文/在前线 老凉
加速，不断加速，全球超算市场正因加速而加速。
本周（11月12日-17日），全球超算大会SC17在美国丹佛举行，超算大会被看作是全球超算的风向标之一，从超算大会去洞察出全球超算当下及未来的发展趋势是绝佳的选择。
在前线参会后的感受是，全球超算市场正式迎来人工智能时代，在这个巨大的趋势下，中国势力与加速计算正在成为两大主旋律。
加速计算时代到来
科学的进步让人类探索了越来越多的未知领域，当下的数字化演进更是我们走向全新未来的重要变革，而移动互联网的发展给人们的工作和生活带来翻天覆地的变化，这一系列的变化、变革推动着超算市场进入高速发展。
SC17大会作为超算界风向标，再次展现了全球超算的发展动向与潮流。
中国在此次SC17的TOP500榜单上的表现亮眼，第一桂冠再次被神威太湖之光摘取，与此同时中国以上榜202套超过美国的143套，成为了上榜系统最多的国家。
可以说，中国的HPC产业已经由点到面全面开花，但真正的考验则可能是下一个竞争高地——E级计算。不过，对于中国乃至全球超算而言，正在迎来一个全新的加速计算时代。
图为NVIDIA创始人兼CEO黄仁勋
NVIDIA创始人兼CEO黄仁勋表示，加速计算的时代已经来了，其重点在于软件的创新，不仅仅局限于架构，还要包括应用、程序等。
加速计算基于GPU计算，正在成为超算界的新宠。
在此次上榜的500个系统中，计算加速系统有102套，其中85套采用GPU加速，10套采用英特尔至强融核加速，2套Intel+GPU加速，5套其他。
中国的亮眼表现不仅是第一、总数的领先，在计算加速系统数量上中国也同样很出彩。
在中国上榜的这202套系统，计算加速系统数量为51套，占全部计算加速系统的50%。其中，49套采用GPU加速，2套采用英特尔至强融核加速。
计算加速时代已经到来，而GPU加速成为了重点。根据分析公司Interesect360最新的一份报告显示，如今排名前15位的HPC应用都在使用GPU加速，而在前50位中，70％的HPC应用也都使用GPU加速。
高性能计算是现代科学发展的基石，人工智能是当下时代的主题之一，为了促进人工智能的发展，HPC被赋予了很大的责任和希望，它与AI的融合已经成为十分显著的趋势。GPU加速对HPC产业有着十分重要的意义，是助力人工智能等相关产业快速发展的推动力。
NVIDIA GPU获追捧的背后
对于GPU加速，图形芯片大厂英伟达（NVIDIA）更有发言权。
从1999年发明GPU激发了PC游戏市场的增长后，NVIDIA便重新定义了现代计算机显卡。而在人工智能时代，凭借着GPU的先天优势，NVIDIA已经成为了一个不可或缺的重要推动者。
根据SC17发布的TOP500排行榜显示，榜单上由NVIDIA GPU加速的系统新增34个，总数达到87个。除此之外，NVIDIA在榜单中的总petaflops增幅也达到28%；在Green500榜单的前20个最高效的超级计算机中，由NVIDIA提供支持的系统也占据了14个。
HPC的加速计算时代，NVIDIA凭借GPU占据了先机。
在SC17期间，NVIDIA 对外宣布基于NVIDIA Volta架构的NVIDIA Tesla V100 GPU 已经通过全球主流计算机制造商正式推出。这是全球最先进的数据中心GPU，受到了NVIDIA众伙伴的支持追捧，各大云服务提供商也采用它来实现人工智能与高性能计算。
目前，Dell EMC、HPE、华为、IBM与联想、浪潮等均已宣布向其客户提供基于Volta的产品；阿里云、AWS、百度云、微软Azure、甲骨文和腾讯云等提供商也已宣布推出基于Volta的云服务。
浪潮在日前还传出消息，将为华中师范大学设计建造基于“NVLink+Volta”的千万亿次超级计算机，用来加速人工智能、自动驾驶和物理前沿科学的技术研究。
Volta架构，起飞了。
黄仁勋指出，Volta是世界上领先的人工智能与高性能计算平台，能够助力全球顶尖的科研人员在新药研发、替代能源和自然灾难预测等领域取得突破性进展，部署于全球各地的数据中心与云端的Volta必将引发新一轮创新，进而为全社会带来无与伦比的影响。
基于Volta的普及，NVIDIA还推出了针对NVIDIA GPU Cloud（NGC）容器注册的全新软件及工具，用来帮助科学家们更加轻松地部署NVIDIA加速计算平台，开展计算密集型研究。
GPU、CPU混战 谁能胜出？
说到NVIDIA，很容易就会想到它的老对手英特尔。NVIDIA与英特尔之间的竞争，其实可以看成GPU与CPU的较量。其实，关于GPU与CPU的比较一直都有，而近几年随着人工智能等新技术的崛起，两者的“优劣关系”也开始愈演愈烈。
CPU和GPU都是为了完成设备的计算任务而产生的。CPU有多核，但总数并不超过两位数，每个核都侧重数字和逻辑运算单元，这也就让CPU在复杂的数据分析与计算流程方面有着很强的处理能力，比如分布计算、数据处理等。
GPU是图形处理器，在计算任务上更像是对CPU的补充。GPU的诞生与游戏有关，是为了处理大型三维游戏中海量的图像数据，这样的能力也让它逐渐涉足计算领域，并成为当下加速计算的主力军。
深度学习是当前人工智能领域发展的重点，而GPU也凭借图像数据处理的优势成为AI技术进步的主要推动者。
不仅如此，GPU加速计算的应用也涉及各尖端领域，包括：排名前15位的化学类应用、排名前2位的流体动力学分析类应用、八大结构分析类应用中的七个、所有的顶级可视化分析类应用和所有最常见的生物科学类应用。
在SC17展区，在前线看到一组CPU和GPU加速之间的对比数据：
在深度学习训练的一个项目中，负载APP是Caffe AlexNet、GoogLeNet、ResNet-50和VGG-D，采用CPU的方案配置是240台基于双插槽Skylake处理器的服务器，功耗为120Kw。而相比之下，采用GPU加速的方案则需要CPU方案的：1/9成本；1/13电费；1/18空间占用。
而在一个生命科学的对比中，GPU方案是CPU方案的：1/3成本；1/4电费；1/6空间。
GPU，或正在成为市场主角，而这种迹象也给市场带来巨大变数。
作为全球芯片产业的巨头，英特尔在CPU领域具有绝对的领先优势。前段时间，英特尔与AMD合作的消息让业内议论纷纷。很明显，这与再之前英特尔和Facebook合作推出AI芯片的做法一样，都是为了对抗NVIDIA。
依靠GPU，NVIDIA的发展让英特尔感到紧张，这两次合作与其说是企业间的抗衡，不如说是CPU产业向GPU的一次妥协。不过，如今GPU与CPU的区别正在逐渐缩小，通过不断地产业竞合，两者也将“联手”为科技发展提供更优秀的计算能力。
在前线认为，全球超算市场正进入一个全新时期，其中中国势力、加速计算包括E级计算让这个市场变得更加热闹。NVIDIA凭借GPU在全球超算和人工智能市场打出名堂，打造出了全新的GPU生态，这势必会触碰到CPU生态的利益，不过，世间的事情就是这样，那就是“得道多助”。
在前线： zaiqianxian121
联系客服
