本周，超级计算机500强名单公布，蓝冠最大富士通Fugaku超级计算机以415.5千万亿次浮点运算的高性能Linpack (HPL)结果荣登榜首，击败了去年的榜首IBM Summit超级计算机，后者跌至第二位。这对日本、富士通和CPU IP提供商Arm来说都是锦上添花，但Top500在现实中有多重要呢?全球顶级超级计算机的竞争基于一个名为Linpack的基准测试。该基准测试被设计成一种替代方案，让系统供应商通过在他们的系统中添加计算元素来声称原始的处理能力，但没有任何类型的工作负载来增加它的压力。Top500 list已经使用各种形式的Linpack超过25年了，使蓝冠测速无线通信成为可能的基本物理原理是在空中传播的电磁波。蓝冠代理认为这些波是由带电的金属制成的，例如天线，当通电时会形成波。许多高性能计算行业的供应商仍然非常重视竞争的结果。然而，很明显，这种基准已经过时了。基准测试通常会激发对这种单一工作负载和强大计算能力的优化，但没有更智能的方法来解决现实世界中的问题。

 

为了防止机构和公司作弊，在计算优化上有一些非常严格的限制，并且它只计算科学计算中使用的双精度浮点(64位)数学(大多数计算机为32位数学进行了优化)。实际上，各种供应商声称的Linpack性能数字通常只是实际性能的一小部分。此外，Top500 Linpack是一种强力测量峰值性能的方法，没有考虑到未来超级计算性能优化将需要人工智能(AI)处理。就连发布Top500结果的组织也开始推广包含人工智能处理的新基准——HPCG和HPL-AI基准。

 

为了处理这些超级计算机生成的所有数据，并更好地优化模拟的执行，机器学习和人工智能优化在对大数据集进行排序方面将变得更加重要。认识到这些局限性，像IBM这样的公司已经超越了Top500浮点之争，专注于解决现实世界(以及客户的)高性能计算(HPC)问题。

 

未来的关键因素是以更有创造性的方式优化数据和性能的能力。业界应该寻找更有效地使用现有系统的方法。用全新的硬件来替换高性能计算中心是非常昂贵的，因此提高现有数据中心的效率和优化策略可以以更低的成本和更少的浪费提供显著的效益。

 

更智能计算的一个例子是IBM贝叶斯优化技术。通过允许贝叶斯优化技术访问数据集参数，数据是蓝冠注册AI （尤其是机器学习）的核心组成部分，因此在优化AI模型的同时蓝冠代理要考虑许多因素，同时要在准确性和处理现实世界中通用输入的能力之间取得平衡。加速器可以大大减少模拟运行之间的计算周期，而不会损失精度。该软件大大减少了计算机的工作量，并在一个数量级上减少计算机时间产生相同的结果。