三位HPC专家发问：我们还需要GPU吗？
三位高性能计算（HPC）领域的权威专家共同探讨了GPU在当代计算架构中的必要性。随着AI加速器和专用芯片的崛起，他们质疑通用GPU是否仍是HPC系统的最佳选择，并分析了不同工作负载下的性能、能效与成本权衡。文章深入探讨了未来计算架构可能面临的变革方向。
背景速读
- 本文探讨了一个在高性能计算（HPC）和AI圈子里越来越尖锐的争论：当AI推理（inference）而非训练成为主流负载时，GPU是否还是必需品？三位HPC权威人物——Jack Dongarra（LINPACK/LAPACK之父，图灵奖得主）、Horst Simon（TOP500联合创始人）和William Gropp（MPI标准共同作者）——提出了这一质疑。
- 背景是：过去十年，英伟达（NVIDIA）凭借CUDA生态和AI训练需求几乎垄断了HPC加速器市场。但随着AI转向推理（更注重延迟和吞吐，而非纯粹浮点性能），以及传统HPC模拟仿真仍需要双精度计算，通用GPU在某些场景下不再是唯一或最优解。
- 关键新趋势包括：（1）专用推理芯片（如Groq、Cerebras、d-Matrix）和NPU（神经处理单元）的兴起；（2）CPU本身也在集成矩阵加速单元（如AMX、AVX-512）；（3）FPGA和可重构架构重新受关注；（4）有厂商探索纯数字或模拟存算一体方案。
- 更深层的问题是：如果硬件碎片化，软件生态（尤其是编程模型和编译器）能否跟上？这直接关系到未来数据中心采购、云计算成本、以及从ChatGPT到科学模拟一切应用的运行效率。