计算驱动数据，数据支撑计算。云计算和大数据，以往常被视作DT经济密不可分的正反两面。大数据时代的到来，让HPDA（基于HPC的大数据分析）应用成为HPC的下一个爆点，2015年时67%的HPC资源用于HPDA。

　　但当万物互联网逐渐临近，因为接入网络设备可能出现量级上的剧增。有调研机构预测，到2020年全球数据量将超过4万亿GB，这些海量的大数据依靠传统的方式和算法，将很难被人类挖掘和利用，所以新变革必然发生，而通过最新的深度学习技术，人工智能（AI）有望成为数据大爆炸时代的大数据利用的希望。

　　中国工程院院士、浪潮集团首席科学家王恩东在本届高性能计算用户大会致辞时表示，以云计算为基础平台、大数据为认知方法、深度学习计算为优化工具的智慧计算，将是新变革的推动力，并成为未来整个计算产业里最重要、最主要的组成部分。在新的变革期，高性能计算与云计算、大数据相互融合的趋势会更加明显，并将在人工智能、虚拟现实、高性能数据分析等新领域得到更广泛的应用。

　　AlphaGo战胜人类顶尖围棋高手李世石，让我们领略了深度学习的巨大威力。深度学习技术的原理，是采用高性能计算机建立模拟人脑进行分析学习的深度神经网络，让机器能够像人一样进行复杂问题的思考和判断。而海量数据是喂养AI不断变聪明的养料，但按照现有的计算技术，当深度学习的层级多到一定数量，那么现有的计算效率就成为了现实的瓶颈所在。

　　微软亚洲研究院首席研究员刘铁岩在演讲中举了一个现实案例，如果采用RNN算法模型训练Clueweb09英文数据集，需要涉及到200亿的参数变量，用现有的计算技术需要180年才能训练完所有数据。就像胃部消化能力不强时，会出现积食、营养难以吸收一样，深度学习也需要更强劲的计算引擎来催动，如果算力不够，动辄数百年才能获得答案，那么这对于寿命有限的人类来说是无法接受的科研项目。

　　那么如何让HPC给AI提供源源不断的澎湃创新动力？在浪潮集团高性能计算总经理刘军看来，HPC要跟人工智能形成协同创新，就必须要贴近用户、贴近应用，从用户的应用需求角度上面，怎么帮助他建好超算和用好超算。以往用于深度学习的HPC有个难点，就是并行扩展能力有限。所以浪潮开发了全球首个开源并行深度学习计算框架Caffe-MPI，它具备良好的集群并行扩展性能，实测数据表明，新版本在4节点下16卡的性能较单卡提升13倍。新版本增加了对cuDNN库的支持，使程序开发人员能够轻松实现高性能深度学习代码的开发。

　　刘军指出，在面向人工智能深度学习这个领域，浪潮是根据客户实际应用的特点和需求，来构建适合于他的HPC系统，并且帮助他应用深度学习的框架在一些具体的应用中。在实际推广中，浪潮也发展在实现路径上大家还是有一些分歧，需要沟通来解决。

　　之前社交网络上曾经盛传，在硅谷招聘一位做深度学习的优秀博士毕业生，需要开200万美元以上的巨额年薪。刘军在HPC行业中已经耕耘了19个年头，他现在越发感受到熟悉人工智能和HPC交叉复合型人才的稀缺，所以浪潮也越来越清晰地意识到，HPC和人工智能要想融合发展，就必须迈过人才关，这也是浪潮连续多年赞助世界青年超算大赛、在Caffe-MPI开源社区的持续投入的根本动因。

　　超算，离我们并不遥远，它将是未来生活的的点点滴滴

　　超算，在很多人看来，是绝对高大上的前沿科技，它关系到国计民生、科技进步，但似乎却离我们的生活比较远，但我认为这只是一种错觉。就比如我们每天都要看的天气预报，现在很多时候甚至可以精确到暴雨何时开始何时结束，这比起十年甚至二十年前非常粗犷的气温和风力预报，已经有了长足的进步，这背后其实就是HPC不断进步所推动的；基因测序，我之前也觉得遥不可及，但当我太太在37岁时怀上我们第二个宝宝时，医院已经可以提供高龄产妇的无创基因测试，可以通过母体静脉采血对胎儿常见遗传疾病进行非常精准的判定，而且费用已经降到2000元左右，让这种前沿技术造福百姓的推动力，其实也有HPC巨大的功劳在其中。但当时有些遗憾的是，这种基因检测需要几周后才能有结果，漫长的等待如果能够缩短些，对等待结果的父母来说会更具吸引力。