華為陳默:建設科學數據中心,數據密集型超算正當時
10月12日,在第七屆中國科學數據大會上,華為數據存儲與機器視覺產品線陳默博士出席并發表《打破認知誤區,發展數據密集型超算》的主題報告。報告指出,超算正在從算力服務時代走向數據價值時代,數據密集型超算的創新將持續助力科學數據中心的建設與發展。

華為數據存儲與機器視覺產品線陳默博士發表主題報告
隨著智能化的加速,AI和大數據成為引領科技創新的熱點技術;且隨著HPC與AI、大數據技術架構融合,實現交叉科學創新,科學研究由第三范式(計算科學HPC)向第四范式(數據密集型科學HPDA)演進。
HPDA(高性能數據分析)作為HPC+AI+大數據的技術融合,匹配了面向未來數據密集型應用的發展趨勢,具體到超算領域定義為數據密集型超算。數據密集型超算是以數據為中心的高性能數據分析平臺,具備傳統超算、大數據分析及AI分析能力,在為科研及商業應用提供多樣性算力的同時,能夠基于數據累積,提供高階數據價值服務,實現“底座不動,數據不遷,綠色高效”。
值得一提的是,近期在蘭州舉行的超級計算創新聯盟年度會議上正式成立了數據密集型超算工作組,數據密集型超算的主張已經在加速形成產業共識。
“我們要加速數據密集型超算產業的發展。首先我們要打破傳統意義上關于超算的認知誤區。”陳默博士指出。“超算和智算并不是非此即彼的關系,更多是相互滲透和融合。其本質在于超算的算力呈現異構化態勢,因此我們認為HPDA全流程計算才是應對數據密集型應用爆發的解決之道。另一個誤區是:認為超算等于計算,數據相對沒那么重要。而真相是當前新增的超算場景大多是數據密集型,數據越來越重要,80%應用場景數據量是PB級。” 陳默博士表示。
數據存儲作為數據底座變得越來越重要,專業的存儲底座才是超算中心可持續發展的基石。而過去30年,計算和存儲發展并不平衡,有數據表明算力和訪存帶寬的增長存在剪刀差,算力每十年增長百倍,訪存帶寬卻僅增長八倍。
此外,相較超算發達國家的科學數據中心來說,中國超算的存算比明顯偏低,存算比(即存儲容量PB與計算算力PFLOPS的比值)普遍低于1:3。譬如,某知名國超,10PFLOPS的算力只配備了不到1PB的存儲。而在超算領先的國家,這個數值普遍在1:2以上。高性能計算需要高性能的存儲能力相匹配,才能廣納海量應用數據,最大化超算系統使用效率,應對數據密集型超算的挑戰。
華為推出的面向數據密集型的HPDA解決方案目前已經在基因測序、石油勘探以及自動駕駛等多個行業領域實現了廣泛應用。近日,華西醫院、華為、賽樂基因聯合發布了多組學數據加速分析平臺,全球首次將人類全基因組分析推進至分鐘級時代。此外,在全球SKA天文望遠鏡陣列中,上海天文臺與華為合作,搭建了世界首臺SKA區域中心原型機核心業務存儲系統。在油氣勘探領域,華為與中石油東方物探也已完成了單體數據量最大的油氣地震勘探數據處理項目。種種跡象表明,數據密集型超算的發展正逢其時、數據密集型超算的實踐正當時。
“今天,在呼和浩特,20家國家科學數據中心共聚一堂,我們擁有最核心的數據資產,我們擁有最具價值的海量科研數據,已經具備了發展數據密集型超算的先決條件。”陳默博士在演講最后表示,“我們呼吁產學研加速協同,形成合力,共同發展國產HPDA系統軟件、國產并行文件系統、國產數據存儲和數據管理系統等,共同推進并加速數據密集型超算產業及應用技術生態的發展。”
請輸入評論內容...
請輸入評論/評論長度6~500個字
最新活動更多
- 1 AI狂歡遇上油價破百,全球股市還能漲多久? | 產聯看全球
- 2 OpenAI深夜王炸!ChatGPT Images 2.0實測:中文穩、細節炸,設計師慌了
- 3 6000億美元估值錨定:字節跳動的“去單一化”突圍與估值重構
- 4 Tesla AI5芯片最新進展總結
- 5 連夜測了一波DeepSeek-V4,我發現它可能只剩“審美”這個短板了
- 6 熱點丨AI“瑜亮之爭”:既生OpenClaw,何生Hermes?
- 7 AI界的殺豬盤:9秒刪庫跑路,全員被封號,還繼續扣錢!
- 8 2026,人形機器人只贏了面子
- 9 DeepSeek降價90%:價格屠夫不是身份,是戰略
- 10 AI Infra產業鏈卡在哪里了?


分享













