采用人工智能的工作負(fù)載如今變得無處不在，其中有的工作負(fù)載在世界上運行最快的計算機上運行，從而改進高性能計算（HPC）。隨著組織規(guī)劃未來的發(fā)展，需要解決人工智能工作負(fù)載的編程、軟件需求、硬件需求和培訓(xùn)需求等問題。在2019年，行業(yè)專家和人工智能專家將繼續(xù)創(chuàng)造創(chuàng)新的解決方案。

以下是人工智能在2019年對高性能計算產(chǎn)生最大影響的十種方式：

1.張量（Tensors）：人工智能計算的通用語言

向量代數(shù)的應(yīng)用催生出為向量計算設(shè)計的計算機。Cray公司早期推出的超級計算機就是一種向量超級計算機，它將應(yīng)用程序表達為向量和矩陣代數(shù)問題，這反過來又加強了計算機的設(shè)計，以確保向量計算的快速運行。多年來，這種強化循環(huán)強烈定義了高性能計算（HPC）。張量代數(shù)可以被接受為廣義矩陣代數(shù)，因此它是超級計算機數(shù)學(xué)能力的自然演化，而不是一場革命。任何支持矩陣運算的機器都可以進行張量運算。如今的CPU的用戶采用編譯器，加速采用Pythons，加強庫和優(yōu)化框架的支持，獲得對向量和張量的高性能支持，所有這些都允許軟件開發(fā)人員使用高性能環(huán)境中的向量和張量。

張量技術(shù)在硬件、軟件和人們的思想上都在高性能計算應(yīng)用中留下了深刻的印象。

2.語言：高級程序設(shè)計

Fortran程序在消耗周期方面占據(jù)了高性能計算的主導(dǎo)地位，C和C ＋＋程序幾乎耗盡了高性能計算中的其他資源。通常通過C接口、擴展和庫來支持加速器周期。嘗試使用新語言來破壞這種情況已經(jīng)失敗，因為現(xiàn)有語言具有適合構(gòu)成高性能計算的應(yīng)用程序的用戶、代碼和支持。

人工智能為新用戶帶來了新的需求，這將擴展與高性能計算相關(guān)的語言，并不會改變大多數(shù)使用Fortran代碼的物理學(xué)家的活動，但使用MATLAB和Python的數(shù)據(jù)科學(xué)家需要根據(jù)他們的需求量身定制解決方案。

Python以及其他生產(chǎn)力語言和框架似乎將成為越來越多的高性能計算（HPC）周期的主人。他們的實際數(shù)字運算程序仍將用C／C ＋＋／Fortran編寫，但人工智能程序員既不會知道，也不會關(guān)心它。

3.以不同方式思考：通過利用機會重新思考方法來替換遺留代碼

高性能計算（HPC）是一種傳統(tǒng)技術(shù)，人工智能相對來說是一種新技術(shù)。顯然，隨著人工智能的成熟，它將創(chuàng)造自己需要支持的重要遺產(chǎn)。就目前而言，當(dāng)這兩種技術(shù)結(jié)合時，它將鼓勵有關(guān)重新實現(xiàn)遺留代碼的對話，這在某些情況下可能已經(jīng)過期。其借口可能是為代碼添加一些人工智能功能，但現(xiàn)實將是一些有益的努力以及一些嚴(yán)重的時間浪費。

4.可移植性和安全性：虛擬化和容器

可以安全地在機器上運行嗎？這是虛擬化和容器試圖解決的安全性和可移植性問題。當(dāng)然，安全性來自于良好構(gòu)建的硬件和軟件的安全功能。對于許多人來說，虛擬化和容器似乎是最好的組合。

容器已引起許多開發(fā)人員對虛擬機的關(guān)注，因為在部署、修補、云計算多功能性方面，它們被視為比虛擬機更靈活，并且可以節(jié)省虛擬機許可成本。

在面向高性能計算或人工智能的會議上談?wù)撊萜骷夹g(shù)似乎并沒有太大的進展，這并不奇怪。例如，Python和Julia在精心配置時可以更好地擴展，而容器可以幫助部署。

容器提供了一種為用戶提供良好調(diào)整環(huán)境的自然方式，高性能計算行業(yè)將在2019年看到越來越多的容器使用，部分原因是由于人工智能用戶的興趣。毫無疑問，高性能計算會對其實例施加壓力，這是需要優(yōu)化的生態(tài)系統(tǒng)。這個領(lǐng)域正在進行這方面的大量工作，高性能計算的社區(qū)將幫助所有人實現(xiàn)這一目標(biāo)，以滿足對容器的渴望。

5.規(guī)模問題：大數(shù)據(jù)

哪里有人工智能，哪里就有大數(shù)據(jù)。人工智能社區(qū)的主要關(guān)注點是在使用非常大的數(shù)據(jù)模型中獲取意義。采用的高性能計算應(yīng)用程序需要大量文件，許多高性能計算運行中心已經(jīng)有很多基礎(chǔ)設(shè)施可以很好地處理大數(shù)據(jù)問題。

所有高性能計算中心都將大數(shù)據(jù)作為新系統(tǒng)的主要要求考慮在內(nèi)，人工智能工作負(fù)載是大數(shù)據(jù)需求的主要動力。

內(nèi)存的價格高昂，但人們已經(jīng)看到內(nèi)存容量與flop／s的比率多年來一直在下降。這是影響大數(shù)據(jù)發(fā)展的趨勢。圍繞內(nèi)存的新功能提供了扭轉(zhuǎn)這一趨勢的希望，并支持人們需要的大型機器（包括高性能計算機）中的大數(shù)據(jù)模型。這些新的內(nèi)存技術(shù)提供了內(nèi)存和本地存儲器（SSD）的擴展。

高性能計算對于人工智能的發(fā)展發(fā)揮重要作用。組織希望把數(shù)據(jù)放在離處理器更近的地方，這是最適合做真實數(shù)據(jù)可視化的處理器，是高性能計算影響人工智能／機器學(xué)習(xí)的最大方式之一。使用和理解大數(shù)據(jù)的概念，以及可視化數(shù)據(jù)和分析，是相互交織的。