AI时代算力格局迎来再平衡。过去数年，全球AI产业的算力叙事几乎被GPU垄断，高性能GPU成为科技企业与算力中心的核心争抢资源，传统通用式CPU的产业价值一度被低估。近日，中科曙光发布国内首个“百核级”通用计算平台，将行业目光重新拉回通用计算赛道。在AI大模型快速发展的背景下，CPU与GPU的功能边界、技术路线与产业价值正在迎来产业层面的再平衡。高精度计算存在架构刚性门槛 GPU难以跨越原生精度鸿沟在科学与工程计算领域，计算结果的准确性优先级远高于计算速度，这正是通用式CPU的核心优势所在。“我们课题组围绕功能材料做多尺度模拟，对收敛精度要求达到10⁻⁵到10⁻⁶量级，依赖FP64双精度计算。”东南大学物理学院副教授李强表示，高精度计算并非GPU的擅长领域，却是CPU的传统强项。精度差异的根源在于两类芯片的底层架构分野：GPU擅长高度并行的同质化计算，适配图像处理、大模型训练等可拆解为大量重复任务的场景；CPU则具备完整的逻辑控制单元与高精度浮点运算单元，可处理结构复杂、包含大量串行逻辑与分支判断的计算任务。从气象预报、大飞机气动仿真到石油勘探、新药分子模拟、集成电路电磁仿真，科学工程领域对计算结果的唯一性、准确性有严苛要求，数值结果必须严格符合物理规律，不能是统计概率性的近似输出。“科学计算领域算法包含大量逻辑判断和复杂分支，CPU的通用计算架构仍具有显著优势。”中国科学院计算机网络信息中心高性能计算技术与应用发展部主任金钟表示，“即便在异构系统中GPU算力占比超过99%，计算任务分配、数据流编排、全流程串联仍需由CPU完成，它是整个系统的大脑，作用不可或缺。”数十年生态沉淀 迁移成本构筑隐形护城河如果说精度是CPU的技术门槛，成熟生态与迁移成本则是通用计算赛道更深的产业护城河。高性能计算行业发展数十年，全球工业与科研领域沉淀的海量成熟软件工具与工程流程，底层逻辑几乎全部围绕通用式CPU与x86架构构建。以x86架构下的AVX-512矢量扩展指令集为例，其已成为全球高性能计算软件生态事实上的性能优化标准。GROMACS、NAMD等主流科学计算套件，以及大量工业仿真商用软件的核心求解器，均深度绑定AVX-512的底层加速逻辑。“用户的代码无需额外编程、无需异构化改造就能在CPU上稳定运行，必然是第一选择。”金钟指出，
=*=*=*=*=*=
当前为第1/3页
下一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页