/ 中存储网

超算500强 诸多行业等着高性能计算“来破”

2017-07-06 21:16:17 来源:比特网

新一期全球超级计算机500强(TOP500)榜单近期公布,并未太多亮点,结果也基本都在预料之中,给人感觉略显乏味。不过除了榜单之外还有很多值得关注的热点,高性能计算的应用也在不断地拓宽,如何让科技更好的服务人类是我们一直追逐的愿景。

不过我们还是先来看看统计结果,中国“神威·太湖之光”和“天河二号”第三次夺得前两名,瑞士的代恩特峰名列第三,美国20年来首次无缘前三。

美国上榜数量虽然小幅减少至169个,但总数仍是第一,中国位居第二,有159个。排第三的日本有33个系统,另外上榜系统数量达到两位数的只有德国(28个)、法国(18个)和英国(17个)。

液冷技术成为新热点

在本期发布的全球超算TOP500榜单上,我们看到了两套来自中国的液冷技术商用HPC系统。这两套已商用的液冷HPC系统均由中科曙光制造,分别是位于中科院大气物理研究所的地球数值模拟装置原型系统和位于国家电网电力科学研究院仿真中心的超级计算系统。

神威•太湖之光也采用了液冷技术

在非商用上,国内的“神威•太湖之光”和“神威蓝光”均采用了液冷技术。而放眼国际,使用液冷技术的HPC也不在少数。可以说,液冷技术已成为高性能计算甚至是数据中心界的“宠儿”,这也将推动液冷技术的进一步发展。

医疗行业面临大数据处理挑战,等待HPC来破

在2015年1月20号美国总统奥巴马第一次提到了作为国家的规划,美国要在2015年开展精准医学研究。从此,精准医学就成为当前生物医学领域当中的一个非常重要的事件。我们在当代的生物学中出现了一个非常重要的,划时代的变革:就是人。在我们这个年代,能够精确的测量自己的遗传密码,相信是人类科学史上的重大事件。中科院院士陈润生在演讲时重点介绍了高性能计算时代下的精准医疗。

很多评论认为精准医学的研究已经是新一轮国家科技竞争和引领国际潮流的战略制高点。以基因组测序为龙头,包括其他遗传密码的测量正在发展。

在上世纪90年代,测量一个人的遗传密码需要30亿美金,15年的时间。而现在测量一个人的遗传密码只用三天的时间,5000块人民币,估计两三年之内只需要3-5小时就可以,花费600-700人民币。所以,在未来的两三年之内,每个人都可以拿着自己的遗传密码。到那个时候,医院医生的压力,计算科学家的压力就大了,每个人都拿着自己的遗传密码去找答案,这会成为两三年内就出现的情景。既是一个很好的创新的机会,既是一个很好的产业,也是迫于眉睫,必须解决大数据处理的问题。

当前所面临的就是来自计算与大数据的挑战,一个人的遗传密码就有3X10的9次方,大数据的挑战是非常严酷的。由于测量技术的发展,现在每时每刻都有T、甚至P数量级的数据涌入到平台上。我们还没有来得及处理这个数据,而下一个比它量更多的数据就已经来了,如何快速处理好这些数据是高性能计算机的新挑战。

目前来看,虽然精准医学提供了非常美好的前景,将对人类的健康产生变革性的影响,但是到目前为止,还是刚刚开始,我们遇到了大量的有关大数据处理的计算问题,这些计算问题希望能够在智能计算发展的情况下得到答案,为人类的健康的服务。

高性能计算让人工智能走向更多领域

联想集团副总裁、企业服务云计算研究室、无线研究实验室黄莹博士认为:在人工智能的应用方面,主要有三个方面的障碍。第一是大量的数据,数据又分为结构化和非结构化。人工智能是一个全新的科学领域,有很多大学正在开始设立这个学科,人才的短缺是第二个障碍。第三个障碍就是资源的问题,存储、计算等硬件需要各种各样的架构,执行起来非常复杂,还有一些软件用起来也很困难,这就是我们谈到的人工智能采用起来的三个障碍。

如何让系统更加适合人工智能,诸多服务器厂商都推出了基于GPU的产品。同时针对下一代架构,还会有训练用的服务器。此外,还能够支持GPU-FPGA,做视觉影像方面的处理。联想提出的一点,是要把AI做得更加简单。据黄莹博士介绍, LiCO是针对中国市场设计,并且在中国开发出来的,未来会把它做到全球化。LiCO能够帮助用户去安装不同的组件,比如Intel的Workflow GUI。

联想提供一个AI参考架构,也可以看成是整合后的集成系统。包括硬件,比如网络、管理节点、推断节点、训练节点以及大数据节点。把LiCO放在上面,从而使得人工智能拼图变得完整。今年会有一些具体的行业实践,比如生命科学,医疗,教育,制造。在制造业,可以进行预测性故障的检测并提供维保服务,可以更好地知道哪些方面能够运用人工智能。

笔者认为,在短期内高性能计算TOP500依然会被神威太湖之光“霸占”,因为其竞争对手还需要等一段时间才能问世。当前我们关注的重点应该放在软件与应用方面,目前中科院和几大高校已经在这方面有所突破,而人工智能等方面的研究我国互联网企业也与国外巨头站在同一起跑线上,高性能计算正在从“跑分”迈向多领域“实战”。