在过去的几年里,超级计算已经完全成为主流,为众多行业的数据驱动型企业带来了新机遇。然而,这并不意味着超级计算巨头已经脱销——事实上,远非如此。

今天,世界上最强大和最先进的计算机仍然参与硬科学。从大型强子对撞机的物理实验到计算生物学的快速发展,计算生物学在创纪录的时间内快速跟踪了多种新冠肺炎疫苗的开发,每一项新发现都需要更大的功率和越来越先进的硬件来实现变革性的成果。
然而,最近出现了一类新的超级计算机用户——那些承认超级计算是商业上一个有价值的工具的人。这方面的主要驱动力是人工智能(AI),它正在成为商业和数字化转型的工具。
有很多行业希望利用新一代AI和机器学习应用。它们包括需要支持定量数据分析的金融机构,以及希望借助物联网和计算机视觉实现供应链自动化的物流公司。
分析公司Omdia估计,机器学习至少有200个独特的商业案例,其中许多除了对特定软件和专门硬件要求外,没有任何共同点。如果你正在购买现成的AI功能,那么这很少是一个问题。然而,如果你试图用AI建造一些新的和原创的东西,基础设施要求可能会令人望而生畏。
训练新的机器学习模型也不仅仅需要计算。如果没有不断的重新训练和新数据,模型会很快失去对最终产品或服务的准确性,很快失去其实用性。因此,商业机器学习是一个长期的游戏,需要一种新的专注于AI的超级计算机,以及能够支持它们的数据中心。
不是普通的超级计算机
超级计算机本质上是许多功能强大的计算机和联网的基础设施设备,它们共同致力于寻找复杂任务的解决方案。为了使它们更实用、部署更快速,这些元素近年来被设计成标准化、可扩展的单元,包括GPU密集型基础设施、电力、冷却,所有这些都通过光纤连接。
几年前,一台大规模超级计算机从设计、制造到部署可能需要两到三年的时间,而这样的时间框架过去是可以接受的。然而,无论是商业、学术还是生命科学研究,都不能再忍受一到两年等待时间了。硬件提供商因此注意到了这一点,如今同样的超级计算基础设施可以在短短20周内实现。
有趣的是,在20周内建造一台超级计算机并不是一种营销吹嘘。事实上,这是英国最强大的超级计算机——Nvidia的Cambridge-1就是这样。
事实上,Nvidia凭借super pod:DGX A100系统服务器参考架构,一直引领着企业友好型高性能计算(HPC)基础设施的新浪潮。每个DGX A100本质上是一个预集成的超级计算构建块,占用六个机架单元。添加一些网络交换机和存储设备,就有了一台小巧而功能强大的超级计算机。再加几个节点,超级计算机就会快很多。添加20个节点,将得到一个完整的可扩展单元(SU ),添加80个或更多节点将得到Cambridge-1大小的东西。
NVIDIA DGX A100是适用于各种AI工作负载的通用系统,能够为5 petaFLOPS AI系统提供更高计算密度、性能和灵活性。DGX A100内部配备了八颗Ampere架构的A100 GPU芯片,每颗GPU芯片整合40GB HBM2高带宽显存,总容量达320GB。每颗GPU芯片均支持12路NVLink互连总线,GPU-GPU带宽高达600GB/s,可保证八颗GPU芯片彼此完全互连,同时还有6颗NVIDIA NVSwitch芯片,双向带宽高达4.8TB/s。
点播–超级计算乐高
乐高类比(Lego analogy)是关于超级计算和数据中心的长期讨论。Nvidia解决方案架构和工程副总裁Marc Hamilton说,“在此过程中,我们意识到并非所有人都需要或负担得起560 DGX系统。因此,我们希望有一个合理的构建块。按照HPC的说法,构建块通常称为可扩展单元。这是一种千篇一律的设计,希望这些由服务器集合而成的乐高积木(Legoblock)可以连接在一起,可以扩展。”
根据Hamilton的说法,仅20台服务器就足以创建一个HPC系统,该系统将使您跻身世界上最快的500台超级计算机之列。然而,有趣的是,一段时间以来,数据中心制造商一直通过模块化系统采用类似乐高风格的方法。有人可能会说,Nvidia已经做了他们最擅长的事情,并采用了现有的想法,将其转化为另一个行业领先的解决方案,提供了比同行更好的性能。
有趣的是,这种乐高风格的方法并不局限于硬件,现在可以在基础设施堆栈的所有级别上看到。如今,它正通过OCP就绪系统和OCP认可的硬件在数据中心一级得到采用;通过Nvidia DGX SuperPOD达到超级计算水平;通过A100 DGX站在桌面上;并通过基于Linux的应用程序容器在应用程序级别上实现。
构建块标准
乐高概念不仅用于服务器,还有基础设施环境。事实上,现在有一种向标准化发展的趋势,即在整个基础设施层提供统一的构造块,从而提高性能、降低复杂性并加快安装速度。例如,如果没有跨操作环境和基础设施的更大标准化,Cambridge-1的破纪录部署就不可能实现。
标准仍然是数据中心行业的重要组成部分,但很少有其他计划像开放计算项目(OCP)这样激进。获得OCP就绪认证的数据中心已经过微调,可为工业规模的密集型计算环境提供卓越的技术,并可用于从典型企业工作负载到HPC就绪设备的任何设备,功率密度高达100千瓦。
如今,超级计算已经具备了一切:有标准、框架和库,这些都是企业现成的,并得到了硬件和软件开发人员的广泛生态系统支持。然而,变革性超级计算的关键仍然在于设计弹性强、功能强大且部署快速的系统。当然,还有他们托管的用户应用程序和数据。
超级计算能力的部署并不复杂,我们构建和安装它的速度越快,整个行业就能越快受益于它提供的巨大能力和分辨力。
原文链接:
https://www.datacenterdynamics.com/en/opinions/the-building-blocks-of-transformative-supercomputing/






