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(chuàng)新的軌跡已然轉向：源自游戲領域、通過加速計算實現(xiàn)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(tǒng)。

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(tǒng) 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(tǒng)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(tǒng) (占比 78%) 采用了 NVIDIA 技術，其中包括 218 個 GPU 加速系統(tǒng) (與去年同期相比增加 34 個) 以及 362 個通過高性能NVIDIA 網(wǎng)絡互連的系統(tǒng)。趨勢是顯而易見的：加速計算已成為行業(yè)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(tǒng)，研究人員如今能夠使用的 AI 算力較以往實現(xiàn)了數(shù)量級的增長。

AI FLOPS 已成為新的標尺，使氣候建模、藥物研發(fā)和量子模擬等領域得以突破——這些領域既需要大規(guī)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(chuàng)始人兼首席執(zhí)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(tǒng)。

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(tǒng)。

計算功耗背后的數(shù)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(shù)據(jù)格式下實現(xiàn)更有意義的科學計算——這些正是現(xiàn)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(jīng)網(wǎng)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(shù)據(jù)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(nèi)部還是整個行業(yè)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(chǎn)生胡佛水壩規(guī)模電費賬單的情況下實現(xiàn) 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(yōu)勢在 AI 時代之前已顯露端倪。因此當 AI 浪潮來臨時，大規(guī)模 GPU 系統(tǒng)已經(jīng)形成勢頭。

2012 年，在橡樹嶺國家實驗室，Titan 系統(tǒng)就播下了種子。作為美國首批將 CPU 與 GPU 以史無前例的規(guī)模進行配對的大型系統(tǒng)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(tǒng)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(tǒng)樹立了新標桿：加速優(yōu)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(tǒng)能夠以更少的資源實現(xiàn)更強大的功能。在 Green500 全球最節(jié)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(tǒng)通過 NVIDIA Quantum InfiniBand 互連。

但這些亮眼數(shù)字背后的故事是 AI 能力已成為衡量標準。JUPITER 系統(tǒng)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(xiàn)實。當科學研究獲得大規(guī)模 AI 支持后，發(fā)展曲線將會急劇上升。

下一步發(fā)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(fā)與基因組學領域的突破性進展

核聚變反應堆與量子系統(tǒng)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?yōu)榧軜媰?yōu)勢，如今已經(jīng)成熟為科學超級力量：模擬與 AI 的結合，正以前所未有的規(guī)模蓬勃發(fā)展。

一切始于科學計算。如今，其余計算領域也將隨之發(fā)展。