Teknologien beveger seg utrolig raskt. Du kjøper kanskje standard nettbrett eller en enkel bærbar datamaskin for et skoledistrikt i dag. Fremtidens virkelige magi skjer imidlertid langt unna i massive datasentre. Gigantiske maskiner behandler fjell med informasjon for å gjøre hverdagselektronikken vår smartere og raskere. Dette innlegget forklarer hvordan massiv datakraft og AI former gadgetene vi alle er avhengige av. Les videre for å se hvordan morgendagens forbrukermaskinvare blir designet av dagens mest avanserte systemer.

Hva er egentlig en superdatamaskin og hvordan beregnes den?

A superdatamaskin er i hovedsak en høy kraftig datamaskin. Det er spesifikt designet for å kjøre massive oppgaver. Det kan enkelt løse komplekse problemer som en vanlig maskin rett og slett ikke kan håndtere. Når ingeniører måler ytelsen til en superdatamaskin, ser de ikke på standard klokkehastigheter som du ville gjort på en hjemme-PC. I stedet er hastigheten målt i flyttalloperasjoner pr sekund. Vi kaller dette vanligvis en flopp.

For å nå dette utrolige ytelsesnivå, en singel superdatamaskin kan inneholde titusenvis av prosessorer. Disse små delene jobber veldig tett sammen for å fungere som en gigantisk hjerne. Massiv superdatamaskiner lages av mindre fysiske deler som er gruppert i beregningsnoder. Disse beregne noder takle små biter av et stort puslespill på samme tid. De behandler billioner av beregninger per sekund i et svimlende tempo.

Denne massive beregne kraft er helt avgjørende for moderne AI. Enten du forutsier shoppingtrender eller trener smarte stemmeassistenter, AI trenger store ressurser. Superdatamaskiner er det også brukes til å teste programvare- og maskinvaredesign som til slutt lander på forbrukerenheter. Hvert nytt nettbrett eller smarttelefon drar nytte av de tunge løftene som gjøres av en superdatamaskin lenge før produktet kommer i hyllene.

Hvordan begynte superdatabehandling i datamaskinhistorien?

Historien om superdatabehandling startet for mange tiår siden. Den første superdatamaskin ble født da tidlige forskere og militæringeniører ønsket mer fart. Seymour Cray var en legendarisk skikkelse i denne tidlige epoken. Han designet den berømte CDC 6600 mens du jobber kl Control Data Corporation. Mange historikere kaller CDC 6600 det sanne utgangspunktet for moderne datateknologi.

Før den maskinen kom, andre prosjekter som IBM 7030 eksisterte. Nærmere bestemt IBM 7030 Stretch prøvde å flytte grensene for hva en maskin kunne gjøre. Imidlertid Seymour Cray brukte smarte kjøledesign og tette ledninger for å gjøre maskinen hans mye raskere. Tidlig superdatamaskiner bruker unike ledningsmønstre for å redusere signalforsinkelser mellom deler. De var vidt forskjellige fra alt annet bygget på den tiden.

Tilbake i de tidlige dagene ble en maskins hastighet noen ganger ganske enkelt vurdert inn millioner instruksjoner per sekund. Det virker utrolig tregt i dag! Nå, moderne AI Modeller krever mye mer enn det. Men de tidlige dagene satte scenen. De beviste at mennesker kunne bygge enorme maskiner for å håndtere sprø matematikk.

Hvorfor er vanlige datamaskiner forskjellig fra en høyytelses datamaskin?

Tenk på enheten som sitter på skrivebordet ditt akkurat nå. En standard desktop eller en bedrift 16 tommers bærbar DS160N95 er flott for daglig arbeid. Vanlige datamaskiner har vanligvis en enkelt hovedledning prosessor. De kan ha en håndfull CPU-kjerner. Men a datamaskin med høy ytelse er et helt annet beist.

En grunnleggende datasystem håndterer én persons oppgaver om gangen. Den kan bruke en standard operativsystem som Windows eller Android. I motsetning til massive forskningsmaskiner inneholder titusenvis av deler. Det har de titusenvis av noder jobber med en gang. Når du skriver på en bærbar datamaskin, det føles veldig raskt for deg. Men det kan ikke drive en global AI simulering eller modellering av det menneskelige genom.

Din hverdag personlige datamaskiner er bygget for lave kostnader, bærbarhet og lav varme. Et gigantisk anlegg må nøye håndtere ekstreme strømforbruk. En standard bærbar datamaskin nipper sakte til batteristrømmen. Et massivt dataanlegg bruker nok strøm til å lyse opp en liten by!

• Laptop: 1 CPU, 8-16 GB RAM, går på batteri, bygget for 1 bruker.
• Superdatamaskin: Millioner av kjerner, petabyte RAM, trenger et kraftverk, bygget for enorme datasett.

Hvordan optimaliserer parallellbehandling en datamaskinklynge?

For å gjøre maskiner raskere kobler ingeniører tusenvis av dem sammen. Dette skaper et gigantisk nettverk kalt a klynge. Inne i en klynge, deler må snakke raskt. De bruker en spesiell høyhastighets sammenkoble kabelsystem. Dette hjelper til optimalisere dataflyten mellom alle delene.

Ingeniører bruke parallell behandling å dele opp arbeidsmengden. I utgangspunktet superdatabehandling er en form av parallell behandling. Det deler opp en stor jobb i små biter. Så, hundrevis eller tusenvis av sjetonger løser disse bitene på nøyaktig samme tid. Denne enkle ideen om parallellisme er det som får magien til å skje. Tenk på det som å lage et gigantisk måltid: én kokk tar lang tid, men hundre kokker som jobber sammen er ferdige på minutter.

Ordet supercomputing brukes noen ganger synonymt med HPC (databehandling med høy ytelse). Å klare en tung arbeidsmengde, må den kontrollerende programvaren være veldig smart. I dag, AI programmer er bygget for å spre seg perfekt ut over en klynge. Denne teknikken kalles massivt parallell behandling. Det gir hele systemet utrolig gjennomstrømning og effektivitet.

Hvordan vil AI flytte grensene for beregningskraft?

I dag, AI er den største driveren for teknologibransjen. Trener en ny AI krever en enorm mengde beregning. Det er spesifikke problemer som krever ekstrem matematikk å løse. Den komplekse og store beregninger brukt av nevrale nettverk er svimlende. Faktisk store beregninger brukt av superdatamaskiner i dag er nesten mest for AI forskning.

Å håndtere dette tunge beregningsmessig belastning, standard chips er bare ikke nok. Vi stoler sterkt på grafikkbehandlingsenheter eller GPUer. A grafikk chip er helt perfekt for AI. Den gjør mange enkle matematikkoppgaver samtidig. Bedrifter liker Intel og Nvidia bygger spesifikke deler nettopp av denne grunn.

Disse AI oppgaver forbedrer dingsene du kjøper hver dag. For eksempel har smartkameraet i vår10,1 tommers nettbrett X12 Pro stole på AI modeller som opprinnelig ble trent på massive maskiner. Det utrolige prosessorkraft av et gigantisk anlegg gjør det lille nettbrettet ditt smartere og mer nyttig.

Cloud Computing vs. Local HPC: Hvilken vinner for storskala AI?

Ikke alle har penger til å kjøpe et gigantisk serveranlegg. Det er akkurat her cloud computing trer inn. Cloud computing lar selskaper leie strøm over internett. Du får høy ytelse databehandling uten å måtte bygge et gigantisk, støyende rom fullt av servere.

For storstilt AI prosjekter, er skyen fantastisk. Du kan leie en liten bit av verdens raskeste superdatamaskin for bare noen få timer. Den databehandling med høy ytelse verden har fullt ut omfavnet denne ideen. Det gjør HPC tilgjengelig for mindre merker og skoler.

Men å eie lokal maskinvare er fortsatt viktig for noen. Noen svært sikre data kan ikke gå til den offentlige skyen. Så, selskaper bygger sin egen mini HPC rom. Enten du leier den på nett eller kjøper den, trenger du massiv beregne ressurser for å holde seg konkurransedyktig i dagens AI rase.

"Skyen demokratiserte tilgang til ekstrem datakraft. Nå kan enhver oppstart trene en AI-modell."

Hvordan endrer værvarslingen seg takket være superdatabehandling?

Et klassisk bruksområde for massive maskiner er værvarsling. Superdatamaskiner kan brukes å forutsi kraftige stormer og klimaendringer. Byråer som National Oceanic and Atmospheric Administration stole sterkt på dem. De inntar milliarder av datapunkter fra satellitter hver dag.

De bruker dette havet av data til nøyaktig simulere atmosfæren. Ved å gjøre dette kan de forutsi ekstreme værhendelser dager før de skjer. De gir sanntid advarsler som redder liv og eiendom. Dette krever å gjøre kompleks matematikk millioner av ganger per sekund.

Den beregningsmessig modeller for vær er ganske like AI modeller. De trenger begge enorme mengder data for å lære. En singel beregning kan ikke ta lang tid før en normal datamaskin. Men å gjøre milliarder av dem på en gang krever seriøs, dedikert kraft.

Hva er rollen til superdatamaskiner med spesielle formål i AI?

Noen ganger er en generell maskin rett og slett ikke det beste verktøyet for jobben. Dette er når superdatamaskiner med spesielle formål skinne. De er bygget fra grunnen av for én bestemt jobb. Det er de designet for å kjøre en eksakt type beregning perfekt, uten å kaste bort energi på noe annet.

For eksempel bygger forskere maskiner bare for å studere kvantemekanikk. Det fysiske arkitektur er innstilt eksklusivt for den eksakte vitenskapen. I AI verden bygger selskaper tilpassede brikker kun for nevrale nettverk. Disse er ikke det vanlige datamaskiner som kjører en nettleser eller et tekstbehandler.

Fordi de fokuserer helt på én ting, er de utrolig effektive. Det kan de lett være 10 ganger raskere på den ene jobben enn en generell maskin. De kaster ikke bort energi på en hverdag operativsystem. De knuser bare tallene de ble bygget for å knase. Dette høy ytelse åpner for gjennombrudd i AI som var umulig for et tiår siden.

Vil en superdatamaskin en dag passe i en bærbar datamaskin?

Teknologien krymper alltid over tid. Selve raskeste superdatamaskin fra tjue år siden hadde knapt kraften til en moderne smarttelefon. Så vil dagens giganter til slutt passe inn i en liten bærbar datamaskin? Svaret er både ja og nei.

Moderne superdatamaskiner er fysisk massive. For eksempel, noen maskiner nå en fantastisk hastighet på 442 petaflops. (A petaflops er en kvadrillion flytepunktoperasjoner per sekund). Du får rett og slett ikke plass til så mye varme og energi i en bærbar datamaskin når som helst snart! En enhet som vår 14,1 tommers robust bærbar DS141 er ekstremt tøff, men den tåler ikke megawattene til strømforbruk trengs for det.

Imidlertid prosessor inne i hjemmet ditt datamaskin vil fortsette å bli mye bedre. En singel kjerne i dag er det mange ganger raskere enn gamle stormaskiner. Vi har nå deler fra Intel som konkurrerer med hele serverrom fra 1990-tallet. Din fremtid bærbar datamaskin vil håndtere lokale AI oppgaver med utrolig letthet.

Hvordan ser feltet av Computational AI ut i morgen?

Det spennende felt av beregning vitenskap blander seg totalt med AI. Vi ser gigantiske systemer som opererer på steder som Los Alamos nasjonale laboratorium og Oak Ridge National Laboratory. De presser hele tiden de absolutte grensene for hva en datamaskin kan gjøre.

Fremtidige maskiner vil sømløst blande seg normalt sentrale behandlingsenheter med helt ny teknologi. Vi vil se mer spesialiserte vektor datamaskiner blir brukt. A vektor chip er flott for spesifikke typer matematikk som AI elsker. De vil bruke massivt parallell behandling å trene AI enda raskere enn i dag.

Toppen superdatamaskiner i verden vil fortsette å slå nye fartsrekorder. Snart skal vi snakke om exaflops i stedet for petaflops. Og alt dette beregningsmessig Kraften vil til slutt sive ned til oss. Det vil gjøre hver datamaskin vi bruker – fra serverne i skyen til nettbrettet i hånden – bedre, raskere og mye smartere.

Sammendrag

Når vi ser på de utrolige sprangene inn beregne teknologi, er det klart at massiv prosessering former fremtiden vår. Fra avansert trening AI for å varsle været, er ekstrem maskinvare den usynlige ryggraden i moderne liv.

• A superdatamaskin er en massiv datamaskin bygget for å kjøre kompleks matematikk veldig raskt.
• Ytelse er det meste målt i flyttalloperasjoner pr andre, kjent som en flopp.
• AI stoler sterkt på beregningsmessig strøm levert av grafikkbehandlingsenheter (GPUer).
• Moderne fasiliteter bruke parallell behandling å dele en stor jobb på tvers hundrevis eller tusenvis av chips.
• Cloud computing gjør databehandling med høy ytelse tilgjengelig for mindre bedrifter.
• Den felt av beregning vitenskapen fortsetter å vokse, presset frem av laboratorier og nye prosessor design.