用不同方式思考

HPC非常传统，相对而言人工智能是新的。就目前而言，当两者相互作用时，它将重提有关实现遗留代码的问题，在某些情况下这些代码可能早就该实现了。说法可能是让我们为这段代码添加一些人工智能功能，但现实将是努力可能成为浪费时间。就像那些早期疯狂的Java时代一样，急于将代码重写为新形式的人既有成功的也有失败的。投资回报率（ROI）将是关键，但预测创新的结果往往是错误的。

在任何HPC或AI的会议上谈论容器似乎只能站着说说。但这正在改变，例如Python和Julia在配置时可以更好地扩展，容器可以帮助部署。

容器为用户提供了良好的环境，2019年将看到HPC领域越来越多的容器使用，部分原因是AI用户的对此表现出的兴趣。毫无疑问，这会对HPC带来挑战，因为这需要优化的生态系统。如今，这个领域正在进行这方面大量的精细工作，HPC社区将帮助实现这一目标，满足大家对容器的渴望。

只要有人工智能，就有大数据。人工智能的重点是利用数据模型从大量的数据集中找到价值。许多HPC中心已经有很多基础设施可以很好地处理大数据问题。所有HPC中心都将大数据作为新系统的主要需求，AI工作负载是大数据需求的主要动力。

由于存储器的高成本，我们看到存储器大小与FLOP／s的比率多年来一直在下降。这对大数据发展不利。与持久内存相关的新功能带来了一些希望，并支持大型机器（包括HPC）中的大数据模型。这些新的内存技术提供了主内存和本地存储（SSD）的扩展。

HPC对可视化的热爱将对AI产生的影响。将数据放在最接近处理器的位置是最适合进行实际数据可视化的处理器，是HPC影响AI ／ ML的最重要的方法之一。当然，使用和理解大数据以及可视化数据和分析是相互交织的。

推理工作负载将对HPC产生重大影响

应用程序的融合不是在重新思考之后进行替换 ，融合两全其美，扩展工作负载多样性并看到不同工作负载的融合。那些有远见的人已经证明，HPC和AI结合时有很多机会。虽然现在很少有应用结合HPC算法和AI技术，基于早期的结果，我很容易预测这是HPC应用的未来，并且将因为AI带来HPC最大的变化。

计算在某种意义上并没有改变：它完全取决于整个系统对用户的作用。虽然需求有变化，但一个完整的系统由硬件起来和软件组成不会改变。实际上，很容易被单一技术（硬件或软件）分散注意力； 最好的系统会谨慎地应用最新技术。

AI＋HPC的重要意义

显然AI将使用HPC，这将永远改变HPC。事实上，AI可能是HPC历史上最大的变革推动者。HPC随着科技的发展不断进步，工作负载也将随着人工智能的发展而变化。我不认为辩论收敛与交叉给予足够的信任的概念，人工智能用户将加入HPC社区，并留下自己的标记。他们也将使用非HPC系统，就像其他HPC用户一样。

将有专为AI工作负载设计和构建的定制高性能机器，其他机器的AI工作负载也在可以在更通用的高性能设备上运行。要平衡机器的高性能和灵活才能实现加速。在所有情况下，人工智能将有助于定义未来什么是超级计算，这将永远改变HPC。

HPC和AI不仅有着天然的联系，如今更处在加速融合之中。换句话说，HPC不仅可以助推人工智能的快速发展，更随着人工智能的不断成熟，又反过来促进了HPC系统更好的部署和应用。

领先企业正着手部署

高效能运算指应用程序平行化机制，在有限或较短的时间内完成复杂或大量运算工作，以提高应用程序的处理能力，常应用于一般计算机无法处理的大型计算式高效能运算计算机系统。

正是洞察到了那些已部署HPC，但又希望利用现有基础设施发展AI的群体，英特等行业领先企业合作开发了面向高效能运算的英特尔精选解决方案，这是一套面向快速部署HPC基础设施的解决方案，已针对分析集群和高效能运算应用进行了优化，可帮助客户在发展人工智能的过程中，缩短实现突破、提供可行洞察和设计新产品的时间。

结尾

科学计算的深入应用，深度学习驱动的人工智能，都正在重新定义HPC的创新和应用边界，通过推动HPC和AI的融合，让更多人可以更快速、更容易以及更省成本的方式最大化利用现有HPC基础设施，发挥人工智能的作用，高效能运算竞争也就此展开。