AMD负责高性能计算(HPC)与主权AI业务的企业副总裁Scott Tease表示,多数HPC研究机构已经形成一个共识:AI不会取代传统高性能计算。即使人工智能应用继续扩张,依赖双精度FP64的高精度科学计算仍将长期存在,并在科研算力布局中占据关键位置。
Tease认为,AI更擅长处理低精度、容错度较高的数据任务,模型训练、推理以及快速筛选都是其优势所在。但气候模拟、核能、材料、流体力学、化学和国家安全等前沿研究,对复杂仿真结果的可靠性与可重复性有更高要求,因此仍需FP64级别的数值精度作为支撑。
在科研算力如何组织的问题上,Tease不赞成把AI与HPC理解为替代关系。他提出,应建立异构计算体系,让CPU、GPU、AI加速器、传统超级计算机和量子计算机协同连接,并由系统根据任务特征自动判断哪些工作交给AI,哪些适合GPU加速,哪些必须进入量子计算环境。
相关探索已在橡树岭国家实验室展开。AMD与IBM推进试点,将AMD的经典计算栈、Umbra HPC系统以及IBM拥有129个量子比特的Quantum Nighthawk量子计算机接入橡树岭领导计算设施,用于研究量子纠错、AI辅助科研与传统仿真之间的融合路径,并评估混合量子系统所需的架构、软件和工作流。















