超算和AI一直是兩個并駕齊驅的賽道。一直以來超算重視硬件算力，一般用于國防、模擬、生物、天文科學研究等領域，比如我國的天河、神威，美國阿貢國家實驗室和勞倫斯·利弗莫爾國家實驗的米拉和泰坦。
而AI領域，在早期階段各團隊強調(diào)在算法和調(diào)參上不斷優(yōu)化，而且當時的計算機架構并不適合做卷積神經(jīng)網(wǎng)絡的訓練，在CPU上訓練出一個模型可能達數(shù)年之久。
直到從深度學習的開山鼻祖Geoff Hinton的學生Alex Krizhevsky在GPU上成功訓練出突破性的深度神經(jīng)網(wǎng)絡之后，專用于AI硬件的概念才被各界所看重。
對于AI來說，算力與硬件架構同等重要，也就是在這種理念指導下，超算能力在AI的應用開始顯得分外重要。
不論從目前國際產(chǎn)業(yè)競爭形勢亦或是產(chǎn)業(yè)自身革新，AI超算背后的硬件和框架如何發(fā)展，將會是國內(nèi)AI下一輪爆發(fā)關鍵基礎。在國內(nèi)AI賽道，華為作為全球頂尖的ICT基礎設施和智能終端供應商，已經(jīng)攜“昇騰”處理器給出了完整的AI超算解決方案。
這對于國內(nèi)AI的研發(fā)和應用效率的提升，毫無疑問是一場及時雨。
近日華為出席ISC（高性能計算大會）后，全球AI賽道產(chǎn)業(yè)鏈上下游給予了高度關注。
關鍵領域沒有歲月靜好，超算融合AI已風起云涌
國運之爭的核心是產(chǎn)業(yè)實力的綜合競爭，而AI已經(jīng)成為國運之爭中的一環(huán)。
國內(nèi)三十年歲月靜好的改革開放紅利已經(jīng)到了戰(zhàn)略博弈的臨界點，像AI這種尖端產(chǎn)業(yè)正在成為大國博弈的橋頭堡。
硬件是AI算法迭代的基礎，沒有技術之上的硬件自主權，就如同只有施工圖紙而沒有鋼筋水泥，難以擺脫被控制的窒息感。
2018年美國公布了超算“Summit”，這臺超級計算機是由IBM在英偉達幫助下開發(fā)，它的峰值計算能力可以達到每秒20億億次。
更重要的，Summit是史上第一臺既支持傳統(tǒng)計算，也支持運行人工智能應用程序的超級計算機，機器學習和神經(jīng)網(wǎng)絡等運行都可以在其上實現(xiàn)。
今年6月23日，全球超級計算機500強榜單更新，中國以226臺部署量位列第一，美國一114臺名列第二，日本以30臺位居第三。但是在TOP500的榜單系統(tǒng)，有333套采用了英偉達的技術。
我國的AI超算解決方案直到華為的達芬奇架構公布后才有系統(tǒng)的解決方案，中國在AI超算領域的研發(fā)和應用，還需要點一把火，加一把勁。
框架和硬件“兩開花”，研發(fā)標準統(tǒng)一才是“戰(zhàn)斗力”
華為在2018年7月創(chuàng)新推出針對AI計算的達芬奇架構，在項目下公布了“昇騰”AI處理器＋AI開源計算框架“MindSpore”。
由于華為給出了從硬件到框架一整套的解決方案，特別契合當下AI超算硬件成為新基建的公共特性。
這將會對AI業(yè)態(tài)造成三個方面的顯著正面影響：AI全行業(yè)滲透、提升開發(fā)效率以及降低算力成本。
1．全棧高算力平臺，帶動AI全行業(yè)滲透
在以往的AI開發(fā)中，架構、API、生態(tài)和運維都需要專門人才進行支持和管理，開發(fā)環(huán)境復雜，人才數(shù)量少，全球的AI人才供需比只有1％，只有三萬核心專家。從行業(yè)上看，中國市場含有AI的應用僅有10％，全行業(yè)AI滲透率只有4％。
國內(nèi)AI的研究很火熱，2019年斯坦福人工智能索引報告顯示中國的人工智能論文數(shù)量超過歐盟，但是行業(yè)應用有限。
要實現(xiàn)全面超越，形成產(chǎn)業(yè)聚集優(yōu)勢，亟需AI超算的基礎設施，帶動全行業(yè)的AI應用和轉型。
華為的AI超算解決方案從硬件標準、運算集群和運維管理上都為應用者提供了統(tǒng)一方案。
在硬件標準上，“昇騰”的Da Vinci架構架構中含有Cube、Vector、Scalar三種計算單元，平均算力是業(yè)界算力的兩倍。
基于“昇騰”處理器的Atlas集群在全球最快AI訓練集群的基礎上，部署了普惠性的AI開發(fā)平臺ModelArts和CANN開發(fā)工具。
尤其是ModelArts，作為一個“一站式”的開發(fā)平臺，讓AI開發(fā)的各個環(huán)節(jié)，包括數(shù)據(jù)處理、算法開發(fā)、模型訓練、模型部署都可以在ModelArts上完成。
這極大地降低了AI開發(fā)的門檻。這樣一個專供AI的基礎性商業(yè)超算系統(tǒng)已經(jīng)成型。
基于這個系統(tǒng)，使用者可以極大減少資源調(diào)度成本，降低開發(fā)成本，最主要的是降低算力成本。
由于AI正在成為通用目的技術，使用場景會越來越廣，同時也意味著后入場的行業(yè)引入AI的門票費會越來越高，華為的超算架構讓更多場景與AI融合降低了門檻，促進了AI向全行業(yè)滲透。
12下一頁>（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）
