新興高性能計(jì)算行業(yè)應(yīng)用及發(fā)展戰(zhàn)略

馮圣中 李根國 栗學(xué)磊 齊富民 黃典 萬藝 吳金成

近20年來，高性能計(jì)算應(yīng)用的廣度前所未有地?cái)U(kuò)展，以數(shù)據(jù)驅(qū)動(dòng)或數(shù)據(jù)密集型計(jì)算為主要特征的高性能計(jì)算應(yīng)用不斷涌現(xiàn)，人工智能技術(shù)在新型和傳統(tǒng)高性能計(jì)算應(yīng)用領(lǐng)域獲得成功實(shí)踐，應(yīng)用領(lǐng)域遍及生物信息與生命科學(xué)領(lǐng)域、智慧城市與城市治理、網(wǎng)絡(luò)信息安全等。這些應(yīng)用又反過來對(duì)高性能計(jì)算技術(shù)，包括矩陣并行求解技術(shù)、高性能大數(shù)據(jù)處理技術(shù)、智能芯片技術(shù)等，產(chǎn)生巨大的影響，促進(jìn)了高性能計(jì)算技術(shù)創(chuàng)新。

1 新興高性能計(jì)算應(yīng)用快速發(fā)展

新興高性能計(jì)算行業(yè)應(yīng)用主要為數(shù)據(jù)驅(qū)動(dòng)型應(yīng)用，應(yīng)用領(lǐng)域從智慧城市到生物信息處理，乃至基本粒子物理學(xué)、天文學(xué)和宇宙學(xué)等眾多領(lǐng)域。數(shù)據(jù)密集型計(jì)算為其最主要的計(jì)算行為特征。

1.1 高性能計(jì)算在智慧城市領(lǐng)域獲得廣泛應(yīng)用

2008年，IBM提出智慧地球愿景，智慧城市的概念也隨之出現(xiàn)。交通擁堵、環(huán)境污染、氣候變化、犯罪率上升等一系列問題降低了城市的宜居、宜產(chǎn)程度。智慧城市利用各類傳感器采集的數(shù)據(jù)，匯聚到高性能計(jì)算平臺(tái)，在集成處理的基礎(chǔ)上，服務(wù)城市決策、社會(huì)生產(chǎn)和居民生活。而遍布城市的各類傳感器及物聯(lián)網(wǎng)設(shè)備采集的數(shù)據(jù)，呈現(xiàn)爆炸式增長。2018年，中國的數(shù)據(jù)總量約為7.6 ZB（1 ZB=1021字節(jié)），占全球總量的23.4%。預(yù)計(jì)到2025年，中國的數(shù)據(jù)總量將增長至48.6 ZB，占全球數(shù)據(jù)總量的27.8%，中國將成為全球最大的數(shù)據(jù)圈。

大規(guī)模數(shù)據(jù)的產(chǎn)生，對(duì)數(shù)據(jù)管理和處理技術(shù)提出了嚴(yán)峻的挑戰(zhàn)。如何從各種各樣類型的大量非結(jié)構(gòu)化視頻數(shù)據(jù)中精準(zhǔn)提取目標(biāo)信息，包括人、車、物以及各種行為信息，仍是視頻信息處理的難點(diǎn)。未來的5G通信技術(shù)能夠提供極快的傳輸速度，支持更多的終端接入，縮短延時(shí)時(shí)間。通信時(shí)間大幅縮短之后，“請(qǐng)求-響應(yīng)”時(shí)間的長短對(duì)實(shí)時(shí)計(jì)算的要求更高，作為支撐智慧城市深入發(fā)展和廣泛應(yīng)用的核心技術(shù)，高性能計(jì)算也面臨著機(jī)遇和挑戰(zhàn)。

當(dāng)前主流型號(hào)服務(wù)器，支持10～100通道視頻實(shí)時(shí)處理，大城市監(jiān)控視頻達(dá)到10～100萬個(gè)攝像頭，后臺(tái)處理就可能需要1萬節(jié)點(diǎn)規(guī)模。

1.2 高性能計(jì)算在生命信息領(lǐng)域應(yīng)用不斷拓展

生物計(jì)算，包括 DNA數(shù)據(jù)處理、蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)、腦模擬等，近20年來，呈現(xiàn)快速發(fā)展態(tài)勢(shì)。這些計(jì)算大部分也是數(shù)據(jù)密集型的。

（1）在基因數(shù)據(jù)處理應(yīng)用方面。高通量測(cè)序技術(shù)的進(jìn)步，推動(dòng)了基因數(shù)據(jù)爆炸性增長。然而，DNA包含信息的復(fù)雜性，仍對(duì)數(shù)據(jù)分析算法提出新挑戰(zhàn)。機(jī)器學(xué)習(xí)在基因組分析與預(yù)測(cè)的多個(gè)方面獲得研究與應(yīng)用，如識(shí)別轉(zhuǎn)錄起始位點(diǎn)/剪切位點(diǎn)/TF結(jié)合位點(diǎn)、預(yù)測(cè)基因功能/疾病表型等。深度學(xué)習(xí)應(yīng)用的最新突破已經(jīng)在預(yù)測(cè)性能方面超過了許多傳統(tǒng)的統(tǒng)計(jì)推斷算法，并且機(jī)器學(xué)習(xí)在基因組學(xué)中的癌癥診斷、臨床遺傳、作物改良、流行病、公共衛(wèi)生、人口遺傳、進(jìn)化、功能基因組等均具有明顯發(fā)展?jié)摿?。?dāng)前，大多數(shù)問題的預(yù)測(cè)能力都沒有達(dá)到實(shí)際應(yīng)用的預(yù)期，對(duì)這些抽象模型的解釋也沒有闡明深刻的認(rèn)識(shí)。如何有效利用機(jī)器學(xué)習(xí)獲取更強(qiáng)大、更智能的基因組解釋能力，還需要探索依賴于特定任務(wù)的機(jī)器學(xué)習(xí)模型。

（2）在蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)應(yīng)用方面。蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)與設(shè)計(jì)對(duì)深入理解蛋白質(zhì)結(jié)構(gòu)和功能具有重要意義。蛋白質(zhì)是一切生命系統(tǒng)的物質(zhì)基礎(chǔ)，但其生物功能的發(fā)揮，需要蛋白質(zhì)正確折疊為特定的3D結(jié)構(gòu)，蛋白質(zhì)折疊研究也是藥物設(shè)計(jì)的基礎(chǔ)。實(shí)驗(yàn)學(xué)的方法如X射線（X-ray）、核磁共振（NMR）和冷凍電鏡解析蛋白質(zhì) 3D結(jié)構(gòu)普遍存在設(shè)備昂貴、時(shí)間和人力成本過高等問題。開發(fā)能夠自動(dòng)、快速、準(zhǔn)確地將未知蛋白序列分類為特定折疊類別的計(jì)算預(yù)測(cè)方法成為計(jì)算生物學(xué)家長期努力的方向。使用深度卷積神經(jīng)網(wǎng)絡(luò)和殘存網(wǎng)絡(luò)高精度的預(yù)測(cè)蛋白中的氨基酸-氨基酸接觸作用，并將預(yù)測(cè)結(jié)果直接用于蛋白質(zhì) 3D結(jié)構(gòu)重建是近期的一個(gè)熱點(diǎn)。谷歌DeepMind將AlphaGo轉(zhuǎn)型，開發(fā)了可預(yù)測(cè)蛋白質(zhì)折疊的程序 Alpha-Fold，并以該項(xiàng)目參加了全球蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)競(jìng)賽CASP13，取得了優(yōu)異的成績。麻省理工學(xué)院（MIT）的Belpler和Berger利用人工智能（AI）技術(shù)，直接通過氨基酸序列預(yù)測(cè)蛋白質(zhì)分子的生物學(xué)功能。

（3）在腦模擬和腦科學(xué)應(yīng)用方面。腦病變給人類帶來的經(jīng)濟(jì)和生活負(fù)擔(dān)遠(yuǎn)遠(yuǎn)超過其他領(lǐng)域，已成為全球致殘的首要因素。2013年歐盟推出了15個(gè)歐洲國家參與、預(yù)期10年的“人類腦計(jì)劃”，該計(jì)劃側(cè)重于借用超級(jí)計(jì)算機(jī)技術(shù)，通過研究腦連接圖譜模擬腦神經(jīng)網(wǎng)絡(luò)功能。自該計(jì)劃以后，其他國家紛紛提出各自腦計(jì)劃。人腦大約由1010個(gè)神經(jīng)元和1014個(gè)突觸組成。

現(xiàn)有的模擬研究多用于小區(qū)塊模擬，規(guī)模約105個(gè)神經(jīng)元。小規(guī)模模擬存在明顯局限性，其中神經(jīng)元連接的約50%突觸分布在區(qū)塊以外，而功能回路在整個(gè)大腦內(nèi)完成，區(qū)塊之間相互影響明顯。全腦模擬計(jì)算規(guī)模巨大，現(xiàn)階段難以實(shí)現(xiàn)。當(dāng)前，已達(dá)到的最大規(guī)模腦網(wǎng)絡(luò)模擬是基于開源軟件NEST完成的。該網(wǎng)絡(luò)包括 1.51×109個(gè)神經(jīng)元和1.68×1012個(gè)突觸，在日本超級(jí)計(jì)算機(jī)K（共88128節(jié)點(diǎn)，每節(jié)點(diǎn)8核，2 GHz，16 GB RAM）上全節(jié)點(diǎn)運(yùn)行模擬。該模擬達(dá)到了人腦規(guī)模的10%。

（4）在新藥創(chuàng)制應(yīng)用方面。高性能計(jì)算可在加速藥物研發(fā)，降低藥物開發(fā)風(fēng)險(xiǎn)的多個(gè)方面發(fā)揮重要作用，如超大規(guī)模篩選藥物先導(dǎo)化合物、大規(guī)模搜尋藥物潛在靶點(diǎn)、精確計(jì)算蛋白配體自由結(jié)合能、精確計(jì)算電子級(jí)別靶點(diǎn)藥物共價(jià)和非共價(jià)作用、復(fù)雜生物體系模擬、藥物網(wǎng)絡(luò)化相互作用等。國內(nèi)，北京大學(xué)、中國科學(xué)院上海藥物研究所、上海交通大學(xué)在相關(guān)領(lǐng)域做出了可喜成果。

1.3 高性能計(jì)算在網(wǎng)絡(luò)信息安全方面獲得深入應(yīng)用

網(wǎng)絡(luò)信息安全已經(jīng)成為國家安全的基石。近年來高性能計(jì)算技術(shù)也被廣泛用于解決信息安全中面臨的問題。典型應(yīng)用場(chǎng)景，如模擬攻防對(duì)抗網(wǎng)絡(luò)靶場(chǎng)、大數(shù)據(jù)隱私保護(hù)和入侵檢測(cè)等。

（1）網(wǎng)絡(luò)靶場(chǎng)。這是一種為網(wǎng)絡(luò)技術(shù)、信息安全攻防技術(shù)和信息安全構(gòu)想等提供定量和定性評(píng)估的實(shí)驗(yàn)環(huán)境，具備可信性、可控性和可操作性強(qiáng)等特點(diǎn)。目前，網(wǎng)絡(luò)靶場(chǎng)已經(jīng)在美國、英國、澳大利亞和日本等國實(shí)施。在網(wǎng)絡(luò)靶場(chǎng)中，往往需要支持不同安全等級(jí)環(huán)境下的計(jì)算機(jī)網(wǎng)絡(luò)防御、偵查、攻擊測(cè)試，需要靶場(chǎng)具有對(duì)虛擬節(jié)點(diǎn)的可擴(kuò)展能力，以生成成千上萬的測(cè)試節(jié)點(diǎn)。例如，互聯(lián)網(wǎng)環(huán)境生成技術(shù) LARIAT可用于模擬互聯(lián)網(wǎng)上的HTTP、HTTPS、TCP/IP、SSH 和SMTP等協(xié)議；為了給網(wǎng)絡(luò)靶場(chǎng)中成千上萬節(jié)點(diǎn)生成的大規(guī)模網(wǎng)絡(luò)流量，LARIAT分布式地配置在每一個(gè)節(jié)點(diǎn)上。

（2）隱私保護(hù)。隱私保護(hù)是大數(shù)據(jù)時(shí)代面臨的重大挑戰(zhàn)。大數(shù)據(jù)技術(shù)往往具有兩面性。一方面，研究人員可以通過大數(shù)據(jù)發(fā)現(xiàn)數(shù)據(jù)之間的內(nèi)在關(guān)聯(lián)，提供對(duì)事物的多視角洞察，給數(shù)據(jù)持有者更多的決策信息；另一方面，攻擊者對(duì)大數(shù)據(jù)的內(nèi)在聯(lián)系的分析，往往使得數(shù)據(jù)的隱私難以得到有效的保障。在除去患者標(biāo)記的某種疾病病例中，攻擊者可以通過社保、出行記錄、消費(fèi)記錄等數(shù)據(jù)來綜合推斷出患者的信息。因此，大數(shù)據(jù)中的數(shù)據(jù)隱私保護(hù)是至關(guān)重要的。

（3）入侵檢測(cè)。入侵檢測(cè)和防御系統(tǒng)有一定的實(shí)時(shí)性，因此后臺(tái)對(duì)于數(shù)據(jù)處理的性能要求較高。Erfani等提出了一種深度置信網(wǎng)絡(luò)和單邊支持向量機(jī)混合的模型用于異常檢測(cè)。從實(shí)驗(yàn)結(jié)果來看，采用高性能算法以后訓(xùn)練的時(shí)間減少為原來的1/3，測(cè)試的時(shí)間減少為原來的1/1000。

1.4 傳統(tǒng)高性能計(jì)算應(yīng)用的數(shù)據(jù)驅(qū)動(dòng)新方法獲得成功實(shí)踐

（1）石油勘探領(lǐng)域新方法。新興的海量地震數(shù)據(jù)采集對(duì)地震數(shù)據(jù)處理、解釋、建模等工作提出了極高的挑戰(zhàn)，大規(guī)模數(shù)據(jù)處理理論與技術(shù)研究成為當(dāng)前的研究熱點(diǎn)。人工智能在石油勘探的應(yīng)用研究主要分為3類：解釋、預(yù)處理、反演。① 地震數(shù)據(jù)解釋是較早發(fā)展AI方法的領(lǐng)域，以AI代替人機(jī)交互為目的，解決大規(guī)模數(shù)據(jù)解釋。傳統(tǒng)地震解釋屬于人為工作，需要大量工作人員與專家參與。② 數(shù)據(jù)預(yù)處理以提高地震信號(hào)質(zhì)量為目的，如數(shù)據(jù)重建、噪音壓制、濾波等。傳統(tǒng)預(yù)處理多利用積分變換方法，多存在常見的不理想現(xiàn)象。新興的AI方法能夠取得更好的預(yù)處理效果。③全波型反演是近期的研究熱點(diǎn)，其迭代收斂導(dǎo)致計(jì)算量大幅度上升，且信號(hào)噪音的存在導(dǎo)致出現(xiàn)局部極小值收斂的問題?；贏I方法的反演成像，取得了一定進(jìn)展。然而，AI技術(shù)的應(yīng)用對(duì)數(shù)據(jù)存儲(chǔ)和計(jì)算資源也提出更高要求。

（2）氣象預(yù)報(bào)領(lǐng)域新方法。數(shù)值預(yù)報(bào)是高性能計(jì)算的傳統(tǒng)應(yīng)用領(lǐng)域，幾乎在任一時(shí)期，數(shù)值天氣預(yù)報(bào)系統(tǒng)都使用了當(dāng)時(shí)最快速的高性能計(jì)算機(jī)。AI在天氣預(yù)報(bào)領(lǐng)域的應(yīng)用有較長歷史。當(dāng)前，AI技術(shù)在天氣和氣候領(lǐng)域中的應(yīng)用研究主要包括：觀測(cè)數(shù)據(jù)質(zhì)量控制、衛(wèi)星數(shù)據(jù)反演及數(shù)值模式資料同化、數(shù)值模式參數(shù)化及后處理、天氣系統(tǒng)識(shí)別、極端和災(zāi)害性天氣預(yù)報(bào)、短時(shí)臨近預(yù)報(bào)、臺(tái)風(fēng)海洋天氣預(yù)報(bào)、氣候分析和預(yù)測(cè)、環(huán)境污染相關(guān)預(yù)報(bào)、可再生能源相關(guān)的預(yù)報(bào)等。2013年，Earth Risk發(fā)布的TempRisk Apollo 40 d的氣溫概率預(yù)報(bào)模式，利用深度學(xué)習(xí)方法填補(bǔ)了傳統(tǒng)的數(shù)值天氣預(yù)報(bào)15～30 d之間的延伸期預(yù)報(bào)空白。2016年，IBM 通過收購 The Weather Company（天氣公司），實(shí)現(xiàn)0.2～1.2英里小尺度超局地天氣的準(zhǔn)確預(yù)報(bào)，精準(zhǔn)服務(wù)于運(yùn)輸公司、公共事業(yè)單位甚至是零售商。2017年，中國氣象局聯(lián)合天津大學(xué)共同研發(fā)的全國強(qiáng)對(duì)流服務(wù)產(chǎn)品加工系統(tǒng)，運(yùn)用圖像識(shí)別和深度學(xué)習(xí)等新技術(shù)，判斷出未來30 min內(nèi)強(qiáng)對(duì)流天氣發(fā)生和影響的區(qū)域，并發(fā)布空間分辨率為1 km，每6 min滾動(dòng)更新的預(yù)測(cè)產(chǎn)品。然而，僅基于圖像識(shí)別和深度學(xué)習(xí)的預(yù)報(bào)方法無法涵蓋天氣過程發(fā)生的物理基礎(chǔ)，仍然無法取代傳統(tǒng)數(shù)值模式預(yù)報(bào)。未來，隨著計(jì)算能力提升和 AI方法的進(jìn)步，氣象預(yù)報(bào)領(lǐng)域應(yīng)用是否能有新的突破，值得氣象學(xué)者與計(jì)算機(jī)學(xué)者共同協(xié)作，進(jìn)一步探索。

2 高性能工業(yè)計(jì)算推動(dòng)制造向智造邁進(jìn)

計(jì)算機(jī)仿真用于模擬現(xiàn)實(shí)，并且用于探索新的理論，設(shè)計(jì)新的實(shí)驗(yàn)，以及測(cè)試新的理論。當(dāng)現(xiàn)象無法觀測(cè)，測(cè)量不切實(shí)際或者過于昂貴的時(shí)候，仿真為實(shí)驗(yàn)和觀測(cè)科學(xué)提供了另一種選擇。30年來，仿真理論和技術(shù)對(duì)工程領(lǐng)域才產(chǎn)生了巨大的影響，計(jì)算仿真替代了大部分的物理實(shí)驗(yàn)，而且有一些無法做實(shí)驗(yàn)的極端工況可用計(jì)算機(jī)來仿真。計(jì)算機(jī)仿真的水平是衡量工業(yè)企業(yè)競(jìng)爭(zhēng)力的主要標(biāo)志之一，計(jì)算機(jī)仿真是成就未來工程和科學(xué)發(fā)展的關(guān)鍵。

國際上著名的制造業(yè)大公司已實(shí)現(xiàn)了產(chǎn)品的虛擬化設(shè)計(jì)和制造，并實(shí)現(xiàn)了全球資源共享。美國波音公司從 20世紀(jì)80年代起，在飛機(jī)設(shè)計(jì)中利用計(jì)算機(jī) 仿真替代了大量的風(fēng)洞實(shí)驗(yàn)等傳統(tǒng)的物理實(shí)驗(yàn)和樣機(jī)驗(yàn)證過程?，F(xiàn)在物理實(shí)驗(yàn)反而成為驗(yàn)證和輔助手段，飛機(jī)的設(shè)計(jì)周期大大縮短，研發(fā)費(fèi)用大幅度下降。從飛機(jī)布局研究、關(guān)鍵氣動(dòng)部件設(shè)計(jì)、發(fā)動(dòng)機(jī)設(shè)計(jì)到飛機(jī)性能分析，都廣泛應(yīng)用到了計(jì)算流體力學(xué)（CFD）技術(shù)。飛機(jī)全機(jī)計(jì)算中，采用工程湍流模式的全機(jī)網(wǎng)格規(guī)模早就突破千萬量級(jí)。

汽車工業(yè)中，以計(jì)算機(jī)仿真為核心的數(shù)字化開發(fā)是重要的技術(shù)突破，也被認(rèn)為是繼福特流水線生產(chǎn)、豐田精益生產(chǎn)之后，汽車工業(yè)具有革命性意義的重大技術(shù)進(jìn)步。以汽車安全性研究為例來看，早期的汽車耐撞性研究主要采用實(shí)驗(yàn)手段來進(jìn)行，車對(duì)障礙物的撞擊試驗(yàn)是評(píng)價(jià)一輛汽車抗撞強(qiáng)度的唯一方法。制造商為了評(píng)價(jià)某種車型零部件更改的效果并證明最終產(chǎn)品符合各項(xiàng)汽車安全標(biāo)準(zhǔn)，需要投入數(shù)百萬美元的費(fèi)用進(jìn)行數(shù)百次試驗(yàn)，這是一種很昂貴的試錯(cuò)過程。從零部件直至整車裝配級(jí)別的研發(fā)設(shè)計(jì)階段都有大量計(jì)算分析，涉及剛度、強(qiáng)度、噪聲、振動(dòng)與聲振粗糙度（NVH）、機(jī)構(gòu)運(yùn)動(dòng)、碰撞模擬、板件沖壓、疲勞和空氣動(dòng)力學(xué)分析等方面，計(jì)算機(jī)仿真發(fā)揮著無可替代的優(yōu)勢(shì)和作用，從而大幅度提高設(shè)計(jì)質(zhì)量，縮短產(chǎn)品開發(fā)周期，節(jié)省大量開發(fā)費(fèi)用。

上海汽車公司在10多年來“榮威”系列車型開發(fā)過程中，均借助了超級(jí)計(jì)算平臺(tái)完成了大量虛擬安全碰撞試驗(yàn)計(jì)算工作，使虛擬碰撞試驗(yàn)數(shù)量、分析精度、精細(xì)程度和設(shè)計(jì)周期等都接近全球一流汽車研發(fā)水平。

3 新型應(yīng)用發(fā)展趨勢(shì)

新型行業(yè)應(yīng)用的計(jì)算行為基本特征就是數(shù)據(jù)密集。大數(shù)據(jù)涌現(xiàn)在高性能計(jì)算應(yīng)用廣度和深度的進(jìn)一步拓展方面、高性能計(jì)算系統(tǒng)發(fā)展方面、高性能算法和軟件研發(fā)方面，帶來一些新的趨勢(shì)。

3.1 高性能計(jì)算應(yīng)用廣度和深度進(jìn)一步拓展

（1）大數(shù)據(jù)應(yīng)用層出不窮。在物聯(lián)網(wǎng)技術(shù)、5G技術(shù)及各種數(shù)據(jù)采集技術(shù)快速發(fā)展的背景下，以大數(shù)據(jù)為基本特征的各類應(yīng)用層出不窮，從智慧城市、生命健康到粒子物理、天體物理，大數(shù)據(jù)應(yīng)用廣度和深度不斷拓展。

（2）傳統(tǒng)問題的人工智能求解帶來新機(jī)遇。人工智能產(chǎn)生應(yīng)用的基本條件，大數(shù)據(jù)和計(jì)算力已經(jīng)發(fā)展到新階段，人工智能對(duì)傳統(tǒng)問題，生命健康、基礎(chǔ)物理乃至氣象氣候預(yù)報(bào)、石油勘探等眾多領(lǐng)域，產(chǎn)生積極推動(dòng)作用。2018年Gordon Bell獎(jiǎng)之一，就是利用深度學(xué)習(xí)方法，分析氣候變化模式。

（3）多領(lǐng)域問題協(xié)同分析陸續(xù)出現(xiàn)。大數(shù)據(jù)的積累和計(jì)算力的大幅度提升，也為復(fù)雜系統(tǒng)或多領(lǐng)域問題協(xié)同分析創(chuàng)造了可能，如環(huán)境與生態(tài)的模擬問題、物理化學(xué)和生命的多尺度分析、精準(zhǔn)醫(yī)療等。

3.2 高性能計(jì)算系統(tǒng)研發(fā)面臨新的發(fā)展機(jī)遇

（1）專用加速硬件興起。從傳統(tǒng)的圖形處理器（GPU）到張量處理器（TPU）、深度計(jì)算器（DCU）等專用硬件的流行，高性能計(jì)算加速芯片不斷涌現(xiàn)。其中TPU是近年來Google提出的專用于深度學(xué)習(xí)加速的張量處理單元，其提供低精度高通量的計(jì)算。相比GPU，TPU擁有更高的I/O（輸入/輸出）效率和更低的能耗。

（2）大數(shù)據(jù)處理對(duì)超級(jí)計(jì)算機(jī)網(wǎng)絡(luò)提出新要求。典型的大數(shù)據(jù)處理問題，數(shù)據(jù)I/O等從存儲(chǔ)到計(jì)算的頻繁程度和帶寬需求大幅度上升，而計(jì)算進(jìn)程之間通信更多以小消息為主，約占消息總數(shù)的95%。因此，大數(shù)據(jù)處理對(duì)存儲(chǔ)網(wǎng)絡(luò)和計(jì)算網(wǎng)絡(luò)的性能需求，產(chǎn)生顯著分離。

（3）大數(shù)據(jù)處理平臺(tái)的非功能需求特點(diǎn)。新的業(yè)務(wù)對(duì)應(yīng)用提出了眾多非功能性的需求，如要求應(yīng)用具備快速開發(fā)、可擴(kuò)展、易重用、有統(tǒng)一接口、有完整的生態(tài)供下游業(yè)務(wù)進(jìn)行作業(yè)，以及自動(dòng)容錯(cuò)等。

3.3 高性能算法與軟件設(shè)計(jì)面臨新的挑戰(zhàn)

（1）大數(shù)據(jù)矩陣的稀疏性特點(diǎn)。大多數(shù)大數(shù)據(jù)處理問題，最終轉(zhuǎn)化成矩陣計(jì)算，這些矩陣通常具有稀疏性（零元數(shù)據(jù)個(gè)數(shù)遠(yuǎn)遠(yuǎn)大于非零元數(shù)據(jù)個(gè)數(shù)），但一般不具備偏微分方程求解問題中稀疏矩陣非零元對(duì)角分布特性。另外，傳統(tǒng)的稀疏矩陣求解通常要求精確解，但隨著新應(yīng)用的出現(xiàn)，人們對(duì)于稀疏矩陣的求解精度要求，往往讓位于求解速度的要求。例如，在商品推薦、搜索引擎和社交網(wǎng)絡(luò)等大規(guī)模推理任務(wù)中，用戶往往只需要在Top k（Rank k）的結(jié)果中出現(xiàn)想要的結(jié)果，即認(rèn)為求解符合預(yù)期。而在求解性能方面，可能要求計(jì)算復(fù)雜度O（k）（k＜＜n）的算法。

（2）大數(shù)據(jù)時(shí)空性特點(diǎn)。新興智慧城市等應(yīng)用中，時(shí)空特性越來越受到人們的關(guān)注。例如：交通流量預(yù)測(cè)中，GPS前后有很強(qiáng)的時(shí)序關(guān)系；自然語言處理（NLP）中，上下文前后詞語之間也呈現(xiàn)出明顯的時(shí)空特性。

（3）大數(shù)據(jù)高維度特點(diǎn)。數(shù)據(jù)的維度通常隨著業(yè)務(wù)問題規(guī)模的增大而指數(shù)級(jí)增大。為了約減數(shù)據(jù)集的維度，研究人員通常采用特征抽取、去不相關(guān)、去低方差和去常量屬性等技術(shù)。數(shù)據(jù)體量大增加了數(shù)據(jù)維度約減的難度。

（4）異構(gòu)大數(shù)據(jù)融合特點(diǎn)。大數(shù)據(jù)往往是異構(gòu)的，數(shù)據(jù)的屬性是不一致的。面臨體量大、種類多和數(shù)據(jù)持續(xù)產(chǎn)生等特點(diǎn)。如何有效地融合多個(gè)異質(zhì)數(shù)據(jù)集并挖掘出其中有用的信息，是高性能計(jì)算需要解決的問題。

（5）大規(guī)模圖處理特點(diǎn)?；趫D來發(fā)現(xiàn)事物之間的關(guān)聯(lián)性是大數(shù)據(jù)領(lǐng)域的典型問題。大規(guī)模圖處理往往面臨數(shù)據(jù)局部性差、數(shù)據(jù)剖分困難、通信開銷大等挑戰(zhàn)，而實(shí)際應(yīng)用對(duì)于算法實(shí)時(shí)性又往往存在較高要求。隨著數(shù)據(jù)體量的增大，如何進(jìn)一步減少數(shù)據(jù)的處理時(shí)間，是高性能計(jì)算面臨的新挑戰(zhàn)。

4 新型應(yīng)用發(fā)展戰(zhàn)略建議

針對(duì)上述新趨勢(shì)，高性能計(jì)算發(fā)展面臨新需求、新機(jī)遇，我們建議大力推動(dòng)高性能計(jì)算系統(tǒng)、高性能計(jì)算環(huán)境、高性能計(jì)算應(yīng)用等各個(gè)層面的創(chuàng)新，促進(jìn)高性能計(jì)算在科技創(chuàng)新和國民經(jīng)濟(jì)社會(huì)發(fā)展的各個(gè)層面，發(fā)揮更大的作用。

4.1 加大高性能計(jì)算系統(tǒng)核心技術(shù)創(chuàng)新力度

（1）加大專用加速硬件創(chuàng)新支持力度。新興應(yīng)用對(duì)硬件加速計(jì)算提出了更高的I/O需求和更低的能耗要求，傳統(tǒng)的眾核加速處理器難以適應(yīng)新興應(yīng)用需求，有必要加大專用眾核加速處理器的創(chuàng)新與發(fā)展，為新興應(yīng)用提供更強(qiáng)大的高性能計(jì)算環(huán)境。

（2）加大超級(jí)計(jì)算機(jī)網(wǎng)絡(luò)創(chuàng)新力度。為解決大數(shù)據(jù)存儲(chǔ)與計(jì)算I/O次數(shù)和帶寬需求大幅提升問題，有必要加大存儲(chǔ)和計(jì)算網(wǎng)絡(luò)的I/O性能的創(chuàng)新與發(fā)展，適應(yīng)現(xiàn)有大數(shù)據(jù)處理對(duì)通信次數(shù)和粒度的需求。

4.2 構(gòu)建面向新型應(yīng)用的高性能計(jì)算環(huán)境

（1）加大大數(shù)據(jù)系統(tǒng)平臺(tái)創(chuàng)新力度。為適應(yīng)新興應(yīng)用對(duì)非功能性需求的提出，有必要發(fā)展大數(shù)據(jù)系統(tǒng)平臺(tái)在可應(yīng)用性、可擴(kuò)展性、容錯(cuò)性的創(chuàng)新，建立更加完整的超算生態(tài)環(huán)境。

（2）加大人工智能開放平臺(tái)創(chuàng)新力度。針對(duì)人工智能應(yīng)用全流程，包括數(shù)據(jù)預(yù)處理、訓(xùn)練、參數(shù)調(diào)整、過程監(jiān)控、測(cè)試等步驟，進(jìn)行統(tǒng)一規(guī)劃管理，研發(fā)構(gòu)建領(lǐng)域數(shù)據(jù)集和智能開發(fā)一體化環(huán)境，有效降低非專業(yè)領(lǐng)域用戶、科研用戶使用難度，全面服務(wù)智能應(yīng)用創(chuàng)新。

4.3 大力推進(jìn)高性能應(yīng)用軟件研發(fā)

（1）大力推進(jìn)新型應(yīng)用軟件研發(fā)。大數(shù)據(jù)、人工智能方興未艾，智能技術(shù)被視為第四次技術(shù)革命的標(biāo)志性技術(shù)，我們應(yīng)大力推進(jìn)智能制造、精準(zhǔn)醫(yī)療、生命健康、智慧助理、智慧能源、智能駕駛、虛擬靶場(chǎng)等各類應(yīng)用研發(fā)，促進(jìn)新型應(yīng)用更廣更深入拓展。

（2）大力推進(jìn)高性能應(yīng)用軟件和工具軟件研發(fā)。目前高性能計(jì)算應(yīng)用軟件和工具軟件占統(tǒng)治地位的是美國發(fā)展的，在該領(lǐng)域我國自主可控能力十分薄弱，差距巨大，甚至遠(yuǎn)遠(yuǎn)落后于硬件的發(fā)展，風(fēng)險(xiǎn)極高，計(jì)算規(guī)模和復(fù)雜度也不夠。需要持續(xù)推進(jìn)高性能計(jì)算軟件和工具軟件研發(fā)。

4.4 大力推進(jìn)傳統(tǒng)應(yīng)用的新方法開發(fā)

傳統(tǒng)的計(jì)算化學(xué)、計(jì)算物理學(xué)、計(jì)算生物學(xué)等交叉學(xué)科仍在快速發(fā)展，藥物智能篩選、分子動(dòng)力學(xué)模擬等面臨新的發(fā)展機(jī)遇，氣候模擬、氣象預(yù)報(bào)、能源開發(fā)、腦模擬、社會(huì)模擬等面臨新的突破，大力推進(jìn)數(shù)據(jù)驅(qū)動(dòng)新方法研發(fā)具有重要意義。

4.5 大力推進(jìn)大數(shù)據(jù)人工智能等新領(lǐng)域基準(zhǔn)評(píng)測(cè)工具研發(fā)

新型應(yīng)用數(shù)據(jù)呈現(xiàn)混合精度、數(shù)據(jù)密集與I/O密集疊加、通信行為的隨機(jī)性增強(qiáng)，傳統(tǒng)的以Linpack為代表的基準(zhǔn)測(cè)試已經(jīng)不能反映新型應(yīng)用的計(jì)算需求，迫切需要研發(fā)能夠代表新型應(yīng)用計(jì)算行為特征的新領(lǐng)域基準(zhǔn)評(píng)測(cè)工具?！?/p>