河南最快超算平台启用,加速智慧城市和人工智能应用

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 2 月 16 日,河南省最快超级计算机在郑州大学(郑州)超算中心正式投入使用。郑州大学超算中心的设备在软件的调度作用下形成了一个紧耦合的全面系统,借助高性能计算集群强大的计算能力,以深度学习硬件为优化工具,使用大数据分析的方法,对包括政务云学习在内的众多应用进行支撑。

2 月 16 日,河南省最快超级计算机在郑州大学(郑州)超算中心正式投入使用。郑州大学超算中心的设备在软件的调度作用下形成了一个紧耦合的全面系统,借助高性能计算集群强大的计算能力,以深度学习硬件为优化工具,使用大数据分析的方法,对包括政务云学习在内的众多应用进行支撑。郑州大学还计划以该超算系统为平台,建设全国最大的人工智能人才培训基地,打造完整的人工智能综合生态,将成为河南省和郑州市在智慧城市和人工智能等领域加速科技创新的重要基础设施。

微信图片_20211128115458.jpg该系统部署了 Caffe-MPI 人工智能计算框架,该框架是浪潮集团在开源 Caffe 的基础上,依托中国并行计算联合实验室的资源,开发了 Caffe-MPI 并行版本,Caffe-MPI(https://github.com/Caffe-MPI/Caffe-MPI.github.io)由浪潮的 HPC 应用开发团队进行开发。Caffe-MPI 是一款分布式集群版本,目前支持 GPU 与 MIC 集群并行计算。如下是使用 KNL 集群运行 Caffe-MPI 框架的一个示例,可以看出计算时间得到大大减少。

微信图片_20211128115520.jpg

目前,该系统已经完成一期工程,其峰值计算性能达 800 万亿次每秒。在二期工程中,该超级计算机计划升级到每秒 3000 万亿次,将作为网格节点并入国家高性能计算环境。中国工程院院士、浪潮集团首席科学家王恩东表示,浪潮集团一直积极参与郑州智慧城市建设,此次与郑州大学的合作,是浪潮智慧计算战略的重要落地。

 

「人工智能实际上是这两年浪潮重点发展的方向。我们的定位是做人工智能应用背后计算力和基础设施的提供者。」浪潮集团高性能计算总经理刘军说:「现在中国绝大多数人工智能应用的背后,有超过 60% 以上的计算力是浪潮的运行,我们有专门的团队会针对人工智能的应用去设计相应的计算设施,帮助他们优化计算框架的软件,提供更好更适合的解决方案。」

 

浪潮在人工智能领域进行了深度布局。目前,浪潮已经拥有以图搜图、语音识别、企业网络安全深度学习应用和深度学习语音识别加速等应用案例,也包括完善的异构加速产品、ClusterEngine 集成深度学习作业管理调度及集群系统监控、基于高性能系统设计开发 Caffe-MPI 等产品。在刘军看来,人工智能所需要的大数据相当于汽油,像谷歌的 AI、百度用的 PaddlePaddle 等相当于车轮,而浪潮则是把这些整合起来做出高性能的一部车给开发者、应用者使用。


在同一天开幕的世界大学生超级计算机竞赛(ASC17)中,郑州大学(郑州)超算将与神威·太湖之光成为承担不同赛题的运算平台。本届大赛由亚洲超算协会、郑州大学、国家超算无锡中心、浪潮合作举办,参赛队伍数量比去年增长 31%,共有来自世界各国 230 支队伍参赛将争夺进入总决赛的 20 强名额。ASC 竞赛发起人、中国工程院院士、浪潮集团首席科学家王恩东表示,随着超级计算、大数据、云计算相互融合,以人工智能为代表的智慧计算将成为未来计算产业里面最重要的组成部分,这将对计算技术带来新的挑战。


另一个关键性运算平台神威·太湖之光,是世界上首台峰值计算速度超过十亿亿次的超级计算机,采用中国国产处理器构建。国家超算无锡中心主任、清华大学教授杨广文称,「我们做计算机的核心任务是怎么让这些应用人员把超算融合应用起来,没有超算,大数据、人工智能的开发非常困难,所以我们要降低人工智能使用超算的门槛。」


值得关注的是,此次竞赛增加了无人驾驶的交通预测赛题,希望推动在校大学生了解掌握最新的人工智能算法、大数据应用及先进计算架构的相关知识和能力。交通预测是当前热门的无人驾驶技术中最关键的应用软件之一,可以在考虑时空关系后对交通情况做出合理预测,帮助车辆选择最合适的路线,特别是在城市拥堵情况下的路线选择更有现实的意义。

 

据了解,交通预测试题来自百度深度学习研究院,在预赛阶段,将给出某城市前 50 个工作日实际采集的交通状况的训练数据集,各参赛队可以通过百度 PaddlePaddle 深度学习计算框架进行数据训练,最终对第 51 个工作日早高峰期间每 5 分钟的交通状况进行预测,百度将根据交通预测的准确度评判各队的预赛成绩。



相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
4天前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
2024年,AI大模型在软件开发领域的应用正重塑传统流程,从自动化编码、智能协作到代码审查和测试,显著提升了开发效率和代码质量。然而,技术挑战、伦理安全及模型可解释性等问题仍需解决。未来,AI将继续推动软件开发向更高效、智能化方向发展。
|
8天前
|
机器学习/深度学习 人工智能 自然语言处理
AI在医疗领域的应用及其挑战
【10月更文挑战第34天】本文将探讨人工智能(AI)在医疗领域的应用及其面临的挑战。我们将从AI技术的基本概念入手,然后详细介绍其在医疗领域的各种应用,如疾病诊断、药物研发、患者护理等。最后,我们将讨论AI在医疗领域面临的主要挑战,包括数据隐私、算法偏见、法规合规等问题。
28 1
|
10天前
|
存储 XML 人工智能
深度解读AI在数字档案馆中的创新应用:高效识别与智能档案管理
基于OCR技术的纸质档案电子化方案,通过先进的AI能力平台,实现手写、打印、复古文档等多格式高效识别与智能归档。该方案大幅提升了档案管理效率,确保数据安全与隐私,为档案馆提供全面、智能化的电子化管理解决方案。
102 48
|
6天前
|
机器学习/深度学习 人工智能 算法
AI在医疗领域的应用与挑战
本文探讨了人工智能(AI)在医疗领域的应用,包括其在疾病诊断、治疗方案制定、患者管理等方面的优势和潜力。同时,也分析了AI在医疗领域面临的挑战,如数据隐私、伦理问题以及技术局限性等。通过对这些内容的深入分析,旨在为读者提供一个全面了解AI在医疗领域现状和未来发展的视角。
32 10
|
6天前
|
机器学习/深度学习 人工智能 监控
探索AI在医疗领域的应用与挑战
本文深入探讨了人工智能(AI)在医疗领域中的应用现状和面临的挑战。通过分析AI技术如何助力疾病诊断、治疗方案优化、患者管理等方面的创新实践,揭示了AI技术为医疗行业带来的变革潜力。同时,文章也指出了数据隐私、算法透明度、跨学科合作等关键问题,并对未来的发展趋势进行了展望。
|
10天前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
【10月更文挑战第31天】2024年,AI大模型在软件开发领域的应用取得了显著进展,从自动化代码生成、智能代码审查到智能化测试,极大地提升了开发效率和代码质量。然而,技术挑战、伦理与安全问题以及模型可解释性仍是亟待解决的关键问题。开发者需不断学习和适应,以充分利用AI的优势。
|
10天前
|
人工智能 安全 测试技术
探索AI在软件开发中的应用:提升开发效率与质量
【10月更文挑战第31天】在快速发展的科技时代,人工智能(AI)已成为软件开发领域的重要组成部分。本文探讨了AI在代码生成、缺陷预测、自动化测试、性能优化和CI/CD中的应用,以及这些应用如何提升开发效率和产品质量。同时,文章也讨论了数据隐私、模型可解释性和技术更新等挑战。
|
5天前
|
存储 人工智能 固态存储
如何应对生成式AI和大模型应用带来的存储挑战
如何应对生成式AI和大模型应用带来的存储挑战
|
7天前
|
传感器 人工智能 算法
AI在农业中的应用:精准农业的发展
随着科技的发展,人工智能(AI)在农业领域的应用日益广泛,尤其在精准农业方面取得了显著成效。精准农业通过GPS、GIS、遥感技术和自动化技术,实现对农业生产过程的精确监测和控制,提高产量和品质,降低成本和环境影响。AI在作物生长监测、气候预测、智能农机、农产品品质检测和智能灌溉等方面发挥重要作用,推动农业向智能化、高效化和可持续化方向发展。尽管面临技术集成、数据共享等挑战,但未来前景广阔。
|
13天前
|
机器学习/深度学习 人工智能 自然语言处理
思通数科AI平台在尽职调查中的技术解析与应用
思通数科AI多模态能力平台结合OCR、NLP和深度学习技术,为IPO尽职调查、融资等重要交易环节提供智能化解决方案。平台自动识别、提取并分类海量文档,实现高效数据核验与合规性检查,显著提升审查速度和精准度,同时保障敏感信息管理和数据安全。
62 11