gpu超算算法_权威！李国杰院士深度解读“智能超算”，点出未来10大方向

开篇先送两个黑人问号：

What？超级计算机不是智能计算机？

Really？人工智能不适合用超算？

上边两个问题的答案其实都似是而非——事实是，超级计算机正“变成”智能计算机、人们也在为人工智能研制专用超算。不过，要弄清楚前因后果，这篇李国杰院士关于智能计算和超算的分析值得一看。

6月27日~29日，此前5届都在美国召开的世界智能计算机大会(BenchCouncil)今年首次来到中国举办。在这次大会上，中国工程院院士、中科院计算所首席科学家、中科曙光董事长李国杰用了半个多小时的时间，以《对智能超级计算机的几点认识》为题，深入浅出地剖析了“智能计算机”的历史、现在和未来。

李国杰院士

李院士自1987年回国后带领团队一手打造了曙光系列高性能计算机，并创办曙光公司。今年，他已经76岁了。和75岁的任正非一样，李老时至今日仍为中国计算机事业殚精竭虑。他经常提到自己写的一句诗：“ 我事从来万般险，自古瓜儿苦后甜。”这给当下的中国很多启示。​

“智能计算机”是李国杰院士从美国留学回来一直从事的工作，他关于超算和智能计算的分析，专业、权威，面面俱到。闻道有先后，笔者聆训之后不忍自专，特整理如下，现学现卖，以飨读者。

精彩提要

“计算机之父”冯•诺伊曼在给“控制论之父”诺伯特·维纳的信中说了什么？

钱学森先生关于计算机的什么预测竟与历史发展高度吻合？

李国杰院士口中所说的“70年未有之大变局”究竟是什么？

不卖关子，下面进入正题。

历史：超算是超算，智能是智能

“智能计算现在很热，但是从1936年开始这个话题就一直被探讨。”“冯• 诺伊曼曾试图模仿神经网络设计计算机，但是发现这条路走不通。”“钱学森先生对计算机发展之路预测得很准，超算是超算，智能是智能。”

在第三次人工智能浪潮兴起之前，超算是超算，智能是智能。

我们通俗说的计算机一般指数字计算机。智能计算则不同，人们一直希望“智能计算机”能像人脑一样处理信息，这是一种模拟计算。

计算机发展史上，数字计算与模拟神经网络经历了分分合合。“计算机之父”冯•诺伊曼曾经试图模仿神经网络设计计算机。1946年11月，冯•诺伊曼在给“控制论之父”诺伯特·维纳的信中写道：“我们选择了太阳底下最复杂的一个对象……向世人展示了一种绝对的且无望的通用性。”

事实上，从第一台电子计算机开始，计算机的发展就与模拟神经网络分道扬镳。此后，集成电路的发明及其后来几十年在摩尔定律引导下的狂奔，使得用计算机实现人工智能的方式与人脑的思维机制几乎不沾边。

20世纪80年代末、90年代初，在野心勃勃的日本第五代计算机项目带动下，全球掀起一阵“智能计算机热”。当时的热点是面向智能语言和知识处理的计算机，研究重点是并行逻辑推理。

日本五代机走的是“定制化路线”。和日本不一样，我国“智能计算机”研制走的是比较通用的路线：从芯片、系统到软件、应用，都是“非定制化”。

1990年，国家科委(科技部的前身)批准成立“国家智能计算机研究开发中心”(依托中科院计算所)，智能中心不但开展了曙光系列并行计算机的研制，还从事了人工智能的基础研究和应用研究，为今天智能超算的发展打下了基础。

当年智能中心的理论研究班吸引了众多AI方向的年轻学者。中科曙光、科大讯飞、汉王等公司的建立和发展都与智能中心有一定关系。寒武纪芯片的研制则继承了智能中心算法与系统结构研究相结合的传统。

钱学森先生曾发表《关于“第五代计算机”的问题》的文章，就智能计算机与超级计算机的发展发表意见。钱老在文章里说：“第五代计算机是什么？是第二代巨型计算机。我认为再把这个概念叫做五代计算机或者六代计算机，就不那么合适了，因为它不是一个计算机了，而是一个智能机，所以建议为了不要混淆起见，就干脆叫第一代智能机。”

钱老关于第五代计算机的建议。来源：李院士PPT

以此为标志，所谓的第五代计算机就分成了两个叉：一个是第二代巨型计算机，一个是第一代智能机——这是两个不同的概念。

事实证明，历史的发展与钱老的预测是相符的，从20世纪80年代以后的30年，计算机的发展之路确实符合钱学森的预测，超算是超算，智能是智能。

现在：智能与超算的历史性会合

“在没有找到变革性的智能平台之前，超级计算是研究和应用人工智能必不可少的基础设施。”“深度学习等智能应用需要算得特别快的计算机，智能与超算近几年出现了历史性的汇合。”“人类可能会发明新的智能计算机，但至少最近20年内，智能超算是要高度重视的研究方向。”

超级计算是“算得快”的计算机。但智能计算机和超算不一样：智能的本意是“算得巧”，而不是“算得快”。这是两股道上的车。

超级计算机或高性能计算机是指区别于个人电脑(PC)与低档服务器的计算机。拜最新一期的全球超算TOP500榜单所赐，如今我们可以把世界顶级的超级计算机(高性能计算机)圈定在Pflops 级(千万亿次浮点计算每秒)计算机水平。

本世纪以来，深度神经网络的成功和大数据的兴起，使得超级计算和计算智能(深度学习)走到一起，出现“历史性的汇合”。

这不难理解：以深度学习为标志的第三波人工智能研究需要极强的计算能力。过去高性能计算机主要用于科学计算，现在的高性能计算机已大量用于大数据和机器学习。

一组数据可以说明这一点：2015年，中国HPC在数据分析与机器学习领域应用只有27%，至2016年达到48%、2017年提升到56%。预计这个比例今后还将继续提高。

实际上，智能计算机有许多种类，包括云端(数据中心)智能计算机、智能工作站、人机交互的智能终端和智能物端设备等。今天我们所说的“智能超算”，主要是指云端的巨型智能计算，也就是“面向智能应用的超级计算机”。

但是也应该看到，目前大量采用的智能计算实际上是基于GPU或GPU-Like加速器的“准智能计算”。比如，图像和语音的信号处理计算还是数值计算。

也就是说，现在的神经网络计算仍是数字计算，将来可能用模拟计算——这是智能计算很重要的方向。

智能算法可以加速传统的科学计算。举个例子，今年4月，200多名科研人员从四大洲8个观测点“捕获”了黑洞的视觉证据。此项研究历时10余年，加州理工学院曾经采用Blue Waters超级计算机进行近900个黑洞合并的模拟，花费了2万小时的计算时间。后来采用新的机器学习程序和算法，从模拟中学习，帮助创建新的模型，在毫秒内就能给出合并结束状态的答案，大大加速了关于黑洞的研究。

给黑洞“拍照片”使用了机器学习算法。来源：ESO

如今，机器学习不仅是人工智能领域研究的重点，也正成为整个计算机科学研究的热点。

2018年图灵奖得主约翰·霍普菲尔德提出，计算机科学的发展可以分三个阶段：早期研究主要是开发程度语言、编译技术、操作系统以及研究支撑它们的数学理论，中期重点是研究算法和数据结构，第三阶段的重点已从离散类数学转到机器学习，机器学习成为计算机科学的核心。