海量的大数据通过最新的深度学习技术将为人工智能的发展与应用带来难以估量的价值，而作为人工智能重要推动力的深度学习技术的快速发展却亟需高性能计算(或称超算)应用创新，变革势在必行。
9月23日第6届高性能计算用户大会在北京举行。大会以“智慧超算”为主题，吸引了国内外近千名来自科研院所、互联网、航空航天、石油勘探、生物医药等行业的用户、专家，现场分享研讨超算创新技术其应用发展。
2016高性能用户大会现场
当前，随着全球移动互联网和物联网等快速发展，人类可获取利用的数据正以爆炸式增长，预计2020年全球数据量将超过4万亿GB，这些海量的大数据通过最新的深度学习技术将为人工智能的发展与应用带来难以估量的价值，而作为人工智能重要推动力的深度学习技术的快速发展却亟需高性能计算(或称超算)应用创新，变革势在必行。
中国工程院院士、浪潮集团首席科学家王恩东致辞
中国工程院院士、浪潮集团首席科学家王恩东表示，以云计算为基础平台、大数据为认知方法、深度学习计算为优化工具的智慧计算将是这次新变革的推动力，并成为未来整个计算产业里最重要、最主要的组成部分。在新的变革期，高性能计算与云计算、大数据相互融合的趋势会更加明显，并将在人工智能、虚拟现实、高性能数据分析等新领域得到更广泛的应用。面向应用优化的高性能计算系统研发、智能化的系统管理调度等将成为发展趋势。
IDC副总裁Earl Joseph
全球权威咨询机构IDC报告显示，高性能计算、云计算、大数据正呈现融合趋势。IDC副总裁Earl Joseph表示，有67%的用户在云平台上运行高性能计算任务，这相比于2013年增长超过5倍。同时，大数据时代的到来，让深度学习成为高性能计算应用创新的下一个引爆点。
微软亚洲研究院首席研究员刘铁岩
深度学习技术的原理是采用高性能计算机建立模拟人脑进行分析学习的深度神经网络，让机器能够像人一样思考。实现机器像人一样思考的一个关键前提是，需要进行海量数据的模型训练和提升应用扩展性，这对超算的计算效率要求十分巨大。而依照现有计算技术，还无法完成海量的“学习”任务。微软亚洲研究院首席研究员刘铁岩表示，如果采用RNN算法模型训练Clueweb09英文数据集的话，需要涉及到200亿的参数变量，用现有的计算技术需要180年才能训练完所有数据。Clueweb09是用来支持信息检索和相关人类语言技术研究的资料库，包含了从2009年1月到2月间收集的大约10亿个网页，共10种语言。
应对复杂的应用环境是亟需超算创新的另一重要因素。深度学习在模型训练时对超算的计算需求大，而当产品服务上线后，计算需求减少，吞吐量需求增大。对此，浪潮提出了硬件重构+软件定义的融合架构超算创新观点，即在硬件层将计算、存储、网络等各种设备中的同类资源整合为资源池，不同设备之间的同类资源能够任意重组，在软件层动态感知业务的资源需求，利用硬件重组的能力，智能的动态分配和组合资源，满足各类应用的需求。
当前，来自中国的神威? 太湖之光超级计算机已率先在全球突破了十亿亿次计算性能，中国在顶尖超算硬件构建方面已居世界领先，而随着人工智能、工业制造2025、精准医疗等新兴应用的到来，作为国家科技与经济创新计算力引擎的超级计算机，更需立足于应用创新，切实把握新兴产业机会。
声明： 此文观点不代表本站立场；转载须要保留原文链接；版权疑问请联系我们。
