HPC 与 AI 的融合：快速推动创新

在当今瞬息万变的环境中，更快地向市场推出更高质量的产品对于成功至关重要。许多行业依靠高性能计算 (HPC) 来实现这一目标。

企业正越来越多地转向生成式 AI，以提高运营效率、加快业务决策和促进增长。我们认为，HPC 和 AI 的融合是企业保持竞争力的关键。

这些创新技术相辅相成，使各组织能够从其独特的价值中获益。例如，HPC 提供高水平的计算能力和可扩展性，这对运行性能密集型工作负载至关重要。同样，AI 使组织能够更高效、更智能地处理工作负载。

在生成式 AI 和混合云时代， IBM Cloud HPC为组织提供了蓬勃发展所需的计算能力。作为跨计算、网络、存储和安全等关键组件的集成解决方案，该平台旨在协助企业满足监管和效率需求。

这一切的核心在于数据，数据可以帮助企业获得宝贵的洞察分析，从而加速转型。随着数据近乎无处不在，各组织通常已拥有通过运行传统 HPC 模拟与建模工作负载而积累的现有资源库。这些存储库可以从多种来源获取信息。通过利用这些资源，组织可以将 HPC 和 AI 应用于相同的挑战，从而产生更深入、更有价值的洞察分析，更快地推动创新。

AI 引导的 HPC 应用 AI 来简化模拟，这称为智能模拟。在汽车行业，智能模拟加快了新车型的创新速度。由于车辆和组件设计通常会从之前的迭代中演变而来，建模过程也会发生重大变化，以优化空气动力学、噪声和振动等特性。

由于存在数百万种潜在变化，评估这些特性在不同条件（如道路类型）下的表现，会显著延长新模型的交付周期。而在当今市场上，消费者要求快速发布新车型。延长的开发周期可能损害汽车制造商的销售额与客户忠诚度。

汽车制造商拥有大量与现有设计相关的数据，可以利用这些大量数据来训练 AI 模型。这使他们能够确定车辆优化的最佳领域，从而缩小问题空间，并将传统的 HPC 方法集中到更有针对性的设计领域。最终，这种方法有助于在更短的时间内生产出更高质量的产品。

在电子设计自动化 (EDA) 领域，AI 和 HPC 推动着创新。在当今快速演进的半导体行业背景下，数十亿次验证测试已成为芯片设计验证的必要环节。但是，如果在验证过程中发生错误，由于所需资源和时间限制，重新运行整套验证测试并不现实。

对于 EDA 公司来说，使用融入 AI 的 HPC 方法对于识别需要重新运行的测试非常重要。这可以节省大量的计算周期，并有助于保持生产进度，最终使公司能够更快地向客户交付半导体产品。

IBM 设计的基础架构能够提供支持 HPC 和 AI 等计算密集型工作负载所需的灵活性和可扩展性。例如，管理现代高保真 HPC 模拟、建模和 AI 模型训练中涉及的大量数据至关重要，需要高性能存储解决方案。

IBM Storage Scale 设计为高性能、高可用性的分布式文件和对象存储系统，能够响应读写海量数据的各类严苛应用程序需求。

随着企业致力于扩展其 AI 工作负载，IBM watsonx（IBM Cloud 上）可帮助企业在扩展工作负载的同时训练、验证、调整和部署 AI 模型。此外，IBM 还在 IBM Cloud 上提供 NVIDIA 图形处理单元 (GPU) 选项，为企业 AI 工作负载提供创新的 GPU 基础架构。

但值得注意的是，管理 GPU 仍然是必要的。IBM Spectrum LSF 等工作负载调度程序可有效管理流向 GPU 的作业流，而专为金融服务行业风险分析工作负载设计的低延迟、高性能调度程序 IBM Spectrum Symphony 也支持 GPU 任务。

在 GPU 应用方面，众多需要高强度计算能力的行业均已广泛采用该技术。例如，金融服务组织采用蒙特卡洛方法来预测金融市场走势或金融工具定价等场景的结果。

蒙特卡洛模拟可以分解成数千个独立的任务，并在多台计算机上同时运行，非常适合使用 GPU 进行计算。这使得金融服务机构能够反复、快速地运行模拟。

当企业寻求应对其最复杂挑战的解决方案时，IBM 始终致力于助力客户突破障碍、实现蓬勃发展。借助平台内置的安全和控制功能，IBM Cloud HPC 使各行业客户能够将 HPC 作为完全托管服务使用，有效应对第三方和第四方风险。AI 与 HPC 的融合能够生成增值智能，加速成果产出，助力组织保持竞争优势。