AI怪盗图11月17日消息,AMD负责高性能计算(HPC)与主权AI的企业副总裁Scott Tease近日表示,AI永远不会取代传统高性能计算,FP64高精度计算在科研领域仍有不可替代的价值。这一表态引发了业界对算力演化路径的广泛讨论。从技术角度看,AI与HPC并非简单的替代关系,而是各司其职:AI擅长处理大规模、容错性高的低精度数据任务,如模型训练、推理和数据快速筛选;而HPC尤其在FP64双精度计算上,对可靠性和可重复性要求极高。
Scott Tease进一步指出,气候模拟、核能研究、材料研发、流体力学、化学仿真以及国家安全相关项目,都高度依赖FP64双精度算力。这类场景对计算结果的精确度和一致性有硬性要求,任何细微的误差都可能导致科研结论的重大偏差,因此AI在这些领域难以胜任,会长期存续。实际上,FP64计算在验证物理模型、模拟复杂系统演化方面具有独特优势,这也是全球超算中心持续投入资源提升双精度性能的根本原因。
他认为,未来科研算力的发展方向不是AI替代超算,而是构建异构计算体系,将CPU、GPU、AI加速器、传统超算、量子计算等多种计算资源协同整合。这种融合架构能够根据任务特点灵活分配算力,最大化效率。例如,AI加速器可用于数据预处理和模式识别,而FP64超算则承担核心的数值模拟,量子计算则有望解决经典计算难以处理的组合优化问题。这种多元算力的协同,将为科研突破提供更强大的支撑。
为了验证这一理念,AMD正在与IBM在橡树岭国家实验室开展试点项目,将AMD Umbra HPC系统与IBM 129量子比特Quantum Nighthawk量子计算机接入当地领导计算设施,测试多技术融合方案的可行性。试点项目的重点在于探索量子纠错、AI辅助科研与传统数值仿真三者之间的结合路径,旨在挖掘异构算力在前沿科研中的实际潜力。例如,通过AI加速量子纠错算法的迭代,或利用量子计算解决传统仿真中的瓶颈问题,都可能成为突破方向。
