新加坡国立大学(NUS)的超级计算机成为该国首台跻身全球超级计算机权威Top500榜单的系统。
这台名为Hopper的超级计算机在2025年6月发布的最新榜单中排名第105位。它不仅是新加坡排名最高的超级计算机,也是东南亚地区唯一一台由大学管理且入围Top500的超级计算机,这对新加坡的学术研究能力来说是一项重大成就。
Hopper每秒能够执行25千万亿次计算,即25拍次浮点运算(petaflops)。相比之下,一个研究人员如果每秒进行一次计算,需要数百万年才能完成Hopper一秒钟的计算量。
这种强大的计算能力已经被用于支持该大学雄心勃勃的数据密集型研究项目,这些项目此前受到时间或计算能力的限制。
其中一个项目专注于清洁能源的下一代电池设计。新加坡国立大学材料科学与工程系助理教授邓泽宇正在使用Hopper进行大规模量子力学计算,完成复杂模拟的速度比传统系统快12倍。
"过去需要三个月的任务现在只需要一周,"邓泽宇说。"这就像从骑自行车切换到高速列车——Hopper彻底改变了我们的研究节奏和可能性,让我们能够探索电池技术的新前沿。"
在人工智能领域,新加坡国立大学电气与计算机工程系助理教授Mike Shou将Hopper描述为他研究开发机器理解视频中动作和复杂事件新方法的"游戏规则改变者"。
"其强大的性能和系统稳定性为我们在视频生成式AI方面的工作奠定了坚实的基础,"他说。"我们现在可以生成短视频和长视频,并构建能够在各种前所未见环境中运行的多模态智能体。"
Shou的工作有潜力推动从自动驾驶汽车感知系统到记者和电影制作人智能视频创作工具等应用的发展。
Hopper还在推动生物医学工程的进步。新加坡国立大学生物医学工程系助理教授金月明和她的同事们使用这台超级计算机开发了SurgVLM,这是一个旨在促进手术智能的视觉语言模型。
"Hopper的英伟达H100 GPU节点和高速InfiniBand网络对我们的关键实验至关重要,"金月明指出,该模型有朝一日可以在手术过程中提供实时认知辅助,并协助机器人手术程序。
这台超级计算机由新加坡国立大学信息技术部(NUS-IT)的高性能计算和AI团队设计,采用戴尔科技的基础设施构建。通过提供对其先进计算能力的共享、集中访问,该大学希望实现研究竞技场的公平化,使即使是较小的团队也能应对更复杂的挑战。
该系统预计到2025年底将支持多达120个活跃的研究项目。
领导新加坡国立大学IT部高性能计算和AI团队的Rikky W. Purbojati表示,Hopper入围Top500榜单突显了该大学对研究卓越的承诺。
"这个里程碑标志着新篇章的开始,"Purbojati说。"有了Hopper,新加坡国立大学的研究人员可以梦想得更大,推进得更快,解决我们这个时代的复杂问题。"
2024年10月,新加坡政府表示将投资2.7亿新元发展该国的国家超级计算基础设施,并加强新加坡国家超级计算中心(NSCC)的能力以支持本地研究。
这笔资金紧随NSCC的Aspire 2A和2A+超级计算系统的启用,这些系统旨在支持气候研究、医疗保健和AI等领域的进步。
新加坡国家环境局已使用这两台超级计算机创建了东南亚分辨率最高的气候模拟,将全球气候模型从100公里缩放到覆盖新加坡的2公里。通过将3000年的气候数据压缩到仅四年内处理完成,该模拟为政府和企业规划极端天气、热应激和海平面上升提供了洞察。
Q&A
Q1:Hopper超级计算机的计算能力有多强?
A:Hopper每秒能够执行25千万亿次计算,即25拍次浮点运算(petaflops)。相比之下,一个研究人员如果每秒进行一次计算,需要数百万年才能完成Hopper一秒钟的计算量。
Q2:Hopper超级计算机主要用于哪些研究领域?
A:Hopper主要用于三个研究领域:清洁能源的下一代电池设计、人工智能视频理解技术,以及生物医学工程中的手术智能系统开发。这些项目此前都受到计算能力限制。
Q3:新加坡在超级计算基础设施方面有什么投资计划?
A:2024年10月,新加坡政府宣布将投资2.7亿新元发展国家超级计算基础设施,加强国家超级计算中心的能力。目前已启用Aspire 2A和2A+系统,支持气候研究、医疗保健和AI等领域发展。
好文章,需要你的鼓励
Meta宣布为Facebook Dating推出AI聊天机器人助手,帮助用户找到更匹配的对象。该AI可根据用户需求推荐特定类型的匹配者,并协助优化个人资料。同时推出Meet Cute功能,每周提供算法选择的"惊喜匹配"。尽管18-29岁用户匹配数同比增长10%,但相比Tinder的5000万日活用户仍有差距。AI功能已成为约会应用标配,Match Group等竞争对手也在大力投资AI技术。
中科院深圳先进技术研究院联合中科院大学提出PACS框架,通过将强化学习问题转换为监督学习任务,让大语言模型学会自我监督和评价。该方法在数学推理任务上显著超越现有方法,在AIME 2025测试中成功率达59.78%,比传统方法提升13-14个百分点,为AI推理能力提升开辟了新路径。
Neo4j认为已找到让生成式AI访问图数据库记录的方法。图数据库专注于数据点之间的关系建模和查询,在欺诈检测、推荐引擎等场景中表现出色。2024年4月,ISO批准了图查询语言GQL标准,Neo4j的Cypher查询语言完全符合该标准。现代工具提供拖拽式工作流程,GenAI可作为自然语言接口,将用户请求转换为Cypher查询。
Orange Research团队开发的DivMerge技术实现了AI模型合并的重大突破,通过基于信息论的Jensen-Shannon散度优化,能够将多个专门模型智能组合成保持各自专长的"超级模型"。该技术在双任务合并中达到99.18%性能保持率,显著优于传统88.48%的水平,且在多任务场景下展现更好扩展性,仅需25个样本即可有效工作,为AI应用降本增效提供了新路径。