吹捧AI集羣貶低超算並不客觀_風聞

近年來，人工智能火遍大江南北，全國各地也開始建設人工智能中心，眾多媒體也爭相報道吹捧。也許是媒體不懂技術，胡亂拿AI集羣和超算做比較，在新聞報道中鬧了不少烏龍，一些報道堪比造謠，甚至一些官媒也出現了錯誤報道。事實上，AI集羣是劍走偏鋒的產物，重視的是半精度浮點運算以及更低精度的整型計算，而超算則是雙精度浮點運算，雖然都在媒體報道中都用235P、1000P算力來表示，但兩者完全不是一回事。媒體在報道中拿用AI集羣的半精度浮點運算算力去對比超算的雙精度浮點運算算力，完全就是關公戰秦瓊，客觀上是在變相貶低超算。

關公戰秦瓊屢見不鮮

今年3月，地方官媒報道武漢人工智能計算中心項目，對該人工智能中心讚美之詞溢於言表。

文章中提到：

據介紹，建成後，採用了華為Atlas900AI集羣的該中心其AI（人工智能）峯值性能可達100PFLOPS（每秒百億億次浮點計算），另外，HPC（高性能計算）峯值性能可達4PFLOPS（每秒四千萬億次浮點運算）。據瞭解，“FLOPS”參數，中文又叫“每秒浮點運算次數”，是衡量算力的很重要指標。

怎麼理解武漢人工智能計算中心百P級算力規模及水平呢？舉個例子，我國在2009年成功研發“天河一號”超級計算機，每秒可進行1200萬億次的計算，而如今武漢中心能達百億億次，中間提升跨越了兩個檔位。以天文探索為例，在20萬顆星星的星空圖中定位某種特徵的星體，一個天文學家需要耗費169天，而擁有此算力，定位時間縮短為10秒。未來，工廠裏機器協同、醫院裏電子閲片的反應速度都將大幅提升。

對於該報道，一位專家指出，“其實武漢這台機器的64位浮點計算能力與天河一號接近，甚至低一點。只是低精度性能比較高。千萬不要搞錯了！！！”

可見，媒體報道中所謂的“我國在2009年成功研發天河一號超級計算機，每秒可進行1200萬億次的計算，而如今武漢中心能達百億億次，中間提升跨越了兩個檔位”是不客觀的。64位浮點計算能力更強的天河超算在媒體筆下平白無故被貶低，並以“1200萬億次”和“百億億次”的數據差距來顯示AI集羣吊打天河一號，這可能是天河超算被黑的最慘的一次。

2019年，一篇報道中稱：

對包括《XXX新聞》記者在內的媒體透露：“鵬城雲腦Ⅱ原型系統現已實現100PFLOPS（每秒百億億次計算）的算力。明年，鵬城雲腦Ⅱ將達到1000PFLOPS，成為領先的AI研究平台。”而當今世界上最強的超級計算機算力約為235P，1000P算力則相當於50萬台電腦的算力之和。

事實上，這篇報道也是扯淡，鵬城雲腦原型系統和鵬城雲腦Ⅱ所謂的100P和1000P性能都是低精度的，根本不是雙精度，而報道中世界最強超算的235P則是雙精度浮點運算算力（現在TOP500最強超算是日本富嶽，性能513P），這種不談具體半精度、單精度、雙精度，只談多少P的算力完全是在玩弄文字遊戲。

錯誤報道根源是廠商有意誤導

這裏説明一下，雙精度浮點是64位浮點，可以用來精確存儲2^47以內的整數，不會存在任何誤差（47這個數字有爭議，有説48，52，53等）。單精度是32位的浮點，可以精確的放進一個2^23以內的整數，不存在任何誤差。半精度則是16位浮點，精度更低的是INT8、INT4，像單個節點要求的精度不高的應用，比如神經網絡往往採用低精度。就FP64雙精度、FP32單精度、FP16半精度、INT8、INT4進行性能換算的話，大約是以下公式：

超算的FP64雙精度性能=FP32單精度，乘2

超算的FP64雙精度性能=FP16半精度，乘4

超算的FP64雙精度性能=INT8整型，乘8

超算的FP64雙精度性能=INT4整型，乘16

必須強調的是100P雙精度性能的超算可以執行FP64、FP32、FP16、INT8、INT4任務，但1000P半精度浮點性能的AI集羣無法執行FP64、FP32任務，只能執行FP16、INT8、INT4任務。

換言之，傳統超算適用範圍更廣，而AI集羣適用範圍相對有限，特別是無法進行科學運算，無法運行超級計算機的普遍應用。

可以説，雙精度、單精度、半精度浮點運算在精度上差距是非常大的，拿1000P的半精度浮點算力“碾壓”235P的雙精度浮點算力，完全就是瞎扯淡。廠商之所對媒體披露“1000P AI集羣性能超越235P超算的話術”，本質上就是大忽悠，以至於錯誤報道層出不窮。

之所以出現這麼多錯誤報道，究其根源是廠商為了推銷產品，為了搶佔輿論高地，糊弄地方政府和老百姓，故意不把話説清楚。只要營造出AI集羣非常厲害，在算力上“吊打”世界最強超算，就能夠在輿論上營造出AI集羣非常厲害的氛圍，進而間接影響民心，影響地方官員決策。因為普通人缺乏專業知識，**無從瞭解什麼是半精度、單精度、雙精度浮點運算，但1000P比235P要大是都能看懂的，**這樣一來，面對傳統超算廠商時，被錯誤報道“洗腦”的地方官員就會覺得，“你這傳統超算才100P，AI集羣都1000P了，傳統超算不行，AI集羣厲害，上項目就上AI集羣”。

事實上，AI集羣能做的傳統超算都能做，而傳統超算做的很多任務，AI集羣根本做不了，科學運算只能超算來做，氣洞模擬、氣象模擬，以及各種尖端科研項目都必須要超算來做，相比之下，AI集羣只能做一些與機器學習相關的任務。

就性能來看，AI集羣相對於傳統超算壓根就沒有多少優勢，誠然，由於半導體技術的進步，廠商在宣傳時候可以用2021年的AI集羣來“吊打”2016年的超算，但只要和現有超算一對比，AI集羣所謂的性能優勢就蕩然無存了。對於這一點，只要做一個圖表就可以發現，廠商和媒體鼓吹AI集羣性能優勢只是在玩文字遊戲。

結語

AI集羣與超算的關係類似與專用機和通用機。AI集羣的功能只侷限於特定的幾項機器學習相關的任務，而超算則是“十項全能”。誠然，針對特定任務而言，由於AI集羣劍走偏鋒，具有“專用”的優勢，在性能功耗比上會優於超算。但AI集羣只能侷限於少數任務，無法像超算那樣“十項全能”，而且**根本無法做對國計民生至關重要的科學運算。何況現在的超算對AI支持也不弱，特別是超大規模分佈式訓練等場景，相比專用AI集羣具有反而具有明顯優勢。**因此，AI集羣是超算的補充，而不是對超算的替換。

長遠來看，超算的國之重器地位是無可替代的。