中国如何赢得新一轮超算竞赛？关键在向数据密集型超算转变( 二 ) 梦晨明敏发自凹非寺量子位报

【中国如何赢得新一轮超算竞赛？关键在向数据密集型超算转变】从现实世界镜像到数字世界的数据将会爆发式增长，甚至可以说未来智能产业的运转速率取决于数据分析的速率。
随产业数字化带来的，是数据构成上的变化。根据IDC预测，到2025年80%的数据将是非结构化数据。
非结构化数据很好理解，像分散在互联网上的文章、文档、图片、音频视频等，只要不是用行和列组成的二维表结构表达的都算非结构化数据。
中科院院士陈国良认为，如果说数据是数字世界的新石油，那么非结构化数据更难处理，就像石油中最难开采的页岩油。
处理庞杂的非结构化数据就需要新技术，这种新技术叫做面向海量数据的高性能数据分析(HPDA ， HighPerfermanceDataAnalytics）。
简单来说，实现HPDA需要把超算、AI算法、大数据三者结合起来。
这样的超算也可以称为数据密集型超算，也就是用超算的并行处理能力运行强大的AI算法，从海量数据中提取出价值。
根据全球高性能计算市场研究机构HyperionResearch预测，未来数据密集型超算市场份额会数倍于传统超算的增长速率。
到2024年，高性能计算市场更是将有超过40%来自数据密集型超算。
这也让人不免期待，未来我们会在哪些场景中看到数据密集型超算的身影呢？
数据密集型超算用在哪？
这个问题其实应该反过来看，正是应用场景对算力需求的变化驱动着超算朝数据密集化方向发展。
一台超算从规划到建设再到投入使用需要好几年，所以最初就要面向未来可能的应用来设计。
比如生物医药领域，今年发生的一件大事是DeepMind开源了全新的蛋白质结构预测模型AlphaFold2 ，并把人类98.5%的蛋白质结构全都被预测了一遍。
而在这之前科学家们数十年的努力，只覆盖了人类蛋白质序列中17%的氨基酸残基。
在基因测序上，最早的人类基因组计划耗资30亿美元历时13年终于在2003年完成。
到如今面向个人消费者的全基因组测序服务只需要几小时，价格也降至100美元。
这让2007年仅为800万美元的全球基因测序市场规模，有望在2021年达到350亿美元。
这两个方向上的进展为加速新药研发提供了基础，再往后发展就需要将蛋白质结构数据、基因图谱数据结合上AI分析的文献、临床档案等非结构化数据进行化合物筛选、发掘药物靶点。
正需要高精度科学计算算力和精度需求不高但数据量庞大的AI推理、训练的算力相结合，才能真正做到缩短新药研发周期，降低药物研发成本。

文章图片
再比如脑科学领域，对神经系统的研究除了医学上的作用，也是对大脑认知原理的探索，对类脑人工智能技术和相关器件的研发也有启示意义。
脑科学研究对传统超算系统提出的最直接挑战就是数据规模庞大。
人脑大约有1000亿个神经元，把神经元之间的映射全存成数据，需要的容量要达到EB级（一EB等于一百万TB）。
在这么大规模数据上做检索响应时间高达100小时，如果脑科学想取得突破性进展，也需要未来超算在数据存储架构上完成突破。

文章图片
同样需要处理EB级数据的是时下火热的自动驾驶行业。
根据美国兰德公司的研究，自动驾驶算法想要达到人类司机水平至少需要累计177亿公里的驾驶数据来完善算法。
如果配置一支100辆自动驾驶测试车的车队，每天24小时不停歇路测，平均时速40公里来计算,需要500多年的时间才能完成目标里程。