未来的更新,只需点击添加新单位即可——至少目标如此……
欧洲首个百亿亿级超级计算系统将以由集装箱单元组成的模块化数据中心形式交付,以便未来能更轻松地更新或更换个别模块。抢先体验计划也已经针对后续计划登陆系统的潜在应用程序开放。
概念图所示,为即将推出的模块化数据中心场景。
Jupiter项目的全称为“共同计划先锋百亿亿次创新和变革研究”,计划将在2024年秋季正式投入运行。
该系统由欧洲高性能计算共同计划(EuroHPC JU)采购,将成为欧洲首个百亿亿次级超算系统,每秒可执行超百亿亿次浮点运算。外界普遍估计,这一数字可能是指双精度浮点运算或者是主流关注的“AI flops”。
负责该项目的于利希超级计算中心(JSC)表示,他们正采取一种新颖方法在数据中心内安置Jupiter基础设施。根据JSC的介绍,整个数据中心将由约50个集装箱模块组成,占地面积超过2300平方米,约相当于半个足球场大小。转换为英制单位,其面积接近2.5万平方英尺。
这些集装箱模块计划分为20个IT模块、15个供电模块和10个后勤模块,其中后勤模块将具体提供数据中心的主厅、车间和仓储空间。
在交付之前,容纳Jupiter基础设施的机架将与冷却、供电、网络及布线设计一道,在生产车间内被直接集成至各集装箱当中。预计这将显著加快安装速度,并降低硬件现场部署之后发生故障的风险。
法国IT巨头Atos旗下负责监督施工的子公司Eviden表示,这种集装箱作业的优点包括显著缩短规划与安装时间,以及降低施工与运营成本等。
在传统数据中心架构当中,拆除陈旧系统并升级数据中心以支持新技术往往需要几周甚至几个月的时间。而Jupiter系统允许JSC快速更换各个模块,借此高效添加硬件更新。Eviden公司指出,供电子系统与后勤区域也可按单元更换。
最初公布Jupiter项目时,EuroHPC表示将采用与Juwels超级计算机相同的动态模块化架构。Juwels就曾在2020年通过接入GPU增强模块实现了性能升级。
Eviden公司宣称,Jupiter项目的交付周期缩短一半、控制在一年之内,而成本也“cut by 3”,我们猜测是指减少至三分之一。在去年公布合同时,该项目的总体预估成本为2.73亿欧元(约合2.9亿美元)。
JSC主任Thomas Lippert博士强调,Jupiter“可能将成为世界上最强大的AI超级计算机”。
他指出,“然而,巨大的算力也将带来对电力的可观需求。迄今为止,德国还没有哪处科学数据中心能够支持这样的供电规模。很高兴数据中心模块化方案能够快速建立起供应基础设施,也让利用冷却过程中产生的热能为于利希园区供暖成为了可能。”
Eviden公司高性能计算、AI与量子全球负责人Emmanuel Le Roux在一份声明中指出,“我们很荣幸能够领导Jupiter制造联盟并提供用于系统托管的数据中心,也很高兴能在欧洲的百亿亿次计算发展旅程中贡献力量。”
为了配合Jupiter项目上线,JSC还专门启动了Jupiter研究与早期访问计划(JUREAP),供外部客户探索这套全新百亿亿次系统的潜在用例。
JSC表示,JUREAP计划将从可扩展性与性能评估阶段(SPEP)起步。在此期间,他们将与其他研究人员及领域科学家合作,共同评估各类应用在百亿亿级规模下运行模拟的技术潜力。
SPEP已经于1月15日对外开放,对申请者本身并无任何特别要求,但必须论证所申请的用例拥有大规模科学应用潜力。
JSC表示,如果希望后续参与JUREAP计划并利用Jupiter系统运行科学用例,则研究人员必须先期参加SPEP。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。