人工智能时代的高性能计算,英特尔该怎么做?

　　“英特尔在高性能计算方面有三个主要的方向：第一是针对E级计算的发展，这方面会和很多不同的合作伙伴共同推动。第二，把很多高性能计算放在云上，希望云和HPC融合在一起，因为相比之下云计算效率会高一点，给高性能计算会带来更高的效率。第三，就是融合高性能计算和AI，对于生活、工作、交通、商业或工业方面都有很大的影响。”

　　以上便是Ms. Nidhi Chappell对英特尔在高性能计算方面布局的阐述，这位大咖是来自英特尔数据中心集团的高性能计算、高性能数据分析行业应用总监。

　　对于AI和高性能计算的融合，Nidhi认为这方面应用从生命科学、天文、经济、金融等等都有，未来会大大影响到我们的工作与生活。

　　HPC依然面临数据传输挑战，新技术有望进一步提升性能

　　谈到高性能计算的发展与挑战，Nidhi表示：从HPC角度来看，性能一定是第一位的，无论是哪一点我们都希望能够提升到最高的性能。

　　从这个角度来看主要有两点，第一是怎样把一个计算能力做起来，英特尔有AVX-512，帮助增加计算能力。第二是怎样可以把数据从网络上面或者内存里面提到一个Process里面来做运算，一方面这是内存的一个技术，或者是Network的技术，都是英特尔非常重视发展的新方向。

　　提升性能可以有各种不同的方式，包括提升处理器计算能力，比如以前处理器有1T的峰值，现在可以达到3T甚至有4-5T的峰值，这是解决计算能力的挑战。

　　当 CPU的计算能力上去之后，怎样从内存或者硬盘里面，把数据快速传递到CPU去处理，这是很大的挑战。英特尔在内存技术方面也有很大的创新。在明年上半年会看到更多创新的存储产品出现。另外还有互联方面，英特尔也一直占据竞争优势。

　　Nidhi认为，从HPC本身系统来看，我们遇到了很多挑战，包括内存、I/O以及CPU本身计算能力等方面。但是不管哪个方面英特尔都有很深的技术储备，能够很好地帮助业界以及合作伙伴来解决这些问题。

　　高性能计算应用范围不断拓宽

　　最近几年我们看到HPC的应用越来越广泛，几乎各个行业都有涉猎。Nidhi在接受采访时也表示，HPC已经不单只是做科研，英特尔给它新的定义就是说有大量的计算和大量的数据的应用，就定义为高性能计算。

　　举两个例子，比如共享租车在叫车的时候，它的后台还是用了HPC来做Routing派单，就是找最匹配的司机。另外在购物方面，每一次用户在搜索了一个物品之后，电商就推荐已经购买了该商品的客户给你提供意见，这些都是所谓的HPC应用。

　　目前，高性能计算在很多地方都有，比如FaceBook，Google，我们能够在TOP500的列表里面看到，很多的计算其实来自于互联网企业。其实这代表一个趋势，并不是说HPC就代表会消亡或怎样， HPC的服务可能是来自于不同的或者通过不同的方式来实现。不管是谷歌、微软还是亚马逊，其实都在他们的环境里面提供HPC服务。在全球性的超算大会上，你会发现谷歌、AWS和微软的Azure是很重要的HPC的厂商。

　　FPGA与KNM同时发力人工智能

　　在智能计算产品方面，英特尔也提供了多种选择。从应用来看，人工智能主要分成两部分，一个部分是训练方面，需要非常强大的计算能力，至强融核(Xeon Phi)是专门适合这个场景的。第二个应用是inference推理，就是如何把一个模型用起来，这个角度来看FPGA是更适合这方面的解决方案，因为FPGA的优势在于低延迟、低功耗。此外，在边缘计算方面，FPGA用的比较多。所以Xeon Phi和FPGA相关产品没有冲突，它们主要是针对不同的场景。

　　在机器学习方面，用户需要大量的计算，尤其是在单精度方面。至强融核(Xeon Phi)和以前的第二代相比，其架构基本上是一模一样的，只不过针对单精方面，加上一些新的特性，使其单精计算能力大幅提升。所以至强融核(Xeon Phi)这款产品就是在高性能计算方面，针对深度学习做了优化。

　　作为上游芯片企业的英特尔，多年来一直深耕于高性能计算领域，因此给我们“带来了”丰富多彩的各种高性能计算产品。从最早的科学计算到现在的大数据、人工智能，HPC的应用范围迅速拓宽，就像手机App一样，逐渐成为生活中必不可少的组成部分，把复杂问题简单化是当今HPC的主要任务，高性能计算就在我们身边。