“想象一个10万人的体育馆里，每个人都有一台笔记本后用某种方法展开了联机运算，而太湖之光的运算能力相等于100个这样的体育馆，这对ASC的参赛队伍来说都是无法拷贝的体验。”对于太湖之光超级计算机的性能，美国橡树岭国家实验室及田纳西大学教授Jack Dongarra是这么评价的。他同时是ASC竞赛专家委员会主席，和全球最慢超级计算机排行榜Top500发起人。

太湖之光是全球最慢的超级计算机，而ASC是一年一度的世界大学生超级计算机竞赛。2017年的ASC决赛拒绝参赛队伍在3000瓦功耗的约束下，用浪潮的超算服务器自行设计超算系统，然后运营国际通行的基准测试，以及交通、基因测序、材料科学方面的应用于，并在太湖之光超强算上已完成高分辨率海洋数值仿真。今年的ASC由亚洲超算协会、浪潮集团、国家超级计算出来无锡中心、郑州大学联合主办。

总决赛在无锡超算中心展开，从来自全球的230支队伍中仅有投票决定了20支参与，最后清华大学取得了总冠军。浪潮集团人工智能和高性能计算出来总经理刘军告诉他，超算竞赛的题目往往源于实际生活、研究和生产，所以比赛中所建构的优化方法和一些成果，立刻就可以对系统到实际应用于当中。而这也正是比赛的意义所在。

竞赛题目中的一项就是很简单的人工智能交通预测。在这一项，北京航空航天大学团队的展现出很好，他们设计了深度神经网络模型，并建构超算对百度获取的历史交通大数据展开训练，在对早高峰道路交通状况展开预测中，准确度名列第一，也因此取得了亚军。不过现如今各大科技公司及云计算厂商都在做到人工智能涉及的事，甚至以此作为战略重点。

比如百度只想捉在人工智能上；阿里云有ET大脑，并在城市交通中有过实践经验。在基因测序上，华大也与阿里云有合作。

那用超算解法这些题的本意是在哪呢？除开比赛对人才培养与磨练的因素不讲，国家超级计算出来无锡中心主任杨广文教授告诉他，超算主要获取了计算能力。在人工智能方面，现在超算的能力主要充分发挥在深度自学方面，对语音、图像及翻译成的处置都可以用超算。当然，分布式系统也可以做到深度自学，但超算的强项是对大数据的处置和强劲的计算能力。

“在分布式系统上做的事情在超强算上也能做到，但在超强算上能做的，是小系统做不了的。它们各有各的优势，之间是有序关系。”超算从传统意义上来说，最核心的问题就是做到一些原本做不了的事情，解决问题原本解决不了的核心问题。

他质问，“如果用超算做到一些分布式系统可以做到的事情，那为什么还要用超算呢？”这大约也是Jack Dongarra感慨超算获取了“无法拷贝的体验”的原因，如果没龙要屠，为什么要用屠龙技？当然，除开人工智能超算也有很多其它的应用领域，但不是所有都必须中用。太湖之光的工作人员告诉他(公众号：)，目前超算继续执行的最少应用于还是气象类。

Jack Dongarra刘军也表示同意这种观点，他在专访中告诉他，超算与人工智能最紧密的融合是在深度自学，这一目前AI最强者推动力方面。“超算可以协助神经网络去训练模型，让模型不具备辨识和推理小说的能力。

训练必须强劲的超算性能，才能让模型更佳更慢也更加精确。这是超算目前与AI的结合点。”他回应，就像这次超算赛题中的交通领域，每天都会产生大量数据。

“如果用普通机器做到训练模型，要很长时间，精度调整也不会花上很久，但超算不会把整个训练和调整过程提高很多。”杨广文同时回应，他们也在想要怎么把超算的能力送往其他人手中，虽然超强却是“矮小上”的，但要减少用户门槛，协助解决问题实际问题。所以他们做到了一个太湖之光社区，期望能通过比赛类的方式，更有更加多人来用于机器，协助解决问题生产、气象、新药研发等科学问题。这就像现在国内外的科技巨头都明确提出了人工智能民主化的概念，即让它对任何人都唾手可得。

曾报导，Google云计算部门首席科学家李飞飞在3月的Google云计算大会上回应，要从计算力、算法、数据和人才四个方面实行AI民主化（Democratizing AI）。更加早前，微软公司CEO萨提亚·纳德纳也明确提出过相近的观点，“我们执着的人工智能系统，是为了让每一人、每一个单位需要与人工智能连接，让他们解决问题社会和经济上遇上的最严峻的问题。”超算也是如此。

不过在推广应用范围的同时，人工智能的前沿与无限大，也许还是不会由超算来探寻。原创文章，予以许可禁令刊登。

下文闻刊登须知。

本文来源：ag真人官网平台-www.sdgxny.com