算力热潮继续升温的布景下，科学与工程核算这一“高精度算力底座”也迎来了要害晋级。当算力工业的目光聚集于AI练习，科学与工程核算赛道是不是现已被忘记？当大模型参数规划胀大，需求高精度、零差错的科学核算使命怎么支撑？
6月15日，中科曙光新一代通用高功能核算渠道发布。据介绍，该渠道经过“算—存—网”全栈协同优化，全体标准初次到达世界厂商旗舰级水平；一起其以国产百核级512线程通用CPU为中心，首要面向科学与工程核算等无法用GPU重构的场景。
实测多个方面数据显现，新一代通用高功能核算渠道搭载首个国产10T级通用CPU（128核、512线T），HPL（高功能线性体系）双精度浮点功能较今世渠道进步近2倍，访存功能进步近1倍，使用功能均匀进步近1倍，均与世界干流高端渠道处于平等水平。
使用方面，其已在气候、工业仿真、生命科学、资料科学等范畴落地。以气候预告为例，渠道可将分辨率从3公里进步到1公里，1小时内完结全国范围36小时时效的预告，工业仿线倍。
高档副总裁李斌表明，未来全球算力工业的开展，不只是单点硬件打破，而是从芯片、体系、渠道到使用的全链路协同立异。“此次发布渠道功能打破的背面不是单点立异，而是从底层芯片到上层软件的全栈立异，具有‘算—存—传’三级协同的体系级才能。”中科曙光高端核算总工程师李建军介绍。
具体做法上，核算层选用了两项技能，BurstBuffer技能把数据先缓存到CPU邻近的高速存储区，进步读写速度；SocketDirect技能让每颗CPU直连续网卡，不必绕道另一颗CPU，进步了通讯功率。网络层根据自研的scaleFabric高速网络，带宽400G，适用于高功能核算集群。存储层选用节点间划（硬件）域并行计划，打破了传统存储的带宽瓶颈，完成更强的数据吞吐才能。
记者了解到，工业仿真、资料核算、生物核算等范畴的使用软件往往经过长时间深度优化，搬迁与重构本钱极高；比较单纯硬件功能进步，业界更重视渠道的软件生态兼容才能。中科曙光此次发布的渠道原生兼容x86生态，是国内首个原生支撑AVX512指令集的国产通用核算渠道。“生态兼容的中心价值是，客户遵从‘换手机相同’的正常设备更新周期，不需求做任何调整。”李建军解释道。
在浪潮中，核算渠道为何还以CPU为中心？“关于CPU在AI年代的定位，咱们和国外CPU厂商观点相同——重要性渐渐的升高。”李建军给出了理由：CPU支撑从浮点运算到逻辑判别在内的全类型核算，是通用型算力基座；CPU具有高精度浮点运算单元，可保证科学与工程核算的精度；干流科学与工程核算软件与通用CPU深度优化，没有搬迁本钱。
中科曙光解决计划与立异事务总经理张磊介绍，当时推理场景的鼓起正在增加对CPU算力的需求，CPU的通用性决议了需求的多样性。东南大学物理学院副教授李强列举了地球科学、工业设计制作、动力勘探、物理化学资料、生命科学、集成电路六大典型使用场景。“这些场景不管并行规划、商业软件依靠仍是逻辑判别运算，都需CPU处理。”他表明。
东南大学物理学院副教授李强以科研阅历为例：资料模仿要求双精度起步，GPU在这方面反而是短板。并且原子之间彼此作用很强，无法独立核算，对内存交互要求极高——从几十个原子到上千个原子，内存需求翻了十倍不止，这些恰恰是CPU拿手的。
关于CPU与GPU的联系，张磊在承受媒体采访时表明，GPU担任暴力求解、算得快，中心逻辑部分还要CPU，未来二者将齐头并进、彼此协同。而AI for Science的中心逻辑是数据，要求算得准、精度要高——CPU先天具有这样的特质。此外，记者经过查询了解到，因为GPU的高能耗，同一项使命用户遍及优先选择CPU。
从CPU自身来看，张磊以为，后期将走向深层次地交融：算得快不一定数据能吞吐得快，这是体系化的工程才能。他泄漏，中科曙光正在测验新的互联协议，加快数据在进程间或物理中心间的才能，让CPU算力得到极致开释。
