量子计算为高性能计算中心带来了未知的挑战,很少有明确的部署指导。但在连接量子计算机和经典超级计算机的开拓性工作中,HPC设施有机会依靠一些经得起时间考验的HPC技术来弥合这一差距。
InfiniBand就是这样一项久经验证的技术,它于1999年作为HPC领域的数据互连技术出现。InfiniBand背板在HPC环境中提供高带宽和低延迟,通常用于连接计算节点以及存储系统。
这些InfiniBand特性现在有望在人工智能和量子计算等新兴领域发挥作用。
**意外的转折**
在橡树岭国家实验室的本地量子计算部署中,InfiniBand意外地成为了关键技术。今年7月,这个能源部实验室与硬件制造商Quantum Brilliance合作,安装和集成了基于钻石的量子计算机。
橡树岭量子科学中心主任Travis Humble表示,在部署开始时,实验室与Quantum Brilliance的讨论中出现了存储问题。实验室此前通过云端访问量子计算机,而不是现场部署,所以存储并不是主要考虑因素。
"每个人都面面相觑:'我们需要存储吗?'"Humble回忆道。"这是那种直到你被迫考虑将以前从未尝试过的东西组合在一起时,才会问自己的问题。"
实验室指向其现有的存储基础设施,该设施基于InfiniBand和其他几项技术。Humble表示,他们知道InfiniBand可能超出了实验室的初期需求。
"量子计算机本身产生的数据量相对较小,至少按照我们的现代标准来说是这样,"Humble说。"所以,InfiniBand甚至10千兆以太网对于我们目前的带宽需求来说都有些过度。"
**AI推动InfiniBand技术销售**
当实验室评估InfiniBand如何融入其量子战略时,这项互连技术在AI热潮中正在经历某种复兴。该技术在AI市场的前景可能会延续到量子计算领域。
市场研究公司Dell'Oro Group在9月的报告中指出,第二季度AI后端网络中的InfiniBand交换机销售激增。据Dell'Oro称,由于客户采用英伟达的Blackwell Ultra平台(一款高端AI数据中心GPU),对这些交换机的需求增加了。
Dell'Oro副总裁分析师Sameh Boujelbene指出,InfiniBand最初是为经典HPC应用而专门构建的,这就是为什么它现在能满足AI工作负载对速度、延迟和无损传输的严格要求。
"出于同样的原因,我们预期InfiniBand在量子计算领域也将处于有利地位,因为其超低延迟和RDMA(远程直接内存访问)特性符合量子工作负载所需的紧密耦合要求,"她说。
然而,从长远来看,InfiniBand可能会面临来自以太网/超以太网联盟技术和定制互连技术的竞争,Boujelbene表示。
Q&A
Q1:InfiniBand技术是什么?它有什么特点?
A:InfiniBand是1999年出现的HPC领域数据互连技术,主要特点是提供高带宽和低延迟。它通常用于连接计算节点以及存储系统,具备超低延迟和RDMA远程直接内存访问功能。
Q2:为什么InfiniBand适合量子计算?
A:InfiniBand的超低延迟和RDMA特性符合量子工作负载所需的紧密耦合要求。虽然目前量子计算机产生的数据量相对较小,InfiniBand的性能甚至有些过度,但其技术特性使其非常适合未来量子计算的发展需求。
Q3:InfiniBand在AI领域表现如何?
A:InfiniBand在AI热潮中正在经历复兴。第二季度AI后端网络中的InfiniBand交换机销售激增,主要由于客户采用英伟达Blackwell Ultra平台等高端AI数据中心GPU,其原本为HPC应用构建的特性完美满足了AI工作负载的严格要求。
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。