超算和人工智能不再是平行线！HPC和AI将成为智能时代中的最强伴侣

随着人工智能的迅速兴起，AI与超级计算的结合已成为不可阻挡的发展趋势，复合型人才的需求便应运而生——超算竞赛，便是新型人才培养的方式之一。而就在刚刚落幕的ASC19 中，便将HPC与AI做了完美结合。

超算和人工智能不再是平行线。

自2013年以来，中国超算一直在全球超级计算机排名中位居第一，直到去年6月美国发布了“Summit”，重新回到了超算领域的顶峰。这台超级计算机是由IBM在英伟达帮助下开发，它的峰值计算能力可以达到每秒 20 亿亿次。

值得一提的是，Summit是第一台既支持传统计算，也支持运行人工智能应用程序的超级计算机，比如机器学习和神经网络等运行都可以在其上实现。

据相关调研报告预测，到2020年，全球AI市场规模将有望达到1190亿元，预计年复合增长率可达19.7%。而HPC(高性能计算机，也常被简称为超算)的发展的水平，则代表着人类利用工具、不断拓展认知边界的极限。

当高速运动的粒子碰撞之后，可能引发链式反应而释放出巨额能量。当人工智能和超算结合在一起时，一款款冷冰冰的超级计算机，将拥有了像人一样的自学和思考能力，而且回过头来，还能秒杀人类。

很可能，在不远的将来，人类在超级计算+人工智能面前，就可能像蚂蚁面对人类一样无力和脆弱。

终结者，即将到来！

HPC和AI将成为智能时代中的最强伴侣

未来，我们将进入一个人工智能研究及应用创新集中爆发的时代，人工智能只有在强大计算力的支持下，通过和成熟的算法、大数据相结合，才能真正做到改变世界。

算力、算法和大数据的进步，是AI发展的三大基础。AphlaGo之所以接连战胜人类顶尖围棋选手，一方面得益于蒙特卡洛算法的突破，但AI服务器性能的提升、数以万计的棋手对弈大数据，也是不可或缺的要素。

事实证明，算力、算法和大数据，人工智能这三大要素者之间是相互依存、相互制约的关系。如果算力不足，那么有再多的数据也无法进行有效地驱动和利用；如果算法停滞不前，那么在当面对多数据层级时，现有算力就会力不从心；如果没有足够庞大和关联的数据，那么就像一部有绝佳性能的发动机和变速箱的超级跑车，但却没有燃油一样，AI真正的威力也无从发挥。

目前，大量应用在算力上遇到了瓶颈，让人类在不断地探索HPC性能极限。在摩尔定律即将失效的今天，HPC在追求性能的同时也需要应对不断提升的功耗挑战，在功耗优化上，AI就可以大展身手。

HPC超强的算力，可以让AI插上算力提升的翅膀，而AI也会反过来帮助HPC实现更优化的资源分配和能源管理，所以，在智能时代，HPC和AI成为了一对能互补和相互助力的最强伴侣。

但实际上，AI和HPC是两个既有一定交叉，但又保持着很强独立性的学科，在现实中，HPC和AI的发展，各自都存在着一些严峻挑战，单独解决起来都很困难，更何况要让HPC和AI能协同创新。

目前人工智能在机器学习方面实现了巨大的突破，但人工智能要想在应用层面在做突破，将面临三大挑战：

第一，是数据的挑战。大量的数据，既有结构化数据，又有非结构化数据，所以如何打通数据类型、结构的壁垒，让大数据能被有效利用；

第二，是人才的挑战。人工智能是一个全新的科学领域，有很多大学刚刚开始设立这个学科，目前人工智能方面的人才还非常紧缺，人才的短缺是第二个障碍；

第三，是资源的挑战。存储、计算等硬件需要各种各样的架构，执行起来非常复杂。

而在超算方面，“应用难”是当前发展的最大障碍，主要四大难点：

是问题程序化难。科研人员难以将专业知识转化成超级计算机能够识别的语言。

第二，是数据快捷传输难。对于各个学科来说，需要超算分析和处理的应用模型都是很大的量级，这也意味着如果应用人员通过网络上传到超算中心的话，需要漫长的时间。

第三，是全程自动自行处理难。超算数据自行处理能力差。由于平台的特殊性和应用的针对性，仅凭用户个人很难对所有的程序进行有效的监管，在出现错误的时候也很难第一时间获得报警。

第四，是数据应用难。超算数据应用水平低。超级计算机数据的应用是超算应用的终极目标，项目结束后需要提供对应的数据报告，对项目的结果进行分析，这是用户非常关心的事情。如果依靠人力，依然是非常漫长而繁琐的工作。

若是能够成功解决上述方面的问题，HPC+AI组成的所谓“超级人工智能”必将颠覆人类社会！

HPC+AI，将是科技竞备赛中的制胜点

超级计算是世界高端信息领域的战略制高点，是整个高科技的重要支柱之一，也是体现我国科技竞争力和综合国力的重要标志，具有基础性、战略性和标志性，是“国之重器”，其分量堪比“两弹一星”。

超算意义重大，它不仅具有非常重要的社会需求，而且无可替代，更无法依赖国际市场，必须依靠我们自己来发展。从这个意义上说，无论怎样重视都不过分。

而未来属于年轻人，因此，在超算领域对年轻一代的培养至关重要。超算竞赛，便是方式之一。

随着互联网、大数据、人工智能等新技术和新应用的快速发展，超算的应用领域和范围还将进一步的拓展。对复合型人才的需求也就逐步增加。

少年强，则国强。大学阶段既是增长知识的学习期，也是培养创新精神和工程能力的起步期。

ASC竞赛通过吸引世界各国大学生广泛参与，结合国际大科学问题和重大应用场景设置赛题，并且引入世界顶级的超算系统作为竞赛平台。为广大的参赛选手搭建了一个开拓视野，交流技术，锻炼能力，增进友谊的大舞台。它将会对培养高水平复合型的超算人才发挥重要的作用。

ASC竞赛发起人、中国工程院院士、浪潮集团首席科学家王恩东认为：

ASC一直致力于构建国际青年人才交流合作平台，引导参赛学生发挥创造力和团队精神。

通过设置国际大科学工程和人工智能等前沿技术赛题，让年轻学子们亲身感受关乎人类福祉和文明进步的全球重大挑战，这将有助于培养具有国际视野、前沿技术思维的复合型超算及人工智能人才。

而就在刚刚落幕的ASC19，我们从赛题设置中也看到了HPC与AI结合的趋势。

此次决赛，要求参赛大学生队伍在3000瓦功耗约束下自行设计超算系统，包括：

运行优化国际通行基准测试

人工智能人脸超分辨率重建

地球系统模式CESM

基因测序组装软件wtdbg

神秘应用声子计算软件ShengBTE，以及其它前沿科学与工程应用。

其实近年来，ASC竞赛中人工智能赛题一直是备受关注。ASC19 要求各参赛队伍自行设计图像超分辨率算法(Super-Resolution，简称SR)并训练相应的AI模型，利用超级计算机在尽可能短的时间内将低分辨率图像还原成高分辨率图像，同时在相似度上符合标准。图像超分辨率SR技术是几十年来广受关注的一项视觉计算技术，其目标是在低分辨率图像恢复或重建为高分辨率图像。

随着深度学习技术特别是生成对抗网络GAN被引入到SR研究中，这项技术可以广泛应用于卫星和航天图像分析、医疗图像处理、压缩图像/视频增强及其它应用领域。

对于参加ASC19 竞赛的参赛队员来说，人工智能应用图像超分辨率SR赛题的挑战在于，这些本科专业多为计算机科学、数学等的队员们需要在两三个月的时间内学习大量SR、深度学习相关的论文，设计出AI算法并在超算系统上完成模型训练和不断的算法优化。

同时，想要达到竞赛要求并取得更好的成绩，队员们在设计模型时还需要充分考虑畸变参数和感知参数之间的平衡。2018年一项发表于CVPR的研究成果表明，SR技术存在一个有趣的“悖论”，即还原或重建的高分辨率图像与原图相似度越高，则肉眼观察清晰度越差；反之，若肉眼观察清晰度越好，则图像的失真度越高。导致这一现象的原因在于畸变(Distortion)参数和感知(Perception)参数之间侧重点选择的不同。

中国工程院院士丁文华表示，ASC竞赛设置这样的赛题，就是希望队员通过这道赛题打好深度学习、模型训练与优化的基础，促进SR技术在更多的场景应用。

SR赛题支持单位代表、中国科学院自动化研究所研究员程健表示，人工智能的发展带来计算需求激增，训练一个图像分类模型需要千亿亿次浮点运算，快速、大量做图像分辨率所需要的计算量更大。希望大学生们能更好地将超算与人工智能结合，为SR技术应用加速提供新思路。

可见，HPC+AI已经成为从技术、人才培养等多个方面成为重点关注的领域。二者的碰撞必将引发链式反应，释放巨额能量；上升到战略角度，也必将成为科技竟备赛中的制胜点！

ASC往届精彩回顾：打开人工智能比拼新视角

ASC世界大学生超级计算机竞赛是由中国发起的世界最大规模的大学生超算竞赛，与美国SC、德国ISC并称全球三大超算竞赛。

ASC Student Supercomputer Challenge发韧于2012年，经过7年发展，经历了从中国到亚洲，再从亚洲到世界的规模升级，影响力不断攀升。迄今为止，ASC 竞赛已吸引到全球超过7000 名年轻人才参与，参赛队伍总数超过1400支。

而对于HPC+AI相关的赛题，不仅仅是在ASC 19中所有涉及，早在2016年开始，便在赛题中引入了与AI相关的超算赛题：打开了人工智能比拼的新视角。

而引入人工智能AI赛题，意在激励参赛队员充分发挥超算计算力挑战优化领先AI应用，至今已得到科大讯飞、百度、微软等著名人工智能企业的大力支持与积极参与。

ASC16人工智能赛题为来自科大讯飞提供的智能语音DNN应用。

这次竞赛中ASC16组委会则要求参赛队进行DNN的MIC众核加速技术的移植开发，无论对参赛队还是深度学习使用方，都是一次“春江水暖鸭先知”的全新尝试。总决赛中，华中科技大学代表队设计了非常出色的深度神经网络方案，在天河二号超级计算机上实现高度优化，对涉及英文、中文普通话、四川方言三个语种共约60万条语音数据实现了高准确度训练模型，并将计算性能最高提升108倍。

ASC17人工智能赛题为来自百度提供的交通预测应用。

预赛阶段给出某城市前50天实际采集的交通状况的训练数据集，要求参赛队预测出第51天的交通状况。在总决赛阶段，赛题难度进一步升级，要求各队伍在3000瓦功耗下采用组委会提供的超算服务器搭建系统集群，利用百度PaddlePaddle框架开发深度学习神经网络算法，预测多达300+道路在某规定时间的早高峰路况。

北京航空航天大学、清华大学、乌拉尔联邦大学以及香港浸会大学等多队在这道赛题中针对性给出了出色的解决方案。

ASC18人工智能赛题为来自微软提供的自然语言阅读理解中的搜索提问回答预测(Answer Prediction for Search Query)。

参赛队需要基于来自于搜索引擎如Bing或语音助手如Cortana的真实提问所构建的巨大数据集，研究创造自己的回答预测的AI方法和模型，以实现对提问的准确回答，让人工智能向解决好认知挑战更进一步。

而ASC19人工智能赛题是图像超分辨率SR。

SR是指由低分辨率图像重构高分辨率图像，在卫星和航空成像、医学图像处理、人脸图像分析、文本图像分析、标识和数字车牌读取、生物特征识别等领域应用广泛，近二十年来吸引了众多学者研究。

决赛赛题要求队伍将远低于人脸识别标准的低分辨率人脸图像重建为高分辨人脸图像，以达到准确人脸识别的要求。

Jack Dongarra 教授

杰克·唐加拉（Jack Dongarra）对ASC竞赛的AI应用挑战表示肯定，他认为大数据和高性能计算的相互融合会推动人工智能技术的进一步发展。人工智能技术在实际生活中的应用其实已经有很多，比如说自动驾驶汽车，“这在20年前是不可想象的，现在已经接近实现了，在我有生之年会看到很多过去不可想象的人工智能实现。”