企业在大规模人工智能 (AI) 项目上的投入，正不断引领它们跨入超级计算的领域 —— 无论企业是否将此称为超级计算 —— 据惠普企业（HPE）高性能计算 (HPC) 与 AI 基础设施解决方案高级副总裁兼总经理 Trish Damkroger 指出。
Damkroger 在近期接受 Computer Weekly 采访时指出，构成现代 AI 基础设施的基本原则 —— 海量计算能力、高密度配置以及扩展架构 —— 与传统超级计算有着直接对应的关系。
“无论你是否称之为超级计算，其实都是在谈论超级计算，”她说道。“这本质上是密集式计算和扩展架构，”她补充，并指出不断增长的算力需求是一个明显信号，同时她提到与客户讨论建设一吉瓦数据中心的情况，这已逐渐成为常态。
虽然“超级计算”一词可能会让人联想到科研机构，但 Damkroger 表示，一些行业也在利用 HPC 来运行 AI 应用。她举例说明，一个量化交易基金正考虑利用超级计算机，因为这种机器对于需要直接液冷支持的高密度 AI 工作负载来说，更具成本效益。
此外，韩国的 SK Telecom 也在利用超级计算来训练基于 OpenAI 的 GPT-3 的大型韩语语言模型。这些模型为该电信公司移动网络中的 AI 服务及应用提供动力。HPE 则提供了一套集成的高性能架构，以支持大规模训练与部署。
在日本，东洋轮胎采用了搭载 HPE Cray XD 系统的 HPE GreenLake，加速了用于轮胎设计模拟的运算。通过性能提升三倍的优势，该公司如今能够在一半的时间内完成复杂的大规模模拟，从而利用 HPC 与 AI 加速产品开发。
事实上，AI 的不断普及推动了亚太 (APAC) 地区对 HPC 系统的兴趣。“去年，我们在亚太地区的 AI 销售额仅次于北美，而这在以往并不常见，”Damkroger 说道。“该地区的 AI 领域正迎来巨大发展。”
为了满足各类企业需求，HPE 提供了一套灵活的软件策略。其中包括 AI 工厂，允许客户在 HPE 的集群管理软件之上选择开源框架，并通过 Morpheus 混合云管理平台进行编排。对于寻求更即插即用功能的用户，Damkroger 表示 HPE 的 Private Cloud AI 是一项精心策划的产品，它可以让 AI 与 IT 团队进行实验并扩展 AI 项目。“这就像一键启用 AI 的简单按钮，”她补充道。
尽管 AI 技术的进步与广泛采用已经取得显著发展，但找到真正利用 HPC 实现变革性企业 AI 应用的案例仍然是一项持续的探索。“如果具体看企业中的 AI 应用，确实有一些优秀的案例，但我认为我们还没有发现那些最惊人的应用，”Damkroger 坦言。
尽管内部效率提升（如利用大语言模型编写服务文档）极具价值，但她表示，“我不确定我们是否找到了那款足以抵消高昂成本的杀手级应用，”她指出，目前企业在广泛采用 HPC 辅助 AI 时所面临的主要挑战包括初期基础设施投资、功耗需求以及持续的人才短缺。
针对大多数企业首先选择利用公共云来运行 HPC 和 AI 工作负载的现状，Damkroger 表示，对于长期且密集的使用场景，将 HPC 部署在本地会更具成本效益。
“我们发现，在 HPC 领域，如果你的使用率超过 70%，本地部署会更加经济实惠，”Damkroger 说道。然而，她也承认公共云在探索性研究和低需求场景中的作用，并补充说，数据安全问题同样是促使敏感 HPC 工作负载倾向于本地部署的关键因素。
回顾 HPE 在 HPC 领域的深厚积淀 —— 包含即将迎来首台超级计算机 50 周年的 Cray 传承 —— Damkroger 表示：“现阶段液体冷却技术如此突出，实在让人感到兴奋。我们终于看到过去 50 年所做所有工作的成果，并将其优势尽情发挥出来。”
