0
| 本文作者： 張夏寧 | 2025-12-29 10:37 |
12月12日，第八屆 GAIR 全球人工智能與機(jī)器人大會(huì)于深圳正式拉開帷幕。
本次大會(huì)為期兩天，由GAIR研究院與雷峰網(wǎng)(公眾號：雷峰網(wǎng))聯(lián)合主辦，高文院士任指導(dǎo)委員會(huì)主席，楊強(qiáng)院士與朱曉蕊教授任大會(huì)主席。
作為 AI 產(chǎn)學(xué)研投界標(biāo)桿盛會(huì)，GAIR自2016年創(chuàng)辦以來，始終堅(jiān)守 “傳承+創(chuàng)新” 內(nèi)核，是 AI 學(xué)界思想接力的陣地、技術(shù)交流的平臺(tái)，更是中國 AI 四十年發(fā)展的精神家園。過去四年大模型驅(qū)動(dòng) AI 產(chǎn)業(yè)加速變革，歲末年初 GAIR 如約而至，以高質(zhì)量觀點(diǎn)碰撞，為行業(yè)與大眾呈現(xiàn)AI時(shí)代的前沿洞見。
本次峰會(huì)之上，清華大學(xué)深圳國際研究生院長聘教授，國家超算深圳中心副主任付昊桓以“超智融合支撐下的地球系統(tǒng)模式研發(fā)”為主題，為參會(huì)者們帶來了一場精彩紛呈的開場報(bào)告。
付昊桓教授在講座上分享了超算在地球系統(tǒng)模式研發(fā)中的應(yīng)用、發(fā)展歷程、成果及面臨的挑戰(zhàn)，他認(rèn)為超算與大模型開發(fā)具有很多相似之處，同時(shí)在地球系統(tǒng)模式的研發(fā)當(dāng)中，超算還要面臨如何應(yīng)對時(shí)空分辨率提升所帶來的算力需求指數(shù)級增長，以及如何利用AI進(jìn)一步高效利用多源觀測數(shù)據(jù)等挑戰(zhàn)。
付昊桓教授介紹到，近些年來神威等國產(chǎn)超算系統(tǒng)的性能增長，支撐了地球系統(tǒng)模式時(shí)空分辨率的顯著提高，實(shí)現(xiàn)在一公里層級左右達(dá)到一年每天的全球氣候模擬速度。
他表示，地球系統(tǒng)模擬可以利用超算研究全球氣候變化，以科學(xué)模型支撐防災(zāi)減災(zāi)，并期望在未來可以做到數(shù)值智能雙驅(qū)動(dòng)的大灣區(qū)百米級氣象預(yù)報(bào)系統(tǒng)，以百米級的精度構(gòu)建下一代大灣區(qū)氣象模型。
最后，付昊桓教授總結(jié)道：“超算和智算思維類似，都是聚全力于一點(diǎn)，用最強(qiáng)算力形成技術(shù)的突破和創(chuàng)新，過程中工具需最大限度自動(dòng)化，性能、效率、規(guī)模和穩(wěn)定性缺一不可。”
講座完整視頻，詳見鏈接：https://youtu.be/dw4tRbvoENY
以下是付昊桓的現(xiàn)場演講內(nèi)容，雷峰網(wǎng)作了不改變原意的編輯及整理：
01 | 為什么需要用超算模擬地球？
今天非常榮幸參加此次活動(dòng)。眾所周知，超算的傳統(tǒng)使命是用整臺(tái)機(jī)器的資源來解決單一核心問題，而地球系統(tǒng)模擬正是超算的經(jīng)典應(yīng)用之一。為什么要用超算來做地球模擬？因?yàn)榭茖W(xué)家無法在真實(shí)的地球上進(jìn)行實(shí)驗(yàn)。研究化學(xué)、物理等學(xué)科，可在實(shí)驗(yàn)室內(nèi)便捷地開展實(shí)驗(yàn)，但如果研究當(dāng)前備受關(guān)注的碳達(dá)峰、碳中和、氣候變化，以及未來臺(tái)風(fēng)是否會(huì)增多等地球氣候的問題，就必須借助超算構(gòu)建地球的數(shù)字孿生模型來進(jìn)行實(shí)驗(yàn)。因此，基于超算的地球系統(tǒng)模式對于研究全球氣候變化、防災(zāi)減災(zāi)，乃至可持續(xù)發(fā)展都具有重要意義。
這也關(guān)聯(lián)到近期備受關(guān)注的氣候談判。在各種國際場合，氣候變化也已演變?yōu)橐粋€(gè)政治議題，各國圍繞未來的碳中和計(jì)劃、如何減排、減排多少等議題進(jìn)行磋商。此類談判同樣需要模型支撐。由此可見，地球系統(tǒng)模式在眾多方面發(fā)揮著重要作用。
圖中左上角展示的是全球的地球系統(tǒng)模式的比較，匯總了全球各國的不同模式在過去近百年氣候變化曲線的模擬結(jié)果。可以看到，各模型的模擬結(jié)果之間存在差異。如何進(jìn)一步降低模型的不確定性？首先，是提升模式的時(shí)空分辨率。例如，深圳的下一代氣象模式，我們目標(biāo)將其時(shí)空分辨率提升至100米。這樣，在臺(tái)風(fēng)來臨時(shí)，就能更精準(zhǔn)地研判臺(tái)風(fēng)對整個(gè)城市的具體影響，但同時(shí)這會(huì)帶來計(jì)算需求的指數(shù)級增長。
其次，是新的AI方法。我們對地觀測正在產(chǎn)生海量科學(xué)數(shù)據(jù)，除了用傳統(tǒng)的數(shù)據(jù)同化方法將數(shù)據(jù)引入模型外，如何利用AI方法是一大方向。
與此同時(shí)，超算架構(gòu)也在發(fā)生巨大變化，特別是2010年以來，我們從同構(gòu)多核轉(zhuǎn)向了GPU。規(guī)模上，也從百萬核發(fā)展到千萬核。當(dāng)前所有的超算，包括國產(chǎn)超算，除了提供傳統(tǒng)的雙精度、單精度浮點(diǎn)算力，也集成了強(qiáng)大的AI算力。如何有效利用AI性能變得非常重要，這些發(fā)展也帶來了新的挑戰(zhàn)。
02 | 挑戰(zhàn)：指數(shù)級增長的算力需求與架構(gòu)變革
第一個(gè)挑戰(zhàn)是，計(jì)算機(jī)在向前發(fā)展，科學(xué)也在進(jìn)步，我們?nèi)绾谓鉀Q越來越復(fù)雜的模型與機(jī)器之間的適配問題？另一個(gè)挑戰(zhàn)是觀測數(shù)據(jù)。太空中約有千余 顆衛(wèi)星在進(jìn)行科學(xué)觀測，相當(dāng)于地球每天在進(jìn)行高精度“自拍”，如何融合這些數(shù)據(jù)，AI都可以發(fā)揮重要作用。
接下來，我簡要介紹我們在地球系統(tǒng)模擬，或稱數(shù)字孿生地球方面，于國產(chǎn)超算上開展的一些工作。首先介紹神威系列超級計(jì)算機(jī)。大家可能從新聞中有所了解，1998年的首代神威1，為國家氣象局建造，服務(wù)于1999年50周年國慶閱兵的氣象保障。當(dāng)時(shí)它還是基于英特爾X86架構(gòu)的機(jī)器，排名不高。而神威在國內(nèi)外引起關(guān)注，始于濟(jì)南的神威·藍(lán)光。這是第一臺(tái)完全采用國產(chǎn)處理器打造的超算，當(dāng)時(shí)吸引了許多美、日專家前來考察。
而真正憑借全國產(chǎn)處理器獲得世界第一的，是無錫的神威·太湖之光超算。其CPU內(nèi)核完全自主研發(fā)，采用了全國產(chǎn)的眾核片上融合異構(gòu)架構(gòu)，分為四個(gè)核組，每個(gè)核組由一個(gè)主核和一個(gè)8×8的從核陣列組成，集成了管理與高密度計(jì)算器件。連續(xù)四次獲得世界第一的神威·太湖之光，也是全球首臺(tái)峰值性能超過100 Pflops的機(jī)器，并行規(guī)模達(dá)一千萬核。
這臺(tái)機(jī)器問世之初曾面臨一個(gè)挑戰(zhàn)：由于采用了全新的國產(chǎn)架構(gòu)，沒有可直接在其上運(yùn)行的大型復(fù)雜科學(xué)計(jì)算程序。因此，我們花了三到五年時(shí)間，在神威的國產(chǎn)生態(tài)上開發(fā)了200多個(gè)可擴(kuò)展到百萬核并行的應(yīng)用。我們還發(fā)展了50余項(xiàng)可充分利用整機(jī)的新應(yīng)用。對于程序員而言，使用一臺(tái)一千萬核的機(jī)器，如同現(xiàn)在用上萬張顯卡訓(xùn)練大模型，既是巨大挑戰(zhàn)，也極富成就感。神威超算系列有10余項(xiàng)應(yīng)用入圍國際高性能計(jì)算應(yīng)用最高獎(jiǎng)“戈登·貝爾”獎(jiǎng)，其中3項(xiàng)獲獎(jiǎng)。
這里列出了一些主要的全新應(yīng)用領(lǐng)域，涵蓋今天講的地球系統(tǒng)模擬，以及工業(yè)仿真、當(dāng)前備受關(guān)注的生物材料、圖計(jì)算、生物醫(yī)藥數(shù)據(jù)分析、量子計(jì)算、高能物理、天文等，相關(guān)一系列生態(tài)正在神威平臺(tái)上逐步建立起來。
這是我們2015年在神威上完成的第一個(gè)項(xiàng)目，即全系統(tǒng)地球系統(tǒng)模式的移植，包括大氣、海洋、陸面、海冰及耦合器，將其整體遷移到新機(jī)器上運(yùn)行。這項(xiàng)約百萬行代碼的移植工作，由清華和北師大組成的二十多人團(tuán)隊(duì)完成，并在該機(jī)器上實(shí)現(xiàn)了百萬核規(guī)模的高效擴(kuò)展。
如此復(fù)雜的地球系統(tǒng)模式移植本身是一個(gè)典型的復(fù)雜軟件工程。因?yàn)槌绦虮旧韽?fù)雜，涉及百萬行代碼，需在新機(jī)器上運(yùn)行，且計(jì)算分布不均，需對整個(gè)代碼進(jìn)行優(yōu)化與重構(gòu)。而且該程序與新架構(gòu)不適配，需進(jìn)行全新設(shè)計(jì)。這類科學(xué)計(jì)算程序運(yùn)行與大模型訓(xùn)練非常相似，需要在全機(jī)規(guī)模運(yùn)行一個(gè)月甚至數(shù)月，對機(jī)器穩(wěn)定性、I/O及整個(gè)系統(tǒng)都是巨大挑戰(zhàn)。最后一個(gè)挑戰(zhàn)是交叉型人才匱乏，難以找到既懂氣象又懂HPC的人。近年來又面臨一個(gè)新挑戰(zhàn)：培養(yǎng)出的這類人才，很快便被從事大模型的公司挖走，因?yàn)槟軇偃芜@種規(guī)模系統(tǒng)調(diào)優(yōu)的人，所面臨的挑戰(zhàn)與大模型領(lǐng)域高度相似。
在這個(gè)基于國產(chǎn)超算的模式研發(fā)項(xiàng)目中，我們的第一步是對整個(gè)程序進(jìn)行重構(gòu)與優(yōu)化，針對這個(gè)復(fù)雜模型，我們分不同部分處理，例如其中的動(dòng)力學(xué)部分、求解器部分，這些是相對程序員易懂的部分，我們進(jìn)行了手動(dòng)分析和優(yōu)化。
另一部分是模型中的物理過程，包括云微物理過程、降水過程、輻射過程等。這對程序員是很大的挑戰(zhàn)，因?yàn)樗麄儾涣私獗澈蟮奈锢頇C(jī)制。因此，我們主要借助自動(dòng)化工具，對循環(huán)進(jìn)行自動(dòng)變換，以適配新架構(gòu)。
經(jīng)過初步重構(gòu)優(yōu)化后，我們基本實(shí)現(xiàn)了百萬核規(guī)模的擴(kuò)展，達(dá)到了每天模擬約三年氣候的速度。
03 | 從“刻畫現(xiàn)象”到“驅(qū)動(dòng)未來”
在2017年，我們在此基礎(chǔ)上進(jìn)一步重新設(shè)計(jì)了整個(gè)模型。所謂重新設(shè)計(jì)，就是針對神威處理器架構(gòu)的特點(diǎn)，對算法、數(shù)據(jù)排布、計(jì)算過程、并行過程進(jìn)行全面優(yōu)化。
由于受生態(tài)限制，氣象領(lǐng)域代碼大多用Fortran編寫，所以我們第一步是將Fortran重寫為C，因?yàn)楫?dāng)時(shí)我們底層編寫的Athread沒有Fortran接口。轉(zhuǎn)換成C之后，再開展底層優(yōu)化，從而能夠控制DMA、向量化，并實(shí)現(xiàn)Register Communication。
通過這種方式，我們才能真正實(shí)現(xiàn)對這一新處理器架構(gòu)的利用。我們的一個(gè)神威核組（64個(gè)從核），在計(jì)算密集任務(wù)中，可相當(dāng)于數(shù)個(gè)至四十多個(gè)英特爾核的性能。
2017年，我們的這項(xiàng)工作也入圍了“戈登·貝爾”獎(jiǎng)，這副圖片是我們當(dāng)時(shí)對卡特里娜颶風(fēng)的模擬，其中展示了熱帶氣旋逐漸形成、逼近美國大陸及消散的過程。這是我們首次嘗試?yán)脷夂蚰Ｐ蛯Υ祟惻_(tái)風(fēng)、颶風(fēng)現(xiàn)象進(jìn)行較準(zhǔn)確的刻畫。
之后，我們利用這個(gè)模型支持了清華大學(xué)的氣候系統(tǒng)模式，參與前述的國際模式比較計(jì)劃。這套數(shù)據(jù)顯著提升了對熱帶氣旋的模擬能力，我們也吸引了美國國家大氣研究中心（NCAR）的科學(xué)家合作，在神威上開發(fā)了高分辨率地球系統(tǒng)模式，并利用該模式生產(chǎn)了全球首套約750年的高分辨率氣候模擬數(shù)據(jù)，供國際使用。
第二步，基于神威·海洋之光，我們進(jìn)一步向公里級的地球系統(tǒng)模擬探索。海洋之光是神威·太湖之光處理器架構(gòu)的演進(jìn)，仍采用核組結(jié)構(gòu)，但核組數(shù)從4個(gè)增至6個(gè)，每個(gè)核組仍是一個(gè)主核帶64個(gè)從核。因?yàn)閿?shù)據(jù)的緩存和移動(dòng)能力至關(guān)重要，每個(gè)從核內(nèi)部的緩存架構(gòu)都得到了提升，因此存儲(chǔ)和整體計(jì)算性能也得到了進(jìn)一步提升。
在此基礎(chǔ)之上，我們致力于將全球氣候模式的分辨率提升至5公里級。圖片展示的是我們2023年的工作，相比2015年首次移植CESM時(shí)，科學(xué)家已對氣候模擬做了大量改進(jìn)，推出了新版本，這個(gè)新版本又需要移植到新的超算上。基于前期經(jīng)驗(yàn)，我們采用了一種“非侵入式的代碼并行化方案”，核心是基于OpenMP的O2ATH Thread方案，自動(dòng)將代碼轉(zhuǎn)換為Athread接口，從而完成了整個(gè)代碼主要的并行化工作。
我們在2023年完成了這項(xiàng)三周內(nèi)的模式移植探索（a three week porting experiment），從CESM 1.3 到 2.0，代碼約有30%到40%的變動(dòng)。我們通過這種自動(dòng)化方式，在三周內(nèi)完成了這套代碼在新超算系統(tǒng)上的重構(gòu)與調(diào)優(yōu)過程。
這次工作使性能從最初的每天約模擬5天，提升到最后每天可模擬半年，并且是在全球5公里大氣、3公里海洋的分辨率下實(shí)現(xiàn)。2024年，我們進(jìn)一步引入AI能力，實(shí)現(xiàn)了AI增強(qiáng)的全球1公里分辨率，稱為無縫隙的天氣氣候模式。它既可進(jìn)行短時(shí)天氣研究，也可用于長期氣候研究，這也是我們開展此項(xiàng)工作的初衷。
大家看到的這幾張圖，a圖名為“Blue Marble”，是NASA宇航員在飛船內(nèi)拍攝的第一張完整地球照片，細(xì)節(jié)豐富。右上方c圖是1965年首位因氣候模型獲得諾貝爾物理學(xué)獎(jiǎng)的真鍋淑郎等科學(xué)家提出的模型，分辨率約數(shù)百公里，較為粗糙。最后一張圖是我們2024年實(shí)現(xiàn)的公里級模型，可見其對氣候過程的刻畫已非常接近遙感衛(wèi)星實(shí)時(shí)采集的圖像，為HPC與AI進(jìn)一步融合提供了良好基礎(chǔ)。
該模型在極端降水的模擬方面效果顯著。
在新神威上，模型在弱擴(kuò)展和強(qiáng)擴(kuò)展方面均取得了良好的scaling能力。特別在集成AI能力后，可以實(shí)現(xiàn)接近全機(jī)規(guī)模的擴(kuò)展，同時(shí)達(dá)到一年每天以上的模擬速度。
這張圖小結(jié)了我們多年來在地球系統(tǒng)模擬方面的進(jìn)展，包括美國、日本和中國超算在該領(lǐng)域推進(jìn)的工作。圖中橫軸代表模擬分辨率，縱軸代表模擬速度。分辨率的提升意味著計(jì)算量以四次方增長。我們希望在提升分辨率的同時(shí)，加快模擬速度，目標(biāo)是向圖右上角推進(jìn)。目前，我們大致可以在約1公里分辨率下達(dá)到接近一年每天的模擬速度。
這是我們今年的最新工作，集成了之前在大氣、海洋等方面的工作。在與嶗山海洋實(shí)驗(yàn)室合作的這個(gè)工作中，聯(lián)合團(tuán)隊(duì)實(shí)現(xiàn)了一個(gè)名為“AI驅(qū)動(dòng)的高性能便攜式地球系統(tǒng)模型”（AI-Powered Performance Portable Earth System Model），這項(xiàng)工作也入圍了今年戈登·貝爾獎(jiǎng)氣候建模類別的最終提名。
04 | 展望：超算與智算的融合演進(jìn)
接下來談?wù)勆钲诔愣凇Ｇ懊嬉巡糠痔峒埃诖竽Ｐ桶l(fā)展如此迅速，其背后是AI的Scaling Law。其實(shí)在超算領(lǐng)域也是同樣的核心邏輯，即通過高速互聯(lián)將所有處理器連接成整體，形成龐大的計(jì)算資源，用以求解極其復(fù)雜的問題。這與用數(shù)萬張卡訓(xùn)練大模型的本質(zhì)相同，其背后需要高度并行可擴(kuò)展的算法，以及能與算力增長匹配的模型復(fù)雜度。
另一個(gè)難點(diǎn)在于，超算上運(yùn)行的多是科學(xué)與工程計(jì)算，其背后是科學(xué)和工程領(lǐng)域的數(shù)理方程。因此，算力、軟件必須與科學(xué)發(fā)現(xiàn)協(xié)同發(fā)展。
我簡單做了一個(gè)AI與科學(xué)計(jì)算領(lǐng)域的比較。在通用人工智能領(lǐng)域，過去這些年我們確實(shí)看到了近乎線性的有效擴(kuò)展。其背后是Transformer這一目前業(yè)界近乎標(biāo)準(zhǔn)、非常適合并行的強(qiáng)力方法。它與GPU架構(gòu)高度共生，形成了一套生態(tài)。數(shù)據(jù)方面，擁有大量公開數(shù)據(jù)集，并有良好的軟件和人才生態(tài)。
現(xiàn)在所有AI會(huì)議幾乎是計(jì)算機(jī)學(xué)術(shù)會(huì)議中參與人數(shù)最多、發(fā)文量最大的，自然吸引了大量研究人員。相比之下，科學(xué)計(jì)算的優(yōu)勢在于其背后是可解釋的科學(xué)規(guī)律，是科學(xué)理解轉(zhuǎn)化的方程和模型。但其缺點(diǎn)是代碼復(fù)雜、并行難度高、演進(jìn)緩慢。
培養(yǎng)一位能進(jìn)行數(shù)理方程建模的研究者需時(shí)較長。算力主要依靠國產(chǎn)算力，大約從2013、2014年開始，我們主要基于神威·太湖之光等國產(chǎn)超算。此外，還存在公開數(shù)據(jù)集少、標(biāo)注難、軟件生態(tài)不完善，以及剛才提到的人才流動(dòng)性大等問題——超算培養(yǎng)的人才常被大模型團(tuán)隊(duì)吸引。
回到國家超算深圳中心。在我們2010年一期系統(tǒng)基礎(chǔ)上，二期系統(tǒng)即將上線。時(shí)隔15年，其效率將實(shí)現(xiàn)巨大提升，從原來的P級峰值雙精度計(jì)算性能，提升至預(yù)期Linpack持續(xù)測試性能達(dá)到雙精度2個(gè)E，單精度4個(gè)EFlops。
該處理器還支持INT 8計(jì)算，若換算為INT 8，整機(jī)可支持32 EFlops，理論峰值約40 EFlops。深圳超算二期將與鵬城云腦三期背靠背放置。深圳超算二期是傳統(tǒng)超算，云腦三期是AI超算，兩臺(tái)機(jī)器間有高速光纖互聯(lián)。如此大規(guī)模的傳統(tǒng)超算與AI超算相連，在全世界可能也屬首例，我們也很期待能探索其在計(jì)算上的全新應(yīng)用。
國產(chǎn)先進(jìn)CPU的雙精度浮點(diǎn)算力較高，同時(shí)，它既可以做高精度的雙精度浮點(diǎn)計(jì)算，又可以做 AI 的計(jì)算，當(dāng)然這也是一個(gè)非常高密度集成的方案，最后是 2 萬多節(jié)點(diǎn)可以提供持續(xù)大概2E以上的計(jì)算性能。
此圖展示了初步的應(yīng)用成果。在氣象常用應(yīng)用，如WRF或海浪預(yù)報(bào)中，均取得了顯著的性能提升，尤其得益于芯片集成的片上內(nèi)存帶來的高帶寬。
我們也準(zhǔn)備這臺(tái)機(jī)器上嘗試HPC與AI融合的氣象模型。例如，我本人主持的一個(gè)項(xiàng)目是在這臺(tái)超算上嘗試構(gòu)建千萬核可擴(kuò)展的、公里級的我國區(qū)域海陸氣候模式預(yù)測系統(tǒng)，核心目標(biāo)是進(jìn)行汛期預(yù)報(bào)，比如在3月份預(yù)測我國區(qū)域整個(gè)汛期（6、7、8月）的降水情況。這是一個(gè)非常困難的問題，包括當(dāng)前的新型氣象大模型也未能很好解決。我們已開始相關(guān)優(yōu)化工作。非常期待高精度模擬與數(shù)據(jù)驅(qū)動(dòng)大模型結(jié)合能產(chǎn)生何種效果。
在深圳我們希望推進(jìn)的另一項(xiàng)工作，是構(gòu)建“國產(chǎn)新一代數(shù)值智能雙驅(qū)動(dòng)大灣區(qū)百米級氣象預(yù)報(bào)系統(tǒng)”，包括百米級高精度數(shù)值模擬、AI輔助的大樣本集合預(yù)報(bào)與數(shù)據(jù)同化技術(shù)，以及數(shù)值模型與AI模型雙驅(qū)動(dòng)。
最后總結(jié)幾點(diǎn)。從我作為一名超算研究者的角度看，超算與智算的思維非常相似，都是聚全力于一點(diǎn)，用我們最強(qiáng)算力的方式去形成技術(shù)的突破和創(chuàng)新。在這個(gè)過程中，我們所需的工具也需最大限度地自動(dòng)化，如代碼遷移、移植、生態(tài)運(yùn)轉(zhuǎn)等。在所有這些大型計(jì)算任務(wù)中，性能、效率、規(guī)模和穩(wěn)定性缺一不可。如今，易用的生態(tài)愈發(fā)重要。重大問題的牽引始終是超算發(fā)展的核心驅(qū)動(dòng)力，需要硬件與軟件協(xié)同發(fā)展。最后，正如之前提到的，我們亟需跨領(lǐng)域復(fù)合型人才，并具備系統(tǒng)思維。
我今天的分享就到這里，謝謝大家。
05 | 對話付昊桓：數(shù)值計(jì)算與 AI 的深度共生
下面是在演講之后，付昊桓教授的專訪以及現(xiàn)場觀眾的問答環(huán)節(jié)：
雷峰網(wǎng)：您現(xiàn)在在超算這邊，最核心想做的事情到底是什么？
付昊桓：其實(shí)如果從一個(gè)比較抽象的層面來總結(jié)，我們現(xiàn)在最核心想推動(dòng)的一件事，就是 數(shù)值計(jì)算和人工智能的深度融合。
地球系統(tǒng)只是一個(gè)比較典型、也比較容易被大家理解的例子，但并不是唯一的應(yīng)用場景。類似的問題，其實(shí)在很多科學(xué)計(jì)算領(lǐng)域都會(huì)遇到，比如具身智能、生物醫(yī)藥、材料科學(xué)等等。只不過地球系統(tǒng)的復(fù)雜性、跨尺度挑戰(zhàn)和社會(huì)影響都非常突出，所以它經(jīng)常被拿出來討論。
我們并不是說要單獨(dú)把 AI 拿出來做一個(gè)“更聰明的模型”，也不是簡單地去提升某一個(gè)模型的精度，而是希望從根本上去思考：在科學(xué)計(jì)算這樣一個(gè)長期以數(shù)值模擬為核心的方法體系中，AI 到底應(yīng)該以什么樣的方式介入，才能真正改變我們理解和預(yù)測復(fù)雜系統(tǒng)的能力。
雷峰網(wǎng)：那為什么地球系統(tǒng)會(huì)被您反復(fù)作為一個(gè)核心例子？
付昊桓：因?yàn)榈厍蛳到y(tǒng)本身，幾乎把科學(xué)計(jì)算中最難的幾個(gè)問題都集中在了一起。首先，它是一個(gè)典型的 混沌系統(tǒng)。我們常說的蝴蝶效應(yīng)，本質(zhì)上講的是系統(tǒng)對初始條件的高度敏感性。哪怕是一個(gè)非常微小的擾動(dòng)，在經(jīng)過足夠長的時(shí)間和足夠復(fù)雜的相互作用之后，都可能對整體狀態(tài)產(chǎn)生顯著影響。
其次，它是一個(gè)極端多尺度的系統(tǒng)。比如說，臺(tái)風(fēng)這種現(xiàn)象，可能發(fā)生在幾十公里的尺度上；而降水、對流，往往是公里甚至百米尺度；再往下，還有更微觀的過程，發(fā)生在米級甚至更小的尺度上。
更重要的是，這些不同尺度的過程，并不是彼此獨(dú)立的，而是相互耦合、彼此影響的。你不能只算大尺度而忽略小尺度，也不能只盯著局部而不看整體。正是這種“所有尺度連在一起”的特性，使得地球系統(tǒng)成為一個(gè)非常典型、但也極其困難的研究對象。
雷峰網(wǎng)：今年我們觀察到市場關(guān)于算力討論比較多，就像算力泡沫的這樣聲音一直存在，而國內(nèi)一些上市公司的算力項(xiàng)目也出現(xiàn)延期或者終止的情況。但是另一方面，頭部科技公司的資本支出一直在高速增長。所以想請教您怎么去判斷當(dāng)前整個(gè)算力市場的一個(gè)供需的情況？
付昊桓：其實(shí)我自己不是做算力的，但是我們超算培養(yǎng)的很多科研人員，現(xiàn)在確實(shí)在做算力。我覺得這里面有一個(gè)問題我覺得大家需要去關(guān)注，就是算力的投入，到底是不是投硬件就夠了？特別是我們國產(chǎn)算力這一塊。比如從超算的角度來講，長期以來都是硬件的投入比較大，但是軟件的投入相對比較少，我想國產(chǎn)的AI算力可能也面臨這么一個(gè)問題。
剛才也提到了其實(shí) GPU 的生態(tài)從大概從 CUDA 推出的 2008 年，到現(xiàn)在已經(jīng)是十幾年的發(fā)展才到現(xiàn)在這樣，背后其實(shí)英偉達(dá)投了大量的資源來做這個(gè)生態(tài)，所以你說是不是應(yīng)該大家都去投算力？還是說我們跟應(yīng)用貼的更近的，應(yīng)該多投一點(diǎn)資源來做相應(yīng)算力的軟件生態(tài)，特別是基礎(chǔ)框架的軟件？我感覺這塊做的人可能相對還是比較少。
至于說這個(gè)算力到底夠不夠，我感覺對我們科研從業(yè)人員來講可能還是不太夠。至于說產(chǎn)業(yè)發(fā)展角度夠不夠，因?yàn)槲也辉谶@個(gè)行業(yè)里面，我也很難給出準(zhǔn)確的判斷。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
