尽管人工智能正在重塑科学与数学领域的行业格局,但传统高性能计算(HPC)并未因此式微。AMD 高管 Scott Tease 在接受 Toms Hardware Premium 采访时表示,大多数 HPC 站点已经达成共识:“人工智能永远不会取代 HPC”。他认为,构建包含量子计算、HPC 和 AI 的异构计算堆栈,是解决前沿研究难题的最佳途径。

Tease 指出,虽然 Nvidia 在 AI 工作负载中大力提升低精度数据类型的性能,但对于 HPC 至关重要的双精度浮点运算(FP64)本地性能而言,这种策略并不适用。曾在联想任职十余年、此前在 IBM 工作 13 年的 Tease 于今年早些时候加入 AMD,他强调了在芯片技术引发国际关注的背景下,厘清 HPC 与 AI 交叉关系的重要性。
高精度计算的参数对比
FP64 精度对于 HPC 工作负载至关重要,而这一指标近期成为业界焦点,主要源于 Nvidia GPU 在过去两代产品中的表现变化。数据显示,Nvidia 最新的 Rubin GPU 提供 33 TFLOP 的 FP64 算力,低于四年前 H100 提供的 34 TFLOP。相比之下,AMD Instinct MI355X 的峰值 FP64 算力为 78.6 TFLOP,而即将推出的面向 HPC 市场的 MI430X 峰值可达 288 TFLOP。
Nvidia 依靠模拟技术来提升 FP64 性能,而 AMD 则采取了不同的策略。AI 应用通常由模糊的低精度数据格式定义,这与 HPC 所需的高精度 FP64 截然不同。在最近几代 Nvidia 硬件中,FP64 性能似乎陷入停滞。
Tease 认为,几年前 HPC 领域可能对 AI 感到威胁,但现在研究人员已意识到 AI 是现代科学发现的重要组成部分。核心问题在于如何部署它。AI 计算与 HPC 计算之间存在明显冲突,过去的方法是将 CPU、GPU 等作为独立的“岛屿”存在,彼此缺乏联系,这种方式已无法跟上科研步伐。
量子计算的整合与挑战
当前的挑战在于连接这些系统。AMD 正与 IBM 及橡树岭国家实验室合作进行试点,在 Umbra HPC 系统中部署 AMD 的“经典”计算堆栈,并与 IBM 拥有 129 个量子比特的 Quantum Nighthawk 量子计算机相连。这些系统将接入橡树岭领导计算设施,旨在让研究人员探索量子、AI 和科学计算的整合如何加速科学发现并服务于国家安全。
如果 HPC 社区曾觉得被 AI 轻视,那么量子研究人员可能也有类似感受。无论如何,Tease 表示科学计算的未来将是一个统一舰队,结合 AI、HPC 和量子技术。量子不会成为所有问题的终极答案,但在人类健康、化学等领域,它能实现经典计算无法完成的任务。目标是在单一工作负载中让这些技术共存。
HPC 工作负载调度是一个已解决的问题,开源调度器如 Slurm 驱动了 TOP500 的大部分超级计算机。Tease 描述了一种更深层次的连接系统:不仅仅是决定任务去哪个节点,而是要确定何时应用 AI,何时使用 GPU 加速,以及何时进入量子环境。
橡树岭领导计算中心作为一个测试平台,用于了解如何正确连接这些系统。新闻稿明确指出,这是一个共享环境,用于评估未来混合量子系统所需的架构、软件和工作流程。该系统是与 IBM 共同设计的倡议,旨在将量子和经典计算结合到一个系统中。
研究人员正在探索如何利用经典系统加速量子错误校正,这是消除环境影响的关键步骤。目标是最终在量子 XQZAQ Q 竞赛中加速量子系统,这是一项美国发起的倡议,将为量子研究提供高达 2.15 亿美元的资金。到 2028 年底,该竞赛要求量子计算机至少拥有 100 个逻辑量子比特,并能执行数亿个容错操作。IBM 在橡树岭进行的错误纠正研究被视为朝着这个目标前进的“关键组件”。此外,AMD 上周宣布投资量子设备公司 PsiQuantum,提供 CPU、GPU 和 FPGA 以驱动该公司首个容错量子系统。





