天河一号A称霸！超级计算未来属于GPU
记者：像这种CPU+GPU异构计算架构的超级计算机，使用了很多颗GPU，同时也使用了更多的多核心CPU，他们都拥有庞大的运算能力，那么在其最终实际运算量当中，大概有百分之多少是GPU贡献的，有多少是CPU贡献的？
Andy Keane：不同的超级计算机，其互联网络和结构有所不同，但大概来看的话，CPU运算量占20%，GPU占到80%。
记者：那就是说，GPU的运算量要比CPU大很多，以后的比例会继续提高吗？是不是意味着以后不需要太强的CPU，只需要能够管理的GPU就可以了？
Andy Keane：在系统的设计中，实际上是一个设计平衡的问题，一定要在各个环节里达到平衡，比如说你的GPU速度越快，就意味着你需要快速的CPU的速度，还有网络的速度以及内存的大小，是需要达到一个平衡的。也就是说更快的GPU还是需要更快的CPU支持。
最新的中国超级计算机排行榜单
记者：我们今天看到中国的TOP100里面前三名都采用了Tesla的GPU，但是我们发现效率有很大的不同，第一名（天河一号A）最高，达到53%，第三名（中科院工程研究所）才达到18.5%，这个第三名也用到了GPU加速的互联技术。从GPU采用角度来说，NVIDIA公司对混合计算的效率有什么看法，或者说对于未来采用混合技术的开发人员有什么忠告，采用什么样的架构来保证混合计算体系架构的一个更高效率？
Andy Keane：系统的实际运行效率是由它所要运行的应用所决定的，你刚才提到的，效率比较低的第三套系统，它大多的工作就是处理分子动力学和离子仿真。它的应用就导致你需要对它的架构进行一些特殊的设计。新的天河一号A它主要面临的应用，是希望能够广泛的应用，我们也需要进行不同系统的设计。所有超性能计算机会用于不同的终端，只是现在比较普遍的衡量他们性能的标准都是Linpack值。
谢强：我补充一下，高性能计算机设计体制结构的两种方式：一种是有应用主导，然后设计计算机；第二种是我要设计一种通用的高性能计算机。所以大家设计计算体系结构的思想是不一样的。比如中科院的方式，他们是先有了应用，先有了离子仿真和分子动力学的应用，完全是按照他们的应用，他们的应用在上面跑的效率最好。但是非常不幸的是，今天世界排名只用Linpack的测试软件，中科院的系统设计不是为了跑Linpack设计的机器，他们是为了自己的分子动力学和离子仿真设计的机器，这样就导致用同一个测试程序测试的时候，结果会有比较大的差异。但是天河这台机器是为了不同的应用，它的设计更通用一些。
记者：看起来Tesla的效率是挺高的，但与纯CPU系统的超级计算机70%-80%的效率相比还是有一定的差距。
谢强：他们自己（中科院工程研究所）的应用效率是非常高的，可能能达到70%、80%，甚至80%、90%，非常高的效率。为什么会有这样的原因呢？分子动力学和他们那种计算模式，在不同的节点之间做计算的时候没有节点之间的通讯，而Linpack的程序节点之间是有通讯的。应用不一样，是造成这个问题最主要的原因。但是目前大家没有更好的衡量高性能计算的方式，Linpack已经是不错的了，大家默认Linpack测试了，不断你是什么结构设计的机器，都用这个来测试，这样大家都有一个排名了。
记者：我们知道“天河一号”去年发布的时候，它是中国TOP100的第一名，那时候他用的是AMD的HD4870X2，可能很多人会有疑问，到今年怎么都换成Tesla，我们也知道一些原因，想请NVIDIA具体给我们阐述一下，“天河一号A”基于什么样的考虑让他们最后把AMD的4870X2换成了Tesla？
Andy Keane：最主要的原因就是软件，NVIDIA公司提供了一个范围非常广的编程环境，使开发人员的能力得到很大的加强，所以说，主要还是提供了非常良好的编程环境。人们一般情况下会更多的关注语言，就系统而言真正关注的有两类人：一个是应用开发人员；另一类是对IT系统进行维护的人员。我们支持的ECC，首先它可以进行很好的SMI的管理，另外它也有一些软件工具，帮我们更好的管理集群。一方面可以进行很好的应用开发，另一方面还可以管理集群，所以这两者加在一起才使得系统表现的如此出色。一方面你要考虑这个系统是谁建造的，另外一方面还要考虑，是谁让建好的系统能够得以应用，这两个因素缺一不可。
像“天河一号A”里面用了7000多个GPU，放到一个系统中，除了开发应用技术之外，还有管理、维护的大量工作，而我们正好有这样管理、维护的技术，可以帮他们更好的管理。
关注我们
