吹捧AI集群贬低超算并不客观_风闻

近年来，人工智能火遍大江南北，全国各地也开始建设人工智能中心，众多媒体也争相报道吹捧。也许是媒体不懂技术，胡乱拿AI集群和超算做比较，在新闻报道中闹了不少乌龙，一些报道堪比造谣，甚至一些官媒也出现了错误报道。事实上，AI集群是剑走偏锋的产物，重视的是半精度浮点运算以及更低精度的整型计算，而超算则是双精度浮点运算，虽然都在媒体报道中都用235P、1000P算力来表示，但两者完全不是一回事。媒体在报道中拿用AI集群的半精度浮点运算算力去对比超算的双精度浮点运算算力，完全就是关公战秦琼，客观上是在变相贬低超算。

关公战秦琼屡见不鲜

今年3月，地方官媒报道武汉人工智能计算中心项目，对该人工智能中心赞美之词溢于言表。

文章中提到：

据介绍，建成后，采用了华为Atlas900AI集群的该中心其AI（人工智能）峰值性能可达100PFLOPS（每秒百亿亿次浮点计算），另外，HPC（高性能计算）峰值性能可达4PFLOPS（每秒四千万亿次浮点运算）。据了解，“FLOPS”参数，中文又叫“每秒浮点运算次数”，是衡量算力的很重要指标。

怎么理解武汉人工智能计算中心百P级算力规模及水平呢？举个例子，我国在2009年成功研发“天河一号”超级计算机，每秒可进行1200万亿次的计算，而如今武汉中心能达百亿亿次，中间提升跨越了两个档位。以天文探索为例，在20万颗星星的星空图中定位某种特征的星体，一个天文学家需要耗费169天，而拥有此算力，定位时间缩短为10秒。未来，工厂里机器协同、医院里电子阅片的反应速度都将大幅提升。

对于该报道，一位专家指出，“其实武汉这台机器的64位浮点计算能力与天河一号接近，甚至低一点。只是低精度性能比较高。千万不要搞错了！！！”

可见，媒体报道中所谓的“我国在2009年成功研发天河一号超级计算机，每秒可进行1200万亿次的计算，而如今武汉中心能达百亿亿次，中间提升跨越了两个档位”是不客观的。64位浮点计算能力更强的天河超算在媒体笔下平白无故被贬低，并以“1200万亿次”和“百亿亿次”的数据差距来显示AI集群吊打天河一号，这可能是天河超算被黑的最惨的一次。

2019年，一篇报道中称：

对包括《XXX新闻》记者在内的媒体透露：“鹏城云脑Ⅱ原型系统现已实现100PFLOPS（每秒百亿亿次计算）的算力。明年，鹏城云脑Ⅱ将达到1000PFLOPS，成为领先的AI研究平台。”而当今世界上最强的超级计算机算力约为235P，1000P算力则相当于50万台电脑的算力之和。

事实上，这篇报道也是扯淡，鹏城云脑原型系统和鹏城云脑Ⅱ所谓的100P和1000P性能都是低精度的，根本不是双精度，而报道中世界最强超算的235P则是双精度浮点运算算力（现在TOP500最强超算是日本富岳，性能513P），这种不谈具体半精度、单精度、双精度，只谈多少P的算力完全是在玩弄文字游戏。

错误报道根源是厂商有意误导

这里说明一下，双精度浮点是64位浮点，可以用来精确存储2^47以内的整数，不会存在任何误差（47这个数字有争议，有说48，52，53等）。单精度是32位的浮点，可以精确的放进一个2^23以内的整数，不存在任何误差。半精度则是16位浮点，精度更低的是INT8、INT4，像单个节点要求的精度不高的应用，比如神经网络往往采用低精度。就FP64双精度、FP32单精度、FP16半精度、INT8、INT4进行性能换算的话，大约是以下公式：

超算的FP64双精度性能=FP32单精度，乘2

超算的FP64双精度性能=FP16半精度，乘4

超算的FP64双精度性能=INT8整型，乘8

超算的FP64双精度性能=INT4整型，乘16

必须强调的是100P双精度性能的超算可以执行FP64、FP32、FP16、INT8、INT4任务，但1000P半精度浮点性能的AI集群无法执行FP64、FP32任务，只能执行FP16、INT8、INT4任务。

换言之，传统超算适用范围更广，而AI集群适用范围相对有限，特别是无法进行科学运算，无法运行超级计算机的普遍应用。

可以说，双精度、单精度、半精度浮点运算在精度上差距是非常大的，拿1000P的半精度浮点算力“碾压”235P的双精度浮点算力，完全就是瞎扯淡。厂商之所对媒体披露“1000P AI集群性能超越235P超算的话术”，本质上就是大忽悠，以至于错误报道层出不穷。

之所以出现这么多错误报道，究其根源是厂商为了推销产品，为了抢占舆论高地，糊弄地方政府和老百姓，故意不把话说清楚。只要营造出AI集群非常厉害，在算力上“吊打”世界最强超算，就能够在舆论上营造出AI集群非常厉害的氛围，进而间接影响民心，影响地方官员决策。因为普通人缺乏专业知识，**无从了解什么是半精度、单精度、双精度浮点运算，但1000P比235P要大是都能看懂的，**这样一来，面对传统超算厂商时，被错误报道“洗脑”的地方官员就会觉得，“你这传统超算才100P，AI集群都1000P了，传统超算不行，AI集群厉害，上项目就上AI集群”。

事实上，AI集群能做的传统超算都能做，而传统超算做的很多任务，AI集群根本做不了，科学运算只能超算来做，气洞模拟、气象模拟，以及各种尖端科研项目都必须要超算来做，相比之下，AI集群只能做一些与机器学习相关的任务。

就性能来看，AI集群相对于传统超算压根就没有多少优势，诚然，由于半导体技术的进步，厂商在宣传时候可以用2021年的AI集群来“吊打”2016年的超算，但只要和现有超算一对比，AI集群所谓的性能优势就荡然无存了。对于这一点，只要做一个图表就可以发现，厂商和媒体鼓吹AI集群性能优势只是在玩文字游戏。

结语

AI集群与超算的关系类似与专用机和通用机。AI集群的功能只局限于特定的几项机器学习相关的任务，而超算则是“十项全能”。诚然，针对特定任务而言，由于AI集群剑走偏锋，具有“专用”的优势，在性能功耗比上会优于超算。但AI集群只能局限于少数任务，无法像超算那样“十项全能”，而且**根本无法做对国计民生至关重要的科学运算。何况现在的超算对AI支持也不弱，特别是超大规模分布式训练等场景，相比专用AI集群具有反而具有明显优势。**因此，AI集群是超算的补充，而不是对超算的替换。

长远来看，超算的国之重器地位是无可替代的。