国家超算深圳中心主任冯圣中：中国超算已进入黄金时代

　　作者 | 青暮

　　2020年12月28日至30日，联合国际会议PDCAT-PAAP 2020，即第21届并行和分布式计算、应用和技术国际会议（PDCAT 2020），以及第11届并行架构、算法和编程国际研讨会（PAAP 2020）在深圳举行，由中国科学院深圳先进技术研究院（SIAT）和深圳国家超级计算中心（NSCCSZ）组织举办。

　　由于新冠疫情大流行，PDCAT和PAAP的组织委员会决定今年联合召开会议。 会议以线下和线上同时举办的形式进行，如果存在安全隐患或旅行限制，则可以进行线上参会，接收论文的作者也可以选择线上参加。

　　PDCAT和PAAP主要关注分布式计算、并行体系结构、算法和编程技术各个方面的最新研究、成果、思想、开发和应用。 在近20年来，PDCAT和PAAP已在亚洲、大洋洲的许多国家（包括中国、日本、韩国、新加坡、澳大利亚和新西兰）成功举办。

　　会议委员会表示：“我们衷心希望与会人员从本次会议上学习到渐进方法的基本理论，获得实用的实验数据，了解新的商业模式，以及紧跟最新的学术趋势。”

　　大会主页：http://hpcc.siat.ac.cn/meeting/pdcat-paap2020/index.html

　　在本次会议中，国家超级计算深圳中心主任冯圣中担任大会主席。AI科技评论对冯老师进行了访谈，以了解大会的概况，中国超算领域的发展现状以及面临的主要挑战。

　　冯圣中，国家超级计算深圳中心主任，教授，博士生导师，中国计算机学会杰出会员，国家高性能计算重点专项总体组专家，中国数学软件协会常务理事，中国计算机学会高性能计算专业委员会委员。主持多项国家科研项目，包括863重点项目、国家自然科学基金前沿探索项目。作为课题负责人，参与863重大专项“曙光4000系列超级计算机”、国家自然科学基金重大专项“基于网络的科学计算环境”、中国科学院重大专项“生物信息处理专用机”项目。获国家科技进步二等奖1项、部委科技进步奖多项，获首届“春晖杯”创新创业大赛一等奖。发表SCI/EI收录论文30余篇。主要研究方向为高性能计算、网格计算、生物信息学。

　　1

　　大会概况

　　PDCAT和PAAP的往年参会规模都分别为200人左右，今年由于人数控制，线下参会的人数大概为50人左右，同时有很多学者是通过线上进行学术报告。

　　冯老师向AI科技评论介绍，这两个会议都相对比较“冷门”， “因为PDCAT和PAAP专业性特别强，所以‘围观’的人也不多。”

　　在今年的会议中，冯老师注意到， 并行计算已经在AI领域的芯片、编程以及应用等各个层面都产生了影响。 其中，冯老师特别提到了超算的内部网络通讯，这个网络和我们平常理解的广域环境下的网络不同，其对于AI芯片等硬件的并行计算和减少延迟特别重要。

　　提到近年来值得关注的超算技术发展方向，冯老师表示，超算在技术上已经实现了较大的突破，比如能效等方面， “超算如今正在以性能每增长千倍、能耗就增长十倍的趋势在发展。”

　　未来，超算中心的能耗量级可能会稳定下来，但是性能还要不断提升， “接下来我们要追求的是，在相同的性能下，以千分之一的能耗完成任务。这对于超算中心延长生命周期有重要意义。”

　　超算领域一直以螺旋式的轨迹在发展，如今随着AI芯片、GPU等硬件研究的兴起，超算也变成了一个热点。“未来有可能出现实用的自动编程技术，或者至少做一些自动优化工作，从而大大减少研究人员的工作负担，并降低超算的门槛。”

　　冯老师还着重强调了“可靠性问题”，也就是让电子产品的寿命大幅增加，反观现实，现在的电子产品有寿命越来越短的趋势。“要实现这个提升，需要各个领域协同促进新突破的产生。 如果电子产品的寿命能达到五十年，对于整个超算产业的冲击，将是革命性的。”

　　或许是坚信“可靠性问题”能够得到解决，冯老师经常强调，在规划超算中心的时候，“不能只看眼前的机器，而要往十年后展望。”

　　2

　　超算的应用

　　事实上，早在电子计算机诞生之前，超级计算的思想就已经萌芽。

　　英国数学家理查德森1922年曾提出“预报工厂”的概念，这个概念被称为“理查德森之梦”。就是由几万人通过同时进行计算和数据交换，来完成天气预报工作，这其实是超算的朴素模型。

　　随着世界第一台电子计算机ENIAC的问世，理查德森之梦终于得以实现。

　　如今，历经几十年的发展， 超算已经在科学计算的方方面面，例如航空、航天、气候、能源、材料、安全、天文等领域中发挥了不可取代的支撑作用。

　　冯老师将超算最重要的应用分为三大块，分别是：

　　社会发展

　　产业创新

　　科技创新（或基础科研）

　　其中，社会发展包括：公安、健康、医疗、防灾减灾等；产业创新包括：AI企业、互联网企业等；这两块都分别占用了1/3的超算资源。

　　科技创新可以分为几个层面来看，比如算力分配或问题规模。从算力分配的角度来看：30%的资源用于材料学领域，也就是新材料设计；20%用于生命健康，即基因数据处理等研究。

　　从问题规模来看：包括气候、环境、生态、气象等全球性问题。对于这些问题，如果精度要求比较高，同时模拟时间比较长，对于超算而言也是很困难的。

　　对于微观问题，也是同样的道理。比如在化学反应动力学中，药物在人体内发生作用，需要经历分钟量级的时间，但是超级计算机模拟只能模拟到纳秒级别，甚至连微秒级别都达不到。从纳秒到微秒到毫秒等等，超算还有好几个台阶需要跨越，可能最后要跨越到小世界才能达到有应用价值的地步。

　　近几年国内在超算领域发展迅速，除了政府的重视， 更重要的是需求的驱动。 冯老师以疫情防控为例，介绍了超算在国内的发展历程。

　　“2003年用超算应对SARS时发挥的作用，和如今用超算应对新冠肺炎是完全不一样的。当时我们把超算免费提供给大家，都没有人用。但这次新冠疫情中，超算在药物筛选、传播趋势预测等方面都提供了巨大的帮助。”

　　然而，这个进步并不是仅仅指超算本身的进步，而是整个科学共同体的进步。“比如药物筛选，就不是一个科学家，而是多学科的科学家协同的结果。从原理来说，我们首先将新冠病毒的蛋白分子结构提出作为靶标，在药物分子库中则存储着已有药品的信息，通过调用软件算法进行相应计算，就能找到相关适用的药物。药物筛选完成后，还要做临床实验。”

　　冯老师认为，从头实现药物筛选，依靠的是一个完整的创新链条，超算在其中起到基础支持作用。而且，这个链条在国内已经越来越成熟。 “17年前应对SARS的时候，我们还没有形成这种链条，或者说科学共同体和生态。一旦生态形成以后，对超算的需求就变成内生的需求了。也就是说，这时候超算的发展变成需求推动的了。”

　　在需求的推动下，超算发展的非常迅速。冯老师更是在会议中提出， 中国超算已经进入黄金时代。

　　3

　　竞争格局：ARM会逆袭吗？

　　2020年6月，使用48核 ARM 芯片的日本富岳超级计算机夺得全球超级计算机 TOP 500 榜单榜首，这是 ARM 架构首次登顶超算 TOP 500 榜单。2020年11月，富岳蝉联了该榜单的冠军。

　　尽管富岳已成为全球最强超算，但超算 TOP 500 的官方统计显示，x86 架构仍然是 TOP 500 超算的主流选择，有 481 台超算采用了x86架构。相比之下，采用了ARM架构的超算只占 4 台。

　　冯老师认为， 富岳的出现是一种可能颠覆x86主导地位的尝试， “ARM架构的超算生态还有差距，从应用上考虑的话，使用ARM架构不是一种合理的选择。但是富岳有很多值得学习的地方，他们在架构上做了一些非常好的创新。”

　　冯老师还提出了一个大胆的猜想，“ARM架构未来能不能取代主流架构，或者跟它们平分天下呢？未来的事情不好预测，但我保留这个看法。”

　　在服务器领域，Intel x86和IBM Power曾经长期竞争。然而，如今Intel x86服务器已经占据了几乎全部销售份额，把IBM Power硬生生挤到小众高端市场。从性能和能效方面来看，Power不输x86，然而，Power最终输在了封闭式系统架构和昂贵的价格上。

　　因此，冯老师认为， ARM架构未来要超越x86架构的话，其性价比要达到一定高度 ， “至少再提升一倍，才有足够的竞争力。”

　　此外，国产芯片如今在国际市场的竞争形势也不容乐观，市场份额还远远不够。“芯片厂商还要继续努力提升产品的性能，此外芯片的发展也需要国家的支持。尤其是ARM架构的芯片，在刚开始推动的时候，是面临生态问题的，只有一个企业很难做成生态。从底层往上看，涉及到系统、操作系统、应用软件等等。 目前ARM架构要跟x86架构竞争的话，还面临相当大的生态挑战，所以国家的支持是不可少的。”

　　4

　　人才培养

　　随着时代的发展，未来的科技革命需要越来越顶尖的人才去引领。冯老师曾经提过这样的观点，“原来我们说数字化时代，用大专生就可以满足需求；20年前说网络化，就要用到本科生；未来我们实现智能化，可能就需要博士生才行。如今，我们在超算人才培养上还相对落后，在世界一流的高校中，计算相关专业覆盖率大概达到30%左右；而国内高校中恐怕只有清华北大中科大等一流院校能够达到这个水平，大部分高校可能不到10%，还需要不断地努力。”

　　在与AI科技评论的交谈中，冯老师指出， 国内目前还没有专门设立的超算人才培养计划， “但是我们一直在呼吁，我觉得国家要高度重视，并且加强人才的培养。”

　　2018年，MIT宣布投入10亿美元打造斯蒂芬· A ·施瓦茨曼计算学院。之后，该学院将分支机构电气工程与计算机科学系重组，旨在加强现有项目、创造新机会、增强与其他学系的联系。

　　电气工程与计算机科学系由工程学院和斯蒂芬· A ·施瓦茨曼计算学院联合成立，下设三个交叉方向：电气工程（EE）、计算机科学（CS）、人工智能与决策（AI+D）。 电气工程与计算机科学系通过结合人工智能、机器学习与信息、决策系统，发挥各学科强大的协同作用。

　　斯蒂芬· A ·施瓦茨曼计算学院院长 Dan Huttenlocher 表示：“很难想象一个工程学院没有电气工程，一个计算机学院没有计算机科学。我们认为，这次重组计划，在电气工程和计算机科学系内部、麻省理工学院、乃至各学科之间都将引发高度协作的趋势。”

　　冯老师认为， 超算领域应该借鉴这种人才培养模式， “这种交叉型人才的培养是我们的一个薄弱环节。中国以前的高校专业都分的很细，使得大学生的计算思维、计算机能力的培养不够。”

　　“我们现在也在探索各种方案。比如有一种博士后独立招收培养机制，可以引进数理基础比较好的博士，引进后强化超算方面能力的培养。在两三年内让他们成为超算专家，这样就非常有竞争力了。”

　　如今很多大企业都在超算上加大投入，同时也在大力招聘人才，这使得超算的学术界人才匮乏。 “我国每年毕业的超算博士不超过50个，估计大部分都进入大企业里去了，因为他们给的薪酬高，而留在学术界的人就很少了。”

　　人才稀缺自然会限制科研创新，虽然冯老师认为中国超算已经进入黄金时代，但是他也坦言，“说中国超算进入黄金时代，更多的是从应用和制造工业的角度来讲的。”

　　然而，冯老师依旧充满期待， “20年前中国研究超算的人屈指可数，但是这些年发展情况就很不一样了。”

　　当然， 产业界和学术界之间也不仅仅是竞争关系，它们之间也能实现密切的合作。 产业界的发展离不开学术界的支持，“技术创新人才对于超算领域起到决定性的作用。”

　　产业界和学术界各有特点，一般而言，产业界更加针对应用，学术界更加超前， “学术界可能做十年后落地的技术，产业界可能做两三年后落地的技术。”

　　但是学术界不跟产业界相结合的话，可能就只是在建空中楼阁。“一方面是，不知道真实的问题在哪。比如在实际应用中，超算的关键问题可能是可靠性，但是做学术的人不一定知道这是一个很突出的问题，他们可能只是凭借自己在学术界的研究经验提出研究问题，这种创新很不容易落地。另一方面，产业界还是需要学术界提供技术和指引。如果学术界和产业界关心的问题都不一样，那要实现技术转化就很困难了，所以这种结合非常重要。”

　　近十年来已经出现了非常可喜的变化，“以前的学术界和产业界基本是不相往来的。但是现在国内的大企业需求很多，自己也会引进学术界的顶尖科学家，这样就使得学术界和产业界的互动变多了。”

　　实际上在美国，这种做法是很普遍的。比如谷歌的一些顶尖科学家，就经常在学术界和产业界之间往返，“这种做法对于促进技术创新人才的培养是非常有利的。”