作為全球超級電腦指標的 TOP500 稍早公布全新的榜單排名，此次在前 500 大系統當中，有高達 342 套系統使用 NVIDIA 的加速運算，其中 58 套入圍的新系統有 41 套採用 NVIDIA 的加速運算，前 10 大超級電腦系統當中有 8 套採用 NVIDIA 加速技術；此外，採用 NVIDIA 的超算系統也在節能榜單表現亮眼，在 GREEN 500 的前 40 名有 35 套採用 NVIDIA 加速技術、前 10 名僅有一套非 NVIDIA 加速技術。
值得注意的是採用 InfiniBand 連接的系統也比去年提升 20% ，意味著新一代系統由於處理 AI 、 HPC 與類比資料的增加，對於降低網路延遲較過往更為重視；這些新系統也包括微軟新一代 Azure 雲端系統、劍橋大學的 Wilkes 以及特斯拉的 AUTOMOTIVE 。
微軟新一代的 Azure 是提供公有雲服務的超算系統，此次一口氣以四套系統佔據 TOP500 自 26 位到 29 位，這四套 Azure 系統皆可提供高達 16.59 petaflops 的 Linpack 性能。微軟新一代 Azure 在每個虛擬實例提供達 8 個 A100 Tensor Core GPU ，多個實例之間以 HDR 200G InfiniBand 連接，共可在雲服務與高達數千個 GPU 進行高速連接。
而劍橋大學此次以 Wilkes-3 成為當前學術單位性能最高的超算系統，同時也是當前 GREEN 500 的第三名， Wilkes-3 更是一套雲原生超算系統，使研究人員可共享高度安全與隱私的虛擬資源。 Wilkes-3 在架構導入 BlueField DPU 提供安全、虛擬化與數據管理應用，並透過 320 個以 HDR 200G InfiniBand 連接的 A100 GPU 。
▲今年 NVIDIA 在超算領域表現依舊亮眼， TOP 500 前 10 有 8 套入圍、 GREEN 500 前十則僅有一套非 NVIDIA 系統
同時，從許多新落成的超算系統架構，亦可感受到除了加速運算外， AI 在超算領域日益受到重視，如美國國家能源研究科學計算中心的 Perlmutter ，就已達 6,144 個 A100 GPU 、 64.59 Linpack petaflops 表現取得 TOP500 的第 5 位，更重要的是 Perlmutter 在 AI 的表現， Perlmutter 貢獻當前最新版本的 HPL-AI 達一半的性能，並在提供目前深度學習、科學計算與商業計算所需的混合精度計算的同時，仍可提供雙精度運算。
佛羅里達大學的 HiPerGator AI 以 17.20 奪下 Top 500 的 22 位，同時與第一位僅 0.18 Gflops / Watt 之差為當前超算節能指標 Green 500 的第二名。而 Perlmutter 也是藉由模組化的 NVIDIA SuperPOD 構成。
位於盧森堡 MeluXina 超算系統是此次位於歐洲的新進榜系統，並首次入圍即以 10.5 Linpack petaflops 取得第 37 名的排名；而英國的劍橋一號則以 9.68 TFLOPS 取得 TOP 500 的第 42 名，也是當前英國最強大的超算系統。另外瑞典的 BerzeLiUs 則以 5.25TFLOPS 取得第 83 位，專注於 HPC 、 AI 、資料分析，藉由 200G InfiniBand 連接達 60 套 NVIDIA DGX 系統。
在純 AI 運算領域，作為當前 HPC 之 AI 算力基準的 HPL-AI 也在此次有顯著的變化，相較去年 6 月公布的榜單，前 10 名系統的 HPL-AI 得分成長近 5 倍，其一關鍵就是 2020 年 3 月所公布全新的代碼；這項新代碼能夠消除系統之 GPU 與 GPU 溝通等待 CPU 決策的時間，並採用於 AI 效率更高的 16bit 代碼而非 Linpack 預設的 32bit 代碼，一舉使 AI 運算效率提高。例如橡樹嶺國家實驗室的系統，也因為導入全新針對 AI 運算的代碼自 2019 年的 445 TFLOPS 提升到 1.15 exaflops 的 HPL-AI 得分。
而 Tesla 特斯拉雖然已經不再車輛的自動駕駛平台使用 NVIDIA 的 DRIVE 技術，不過 Tesla 為了自動駕駛的 AI 模型訓練與開發，仍建構一套達 720 個節點、每個節點有 8 張 NVIDIA A100 Tensor Core GPU 的 AUTOMOTIVE 超級電腦，達到 1.8 exaflops 性能，並為 TOP500 的第 5 名。
3 則回應
tesla 居然不是拿自己的HW3晶片去堆疊
畢竟以他的產車量而言，開IC其實很吃力