過去，計算能力從龐大的超級計算機逐漸延伸到我們口袋里的芯片。

過去十五年間，創新的軌跡已然轉向：源自游戲領域、通過加速計算實現擴展的 GPU 技術，正逆流而上重塑超級計算格局，并將 AI 革命推向科學計算領域最尖端的系統。

位于于利希研究中心的JUPITER超級計算機，正是這個新時代的象征。

它不僅位列全球效率最高超級計算機 (每瓦特性能達 63.3 Gigaflops)，更是強大的 AI 引擎，其 AI 算力達到 116 Exaflops，較 ISC 2025 展示的 92 Exaflops 有了顯著提升。

這就是“翻轉”的實例。2019 年，全球最強高性能計算系統 TOP100 榜單中近 70% 僅使用 CPU 。如今這一比例已驟降至 15% 以下，TOP100 中有 88 個系統采用了加速計算——其中 80% 由 NVIDIA GPU 驅動。

在范圍更大的 TOP500 榜單中，388 個系統 (占比 78%) 采用了 NVIDIA 技術，其中包括 218 個 GPU 加速系統 (與去年同期相比增加 34 個) 以及 362 個通過高性能NVIDIA 網絡互連的系統。趨勢是顯而易見的：加速計算已成為行業標準。

但真正的變革在于 AI 性能的飛躍。借助 NVIDIA Hopper 和 Blackwell 等架構以及 JUPITER 等系統，研究人員如今能夠使用的 AI 算力較以往實現了數量級的增長。

AI FLOPS 已成為新的標尺，使氣候建模、藥物研發和量子模擬等領域得以突破——這些領域既需要大規模計算能力，又要求高效運算性能。

早在 SC16 大會上，在當今生成式 AI 浪潮興起之前，NVIDIA 創始人兼首席執行官黃仁勛就預見了未來趨勢。他預言 AI 將很快重塑全球最強大的計算系統。

黃仁勛表示：“幾年前，深度學習如雷神之錘般橫空出世，為我們提供了解決世界上最棘手難題的強大工具?！?/p>

在 SC16 大會上，黃仁勛闡述了 AI 將如何重塑全球最強大的科學計算系統。

計算功耗背后的數學原理早已表明，轉向 GPU 是大勢所趨。

但正是由基于這些 GPU 打造的NVIDIA CUDA-X計算平臺所點燃的 AI 革命，才極大拓展了這些計算機的能力。

突然間，超級計算機不僅能在雙精度 (FP64) 下還能在混合精度(FP32 和 FP16) 乃至 INT8 等超高效率數據格式下實現更有意義的科學計算——這些正是現代 AI 的基石。

這種靈活性使研究人員能夠將功耗預算推向前所未有的極限，從而運行更大、更復雜的模擬，并訓練更深層的神經網絡，同時最大限度地提高每瓦特性能。

但即使在 AI 尚未普及之前，硬性指標數據早已凸顯了問題的緊迫性——功耗預算沒有討價還價的余地。無論是 NVIDIA 內部還是整個行業的超級計算機研究人員都在努力解決擺在眼前的問題，而這條路就是用 GPU 鋪就的。

要在不產生胡佛水壩規模電費賬單的情況下實現 Exascale 級計算，研究人員需要加速技術。GPU 每瓦特功耗的運算效率遠超 CPU，這一能效優勢在 AI 時代之前已顯露端倪。因此當 AI 浪潮來臨時，大規模 GPU 系統已經形成勢頭。

2012 年，在橡樹嶺國家實驗室，Titan 系統就播下了種子。作為美國首批將 CPU 與 GPU 以史無前例的規模進行配對的大型系統之一，它展示了并行計算能夠釋放巨大的應用潛力。

2013 年在歐洲，Piz Daint 系統在性能與能效方面樹立了新標桿，并在關鍵領域如用于天氣預報的 COSMO 模型等實際應用中驗證了其卓越價值。

到 2017 年，這一轉折已勢不可擋。橡樹嶺國家實驗室的 Summit 和勞倫斯利弗莫爾實驗室的 Sierra 為頂級系統樹立了新標桿：加速優先。它們不僅運行速度更快，更讓氣候建模、基因組學、材料科學等科學領域能探索從前無法觸及的復雜問題。

這些系統能夠以更少的資源實現更強大的功能。在 Green500 全球最節能超級計算機榜單上，前八名均采用 NVIDIA 加速技術，前十名中有七臺系統通過 NVIDIA Quantum InfiniBand 互連。

但這些亮眼數字背后的故事是 AI 能力已成為衡量標準。JUPITER 系統可在提供 116 Exaflops AI 算力的同時，還能達到 1 Exaflop FP64 性能，這清晰地表明科學領域如今正將模擬與 AI 相融合。

能效提升不僅使 Exascale 級計算成為可能，更讓 Exascale 級 AI 成為現實。當科學研究獲得大規模 AI 支持后，發展曲線將會急劇上升。

下一步發展

這不僅僅是基準測試的問題，更是關于真正的科學：

更快速、更精準的天氣與氣候模型

藥物研發與基因組學領域的突破性進展

核聚變反應堆與量子系統的模擬研究

AI 驅動的跨學科研究新前沿

這一轉變起初是出于能效的迫切需求，后來演變為架構優勢，如今已經成熟為科學超級力量：模擬與 AI 的結合，正以前所未有的規模蓬勃發展。

一切始于科學計算。如今，其余計算領域也將隨之發展。