人类的起源是什么?气候变化会给地球生物带来什么样的影响?久治不愈的疑难杂症到底由什么引起?曾几何时,为破解这一个个终极谜题,人类在地球上进行了许多相关实验,但都收效甚微。
但如今,一台拥有强大AI性能的超级计算机,或许能够助我们一臂之力。
随着算力与国民经济的关系越发紧密,每1美元的算力投入,就可以带动10美元的产值提升。衡量一个国家是否强盛,科技是否发达的方式,也正在变成算力,以及其背后新计算产业链的角逐。《泛在算力:智能社会的基石》中提到,到2030年,人类仅在人工智能这一项所需要的算力支撑,相当于近1,600亿颗高性能NUP所能提供的算力。而如果将物联网、区块链和AR/VR等智能化技术相加,这一数字将达到33,900EFLOPS。
AI让超算有“智”可为
2019年,当一台强大的超级计算机出现在麻省理工学院林肯实验室超级计算中心(LLSC)的那一刻起,它便开始为麻省理工学院的各类研究领域赋予强劲的AI能力。麻省理工学院的任何人都可以向该系统提出工作需求,利用TX-GAIA的超强算力,为天气预报、医疗数据分析、自动化系统、合成DNA设计,以及新材料和设备等领域的创新研究提供重要支持。
这台新型超级计算机名为TX-GAIA (Green AI Accelerator,意为绿色AI加速器),融合了高性能计算和AI能力,以HPE Apollo 2000系统为基础,搭载英特尔® 至强® 可扩展处理器,可支持建模、模拟等工作负载,以及复杂的深度神经网络(DNN)等机器学习训练。
“业界对于可扩展性能的需求非常急迫,我们需要训练更多的AI来推动科学和工程领域发展,为各行业带来突破。”HPE副总裁兼高性能计算和AI业务总经理Bill Mannel表示,“我们与MIT林肯实验室超算中心持续合作,促进高性能计算技术和AI研发的进步,创造了全新体验。”
“在MIT林肯实验室超算中心,我们的使命就是发展计算密集型科学、工程和医学,以解决至关重要的技术难题。” MIT林肯实验室超算中心(LLSC)负责人及创始人Jeremy Kepner说,“HPE是高性能计算的领导者,通过与HPE合作,我们提高了在超级计算机中运行新兴AI工作负载的技术能力,加速创新。
AI遇算力 让超算性能一触即发
AI的赋能让TX-GAIA有“智”可为,这其中离不开HPE Apollo 2000系统奠定的基础。HPE Apollo 2000是HPE专为高性能计算业务打造而成的。作为英特尔的战略合作伙伴,HPE一直以来与英特尔紧密合作,在算力供给侧更好地满足各组织的业务需求,通过全面的计算产品以及创新服务,帮助用户构建更好的高性能计算基础,解锁更先进的技术。毋庸置疑,搭载HPE Apollo 2000系统的服务器中也不难发现英特尔的身影。
立足英特尔® 至强® 可扩展处理器的最新特性,持续创新出专为高性能计算业务打造HPE Apollo系统,可帮助用户满足日益复杂的多样化的工作负载需求,实现业务创新。搭载英特尔® 至强® 可扩展处理器的HPE Apollo 2000 Gen 10 Plus还支持包括英特尔Advanced Vector Extensions 512(英特尔 AVX-512)、英特尔Speed Select Technology(英特尔SST)等技术,并通过平台内置的英特尔深度学习加速能力运行复杂人工智能工作负载。
按图索骥,TX-GAIA的强大之处不仅体现在AI更关乎于算力。在这个加速变革的世界,各行各业都在经历智能化的变革,而迎接这个智能化时代的最好方式就是打造出更高性能的算力。
超强的计算能力的背后是千万个处理单元在同时运作,而这便是英特尔® 至强® 可扩展处理器赋予的澎湃动力。作为一款集成人工智能加速及硬件增强型安全功能的数据中心级CPU,英特尔® 至强® 可扩展处理器在处理各种人工智能工作负载时较上一代产品有着更高的性能。
全新英特尔® 至强® 可扩展处理器在性能、安全性和运营控制领域,足以满足在人工智能、复杂的图像或视频分析,以及整合边缘工作负载等方面的要求。
该处理器家族有着令人赞叹的性能,集成了可加快数据分析的人工智能加速技术,可处理更多图像和视频流,并能在边缘物联网部署中提供更强大的人工智能。
在英特尔® 至强® 可扩展处理器的加持下,TX-GAIA已经实现了惊人的每秒4.725千万亿次浮点运算。
好文章,需要你的鼓励
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。