在美国田纳西州东部的山区，一台名为 Frontier 的破纪录超算为科学家提供了前所未有的机会，让他们得以研究从原子到星系的一切。
超算建设如火如荼，无论是主权 AI 还是科技巨头，都在源源不断地给英伟达输血、建数据中心。
前段时间，马斯克建成的有 10 万张 H100 的 Colossus 集群，号称是世界上最强大的 AI 训练系统。
而在这之前，截止到 2023 年 12 月，世界上运算速度最快的超算，是位于美国田纳西州橡树岭的 Frontier，也被称为 OLCF-5。
Frontier 配备的是 AMD 的 CPU 和 GPU，有 5 万个处理器（其中包含 3.8 万个 GPU），运算速度为 1.102 exaFLOPS，即每秒 1.102 百亿亿（1018）次浮点运算。
这个速度甚至比 10 万台笔记本同时工作还要更快，而且在 2022 年首次亮相时，Frontier 还破了一个纪录 —— 第一次突破了百亿亿次运算速度的门槛。
之所以要追求如此卓越的速度和规模，是为了满足各领域前沿科学研究中模拟计算的需要。
Frontier 十分擅长创建模拟，并能同时捕捉到大尺度的模式和小尺度的细节，比如微小的云滴如何影响气候变暖的速度。
如今，研究人员们从世界各地登录 Frontier，创建从亚原子粒子到星系的一切尖端模型，包括模拟蛋白质进行药物发现和涉及、模拟湍流以改进飞机发动机，以及训练能和谷歌、OpenAI 竞争的开源 LLM。
但是，就在今年四月的一天，Frontier 的运作出现了一点意外。
Frontier 所在的田纳西州橡树岭国家实验室科学主任 Bronson Messer 表示，为了为了跟上世界各地科学家们的要求，Frontier 的功耗急剧上升，峰值达到了约 27 兆瓦，足以为大约 1 万个家庭供电。
这也为超算的冷却系统带来了挑战，用 Messer 的话说，「机器像一条被烫伤的狗一样在运行」。
根据 2023 年的统计，Frontier 共有 1744 个用户，遍布 18 个国家，贡献的计算和数据支撑了至少 500 篇已经公开发表的论文。
探秘 Frontier「大脑」内部
和我们想象的场景类似，Frontier 所在的机房类似于一个仓库，运转时发出的电子嗡嗡声稳定而轻柔。
机房中共有 74 个机架，每个节点分别包含 4 个 GPU 和 1 个 CPU。之所以有如此快的运算速度，就是得益于庞大的 GPU 数量。
实验室主任 Messer 形容道，「这些 GPU 运行得非常快，但也愚蠢至极，它们可以一遍又一遍地做同一件事。」这种同时处理多项运算的功能对超算的快速工作非常有用，但除此之外，也没什么其他任务了。
这种「愚蠢至极」的背后，是一种通用性，各领域的科学家都可以通过定制代码来运行 GPU。
Frontier 的运转日夜不停，同样连轴转的还有负责运营、维护的工程团队。
负责建造这台超算的工程师团队来自惠普公司，其中一位技术人员 Corey Edmonds 表示，他们有一个工程团队会对 Frontier 进行持续监控，判断是否存在故障迹象。
比如其中一位夜班人员 Conner Cunningham 的工作时间就是晚 7 点到早 7 点，负责用十多个监视器关注网络和建筑物的安全，并监控当地天气，确保 Frontier 正常运转。
实际上，大多数夜晚都是「平安夜」，Cunningham 一般只需要巡查几次，其余时间都可以在工位上学习。
「这项工作有点像消防员，如果发生任何事，需要有人在岗监控。」
助力大科学
虽然 Frontier 日夜不停地运转，但研究人员想要申请到使用机会，也并不是一件容易的事。
科学主任 Messer 和其他 3 位同事负责使用提案的评估和批准，他们去年共批准了 131 个项目，通过率约为 1/4，申请人需要表明其项目需要利用整个超算系统才能获批，一般用于对各种时间和空间尺度进行建模。
Frontier 每年共有约 6500 万个节点时（node-hour）可用，研究人员得到的最常见的分配额度为 50 万个节点时，相当于全系统连续运行三天。
Messer 表示，相比其他数据中心，研究人员在 Frontier 上获得的计算资源大约多出十倍。
有了更快的运算速度、更多的计算资源，研究人员们就能做出更加雄心勃勃的「大科学」。
比如，在原子级精度精确地模拟生物过程，像是溶液中的蛋白质或核酸如何与细胞其他部分发生相互作用。
今年 5 月，有学者用 Frontier 模拟了含有超过 1550 亿个水分子的立方体形状的水滴，大小约为人类头发宽度的十分之一，是有史以来规模最大的原子级模拟之一。
短期内，研究人员希望模拟细胞器来为实验室提供信息；此外他们还希望将这些高分辨率的模拟结果，与 X 射线自由电子激光器的超快成像相结合，以加速发现。
这些工作都是为今后更大的目标做铺垫 —— 从原子开始对整个细胞进行建模。
有了 Frontier，气候模型也变得更加精确。
去年，气候科学家 Matt Norman 和其他研究人员使用 Frontier 运行了分辨率为 3.25 公里的全球气候模型，其中还结合了分辨率更加精细的复杂的云层运动。
为了创建长达数十年的预测模型，Frontier 的计算能力是十分必要的，而且需要用上整个系统的算力才能做到。
对于一个适用于天气和气候预测的模型，至少需要每天进行一年的模拟运行。Frontier 每天可以模拟 1.26 年，这个速度可以使研究人员能够创建比以前更准确的 50 年预测。如果换到其他计算机上运行，要达到相同的分辨率，同时考虑云的影响，计算速度则会慢得多。
在更大的宇宙级尺度上，Frontier 也能带来更高的分辨率。
匹兹堡大学的天体物理学家 Evan Schneider 也在使用 Frontier，研究银河系大小的星系如何随着年龄的增长而演化。
他们创建的星系模型跨越四个数量级，最大规模可达约 10 万光年。而在 Frontier 之前，以类似的分辨率模拟的最大结构是矮星系，质量约为五十分之一。
Frontier 对 AI 意味着什么
作为曾经的世界第一，Frontier 的地位显得更加独特，因为这台超算是为数不多的属于公共部门的设备，而非由工业界主导。
由于 AI 领域的研究往往需要吞噬庞大的算力，学术界和工业界的成果存在巨大的鸿沟。
有学者统计过，2021 年，96% 的最大的 AI 模型来自工业界。平均而言，工业界模型的规模是学术模型的近 30 倍。
这种差异在投资金额方面也很明显。美国的非国防公共机构在 2021 年提供了 15 亿美元支持 AI 研究。同年，全球工业界支出超过 3400 亿美元。
而自从 GPT-4、Gemini Ultra 等商业 LLM 发布以来，两者之间的差距又被进一步扩大，这种投资鸿沟导致工业界和学术界可用的计算资源明显不对称。
由于工业界的模型开发以盈利为目的，往往会忽视很多技术发展中必须要面对的重要问题，比如基础研究、低收入群体的需求、评估模型风险、纠正模型偏见等等。
如果学术界要承担起这些责任，就需要能和行业规模匹配的算力，这就是 Frontier 的用武之地。
一个最典型的例子，科技公司训练出的 LLM 往往保留不同程度的专有性，但研究者们往往会将自己开发的模型免费提供给任何人使用。
马里兰大学帕克分校的计算机科学家 Abhinav Bhatele 表示，这将有助于大学研究人员与公司竞争，「学术界人士训练类似规模模型的唯一方法是获得像 Frontier 这样的资源。」
Bhatele 认为，Frontier 等设施在 AI 领域就是发挥着这种至关重要的作用，让更多的人参与到技术开发中，共享成果。
但值得注意的是，这场国家之间、科技公司和非营利机构间的算力基础设施竞赛，依旧在持续，能力强大如 Frontier 也终会有跌落的一天。
橡树岭实验室已经在规划 Frontier 的继任者，名为 Discovery，计算速度将提升 3～5 倍。
作为参考，Frontier 相比 2014 年的最快的超算天河二号 A 快了 35 倍，比 2004 年最快的超算 Earth Simulator 快 3.3 万倍。
研究人员仍然渴望更快的速度，但工程师们面临着持续的挑战，其中一方面就是能源。
Frontier 的能源效率相比 Summit 就提升了 4 倍多，很大程度上是源于不同的冷却方案。
Frontier 使用室温水进行冷却，与 Summit 使用冷水不同。Frontier 总能耗的大约 3%～4% 用于冷却，而 Summit 的这一比例为 10%。
与 Summit 使用冷冻水不同。Frontier 总能耗的大约 3-4% 用于冷却，而 Summit 的这一比例为 10%。
多年来，能源效率一直是构建更先进超算的关键瓶颈，而在可预见的将来，这个瓶颈估计会持续存在。
实验室主任 Messer 表示，「我们本可以在 2012 年建造一台百亿亿次级别的超算，但提供动力的成本太高了，需要多一两个数量级的电力。」
参考资料：
-
https://www.nature.com/articles/d41586-024-02832-5
本文来自微信公众号：微信公众号（ID：null），作者：乔杨，原标题《Nature：探秘世界最快超算的一天》