一些关键科学和产业创新突破。”
Atos的客户遍布70多个国家,在欧洲、印度和南美的超级计算领域排名第一,尤其是在其总部所在地——法国享有盛誉。公司还在法国设有制造和研发基地。
开展广泛的合作
Atos和NVIDIA于11月宣布成立一座AI技术联合实验室——EXAIL,而XH3000优化是该实验室成立后的首批项目之一。
NVIDIA负责HPC/超级计算销售和业务拓展的全球副总裁John Josephakis通过视频向该系统的幕后团队表示祝贺。
John Josephakis表示:“该平台结合了Atos享有盛誉的专业知识、NVIDIA的AI和HPC技术以及我们联合实验室的工作成果,它能够帮助研究人员更快获得重要的洞察,解决超级计算和工业HPC领域的重大挑战。”
EXAIL的工作涵盖了气候研究、医疗健康和基因组学、量子计算、边缘AI/计算机视觉以及网络安全。该实验室的研究人员可以使用各种应用框架(例如医疗健康领域的NVIDIA Clara和安全领域的NVIDIA Morpheus)以及用于量子计算的NVIDIA cuQuantum SDK和运行数百种科学和技术应用的NVIDIA HPC SDK。
建立长期、富有成效的关系
Atos在尤利希超级计算中心(Jülich Supercomputing Center)建造了欧洲首批采用NVIDIA Ampere架构的超级计算机之一——JUWELS Booster。该计算机通过3744个NVIDIA A100 Tensor Core GPU提供2.5百亿亿次级混合精度AI性能。
为了更深入地了解气候变化,Atos和NVIDIA的研究人员将在该系统上运行各种AI模型。该系统目前在全球最快超级计算机排行榜TOP500上排名第8。尤利希中心的研究人员在4月使用该系统进行了先进的量子线路模拟。
Atos在去年主导了BerzeLiUs的部署工作。这台瑞典最大的超级计算机建立在 NVIDIA DGX SuperPOD基础之上。公司还在欧洲、印度和南美提供基于NVIDIA DGX系统的超级计算基础架构。
目前,Atos正在为意大利大学财团CINECA建造一台名为Leonardo的超级计算机。这台计算机将包含14000个NVIDIA A100 GPU并采用NVIDIA Quantum InfiniBand网络平台。Leonardo预计将成为全球最快的AI超级计算机,能够达到10百亿亿次级混合精度AI性能。
随着BullSequana XH3000的发布,Atos和NVIDIA之间的合作必将产生更多的成果。
好文章,需要你的鼓励
CIO们正面临众多复杂挑战,其多样性值得关注。除了企业安全和成本控制等传统问题,人工智能快速发展和地缘政治环境正在颠覆常规业务模式。主要挑战包括:AI技术快速演进、IT部门AI应用、AI网络攻击威胁、AIOps智能运维、快速实现价值、地缘政治影响、成本控制、人才短缺、安全风险管理以及未来准备等十个方面。
北航团队发布AnimaX技术,能够根据文字描述让静态3D模型自动生成动画。该系统支持人形角色、动物、家具等各类模型,仅需6分钟即可完成高质量动画生成,效率远超传统方法。通过多视角视频-姿态联合扩散模型,AnimaX有效结合了视频AI的运动理解能力与骨骼动画的精确控制,在16万动画序列数据集上训练后展现出卓越性能。
过去两年间,许多组织启动了大量AI概念验证项目,但失败率高且投资回报率令人失望。如今出现新趋势,组织开始重新评估AI实验的撒网策略。IT观察者发现,许多组织正在减少AI概念验证项目数量,IT领导转向商业AI工具,专注于有限的战略性目标用例。专家表示,组织正从大规模实验转向更专注、结果导向的AI部署,优先考虑能深度融入运营工作流程并产生可衡量结果的少数用例。
这项研究解决了AI图片描述中的两大难题:描述不平衡和内容虚构。通过创新的"侦探式追问"方法,让AI能生成更详细准确的图片描述,显著提升了多个AI系统的性能表现,为无障碍技术、教育、电商等领域带来实用价值。