本文一部分转载自杨净 整理自 MEET2023量子位
算力的需求，远比以往来得更为猛烈。甚至有人直呼：得算力者得未来。
元宇宙、AIGC、AI for Science的涌现，又给高性能计算（HPC）平添了好几把火。
在诸多挑战与机遇共存交织的当下，这一领域泰斗中国工程院院士、清华大学计算机科学与技术系郑纬民，在MEET2023智能未来大会上，分享了自己的见解和思考。
估计未来两年到四年，HPC（高性能计算）+AI+BigData融合的服务器就会出现。AI for Science的出现，让HPC+AI的融合成为刚性需求；而数据处理又是AI的基础，数据和AI的融合也很自然。
甚至他还开玩笑说，现在要获HPC领域的戈登贝尔奖，必须要有AI的算法。你没有AI的算法，否则奖都得不了。
虽然这是玩笑说法，但实际上也是一种趋势。
除此之外，他还谈到人工智能计算机设计的三大平衡性原则、AI基准设计四大目标以及如何通过并行方法加速大规模预训练模型。
估计未来两年到四年，HPC（高性能计算）+AI+BigData融合的服务器就会出现。过去HPC是一台机器、AI是一台机器，大数据处理是第三台机器，这三个机器自己管自己，但现在这三台机器正在融合之中；AI基准设计要达到四个目标：统一的一个分数、可变的问题规模、具有实际的人工智能意义、评测程序包含必要的多机通信；现在要获HPC领域的戈登贝尔奖，必须要有AI的算法，你没有AI的算法，否则奖都得不了。这是开玩笑的说法，但实际上也是一个趋势；AI for Science的出现，让HPC+AI的融合成为刚性需求；探索更大参数量模型的效果，是具有重要科学意义的；我们希望人工智能计算机跟HPC有TOP 500一样，也有一个AIPerf 500。（以下是郑纬民院士演讲全文）
人工智能计算机设计的三大平衡性原则
今天给大家讲讲我们团队为人工智能做的三件事，就是AI与算力基础设施的设计、评测和优化。
第一件事，HPC（高性能计算）和AI的应用是不一样的。
HPC的应用领域主要有科学和工程计算、天气预报、核聚变模拟、飞行器设计。它的运算精度是双精度浮点运算，64位甚至128位的，所以加减乘除做得很快，主要是这点不同。
人工智能计算机就是半精度的，甚至是定点的，8位的、16位的、32位的。
文章来源：https://www.toymoban.com/news/detail-478917.html
因此这两台机器应该是不一样的，而人工智能计算机最近两年才开始有文章来源地址https://www.toymoban.com/news/detail-478917.html
到了这里，关于高性能计算与AI融合成为刚需|什么是高性能计算？应用领域有哪些？与人工智能的关系梳理的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
