云計算、可持續性、大規模和指數級數據增長——這些曾在2022年為HPC（高性能計算）定下基調的關鍵創新，也將是2023年推動HPC的關鍵因素。

隨著越來越多企業依賴HPC來加快獲取成果，特別是對于他們的數據密集型應用，這個400億美元的市場面臨著挑戰和機遇。

作者：Jay Boisseau博士

戴爾科技集團HPC和AI技術策略師

HPC在2023面臨的挑戰

1可持續性

隨著HPC市場的增長，運行這些能源密集型基礎設施所需的能耗也越來越大。為了實現可持續發展，行業領導者正在優先考慮如何減少二氧化碳排放，甚至使HPC脫碳。在總電力使用量增加的情況下，這不是一項容易的任務。

2冷卻

在接下來的幾年里，我們將看到硅處理器和加速器的使用增加，它們需要更多電力，也因此產生了更多熱量。作為HPC行業的領導者，我們十分關心如何冷卻這些數據中心。

目前，業內正在研究創新的數據中心設計，包括模塊化數據中心和主機托管。另一個重點是液冷。直接液冷提供了卓越的熱管理和五倍于空氣散熱的冷卻能力。浸入式液冷使用專用冷卻液提供高性能、復雜的冷卻解決方案。液冷方案正在全球范圍內受到廣泛關注，成為未來數據中心的必備。

從直接液冷到浸沒式液冷，戴爾科技集團提供全面的液冷解決方案，可滿足不同用戶所需。在國內，戴爾科技與多個合作伙伴建立合作，加快液冷技術的快速普及，助力用戶節能減碳。

3擴展和開發大規模系統

為了滿足需求，HPC行業正在開發和完善戰略，從而有效地擴展和部署高效和可靠的大型系統。這是一個艱巨的任務，而且將取決于幾個因素：

●加速器的規模部署和管理；

●大規模更改電源和冷卻設計；

●高性能集群的開源部署，用于運行模擬、AI 和數據分析工作負載。

2023 HPC有什么新的變化？

在HPC行業，我們正在經歷我們所做的事情、做事的方式和地點發生巨大變化。以下是我們注意到的變化：

交付模式

HPC正在從一個幾乎嚴格意義上的本地系統，轉變為擁抱遠程交付模型。基于服務的模型（包括IaaS/PaaS/SaaS）以及按需和訂閱支付模型的巨大增長，推動了客戶對托管、托管服務和云計算等HPC交付模型的興趣。

當然，數據中心的挑戰也推動了對這些替代方案的需求。包括戴爾APEX for HPC和HPC on Demand服務在內的新的解決方案，可以滿足這些客戶的要求和愿望。

人工智能和機器學習

人工智能/機器學習將作為HPC的重要工作負載繼續增長。由于數據規模的快速增長，對能夠運行大型訓練模型的HPC解決方案的需求不斷增加。

同時，這些模型可以補充模擬，指導目標或減少一些問題的參數空間。我們認識到需要一些工具來支持機器學習操作和數據科學管理，這些工具必須能夠擴展并與HPC軟件、計算和存儲環境相集成。

數據處理單元

我們預計DPU的使用將會激增，但必須弄清楚哪些用例在價格性能比和性能瓦特比方面具有可量化的優勢。要注意的是，需要進行更多的研究和基準比較，來幫助客戶做出最佳決策。

關于DPU何時對HPC工作負載有優勢的一些例子包括：

●集體作業

●通過將hypervisor轉移到DPU，卸載CPU的計算負荷

●通過任務卸載改善通信。如果代碼是基于任務的，用戶有可能將任務轉移到不太繁忙的節點上

可組合基礎設施

我們注意到可組合基礎設施提高資源利用方面的好處，但關于它的未來仍然具有不確定性。與DPU一樣，需要更多的研究和可量化的比較，來確定可組合基礎設施是否適合客戶的下一個系統。

雖然特定的人工智能工作流程，需要特殊的硬件配置，而可組合的基礎設施可能會消除傳統架構的限制，但對于它是否可以擴展，以及投資回報率是否會通過增加靈活性和利用率來達到，還存在爭議。

量子計算

我們對量子計算系統（QC）將且必須與“經典”HPC系統整合的共識日益增強。

量子計算系統目前只在某些類型的計算上有優勢，因此最好作為加速器使用。在戴爾科技，我們已經開發了一個混合的經典/量子平臺，利用戴爾PowerEdge服務器與Qiskit Runtime，以及IonQ Aria量子處理單元。

通過該平臺，經典和量子模擬工作負載可以在企業內部執行，而量子工作負載，例如為藥學開發建模的更大、更復雜的分子，可以用IonQ QPU執行。

結語

在數據處理和人工智能/機器學習訓練的商業需求的推動下，令人印象深刻的大型HPC市場繼續以健康的速度增長。HPC的工作負載和交付模式比以往任何時候都更加多樣化，從而導致客戶群體更加多樣化。盡管我們在應用、系統和數據中心的擴展方面面臨著一些最大的挑戰，但HPC技術仍然處于計算的前沿。

審核編輯：湯梓紅