近年来，超算和人工智能的融合发展日益深入，其应用边界不断拓展，应用场景持续丰富，已成为驱动科技创新和产业变革的重要力量。2024中国算力发展专家研讨会上，专家们深入探讨了超算与人工智能融合发展的趋势和挑战，为未来发展方向指明了路径。
算力瓶颈与融合发展的必要性
中国科学院计算技术研究所研究员张云泉指出，人工智能大模型的快速发展展现出巨大的生产力潜力，但也面临着日益突出的算力瓶颈。鉴于中国在超算领域的技术积累，他认为超算与人工智能的融合发展是解决这一瓶颈的关键，能够有效提升AI模型训练和应用效率。
数字化、智能化浪潮下，算力已成为推动经济社会发展的重要引擎。然而，计算场景的多样化和复杂性使得单一计算架构难以胜任。超算与人工智能的融合，能够有效整合超算强大的处理能力和人工智能算法的优化能力，为不同场景提供更精准、高效的解决方案。
多元算力与融合型算力体系
国家信息中心信息化和产业发展部主任单志广强调，随着基础算力、智算算力、超算算力等多元化发展，构建混合型算力资源或融合型算力体系，以同时满足各类应用需求，成为算力发展面临的关键挑战之一。这需要在算力资源的统筹规划和调度机制上下功夫，提高算力利用效率。
超算互联网：一体化算力服务平台
超算与人工智能的融合已成为全球计算领域的热点。在中国，相关技术已被成功应用于超算互联网建设。通过连接全国超算和智算中心，智能调度各类算力资源，并深度整合计算、软件和应用解决方案，超算互联网正在构建成为一个一体化算力服务平台，为社会提供高效便捷的算力服务。
自今年4月上线以来，超算互联网已吸引超过200家应用、数据、模型服务商入驻，提供超过3200款商品，覆盖科学计算、工业仿真、模型训练等多个领域，有力支撑了社会对先进计算服务日益增长的需求。
技术挑战与未来发展方向
中国科学院院士、北京航空航天大学教授钱德沛认为，超算与人工智能融合的实践需要双向努力：一方面，利用人工智能方法解决传统超算难题；另一方面，人工智能也将反过来影响传统计算机的结构设计，并推动算网融合技术的进一步发展。这需要从底层技术和体系结构层面实现软硬件协同创新。
然而，超算与人工智能的融合发展也面临诸多挑战。中国科学院院士陈润生指出，大模型和智算的发展不仅需要应用层面模型和算法的改进，更需要在基础理论方面取得突破。这包括对大模型运行机制的深入理解以及更高效的算法设计。
钱德沛院士也强调了完整的软件栈支撑的重要性，认为需要从大模型的基本理论研究开始构建完整的软件生态。 此外，传统超算和智算在底层基础设施需求上的差异也需要得到重视，需要根据实际应用场景，判断何时需要兼容统一，何时需要保持其独特性。 中国信通院云计算与大数据研究所所长何宝宏对此进行了补充说明。
单志广主任进一步指出，未来一体化算力体系的构建，必须重视算力资源与业务应用的统筹衔接，避免出现无实际应用需求、缺乏成熟调度体系的普遍性算力互联，以及脱离实际应用需求的异地计算和远地计算算力设施布局。
