用不同方式思考

HPC非常傳統(tǒng)，相對而言人工智能是新的。就目前而言，當兩者相互作用時，它將重提有關實現遺留代碼的問題，在某些情況下這些代碼可能早就該實現了。說法可能是讓我們?yōu)檫@段代碼添加一些人工智能功能，但現實將是努力可能成為浪費時間。就像那些早期瘋狂的Java時代一樣，急于將代碼重寫為新形式的人既有成功的也有失敗的。投資回報率（ROI）將是關鍵，但預測創(chuàng)新的結果往往是錯誤的。

在任何HPC或AI的會議上談論容器似乎只能站著說說。但這正在改變，例如Python和Julia在配置時可以更好地擴展，容器可以幫助部署。

容器為用戶提供了良好的環(huán)境，2019年將看到HPC領域越來越多的容器使用，部分原因是AI用戶的對此表現出的興趣。毫無疑問，這會對HPC帶來挑戰(zhàn)，因為這需要優(yōu)化的生態(tài)系統(tǒng)。如今，這個領域正在進行這方面大量的精細工作，HPC社區(qū)將幫助實現這一目標，滿足大家對容器的渴望。

只要有人工智能，就有大數據。人工智能的重點是利用數據模型從大量的數據集中找到價值。許多HPC中心已經有很多基礎設施可以很好地處理大數據問題。所有HPC中心都將大數據作為新系統(tǒng)的主要需求，AI工作負載是大數據需求的主要動力。

由于存儲器的高成本，我們看到存儲器大小與FLOP／s的比率多年來一直在下降。這對大數據發(fā)展不利。與持久內存相關的新功能帶來了一些希望，并支持大型機器（包括HPC）中的大數據模型。這些新的內存技術提供了主內存和本地存儲（SSD）的擴展。

HPC對可視化的熱愛將對AI產生的影響。將數據放在最接近處理器的位置是最適合進行實際數據可視化的處理器，是HPC影響AI ／ ML的最重要的方法之一。當然，使用和理解大數據以及可視化數據和分析是相互交織的。

推理工作負載將對HPC產生重大影響

應用程序的融合不是在重新思考之后進行替換 ，融合兩全其美，擴展工作負載多樣性并看到不同工作負載的融合。那些有遠見的人已經證明，HPC和AI結合時有很多機會。雖然現在很少有應用結合HPC算法和AI技術，基于早期的結果，我很容易預測這是HPC應用的未來，并且將因為AI帶來HPC最大的變化。

計算在某種意義上并沒有改變：它完全取決于整個系統(tǒng)對用戶的作用。雖然需求有變化，但一個完整的系統(tǒng)由硬件起來和軟件組成不會改變。實際上，很容易被單一技術（硬件或軟件）分散注意力； 最好的系統(tǒng)會謹慎地應用最新技術。

AI＋HPC的重要意義

顯然AI將使用HPC，這將永遠改變HPC。事實上，AI可能是HPC歷史上最大的變革推動者。HPC隨著科技的發(fā)展不斷進步，工作負載也將隨著人工智能的發(fā)展而變化。我不認為辯論收斂與交叉給予足夠的信任的概念，人工智能用戶將加入HPC社區(qū)，并留下自己的標記。他們也將使用非HPC系統(tǒng)，就像其他HPC用戶一樣。

將有專為AI工作負載設計和構建的定制高性能機器，其他機器的AI工作負載也在可以在更通用的高性能設備上運行。要平衡機器的高性能和靈活才能實現加速。在所有情況下，人工智能將有助于定義未來什么是超級計算，這將永遠改變HPC。

HPC和AI不僅有著天然的聯(lián)系，如今更處在加速融合之中。換句話說，HPC不僅可以助推人工智能的快速發(fā)展，更隨著人工智能的不斷成熟，又反過來促進了HPC系統(tǒng)更好的部署和應用。

領先企業(yè)正著手部署

高效能運算指應用程序平行化機制，在有限或較短的時間內完成復雜或大量運算工作，以提高應用程序的處理能力，常應用于一般計算機無法處理的大型計算式高效能運算計算機系統(tǒng)。

正是洞察到了那些已部署HPC，但又希望利用現有基礎設施發(fā)展AI的群體，英特等行業(yè)領先企業(yè)合作開發(fā)了面向高效能運算的英特爾精選解決方案，這是一套面向快速部署HPC基礎設施的解決方案，已針對分析集群和高效能運算應用進行了優(yōu)化，可幫助客戶在發(fā)展人工智能的過程中，縮短實現突破、提供可行洞察和設計新產品的時間。

結尾

科學計算的深入應用，深度學習驅動的人工智能，都正在重新定義HPC的創(chuàng)新和應用邊界，通過推動HPC和AI的融合，讓更多人可以更快速、更容易以及更省成本的方式最大化利用現有HPC基礎設施，發(fā)揮人工智能的作用，高效能運算競爭也就此展開。