NVIDIA为两台日本新型超级计算机提供人工智能和量子突破动力

信息来源：https://interestingengineering.com/innovation/nvidia-powers-new-japanese-supercomputers

日本理研研究所将在2026年春季启用两台搭载英伟达Blackwell架构GPU的超级计算机，总计部署2140颗GPU芯片。这标志着日本在人工智能与量子计算融合领域的战略布局进入实质阶段，也为其下一代超级计算机FugakuNEXT的开发铺平道路。

这两套系统在SC25超级计算大会上公布，分别针对人工智能驱动的科学研究和量子算法开发。其中较大的系统配置1600颗英伟达Blackwell GPU，采用GB200 NVL4平台架构；量子计算专用系统则部署540颗同款GPU。两套系统均通过英伟达Quantum-X800 InfiniBand网络互联，确保高带宽数据传输能力。理研计算科学中心主任松冈聪表示，将GB200 NVL4加速计算平台集成到下一代超级计算基础设施中，是日本科学研究能力提升的关键节点。

从配置规模看，这两台机器属于中等规模的GPU集群，远不及美国橡树岭国家实验室的Frontier或劳伦斯利弗莫尔国家实验室的El Capitan等动辄数万张GPU的超级计算机。但其意义在于明确的战略定位——作为研发平台而非纯粹的计算设施，为FugakuNEXT的软硬件生态建设提供测试环境。

从Fugaku到FugakuNEXT的技术跨越

这些机器是开发量子算法的关键“桥梁”，也是FugakuNEXT工作的核心。 英伟达

理研此次部署的系统与其现有的Fugaku超级计算机形成鲜明对比。Fugaku于2020年投入运行，采用富士通设计的A64FX处理器，基于ARM架构,在当时连续四次位列全球超级计算机性能排行榜首位。这台机器拥有近16万颗CPU核心，峰值性能达到537 petaflops,在新冠疫情期间为药物筛选和病毒传播模拟提供了关键支持。

然而Fugaku的架构设计主要面向传统高性能计算工作负载,对于近年来快速发展的深度学习和人工智能应用支持有限。现代科学研究越来越依赖大规模数据分析和神经网络训练,这些任务在GPU架构上的运行效率远高于传统CPU。FugakuNEXT计划结合富士通即将推出的MONAKA-X CPU与英伟达加速计算技术,目标是在特定应用场景下实现比纯CPU系统高出100倍的性能提升。

这种CPU-GPU异构架构代表了超级计算领域的主流趋势。美国能源部最新一代超级计算机几乎全部采用类似设计,例如Frontier使用AMD EPYC CPU搭配AMD Instinct GPU,El Capitan则结合Intel CPU与AMD GPU。英伟达在此次合作中引入的NVQLink互联技术,是专门为量子处理器与经典计算资源之间的高效通信设计的接口,这暗示FugakuNEXT可能在未来集成实际的量子计算硬件。

根据理研公布的时间表,FugakuNEXT预计在2030年具备集成量产级量子计算机的能力。这个时间节点与多家量子计算公司的技术路线图大致吻合,IBM计划在2029年前推出包含超过2000个物理量子比特的系统,谷歌也在推进其量子纠错技术的实用化进程。

量子-经典混合计算的现实需求

第二套540颗GPU的系统虽然规模较小,但其战略意义可能更为深远。这台机器不会直接运行量子计算,而是作为量子算法开发和混合计算工作流的测试平台。当前的量子计算机受限于量子比特数量和相干时间,只能处理特定类型的问题,大多数实际应用仍需要经典计算机参与。

典型的混合量子-经典算法会将问题分解为多个部分,量子处理器负责某些特定计算步骤,经典计算机则处理其余部分并协调整体流程。这种工作模式对两类系统之间的数据传输速度和同步机制有很高要求。理研的量子专用系统将用于开发和优化这些接口,测试不同的算法设计方案,为未来真正的量子-经典混合系统积累经验。

英伟达超大规模和高性能计算副总裁伊恩·巴克在声明中表示,理研长期以来一直是世界顶尖科学机构之一,如今站在计算新时代的前沿。通过这次合作,双方正在帮助日本建立自主创新的基础,推动突破性成果解决全球最复杂的科学和工业挑战。

从全球竞争格局看,日本此举也是对美国和欧洲量子计算投资的回应。美国通过《国家量子倡议法案》投入数十亿美元发展量子技术,欧盟也启动了10年期的量子旗舰计划。中国在量子通信和量子计算领域同样投入巨资。在这场技术竞赛中,超级计算能力是基础研究不可或缺的支撑。

应用场景与软件生态

理研规划的应用领域覆盖生命科学、材料研究、气候预测、制造工艺和实验室自动化。这些方向都处于人工智能与传统科学计算融合的前沿。例如在药物发现领域,深度学习模型可以从海量化合物库中快速筛选候选分子,然后通过分子动力学模拟验证其生物活性。这类工作流程既需要GPU的并行计算能力训练神经网络,也需要高效的科学计算软件进行物理仿真。

英伟达和理研正在开发利用张量核心加速传统科学计算的浮点仿真软件。张量核心是英伟达GPU中专门为深度学习矩阵运算设计的硬件单元,其计算速度远超通用计算核心。如果能将科学计算中的部分操作映射到张量核心上执行,将显著提升整体性能。这种软件优化对于充分发挥新硬件潜力至关重要。

理研还计划使用英伟达的CUDA-X软件栈,这是一个包含400多个GPU加速库和工具的集合,涵盖从线性代数到图像处理的各类常用功能。建立完善的软件生态是超级计算系统成功的关键因素之一。Fugaku在运行初期曾面临软件适配问题,许多为x86架构开发的科学计算程序需要重新编译和优化才能在ARM架构上高效运行。采用英伟达的成熟软件栈可以避免类似困境。

这两台超级计算机预计在2026年春季投入运行,地点位于理研神户园区的计算科学中心。根据理研的规划,这些系统将通过SQC接口与日本国内的量子计算资源连接,形成分布式的混合计算环境。这种架构设计反映出一个趋势——未来的科学计算基础设施可能不再是单一的超级计算机,而是由经典计算节点、GPU加速器和量子处理器组成的异构网络,不同类型的硬件根据任务特点动态协作完成计算任务。