انویدیا و اینتل از ابتکارات پیشرفته HPC رونمایی کردند و قابلیت‌های هوش مصنوعی را در SC2023 تقویت کردند.

سریع‌ترین ابررایانه‌های جهان با رقابت‌های انویدیا و اینتل برای سرعت بخشیدن به قدرتمندترین سیستم‌های محاسباتی روی زمین، با تأکید زیادی بر قدرت هوش مصنوعی، سریع‌تر می‌شوند.

در کنفرانس Supercomputing 2023 (SC23) امروز در دنور، لیستی از سریعترین ۵۰۰ ابررایانه جهان منتشر شد. به هر شکلی، همه سیستم ها دارای اجزایی از انویدیا یا اینتل و در بسیاری موارد هر دو هستند. این رویداد همچنین ویترینی برای صحبت در مورد نسل بعدی ابررایانه هایی است که در حال ساخت هستند، از چه فناوری هایی استفاده می کنند و چگونه مورد استفاده قرار خواهند گرفت.

برای انویدیا، سیستم بزرگ جدیدی که بخشی از آن است، ابررایانه JUPITER است که در تأسیسات Forschungszentrum Jülich در آلمان میزبانی شده است. Jupiter دارای ۲۴۰۰۰ تراشه Nvidia GH200 خواهد بود و پس از تکمیل، قدرتمندترین ابررایانه هوش مصنوعی خواهد بود که تا به حال بر اساس Nvidia ساخته شده است با بیش از ۹۰ exaflops عملکرد برای آموزش هوش مصنوعی. انویدیا همچنین از این رویداد برای جزئیات یک سری از نوآوری های جدید و سیلیکون شتاب هوش مصنوعی از جمله H200 و یک پیکربندی چهارگانه برای سوپرچیپ گریس هاپر GH200.

اینتل کار خود را در این زمینه برجسته می کند ابر رایانه آرورا در آزمایشگاه ملی Argonne وزارت انرژی که برای ساخت یک پارامتر ۱ تریلیون (که با T و نه اشتباه تایپی) مدل زبان بزرگ (LLM) استفاده می شود. اینتل همچنین در حال ارائه بینش های جدیدی در مورد نسل بعدی شتاب هوش مصنوعی و فناوری GPU است که در رقابت با رقیب انویدیا بالا می رود.

انویدیا سوپرتراشه گریس هاپر را برای ساخت قدرتمندترین سیستم هوش مصنوعی در تاریخ توسعه داده است

انویدیا برای اولین بار اعلام کرد که سوپرچیپ Grace Hopper که ترکیبی از قابلیت های CPU و GPU است وارد تولید کامل شد در ماه می. این تراشه ها اکنون به قوی ترین ابررایانه ها راه یافته اند.

دیون هریس، مدیر راه حل های محصول مرکز داده شتاب در انویدیا در نشستی با مطبوعات و تحلیلگران گفت: با معرفی گریس هاپر، موج جدیدی از ابررایانه های هوش مصنوعی در حال ظهور هستند.

Grace Hopper GH200 قدرت ابررایانه JUPITER را تامین می کند که انویدیا آن را کلاس جدیدی از ابررایانه های هوش مصنوعی می داند. قدرت هوش مصنوعی مشتری برای پیش بینی آب و هوا، کشف دارو و موارد استفاده مهندسی صنعتی استفاده خواهد شد. JUPITER با همکاری Nvidia، ParTec، Eviden و SiPearl ساخته می شود.

ژوپیتر از پیکربندی جدیدی برای GH200 استفاده می کند که به طور چشمگیری عملکرد بیشتری را ارائه می دهد. این سیستم از معماری چهارگانه GH200 استفاده می کند، که همانطور که از نام آن پیداست، از چهار GH200 در یک گره سیستم استفاده می کند.

هریس توضیح داد: “چهار GH200 دارای یک معماری نوآورانه نود با ۲۸۸ هسته Neoverse ARM است که قادر به دستیابی به ۱۶ پتافلاپ عملکرد هوش مصنوعی با ۲٫۵ ترابایت بر ثانیه حافظه با سرعت بالا است.” “سیستم چهار طرفه با اتصالات لینک NV با سرعت بالا به تراشه متصل است که امکان انسجام کامل در معماری را فراهم می کند.”

در مجموع، این سیستم شامل ۲۴۰۰۰ تراشه GH200 است که از طریق شبکه Quantum-2 InfiniBand انویدیا متصل می شوند. Jupiter تنها سیستمی نیست که از روش چهارگانه GH200 استفاده می کند، در واقع انویدیا از همین رویکرد در سایر ابررایانه ها نیز استفاده خواهد کرد.

به عنوان بخشی از اخبار SC23، انویدیا سیلیکون H200 مستقل را نیز معرفی می کند. در حالی که GH200 هر دو CPU و GPU را ادغام می کند، H200 فقط یک GPU مجزا است. NVIDIA H200 بر روی بردهای سرور Nvidia HGX H200 ارائه خواهد شد.

هریس گفت: «پلتفرم HGX H200 با حافظه سریع‌تر و پرسرعت‌تر، عملکردی باورنکردنی برای بارهای کاری استنتاج HPC و AI ارائه می‌کند.

تلاش های پردازنده گرافیکی اینتل برای پیشبرد قدرت های ابررایانه ادامه دارد

اینتل همچنین با فناوری‌های HPC و AI خود در SC23 نمایشی بسیار قوی دارد.

اوگی برکیچ، معاون و مدیر کل مرکز داده و رده راهکارهای AI/HPC در اینتل، در یک جلسه توجیهی با مطبوعات و تحلیلگران، تلاش‌های شرکتش برای شتاب‌دهی هوش مصنوعی و HPC را شرح داد.

برکیچ سری Intel Data Center GPU Max و شتاب‌دهنده Intel Habana Gaudi 2 را به‌عنوان پیشرو در تاسیسات ابررایانه‌ای بزرگ مانند ابررایانه Dawn Phase 1 در دانشگاه کمبریج در بریتانیا برجسته کرد. سیستم Dawn که در حال حاضر در فاز ۱ قرار دارد، سریع‌ترین ابررایانه هوش مصنوعی در بریتانیا است و شامل ۵۱۲ پردازنده Xeon اینتل و ۱۰۲۴ پردازنده گرافیکی سری Max GPU اینتل مرکز داده است.

Aurora که در ایالات متحده توسط Intel، HP Enterprise و وزارت انرژی ایالات متحده ساخته می شود، به توسعه یکی از بزرگترین مدل های زبان (LLM) موجود کمک خواهد کرد. برکیچ گفت که AuroraGPT یک تریلیون پارامتر LLM برای تحقیقات علمی است. AuroraGPT در حال حاضر در ۶۴ گره از Aurora آموزش داده می شود و هدف این است که در نهایت آن را به کل ابر رایانه که بیش از ۱۰۰۰۰ گره دارد، مقیاس دهیم.

برکیچ گفت: «ما با بهینه‌سازی‌های Microsoft Deepspeed کار کرده‌ایم تا اطمینان حاصل کنیم که این ۱ تریلیون پارامتر LLM برای استفاده همه در دسترس است. “کاربردهای بالقوه برای این نوع مدل زبان بزرگ باورنکردنی است، هر عنصر علم از زیست شناسی، شیمی، تحقیقات دارویی، کیهان شناسی و غیره می تواند تحت تاثیر در دسترس بودن این مدل مولد قرار گیرد.”