“像第一性原理计算这类应用，行业更倾向于在CPU上通过多线程技术解决问题，只有CPU能力确实不足时，才会考虑异构改造。生态壁垒无法仅靠硬件性能提升在短期内打破。”对企业与科研机构而言，迁移一套经多年验证的工业软件或科研流程，不仅意味着巨额研发投入，更需承担精度偏差、业务中断的风险。这也是即便GPU算力标称值更高，多数工业场景仍沿用成熟CPU计算体系的核心原因。此次中科曙光发布的百核级计算平台，原生支持AVX-512指令集、兼容x86生态，可实现绝大多数现有软件无需重新编译即可直接运行，本质是顺应产业生态规律——不试图重构全新体系，而是通过兼容现有生态降低国产化替代的落地门槛。AI驱动科学研究反向拉动CPU需求增长一个易被忽略的产业趋势是：AI发展并未挤压CPU的生存空间，AI驱动的科学研究（AI4S）的兴起，反而反向拉动了通用式CPU的市场需求。“随着AI技术的普及，我们课题组对CPU的需求反而有所增加。”李强解释道，AI4S的核心基础是高质量训练数据，而科研领域大量训练数据来自第一性原理计算，这部分计算任务主要由CPU完成；包括数据预处理、清洗、对齐等环节，CPU的作用同样不可替代。AI模型的能力建立在海量高质量数据集之上，而科学领域的高精度数据集恰恰依赖通用式CPU生产。数据生产、逻辑控制、高精度求解由CPU负责，并行加速、模式识别由GPU承担，二者正在形成“高精度底座+智能加速”的协同关系，即产业界提出的“超智融合”模式。中科曙光解决方案与创新业务总经理张磊表示，未来GPU与CPU并非替代关系，而是并驾齐驱、协同互补。“GPU适合并行度高的暴力求解场景，CPU负责核心逻辑控制、高精度计算，二者在不同领域发挥不同作用。工业领域大量商用软件仍以CPU为核心，这一格局在很长时间内不会改变。”业内普遍认为，未来算力体系不会是单一架构主导。科学研究既需要低精度智能计算提升效率，也需要高精度通用计算保障结果可靠，数学模型与数据模型将形成深度互补，高低精度算力协同运行将成为产业常态。国产算力突围 实现从“可用”到“好用”的全栈进阶当前国产通用算力正处于从“能用”到“好用”的关键跨越期。此前国产平台常被诟病性能不足、生态薄弱，如今不仅单芯片性能逐步追平国际旗舰，更在系统级优化、全栈协同上形成自身特色。以此次发布的“百核级”计算平台为例，其技术突破并非单纯堆砌核心数量，而是通过
=*=*=*=*=*=
当前为第2/3页
下一页-上一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页