Tekniken går otroligt snabbt. Du kanske köper vanliga surfplattor eller en grundläggande bärbar dator för ett skoldistrikt idag. Framtidens verkliga magi händer dock långt borta i massiva datacenter. Jättemaskiner bearbetar berg av information för att göra vår vardagselektronik smartare och snabbare. Det här inlägget förklarar hur massiv datorkraft och AI formar de prylar vi alla litar på. Läs vidare för att se hur morgondagens konsumenthårdvara designas av dagens mest avancerade system.

Exakt vad är en superdator och hur beräknas den?

A superdator är i huvudsak en hög kraftfull dator. Det är specifikt designad för att köras massiva uppgifter. Det kan lätt lösa komplexa problem som en vanlig maskin helt enkelt inte klarar av. När ingenjörer mäter prestanda hos en superdator, ser de inte på vanliga klockhastigheter som du skulle göra på en hemdator. Istället är dess hastighet mätt i flyttalsoperationer per andra. Vi brukar kalla detta a flopp.

Att nå detta otroliga prestationsnivå, en singel superdator kan innehålla tiotusentals processorer. Dessa små delar arbetar mycket nära tillsammans för att fungera som en gigantisk hjärna. Massivt superdatorer tillverkas av mindre fysiska bitar som är grupperade i beräkningsnoder. Dessa beräkna noder ta itu med små bitar av ett stort pussel på samma gång. De bearbetar biljoner beräkningar per sekund i en svindlande takt.

Detta massiva beräkna makt är helt avgörande för modern AI. Oavsett om du förutsäger shoppingtrender eller tränar smarta röstassistenter, AI behöver stora resurser. Superdatorer är det också används för att testa mjukvaru- och hårdvarudesigner som så småningom landar på konsumentenheter. Varje ny surfplatta eller smartphone drar nytta av de tunga lyft som görs av en superdator långt innan produkten kommer ut i hyllorna.

Hur började superdatorer i datorhistorien?

Berättelsen om superdatorer började för många decennier sedan. Den första superdatorn föddes när tidiga forskare och militäringenjörer ville ha mer fart. Seymour Cray var en legendarisk figur i denna tidiga era. Han designade den berömda CDC 6600 medan du arbetar på Control Data Corporation. Många historiker kallar CDC 6600 den sanna utgångspunkten för modern datorteknik.

Innan den maskinen kom, andra projekt som IBM 7030 existerade. Närmare bestämt IBM 7030 Stretch försökte tänja på gränserna för vad en maskin kunde göra. Men Seymour Cray använde smarta kylkonstruktioner och täta ledningar för att göra sin maskin mycket snabbare. Tidigt superdatorer använder unika ledningsmönster för att minska signalfördröjningar mellan delar. De var väldigt olika från allt annat som byggdes på den tiden.

Tillbaka i de tidiga dagarna var en maskins hastighet ibland helt enkelt rankad miljoner instruktioner per sekund. Det verkar otroligt långsamt idag! Nu, modernt AI modeller kräver mycket mer än så. Men de tidiga dagarna satte scenen. De bevisade att människor kunde bygga enorma maskiner för att hantera galen matematik.

Varför skiljer sig vanliga datorer från en högpresterande dator?

Tänk på enheten som sitter på ditt skrivbord just nu. En vanlig stationär dator eller ett företag 16 tums bärbar dator DS160N95 är bra för det dagliga arbetet. Vanliga datorer har vanligtvis en enda huvudledning processor. De kanske har en handfull CPU-kärnor. Men a högpresterande dator är ett helt annat odjur helt.

En grundläggande datorsystem hanterar en persons uppgifter åt gången. Den kan använda en standard operativsystem som Windows eller Android. Däremot massiva forskningsmaskiner innehålla tiotusentals av delar. Det har de tiotusentals noder arbetar på en gång. När du skriver på en bärbar dator, det känns väldigt snabbt för dig. Men det kan inte drivas globalt AI simulering eller modellering av det mänskliga genomet.

Din vardag persondatorer är byggda för låg kostnad, bärbarhet och låg värme. En gigantisk anläggning måste noggrant hantera extrema strömförbrukning. En standard bärbar dator slukar långsamt batterikraften. En enorm dataanläggning använder tillräckligt med ström för att lysa upp en liten stad!

• Laptop: 1 CPU, 8-16 GB RAM, drivs på batteri, byggd för 1 användare.
• Superdator: Miljontals kärnor, petabyte RAM, behöver ett kraftverk, byggt för enorma datamängder.

Hur optimerar parallell bearbetning ett datorkluster?

För att göra maskiner snabbare länkar ingenjörer samman tusentals av dem. Detta skapar ett gigantiskt nätverk som kallas a kluster. Inuti a kluster, delar måste prata snabbt. De använder en speciell, hög hastighet sammankoppla kabelsystem. Detta hjälper till optimera dataflödet mellan alla delar.

Ingenjörer använda parallell bearbetning att dela upp arbetsbördan. I grund och botten superdatorer är en form av parallell bearbetning. Det delar upp ett stort jobb i små bitar. Sedan, hundratals eller tusentals av chips löser dessa bitar på exakt samma gång. Denna enkla idé om parallellitet är det som får magin att hända. Tänk på det som att laga en gigantisk måltid: en kock tar lång tid, men hundra kockar som arbetar tillsammans blir klara på några minuter.

Ordet supercomputing används ibland synonymt med HPC (högpresterande datoranvändning). Att hantera en tung arbetsbelastning, måste den kontrollerande programvaran vara mycket smart. Idag, AI program är byggda för att spridas perfekt över en kluster. Denna teknik kallas massivt parallell bearbetning. Det ger hela systemet otroligt genomströmning och effektivitet.

Hur kommer AI att tänja på gränserna för beräkningskraft?

Idag, AI är den största drivkraften för teknikindustrin. Utbilda en ny AI kräver en enorm mängd beräkning. Det finns specifika problem som kräver extrem matematik att lösa. Den komplexa och stora beräkningar som används av neurala nätverk är häpnadsväckande. Faktum är att stora beräkningar som används av superdatorer idag är nästan mest för AI forskning.

Att hantera detta tunga beräkningsmässigt belastning, standardchips räcker helt enkelt inte. Vi förlitar oss mycket på grafiska bearbetningsenheter eller GPU:er. A grafik chip är helt perfekt för AI. Den gör många enkla matematiska problem samtidigt. Företag gillar Intel och Nvidia bygger specifika delar just av denna anledning.

Dessa AI uppgifter förbättrar de prylar du köper varje dag. Till exempel har den smarta kameran i vår10,1 tums Tablet X12 Pro lita på AI modeller som ursprungligen tränades på massiva maskiner. Det otroliga processorkraft av en gigantisk anläggning gör så småningom din lilla surfplatta smartare och mer användbar.

Cloud Computing vs Local HPC: Vilken vinner för storskalig AI?

Alla har inte pengar att köpa en gigantisk serveranläggning. Det är precis där cloud computing kliver in. Cloud computing låter företag hyra kraft över internet. Du får högpresterande datoranvändning utan att behöva bygga ett gigantiskt, bullrigt rum fullt av servrar.

För storskalig AI projekt, molnet är fantastiskt. Du kan hyra en liten bit av världens snabbaste superdator för bara några timmar. Den högpresterande datoranvändning världen har anammat denna idé till fullo. Det gör HPC tillgänglig för mindre varumärken och skolor.

Men att äga lokal hårdvara är fortfarande viktigt för vissa. Vissa mycket säkra data kan inte gå till det offentliga molnet. Så företag bygger sin egen mini HPC rum. Oavsett om du hyr den online eller köper den behöver du massiva beräkna resurser för att förbli konkurrenskraftiga i dagens AI ras.

"Molnet demokratiserade tillgången till extrem datorkraft. Nu kan alla startuper träna en AI-modell."

Hur förändras väderprognoserna tack vare superdatorer?

Ett klassiskt användningsfall för massiva maskiner är väderprognoser. Superdatorer kan användas att förutse svåra stormar och klimatförändringar. Byråer som National Oceanic and Atmospheric Administration lita mycket på dem. De får i sig miljarder datapunkter från satelliter varje dag.

De använder denna ocean av data för att korrekt simulera atmosfären. Genom att göra detta kan de förutsäga extrema väderhändelser dagar innan de inträffar. De tillhandahåller i realtid varningar som räddar liv och egendom. Detta kräver att man gör komplex matematik miljontals gånger per sekund.

Den beräkningsmässigt modeller för väder är ganska lika AI modeller. De behöver båda enorma mängder data för att lära sig. En singel beräkning kanske inte tar lång tid för en normal dator. Men att göra miljarder av dem på en gång kräver seriös, hängiven kraft.

Vilken roll spelar superdatorer med speciella syften i AI?

Ibland är en allmän maskin helt enkelt inte det bästa verktyget för jobbet. Det är när superdatorer för speciella ändamål skina. De är byggda från grunden för ett specifikt jobb. Det är de designad för att köras en exakt typ av beräkning perfekt, utan att slösa energi på något annat.

Till exempel bygger forskare maskiner bara för att studera kvantmekanik. Det fysiska arkitektur är inställd exklusivt för den exakta vetenskapen. I den AI världen bygger företag anpassade chip bara för neurala nätverk. Dessa är inte det vanliga datorer som kör en webbläsare eller ordbehandlare.

Eftersom de fokuserar helt på en sak är de otroligt effektiva. Det kan de lätt vara 10 gånger snabbare på det ena jobbet än en allmän maskin. De slösar inte energi på en vardag operativsystem. De knackar bara siffrorna de byggdes för att knäcka. Detta hög prestanda möjliggör genombrott inom AI som var omöjliga för ett decennium sedan.

Kommer en superdator en dag att få plats i en bärbar dator?

Tekniken krymper alltid med tiden. Själva snabbaste superdatorn från tjugo år sedan hade knappt kraften hos en modern smartphone. Så kommer dagens jättar så småningom passa in i en liten bärbar dator? Svaret är både ja och nej.

Moderna superdatorer är fysiskt massiva. Till exempel når vissa maskiner en hisnande hastighet på 442 petaflops. (A petaflops är en kvadrillion flyttalsoperationer per sekund). Du får helt enkelt inte plats med så mycket värme och energi i en bärbar dator när som helst snart! En enhet som vår 14,1 tums robust bärbar dator DS141 är extremt tuff, men den klarar inte megawatten av strömförbrukning behövs för det.

Men den processor inne i ditt hem dator kommer att bli mycket bättre. En singel kärna idag är många gånger snabbare än gamla stordatorer. Vi har nu delar från Intel som konkurrerar med hela serverrum från 1990-talet. Din framtid bärbar dator kommer att hantera lokalt AI uppgifter med otrolig lätthet.

Hur ser området för beräknings-AI ut i morgon?

Det spännande beräkningsområdet vetenskap blandas helt med AI. Vi ser gigantiska system som fungerar på platser som Los Alamos National Laboratory och Oak Ridge National Laboratory. De tänjer hela tiden på de absoluta gränserna för vad en dator kan göra.

Framtida maskiner kommer sömlöst att blandas normalt centrala bearbetningsenheter med helt ny teknik. Vi kommer att se mer specialiserade vektor datorer används. A vektor chip är bra för specifika typer av matematik som AI älskar. De kommer att använda massivt parallell bearbetning att träna AI ännu snabbare än idag.

Toppen superdatorer i världen kommer att fortsätta slå nya hastighetsrekord. Snart ska vi prata om exaflops istället för petaflops. Och allt detta beräkningsmässigt makten kommer så småningom att sippra ner till oss. Det kommer att göra varje dator vi använder – från servrarna i molnet till surfplattan i din hand – bättre, snabbare och mycket smartare.

Sammanfattning

När vi tittar på de otroliga sprången in beräkna teknik är det tydligt att massiv bearbetning formar vår framtid. Från avancerad utbildning AI för att förutsäga vädret är extrem hårdvara den osynliga ryggraden i det moderna livet.

• A superdator är en massiv dator byggd för att köra komplex matematik mycket snabbt.
• Prestanda är det mesta mätt i flyttalsoperationer per andra, känd som en flopp.
• AI förlitar sig mycket på beräkningsmässigt kraft som tillhandahålls av grafiska bearbetningsenheter (GPU:er).
• Moderna faciliteter använda parallell bearbetning att dela upp ett stort jobb hundratals eller tusentals av chips.
• Cloud computing gör högpresterande datoranvändning tillgänglig för mindre företag.
• Den beräkningsområdet vetenskapen fortsätter att växa, drivs framåt av labb och nya processor mönster.