陈根：2021图灵奖背后，超算正在改变世界( 三 ) 文/陈根20世纪70年代末

众所周知，数据、算法和算力是人工智能三大核心要素，数据是人工智能发展的基石和基础，算法是人工智能发展的重要引擎和推动力，算力则是实现人工智能技术的一个重要保障。人工智能除了训练需要算力，其运行在硬件上也需要算力的支撑，可以说，算力构筑了人工智能的底层逻辑。
当前，人工智能的发展还在智能感知阶段，在智能认知方面还没有很成熟的研究。从这个角度而言，人工智能对计算能力的需求可以说是潜力非常大。无疑，人工智能有大量的数据、训练任务需要超级计算的支持，同时高性能计算也可以把人工智能应用到新的领域，比如利用人工智能更精准地完成天气预报等。
其中，在混合精度算术领域，在Dongarra2006年超级计算会议的论文《利用32位浮点算术的性能获得64位精度》中， Dongarra开创了利用浮点算术的多个精度来更快地提供精确的解决方案。这项工作在机器学习应用中发挥了重要作用，最近的HPL-AI基准测试就展示了这一点，它在世界顶级超级计算机上达到了前所未有的性能水平。
并且，从长远来看，人工智能与高性能计算可能还存在更深层的关系——毕竟，转变人工智能的初衷就是从人的智能向计算转变的一个启发。当前，高性能计算与人工智能的深度融合，已经是大势所趋。自2018年6月以来，新上榜TOP500的超级计算机，前十名都声称有支持人工智能的能力。
比如， Summit超级计算机就是“非常典型支撑AI”的高性能计算机。 Summit胖节点的设计使其单节点存储容量相当大， GPU的访存也非常可观。综合下来，一个胖节点的计算能力相当强，基本可满足大多人工智能“一个模型放在里边做”的需求。
当前， Summit支撑AI的能力已经达到3.3E ，高性能的胖节点设计使系统总节点数减少，从而降低了应用扩展难度，大容量的多级高效存储及其间的硬件一致性支持，加之高速好用的本地存储等的综合作用下，使其局部的计算能力非常强，非常适合深度神经网络（DNN）这类人工智能应用的提升。
可以说， JackDongarra的工作从根本上改变和推进了科学计算，正如谷歌高级研究员JeffDean所称赞的那样：“他在世界最大量使用的数值库的核心所做的深入而重要的工作是科学计算的每一个领域的基础，帮助推动了从药物发现到天气预报、航空航天工程和其他几十个领域的发展，他对描述各种计算机性能的深入关注带来了非常适合数值计算的计算机架构的重大进展。 ”
高性能计算技术是趋势，也是未来，在量子计算技术没有获得彻底的突破之前，基于当前的物理性能与人工智能的融合路径将会是接下来一段时间的突破方向。而未来的高性能计算技术，或许将会是基于量子计算与人工智能融合的真正超级计算技术。