概要：2017年，機器學習和各種人工智能應用在高性能計算領(lǐng)域持續(xù)發(fā)揮著重要影響力。

2017年12月9日，TOP500官網(wǎng)刊文總結(jié)了高性能計算在2017年取得的新進展，以及未來發(fā)展趨勢，主要內(nèi)容如下所示。

1、機器學習技術(shù)成為高性能計算的殺手級應用

2017年，機器學習和各種人工智能應用在高性能計算領(lǐng)域持續(xù)發(fā)揮著重要影響力。隨著越來越復雜的神經(jīng)網(wǎng)絡模型被開發(fā)和應用，智能搜索引擎、廣告投放、語言翻譯以及圖像識別等應用變得越來越智能。機器學習技術(shù)與傳統(tǒng)高性能計算技術(shù)的結(jié)合成為新的發(fā)展趨勢。

在天氣建模、金融風險分析、天體物理建模以及醫(yī)學診斷等特殊應用中，開發(fā)人員越來越依靠機器學習技術(shù)來提高模型準確率及模型實現(xiàn)速度。同時，傳統(tǒng)的超算平臺在機器學習算法的研發(fā)過程中發(fā)揮著越來越重要的作用。由于超級計算機中圖形圖像處理單元（GPU）的功能越來越強大，它們也擔負起越來越多的機器學習研究任務。

2、英偉達公司的Volta GPU在深度學習領(lǐng)域表現(xiàn)強勁

英偉達公司推出VoltaV100 GPU，鞏固了其在人工智能領(lǐng)域的統(tǒng)治地位。VoltaV100 GPU是Volta架構(gòu)下的首款高性能GPU，每個內(nèi)核具有高達120萬億次（teraflops）的深度學習能力，并可以在任何具有備用PCIe端口的機器上部署使用。亞馬遜、微軟和百度等公司將相繼使用該設備。

除了超強的深度學習能力以外，V100 GPU的雙精度浮點運算能力可以達到每秒7 teraflops，使其同樣適合傳統(tǒng)的高性能計算機的配置。美國能源部的兩臺功能最強大的超級計算機Summit和Sierra都將配置該GPU。在該款GPU的推動下，Volta架構(gòu)能同時滿足傳統(tǒng)的高性能計算機與最新的機器學習應用的需求。

3、英特爾探索近百億億次超算，拋棄Knights Hill產(chǎn)品

2017年10月，美國能源部發(fā)布報告表示，將取消于2018年在阿貢國家實驗室部署180千萬億次（petaflop）超級計算機Aurora的計劃。這臺超級計算機原計劃將使用英特爾的下一代至強（Xeon Phi）處理器——Knights Hill。而現(xiàn)在，Aurora將在2020-2021年間被新打造為一個具有接近百億億次運算能力的新系統(tǒng)。11月份，英特爾透露他們已放棄Knights Hill產(chǎn)品，尚未公布任何有關(guān)Xeon Phi產(chǎn)品線的替代路線圖。

4、AMD產(chǎn)品試圖替代英特爾和英偉達芯片

2017年6月，AMD公司推出EPYC芯片，這是該公司自皓龍（Opteron）處理器發(fā)布以來第一款可以替代英特爾Xeon處理器系列的產(chǎn)品。同英特爾在7月份推出的全新SkylakeXeon系列處理器相比，EPYC具有更多的核心數(shù)、更高的I/O連接以及更大的內(nèi)存帶寬。雖然EPYC錯過了在2017國際超級計算大會（ISC 2017）上亮相的機會，但隨后的第三方測試和它在全球超級計算大會（SC17）上的表現(xiàn)證明，EPYC處理器對提升很多高性能計算機的工作負荷具有一定的優(yōu)勢。

在SC17上，AMD在2016年12月發(fā)布的一款GPU——Radeon Instinct也受到了廣泛的關(guān)注，該款GPU標志著AMD公司開始涉足機器學習領(lǐng)域。該款GPU雖然也能提供很強的浮點計算能力，但與英偉達V100的深度學習能力相比還是有很大的差距，因為英偉達公司在其產(chǎn)品上增加了專門用于加速神經(jīng)網(wǎng)絡模型的算術(shù)單元。因此，AMD公司轉(zhuǎn)而選擇通過更開放的GPU支持軟件來吸引更多的用戶。

5、凱為（Cavium）半導體公司成為ARM高性能計算的重點

2016年5月，Cavium公司推出第二代系統(tǒng)級芯片——ThunderX2 ARM處理器，直到2017年，該款產(chǎn)品才受到消費者和供應商的關(guān)注。該處理器憑借其良好的性能、超大內(nèi)存帶寬以及豐富的外部鏈接能力，戰(zhàn)勝了很多ARM處理器廠商的產(chǎn)品。

2017年，Atos/Bull、Cray、HPE等公司相繼選擇ThunderX2 ARM處理器來支持其高性能計算機的設計。隨著ARM生態(tài)日趨成熟，2018年高性能計算在框架設計方面有望取得重大突破。

6、微軟在高性能計算領(lǐng)域的影響力逐漸提升

2017年8月，微軟公司收購Cycle Computing公司，以加速其Azure公有云中的高性能計算，該舉措大大提升了微軟在高性能計算領(lǐng)域的競爭力。盡管微軟仍在Azure云中為其客戶提供NVIDIA GPU技術(shù)支持以滿足他們對于高性能計算、數(shù)據(jù)分析以及深度學習任務的需求，但從長期來看微軟還是在朝著大量應用現(xiàn)場可編程門陣列（FPGA）技術(shù)的方向發(fā)展。如果該計劃最終能實現(xiàn)的話，微軟有望引起那些更加注重計算性能的用戶對可重構(gòu)計算的興趣，并最終成為這一技術(shù)領(lǐng)域的領(lǐng)導者。

7、量子計算成為研究熱點

2017年，量子計算是高性能計算領(lǐng)域發(fā)展最快的技術(shù)之一。短時間內(nèi)，量子計算從晦澀難懂的研究項目一躍成為各大公司競相研究的技術(shù)。IBM和谷歌在2017年構(gòu)建出功能越來越強大的量子計算機。IBM目前已經(jīng)部署一臺具有20量子位的機器供用戶使用，并設計了一臺具有50量子位的原型機。與此同時，谷歌正在部署一臺具有22量子位的機器和一臺49量子位的機器。

2017年10月，Intel公司也向外界公布了量子計算領(lǐng)域規(guī)劃，并披露一款17量子位的處理器。同時，微軟將會研發(fā)一種拓撲結(jié)構(gòu)的量子計算機，雖然該計劃還是處于研發(fā)階段，但微軟已經(jīng)針對該技術(shù)研發(fā)成功了一個使用量子計算編程語言（Q#）的軟件包。同時歐洲公司Atos/Bull在2017年推出了一款40量子位的量子模擬器，這是在硬件開發(fā)方面的一大進步。

8、百億億次計算研究遇到瓶頸

同上一年相比，2017年各個國家和地區(qū)在百億億次級運算項目方面的競爭逐漸緩和了下來。究其原因，可能是因為各個國家和地區(qū)的相關(guān)技術(shù)已基本成熟，現(xiàn)在更多的是按照自己的節(jié)奏往前發(fā)展。

有分析師指出，高性能計算的未來進展并不一定在于實現(xiàn)百億億次級別的計算能力，而是通過機器學習技術(shù)來實現(xiàn)相應的功能。高性能計算和機器學習技術(shù)的融合甚至可能會重新定義百億億次運算系統(tǒng)的模式。