技术的发展速度令人难以置信。您今天可能会为学区购买标准平板电脑或基本笔记本电脑。然而，未来真正的魔力发生在遥远的大型数据中心。巨型机器处理大量信息，使我们的日常电子产品变得更智能、更快。这篇文章解释了强大的计算能力和人工智能如何塑造我们所依赖的小工具。继续阅读，了解当今最先进的系统如何设计明天的消费类硬件。

超级计算机到底是什么以及它如何计算？

A 超级计算机 本质上是一个高度 强大的计算机。它具体是 设计用于运行 大量的任务。它可以轻松地 解决复杂问题 普通机器根本无法处理。当工程师测量 超级计算机的性能，它们不像家用电脑那样考虑标准时钟速度。相反，它的速度是 以浮点运算测量 第二。我们通常称其为 翻牌.

为了达到这个令人难以置信的 表现水平, 单个 超级计算机可以包含 数以万计的处理器。这些小部件紧密配合，形成一个巨大的大脑。巨大的 超级计算机被制造出来 较小的物理碎片 分组为计算节点。这些 计算节点 同时解决一个巨大难题的小部分。他们处理数万亿 每秒计算量 以令人眼花缭乱的速度。

这个巨大的 计算 权力对于现代人来说绝对至关重要 人工智能。无论是预测购物趋势还是训练智能语音助手， 人工智能 需要大量的资源。 超级计算机也 用于测试最终登陆消费设备的软件和硬件设计。每个新的平板电脑或智能手机都受益于由一个人完成的繁重工作 超级计算机 早在产品上架之前。

计算机历史上的超级计算是如何开始的？

的故事 超级计算 几十年前就开始了。的 第一台超级计算机 当早期科学家和军事工程师想要更快的速度时，它就诞生了。 西摩·克雷 是这个早期时代的传奇人物。他设计了著名的 疾控中心6600 在工作时 控制数据公司。许多历史学家称 疾控中心6600 现代的真正起点 计算机技术.

在那台机器到达之前，其他项目如 IBM 7030 存在过。具体来说， IBM 7030 拉伸 试图突破机器的极限。然而， 西摩·克雷 使用巧妙的冷却设计和密集的布线使他的机器速度更快。早期 超级计算机使用 独特的布线模式可减少部件之间的信号延迟。它们与当时建造的其他任何东西都截然不同。

在早期，机器的速度有时只是简单地用 每秒百万条指令。今天看来慢得令人难以置信！现在，现代 人工智能 模型的要求远不止于此。但那些早期的日子已经奠定了基础。他们证明人类可以建造大型机器来处理疯狂的数学。

为什么普通计算机与高性能计算机不同？

想象一下现在放在您办公桌上的设备。标准台式机或商用台式机 16 英寸笔记本电脑 DS160N95 非常适合日常工作。 普通电脑 通常有一个主 处理器。他们可能有一些 CPU核心数。但一个 高性能计算机 是一个完全不同的野兽。

一个基本的 计算机系统 一次处理一个人的任务。它可能会使用一个标准 操作系统 例如 Windows 或 Android。相比之下，大型研究机器 包含数万个 零件。他们有 数万个节点 立即工作。当您在 笔记本电脑，对你来说感觉非常快。但它无法运行全球 人工智能 模拟或建模人类基因组。

你的日常 个人电脑 专为低成本、便携性和低热量而设计。一个巨大的设施必须小心管理极端 功耗。一个标准 笔记本电脑 缓慢地吸取电池电量。一个巨大的数据设施使用的电力足以照亮一个小镇！

• 笔记本电脑： 1 个 CPU，8-16 GB RAM，使用电池运行，专为 1 位用户打造。
• 超级计算机： 数百万个核心、PB 级 RAM 需要一个为庞大数据集构建的发电厂。

并行处理如何优化计算机集群？

为了使机器更快，工程师将数千台机器连接在一起。这创建了一个巨大的网络，称为 集群。里面一个 集群，零件必须快速说话。他们使用一种特殊的高速 互连 电缆系统。这有助于 优化 所有部分之间的数据流。

工程师 使用并行处理 来分担工作量。基本上， 超级计算是一种形式 的 并行处理。它将一项巨大的工作分解为微小的部分。然后， 数百或数千 芯片同时解决这些位。这个简单的想法 并行性 是让奇迹发生的原因。可以把它想象成烹饪一顿大餐：一个厨师需要很长时间，但一百名厨师一起工作只需几分钟即可完成。

这个词 超级计算有时被用作同义词 与 高性能计算 （高性能计算）。为了管理一个沉重的 工作量，控制软件一定非常智能。今天， 人工智能 程序的构建是为了完美地分布在 集群。这种技术称为 大规模并行处理。它让整个系统变得不可思议 吞吐量 和效率。

人工智能将如何突破计算能力的界限？

今天， 人工智能 是科技行业的最大推动力。训练一个新人 人工智能 需要大量的 计算。有具体的 需要解决的问题 需要解决的极限数学。的 使用复杂且庞大的计算 神经网络的结果是惊人的。事实上， 超级计算机使用的大量计算 今天几乎主要是为了 人工智能 研究。

为了处理这个重物 计算性的 负载，标准芯片是不够的。我们严重依赖 图形处理单元 或 GPU。一个 图形 芯片绝对适合 人工智能。它同时解决许多简单的数学问题。公司喜欢 英特尔 Nvidia 正是出于这个原因构建了特定的部件。

这些 人工智能 任务可以改善您每天购买的小工具。例如，我们的智能相机功能10.1英寸平板电脑X12 Pro 依靠 人工智能 最初是在大型机器上训练的模型。令人难以置信的 处理能力 巨型设施最终会让你的小平板电脑变得更智能、更有用。

云计算 vs. 本地 HPC：哪一个更适合大规模人工智能？

并不是每个人都有钱购买大型服务器设施。这正是在哪里 云计算 介入。 云计算 让公司通过互联网租用电力。你得到 高性能计算 无需建造一个巨大且嘈杂的房间，里面装满了服务器。

对于 大规模 人工智能 项目，云是惊人的。您可以租用一小部分 世界上最快的超级计算机 仅仅几个小时。的 高性能计算 世界已经完全接受了这个想法。它使 高性能计算 较小的品牌和学校也可以使用。

然而，拥有本地硬件对某些人来说仍然很重要。一些高度安全的数据无法进入公共云。因此，公司建立自己的迷你 高性能计算 房间。无论是网上租借还是购买，都需要大量 计算 在当今时代保持竞争力的资源 人工智能 比赛。

“云使对极端计算能力的访问变得民主化。现在，任何初创公司都可以训练人工智能模型。”

超级计算如何改变天气预报？

大型机器的一个经典用例是 天气预报. 可以使用超级计算机 预测严重风暴和气候变化。像这样的机构 国家海洋和大气管理局 严重依赖他们。他们每天从卫星获取数十亿个数据点。

他们利用海量的数据来准确地 模拟 气氛。通过这样做，他们可以预测 极端天气事件 在它们发生之前的几天。他们提供 实时 拯救生命和财产的警告。这需要进行数百万次复杂的数学运算 每秒.

的 计算性的 天气模型非常类似于 人工智能 模型。他们都需要大量数据来学习。单个 计算 正常情况下可能不会花很长时间 电脑。但同时完成数十亿个任务需要认真、专注的力量。

专用超级计算机在人工智能中的作用是什么？

有时，通用机器根本不是完成这项工作的最佳工具。这是当 特殊用途超级计算机 闪耀。它们是为一项特定工作而从头开始构建的。他们是 设计用于运行 一种确切的类型 计算 完美，无需将精力浪费在其他事情上。

例如，研究人员建造机器只是为了研究 量子力学。物理方面 建筑学 专为精确科学而调整。在 人工智能 在世界范围内，公司专门为神经网络打造定制芯片。这些不是 普通电脑 运行浏览器或文字处理器。

因为他们完全专注于一件事，所以他们的效率非常高。他们很容易成为 10次 在这项工作上比通用机器更快。他们不会在日常生活中浪费精力 操作系统。他们只是处理他们本来要处理的数字。这个 高性能 允许突破 人工智能 这在十年前是不可能的。

有一天，超级计算机能装进笔记本电脑吗？

科技总是会随着时间的推移而萎缩。非常 最快的超级计算机 从二十年前开始，它几乎没有现代智能手机的功能。那么，今天的巨头最终会融入小公司吗？ 笔记本电脑？答案既是肯定的，也是否定的。

现代超级计算机 物理上是巨大的。例如，有些机器达到了惊人的速度 速度为 442 petaflops。 （一 千万亿次浮点运算 是一千万亿 每秒浮点运算数）。你根本无法在一个容器中容纳那么多的热量和能量。 笔记本电脑 很快！像我们这样的设备 14.1 英寸加固型笔记本电脑 DS141 非常坚固，但无法承受兆瓦级的 功耗 为此需要。

然而， 处理器 在你家里 电脑 会不断变得更好。单个 核心 今天很多 快几倍 比旧的大型机。我们现在有来自 英特尔 可以与 20 世纪 90 年代的整个服务器机房相媲美。你的未来 笔记本电脑 将处理本地 人工智能 轻松完成任务。

计算人工智能领域的明天会是什么样子？

令人兴奋的 计算领域 科学与科学完全融合 人工智能。我们看到巨型系统在诸如 洛斯阿拉莫斯国家实验室 和 橡树岭国家实验室。他们不断挑战绝对极限 电脑 可以做。

未来的机器将无缝地融合正常 中央处理单元 与全新的技术。我们将会看到更专业的 矢量计算机 被使用。一个 矢量 芯片非常适合特定类型的数学 人工智能 爱。他们会使用 大规模并行处理 训练 人工智能 甚至比今天还要快。

顶部 世界上的超级计算机 将不断打破新的速度记录。很快，我们将讨论 exaflops 而不是 千万亿次浮点运算。而这一切 计算性的 力量最终会降临到我们身上。它将让每一个 电脑 我们使用——从云中的服务器到您手中的平板电脑——更好、更快、更智能。

总结

当我们看到令人难以置信的飞跃时 计算 技术，很明显，大规模处理塑造了我们的未来。从训练进阶 人工智能 从天气预报来说，极限硬件是现代生活的隐形支柱。

• A 超级计算机 是一个巨大的 电脑 专为快速运行复杂的数学而设计。
• 性能主要是 以浮点运算测量 第二，称为 翻牌.
• 人工智能 很大程度上依赖于 计算性的 电源由 图形处理单元 （GPU）。
• 现代化设施 使用并行处理 分担一项大工作 数百或数千 的芯片。
• 云计算 使 高性能计算 小型企业也可以使用。
• 的 计算领域 在实验室和新事物的推动下，科学不断发展 处理器 设计。