2022年12月13日,由CCF高性能计算专家委员会、中国信息通信研究院、上海交通大学、国家超级计算济南中心、国家超级计算长沙中心、清华大学、北京大学等20个单位联合编写的《高性能计算系统性能评价白皮书》在第十八届全国高性能计算学术年会(CCF HPC China 2022)上重磅发布。
上海交通大学高性能计算中心副主任、CCF高性能计算专业委员会常务委员林新华对白皮书进行了发布讲解。他提到,高性能计算系统是重要的数字基础设施,我国目前已建成了九个国家超级计算中心、二十多个人工智能计算中心,众多企业和科研院所自建或租用了高性能计算资源,形成一个蓬勃发展的生态。
随着高性能计算系统和应用向“数据密集型”发展,除了高浮点性能,系统对互联带宽和存储IO响应也产生极高要求。 但在不少系统建设案例中,存储组件和网络组件受到的关注远低于计算,传统评价方法偏重算力,强调“单科成绩”,存力关注不足,以此为指导设计的集群可能会出现“偏科”,即基准性能好但实际性能不达预期,不能满足AI、生信数据分析等新型应用场景的需求。
上海交通大学高性能计算中心副主任、CCF高性能计算专业委员会常务委员林新华本次发布的白皮书以综合评价指标作为评估系统性能的新方法,从科学计算、AI计算、存储、网络、能效和平衡性6个维度,选取了19个指标刻画系统的整体性能,调研了Top500主流系统系统的设计规范,为“存储建多大”等问题提供了参考答案,提升了高性能计算系统设计选型的平衡性。
此外,林新华提出了建立评测社区推广评测体系的愿景,展望了标准演进的规划,并表示“我们将积极采纳行业建议,持续优化评价指标与计算方法,为建立一套科学、实用、具有产业影响力的评价方法而努力!”
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。