Nature：探秘世界最快超算的一天

超算建设如火如荼，无论是主权AI还是科技巨头，都在源源不断地给英伟达输血、建数据中心。

前段时间，马斯克建成的有10万张H100的Colossus集群，号称是世界上最强大的AI训练系统。

而在这之前，截止到2023年12月，世界上运算速度最快的超算，是位于美国田纳西州橡树岭的Frontier，也被称为OLCF-5。

Frontier配备的是AMD的CPU和GPU，有5万个处理器（其中包含3.8万个GPU），运算速度为1.102 exaFLOPS，即每秒1.102百亿亿（10¹⁸）次浮点运算。

这个速度甚至比10万台笔记本同时工作还要更快，而且在2022年首次亮相时，Frontier还破了一个纪录——第一次突破了百亿亿次运算速度的门槛。

Frontier超算的覆盖面积比两个篮球场还要大

之所以要追求如此卓越的速度和规模，是为了满足各领域前沿科学研究中模拟计算的需要。

Frontier十分擅长创建模拟，并能同时捕捉到大尺度的模式和小尺度的细节，比如微小的云滴如何影响气候变暖的速度。

如今，研究人员们从世界各地登录Frontier，创建从亚原子粒子到星系的一切尖端模型，包括模拟蛋白质进行药物发现和涉及、模拟湍流以改进飞机发动机，以及训练能和谷歌、OpenAI竞争的开源LLM。

但是，就在今年四月的一天，Frontier的运作出现了一点意外。

Frontier所在的田纳西州橡树岭国家实验室科学主任Bronson Messer表示，为了为了跟上世界各地科学家们的要求，Frontier的功耗急剧上升，峰值达到了约27兆瓦，足以为大约1万个家庭供电。

这也为超算的冷却系统带来了挑战，用Messer的话说，「机器像一条被烫伤的狗一样在运行」。

根据2023年的统计，Frontier共有1744个用户，遍布18个国家，贡献的计算和数据支撑了至少500篇已经公开发表的论文。

探秘Frontier「大脑」内部

和我们想象的场景类似，Frontier所在的机房类似于一个仓库，运转时发出的电子嗡嗡声稳定而轻柔。

机房中共有74个机架，每个节点分别包含4个GPU和1个CPU。之所以有如此快的运算速度，就是得益于庞大的GPU数量。

实验室主任Messer形容道，「这些GPU运行得非常快，但也愚蠢至极，它们可以一遍又一遍地做同一件事。」

这种同时处理多项运算的功能对超算的快速工作非常有用，但除此之外，也没什么其他任务了。

这种「愚蠢至极」的背后，是一种通用性，各领域的科学家都可以通过定制代码来运行GPU。

Frontier的运转日夜不停，同样连轴转的还有负责运营、维护的工程团队。

负责建造这台超算的工程师团队来自惠普公司，其中一位技术人员Corey Edmonds表示，他们有一个工程团队会对Frontier进行持续监控，判断是否存在故障迹象。

比如其中一位夜班人员Conner Cunningham的工作时间就是晚7点到早7点，负责用十多个监视器关注网络和建筑物的安全，并监控当地天气，确保Frontier正常运转。

实际上，大多数夜晚都是「平安夜」，Cunningham一般只需要巡查几次，其余时间都可以在工位上学习。

「这项工作有点像消防员，如果发生任何事，需要有人在岗监控。」

助力大科学

虽然Frontier日夜不停地运转，但研究人员想要申请到使用机会，也并不是一件容易的事。

科学主任Messer和其他3位同事负责使用提案的评估和批准，他们去年共批准了131个项目，通过率约为1/4，

申请人需要表明其项目需要利用整个超算系统才能获批，一般用于对各种时间和空间尺度进行建模。

Frontier每年共有约6500万个节点时（node-hour）可用，研究人员得到的最常见的分配额度为50万个节点时，相当于全系统连续运行三天。

Messer表示，相比其他数据中心，研究人员在Frontier上获得的计算资源大约多出十倍。

Frontier拥有超过5万个处理器，并采用液冷

有了更快的运算速度、更多的计算资源，研究人员们就能做出更加雄心勃勃的「大科学」。

比如，在原子级精度精确地模拟生物过程，像是溶液中的蛋白质或核酸如何与细胞其他部分发生相互作用。

今年5月，有学者用Frontier模拟了含有超过1550亿个水分子的立方体形状的水滴，大小约为人类头发宽度的十分之一，是有史以来规模最大的原子级模拟之一。

短期内，研究人员希望模拟细胞器来为实验室提供信息；此外他们还希望将这些高分辨率的模拟结果，与X射线自由电子激光器的超快成像相结合，以加速发现。

这些工作都是为今后更大的目标做铺垫——从原子开始对整个细胞进行建模。

有了Frontier，气候模型也变得更加精确。

去年，气候科学家Matt Norman和其他研究人员使用Frontier运行了分辨率为3.25公里的全球气候模型，其中还结合了分辨率更加精细的复杂的云层运动。

为了创建长达数十年的预测模型，Frontier的计算能力是十分必要的，而且需要用上整个系统的算力才能做到。

对于一个适用于天气和气候预测的模型，至少需要每天进行一年的模拟运行。

Frontier每天可以模拟1.26年，这个速度可以使研究人员能够创建比以前更准确的50年预测。

如果换到其他计算机上运行，要达到相同的分辨率，同时考虑云的影响，计算速度则会慢得多。

在更大的宇宙级尺度上，Frontier也能带来更高的分辨率。

匹兹堡大学的天体物理学家Evan Schneider也在使用Frontier，研究银河系大小的星系如何随着年龄的增长而演化。

他们创建的星系模型跨越四个数量级，最大规模可达约10万光年。而在Frontier之前，以类似的分辨率模拟的最大结构是矮星系，质量约为五十分之一。

Frontier对AI意味着什么

作为曾经的世界第一，Frontier的地位显得更加独特，因为这台超算是为数不多的属于公共部门的设备，而非由工业界主导。

由于AI领域的研究往往需要吞噬庞大的算力，学术界和工业界的成果存在巨大的鸿沟。

有学者统计过， 2021 年，96%的最大的AI模型来自工业界。平均而言，工业界模型的规模是学术模型的近30倍。

这种差异在投资金额方面也很明显。美国的非国防公共机构在2021年提供了15亿美元支持AI研究。同年，全球工业界支出超过3400亿美元。

而自从GPT-4、Gemini Ultra等商业LLM发布以来，两者之前的差距又被进一步扩大，这种投资鸿沟导致工业界和学术界可用的计算资源明显不对称。

由于工业界的模型开发以盈利为目的，往往会忽视很多技术发展中必须要面对的重要问题，比如基础研究、低收入群体的需求、评估模型风险、纠正模型偏见等等。

如果学术界要承担起这些责任，就需要能和行业规模匹配的算力，这就是Frontier的用武之地。

一个最典型的例子，科技公司训练出的LLM往往保留不同程度的专有性，但研究者们往往会奖自己开发的模型免费提供给任何人使用。

马里兰大学帕克分校的计算机科学家Abhinav Bhatele表示，这将有助于大学研究人员与公司竞争，「学术界人士训练类似规模模型的唯一方法是获得像Frontier这样的资源。」

Bhatele认为，Frontier等设施在AI领域就是发挥着这种至关重要的作用，让更多的人参与到技术开发中，共享成果。

但值得注意的是，这场国家之间、科技公司和非营利机构间的算力基础设施竞赛，依旧在持续，能力强大如Frontier也终会有跌落的一天。

橡树岭实验室已经在规划Frontier的继任者，名为Discovery，计算速度将提升3～5倍。

作为参考，Frontier相比2014年的最快的超算天河二号A快了35倍，比2004年最快的超算Earth Simulator快3.3万倍。

研究人员仍然渴望更快的速度，但工程师们面临着持续的挑战，其中一方面就是能源。

Frontier的能源效率相比Summit就提升了4倍多，很大程度上是源于不同的冷却方案。

Frontier使用室温水进行冷却，与Summit使用冷水不同。Frontier总能耗的大约3%～4%用于冷却，而Summit 的这一比例为10%。

与 Summit 使用冷冻水不同。Frontier 总能耗的大约 3-4% 用于冷却，而 Summit 的这一比例为 10%。

多年来，能源效率一直是构建更先进超算的关键瓶颈，而在可预见的将来，这个瓶颈估计会持续存在。

实验室主任Messer表示， 「我们本可以在2012年建造一台百亿亿次级别的超算，但提供动力的成本太高了，需要多一两个数量级的电力。」

文章来源于“新智元”，作者“新智元”