对于喜欢看武侠片的读者来说，武侠的魅力就在于通过艺术的加持，将那些夸张的、非常规的武学招式，用符号化的审美来进行消解，使其在具备感官刺激的同时，不会让人产生不舒适感。
比如成龙电影中的一招一式轻盈敏捷，如同舞蹈一样充满节奏感；徐克则会通过科技和想象来演绎武侠中的超凡神功。
既能一力降十会，也要一巧破千斤，用来形容社会对智能计算的渴盼，也并不为过。众所周知，算力已经成为数字经济时代重要的增长引擎，算力跟不上，意味着各种高性能的算法无法规模化部署，众多产业智能化转型会面临停滞。
但解决方法显然不是一味地按照传统超脑和数据中心的思路来堆叠硬件，而是根据AI计算的特性来有的放矢地更新基础设施。
在喜欢强调“有多少算力就有多少智能”的计算领域里，真的能产生这种反差萌吗？以“智能时代·算力赋能”为主题的第二届中国超级算力大会ChinaSC，就有来自国内外产学研各界的大咖学者们，尝试带我们寻找未来的答案。
AI奇袭高性能计算，对垒需要连招
拆招之前，首先需要搞清楚的是，AI之于计算到底意味着何种变数。
如今，在小学生的科普读物中开篇都会提到：算法、算力、数据，构成了AI的三要素。而现实应用中，算力面临的挑战却很复杂。
新基建、数智化、IoT等等这些技术趋势落地，所表现出的就是数据量的规模无限扩大，数据更新频次趋近实时，这些都意味着，需要被高效处理的数据越来越多了。OpenAI的行业报告显示，AI算力需求每3.5个月就会翻一番。去哪里寻找更多算力，厂商们给了不少答案，比如云计算、高性能计算等等。
但AI算力并不是一个将其他产业构建拿来东拼西凑，就可以完成的工作，它需要将计算与AI进行体系化的思考。举个例子，AI发展也让计算资源稀缺的情况愈加凸显，如今，业内开始使用具备顶级计算能力的超算系统来为AI提供助力，这也对高性能计算提出了新的挑战：
一是性能，越来越多的企业利用HPC来满足海量数据和卷积神经网络的训练需求，但受限于摩尔定律逐渐趋近天花板，以及半导体工艺对芯片功耗的影响，从年开始，全球超级计算机的性能提升速度开始变得平缓，很难继续保持十年一千倍的发展速度。新基建庞大的数智化转型需求，该如何保证算力供给，已经变得紧迫；
二是融合，AI面对的是许多种类的计算任务和计算架构，高性能计算也要解决传统超算为数值计算设计的瓶颈，可以让多种芯片协同工作、实现分布式训练。而目前按照业内的共识，很多高性能计算都不是为人工智能设计的，导致AI所需要的能力没有提升上去，是需要迫切解决的。
三是功耗。经典高性能计算的性能功耗和性价比都比较低，事实上，登纳德缩放比例定律（DennardScaling）从年开始放缓，到年几乎变为零，也就是说，单个晶体管的功耗并不能伴随着密度的增加而下降，依靠扩大并行规模来提高性能、打造“算力恐龙”的方法效率低下，需要花费更多的时间和能耗。要应对数智化浪潮，就必须寻找更合理的架构。
多样性的算力，对计算基础设施提出了全新的要求。如果用武侠电影来形容的话，智能计算靠的不是一招一式的武打功夫，而是综合了科技手段、电影表现、拍摄特技等等共同营造出的整体效果。
既要抗打，又要灵巧，各路招式融会贯通，显然需要一次底层硬件和软件的整体进化。想要回答这个时代命题，产业领军者的战略选择与具体动作就十分值得
联系电话：