国产色综合久久无码有码,日本夫妇温泉の交换在线观看,男男小说高h

我猜，我們是最早和你說(shuō)春天來(lái)了的人。

一年前，我們還在小心謹(jǐn)慎地定義著Cloud HPC，一臉?gòu)尚叩啬肗ovartis 諾華制藥在5年前做的案例當(dāng)作標(biāo)桿。

不久前，Hyperion Research正式宣布2019年是Cloud HPC的轉(zhuǎn)折年。

暴風(fēng)哭泣，云端高性能計(jì)算終于有了姓名。

HPC：HighPerformance Computing高性能計(jì)算，換句話說(shuō)，對(duì)算力要求高

這一年，我們幫不少用戶落地了云端算力解決方案。像我們老板說(shuō)的，對(duì)用戶來(lái)說(shuō)，最重要的是提供一種Accessibility（可觸達(dá)），后面的Efficiency（效率）都是水到渠成的事兒。

同時(shí)，我們也看到很多用戶在云的邊緣瘋狂試探，等某個(gè)未知的神秘力量來(lái)推上一把；還有些用戶驚喜地發(fā)現(xiàn)，我們提供了一種解決他們現(xiàn)有問(wèn)題的新思路。

今天，我們盤(pán)一盤(pán)國(guó)內(nèi)外Cloud HPC現(xiàn)在的局面：

1. 全球越來(lái)越多企業(yè)踏足HPC領(lǐng)域，AI和高性能數(shù)據(jù)分析首當(dāng)其沖

2. 不同Cloud HPC細(xì)分領(lǐng)域未來(lái)5年年均復(fù)合增長(zhǎng)率超過(guò)21%

3. 從兩個(gè)全球超大規(guī)模CPU、GPU的溢出到云案例看云的可伸縮彈性能力

4. 我們觀察到的國(guó)內(nèi)外部分行業(yè)用云現(xiàn)狀：制藥/基因測(cè)序/EDA/CAE/高校

溢出到云：本地不夠，云來(lái)補(bǔ)上的意思

友情提醒：如果你還在為算力不足而頭疼，或?qū)υ朴兴诖宋慕ㄗh轉(zhuǎn)發(fā)給你的老板，讓我們等待一個(gè)“真香”~~

全球越來(lái)越多企業(yè)踏足HPC領(lǐng)域，AI和高性能數(shù)據(jù)分析首當(dāng)其沖

全球越來(lái)越多企業(yè)級(jí)用戶開(kāi)始踏足HPC領(lǐng)域，比如欺詐/異常檢測(cè)、商業(yè)智能、關(guān)聯(lián)營(yíng)銷、精準(zhǔn)醫(yī)療、智慧城市、物聯(lián)網(wǎng)等等。

大數(shù)據(jù)和HPC的結(jié)合提供了很多新的解決方案，基于HPDA高性能數(shù)據(jù)分析的AI人工智能，ML機(jī)器學(xué)習(xí)，DL深度學(xué)習(xí)是最熱的領(lǐng)域。

HPDA高性能數(shù)據(jù)分析領(lǐng)域的增長(zhǎng)速度超過(guò)HPC市場(chǎng)整體增長(zhǎng)速度。

AI領(lǐng)域的增長(zhǎng)速度高于整個(gè)HPDA高性能數(shù)據(jù)分析領(lǐng)域的增長(zhǎng)速度。

眾所周知：AI現(xiàn)在還處在早期發(fā)展階段。推理功能弱，主要解決觀察識(shí)別類問(wèn)題，而不是決策問(wèn)題。比較落地的應(yīng)用場(chǎng)景是在圖像和聲音識(shí)別，高級(jí)駕駛輔助系統(tǒng)，MRI醫(yī)療影像識(shí)別領(lǐng)域。

AI不是什么包治百病的神奇藥丸，不過(guò)是數(shù)學(xué)罷了。

從OPENAI在2019年11月發(fā)布的圖片中就能明顯看出，自2012年以來(lái)，AI訓(xùn)練對(duì)計(jì)算的要求3、4個(gè)月就會(huì)翻一倍。在可見(jiàn)的未來(lái)，這個(gè)趨勢(shì)應(yīng)該會(huì)持續(xù)。

不同Cloud HPC細(xì)分領(lǐng)域，未來(lái)5年年均復(fù)合增長(zhǎng)率超過(guò)21%

Hyperion Research預(yù)測(cè)未來(lái)5年HPC用戶的用云趨勢(shì)：

這個(gè)圖不包括沒(méi)有任何本地機(jī)器，天生用云的用戶。

縱軸指的是用戶在第三方云資源上的花費(fèi)，包括了公有云，混合云，第三方搭建的私有云。

不同Cloud HPC細(xì)分領(lǐng)域未來(lái)5年年均復(fù)合增長(zhǎng)率都超過(guò)了21%。

生命科學(xué)、EDA半導(dǎo)體領(lǐng)域甚至超過(guò)了25%。

從兩個(gè)全球超大規(guī)模CPU、GPU的溢出到云案例看云的可伸縮彈性能力

關(guān)于為什么要用云這個(gè)問(wèn)題。

Hyperion Research的調(diào)查結(jié)果跟ANSYS不謀而合。

對(duì)用戶來(lái)說(shuō)，云的可伸縮彈性是當(dāng)之無(wú)愧的第一大法寶。

那云的彈性現(xiàn)在到底大到什么程度？

我們看看兩個(gè)全球超大規(guī)模CPU、GPU的溢出到云的案例。

CPU。

2019年10月，克萊姆森大學(xué)計(jì)算學(xué)院（Clemson University School of Computing）創(chuàng)下了云端高性能計(jì)算領(lǐng)域一個(gè)記錄。

他們花了大概5萬(wàn)美金，運(yùn)行了4個(gè)小時(shí)，使用214萬(wàn)個(gè)vCPU在Google云上跑了一個(gè)數(shù)據(jù)密集型應(yīng)用，在200萬(wàn)小時(shí)的視頻中對(duì)車(chē)輛進(jìn)行計(jì)數(shù)，視頻數(shù)據(jù)文件大小為210TB。

這是個(gè)概念驗(yàn)證實(shí)驗(yàn)，為了驗(yàn)證在現(xiàn)實(shí)數(shù)據(jù)量極大，時(shí)間緊迫的情況下，云端高性能計(jì)算有能力為應(yīng)急處理提供決策支持。有了云計(jì)算，公司或組織不需要擁有大量機(jī)器，或者停止手頭上一切工作來(lái)處理應(yīng)急情況。

GPU。

2019年11月，SDSC圣地亞哥超級(jí)計(jì)算中心聯(lián)合威斯康星州冰立方粒子天體物理中心（Wisconsin IceCube Particle Astrophysics Center）在AWS，Azure和Google云上一共調(diào)度了超過(guò)5萬(wàn)GPU完成一次仿真模擬計(jì)算試驗(yàn)。

黑線是用于計(jì)算的GPU數(shù)量，最高達(dá)到51,500個(gè)。

不同顏色代表在某家云廠商的某個(gè)區(qū)域購(gòu)買(mǎi)的GPU數(shù)量。

PFLOP32s的峰值約為350。

相比之下，美國(guó)橡樹(shù)嶺國(guó)家實(shí)驗(yàn)室Summit系統(tǒng)的名義性能約為400 PFLOP32s。

因此，這次計(jì)算，基于云的集群提供了全球排名第一超算中心峰值90%的性能。

IceCube的Riedel說(shuō)：

“這場(chǎng)實(shí)驗(yàn)主要有三個(gè)目標(biāo)：一是用于天體物理學(xué)模擬仿真研究；第二是測(cè)試網(wǎng)絡(luò)基礎(chǔ)設(shè)施是不是做好了未來(lái)E級(jí)計(jì)算的準(zhǔn)備；第三是想測(cè)一下一個(gè)小時(shí)左右的時(shí)間內(nèi)，能買(mǎi)到多少商用云計(jì)算GPU資源。這次調(diào)度了三大洲（北美、歐洲和亞洲）28個(gè)區(qū)域的所有可用GPU。結(jié)果說(shuō)明云端彈性可以沖擊非常大規(guī)模的GPU，適用于天文學(xué)和其他科學(xué)領(lǐng)域的廣泛挑戰(zhàn)。”

我們觀察到的國(guó)內(nèi)外部分行業(yè)上云現(xiàn)狀：制藥/基因測(cè)序/EDA/CAE/高校

制藥/新藥研發(fā)領(lǐng)域

計(jì)算機(jī)輔助藥物設(shè)計(jì)（Computer-Aided Drug Design，CADD），國(guó)內(nèi)相比于美國(guó)、英國(guó)等國(guó)家，的確有點(diǎn)落后，但是發(fā)展速度非常快，已經(jīng)成為藥物研發(fā)流程中不可或缺的一部分。

要求越高越準(zhǔn)確，需要的數(shù)據(jù)就更多，計(jì)算量就越大。

怎么利用計(jì)算工具和資源，解決新藥研發(fā)過(guò)程中的各種問(wèn)題？

怎么找到具備復(fù)合能力的人才？

是這個(gè)領(lǐng)域最受關(guān)注的問(wèn)題。

人才方面，我們可以盡可能幫助企業(yè)降低對(duì)他們的各種云、HPC技術(shù)等方面的知識(shí)技能要求，更專注在藥物研發(fā)業(yè)務(wù)方向。

計(jì)算這一塊，拿虛擬篩選來(lái)舉例。我們能幫助用戶讓過(guò)去需要耗費(fèi)幾個(gè)月的篩選時(shí)間縮短到1天以內(nèi)。

案例：我們用Schrodinger（薛定諤）輔助用戶對(duì)7.8億多個(gè)分子進(jìn)行了篩選，用了云上的幾萬(wàn)個(gè)Core，計(jì)算時(shí)長(zhǎng)僅花費(fèi)了3-13個(gè)小時(shí)（每個(gè)Core上所需時(shí)間不一樣）。

詳情可聯(lián)系文末小F

基因測(cè)序/精準(zhǔn)醫(yī)療領(lǐng)域

基因測(cè)序天然地?cái)?shù)據(jù)量大，而且計(jì)算復(fù)雜程度高，整個(gè)分析工作流程復(fù)雜，經(jīng)常需要修改算法。

這個(gè)領(lǐng)域主要關(guān)注測(cè)序技術(shù)的發(fā)展和數(shù)據(jù)計(jì)算和分析。

怎么拿到數(shù)據(jù)？

怎么在最短時(shí)間內(nèi)對(duì)海量生物數(shù)據(jù)進(jìn)行計(jì)算，找出單個(gè)基因或多個(gè)基因組合和一系列疾病的關(guān)系？

對(duì)云的需求主要基于兩點(diǎn)：

一個(gè)是計(jì)算量有明顯季節(jié)性。而本地計(jì)算資源的分析能力有限，升級(jí)成本高，云的彈性伸縮能力能很好地應(yīng)對(duì)；

第二是主要是消費(fèi)級(jí)基因公司對(duì)計(jì)算的時(shí)效性要求高。

案例：我們有個(gè)基因用戶就要求8小時(shí)內(nèi)處理完當(dāng)日5點(diǎn)前數(shù)據(jù)，而且每天對(duì)計(jì)算資源的要求很不確定，只有計(jì)算時(shí)間要求是固定的，這種情況下云端算力就是比較理想的解決方案。而且我們還能將其復(fù)雜的分析流程進(jìn)行優(yōu)化封裝，進(jìn)一步提升計(jì)算效率。

詳情可聯(lián)系文末小F

CAE/CFD領(lǐng)域

ANSYS作為CAE仿真里的巨頭，也是目前唯一一個(gè)真正采用云端計(jì)費(fèi)模式的企業(yè)。他們?cè)?019年5月做的調(diào)查顯示：云端仿真有很大的增長(zhǎng)潛力。

市場(chǎng)變化很快：

在未來(lái)的12個(gè)月，大多數(shù)預(yù)計(jì)將使用SaaS解決方案(62%)，其次是公有云(45%)，緊隨其后的是混合云解決方案：私有云+合作伙伴管理的數(shù)據(jù)中心(44%)或私有云+合作伙伴管理的公有云(40%)。

案例：我們幫助一家風(fēng)電新能源用戶優(yōu)化他們的核心應(yīng)用Bladed，利用云上更新，主頻更高的CPU硬件最大化發(fā)揮應(yīng)用性能，調(diào)度任務(wù)同時(shí)支持本地和云上的Windows節(jié)點(diǎn)和Linux節(jié)點(diǎn)。

詳情可聯(lián)系文末小F

EDA/半導(dǎo)體

放眼全球，整個(gè)半導(dǎo)體產(chǎn)業(yè)鏈核心角色：EDA軟件/Foundry/Fabless芯片設(shè)計(jì)公司/IP廠商無(wú)一缺席，早在幾年前就在布局上云。三大EDA巨頭Synopsys/Cadence/Mentor和芯片制造廠TSMC臺(tái)積電可以說(shuō)引領(lǐng)了整個(gè)行業(yè)。

國(guó)內(nèi)半導(dǎo)體行業(yè)已經(jīng)在暗中追趕。

從AI芯片初創(chuàng)企業(yè)到大型Foundry芯片代工廠，從SaaS模式到多區(qū)域+多公有云的混合模式，到多云PaaS平臺(tái)的搭建。我們編了一本《半導(dǎo)體行業(yè)解決方案白皮書(shū)》。

詳情可聯(lián)系文末小F

接下來(lái)幾年，我們拭目以待。

高校/科研

高校一直走在科研界的最前沿。但他們面臨的問(wèn)題也十分明顯：

人手不足，項(xiàng)目時(shí)間有限
不管是云，還是HPC，非計(jì)算機(jī)專業(yè)使用門(mén)檻高
本地機(jī)器過(guò)舊，資源少，申請(qǐng)新機(jī)器困難
學(xué)校IT支持往往也不足

對(duì)很多高校來(lái)說(shuō)，500 core的計(jì)算資源峰值需求就足以成為一個(gè)障礙。

除了常用的工程應(yīng)用，生物分析，化學(xué)計(jì)算等常見(jiàn)高性能計(jì)算場(chǎng)景，不少高校和科研院所都在搭建自己的一站式AI計(jì)算平臺(tái)或AI實(shí)驗(yàn)室，滿足自身人工智能應(yīng)用創(chuàng)新開(kāi)發(fā)或者學(xué)校的AI課程相關(guān)實(shí)驗(yàn)等需求。

在汽車(chē)出現(xiàn)之前，我們只想要更快的馬。
汽車(chē)出現(xiàn)之后帶來(lái)的很多可能性，在馬的時(shí)代都是不可想象的。
現(xiàn)在，又到了發(fā)揮想象力的時(shí)候啦~

祝大年新春大吉鴨！

- END -

關(guān)于我們：
速石科技專為有高算力需求的企業(yè)級(jí)用戶提供一站式算力運(yùn)營(yíng)解決方案，幫助用戶提升10-20倍業(yè)務(wù)運(yùn)算效率，降低成本達(dá)到75%以上，加快市場(chǎng)響應(yīng)速度。目前主要應(yīng)用領(lǐng)域包括藥物研發(fā)、基因測(cè)序分析、半導(dǎo)體行業(yè)的EDA仿真及電路設(shè)計(jì)、汽車(chē)行業(yè)的自動(dòng)駕駛開(kāi)發(fā)、虛擬碰撞試驗(yàn)以及AI人工智能。

想了解更多，可添加小F微信（ID：imfastone）