人工智能大潮来袭，PU们还没有准备好？

的发展，而计算，是这一切的基矗

"现在我们说计算芯片，除了原来的CPU，还出现了GPU，以及谷歌的TPU，甚至还有DPU，为何有这样一堆‘PU’，说到底，就是计算性能还不够！"王恩东说，必须要大力整合发展一批专用芯片，提供一个先进的计算平台，整合这些框架，避免再陷入到上两次人工智能的窘境里去。

即便是做应用的人，对此也有类似的感受。微软首位华人"全球技术院士"、微软首席语音科学家黄学东在大会上表示，今天包括智能语音在内的智能产品，因为需要实时，所以还需要更加强大的GPU，更加强大的计算能力作支撑，如此人类才有希望真正用上"超人水平"的语音识别。

做人工智能的，不懂计算，做计算的，不懂人工智能？

在人工智能研究者眼中，包括超级计算机在内的计算设备，只是人工智能发展的一个要素，而从杨广文这些超级计算机运营者的角度来看，人工智能更像是超级计算机这个大平台的一个应用。当然，角度的不同，并不妨碍两者互为支撑，碰撞火花。

事实上，包括"神威·太湖之光"在内的超级计算机，已经能够满足一定程度的人工智能研究，但在杨广文看来，目前一个很大的问题就在于"衔接"："很多做人工智能、懂算法的人，不会用超算；而专心做超算的人，又对人工智能不太了解。这是一个大问题"。

去年11月，中科院软件研究所研究员杨超等人获得2016年度高性能计算应用最高奖--戈登·贝尔奖。这是近30年来，中国超算应用团队第一次获得被誉为"超级计算机应用领域诺贝尔奖"的奖项。

按照杨广文的说法，当时，包括杨超等在内的计算机科学家所要做的，就是将算法写成可以在计算机上执行的程序。"这个过程十分困难，而要把这个程序，移植到‘神威·太湖之光’上更是艰辛！"

不过据他透露，包括神威·太湖之光在内的超算，正在开展大量的移植优化工作，目的就是"降低人工智能使用超算的门槛"，未来诸如语音、图形图像、精准医疗、智能交通等在内的人工智能应用，争取都能找到相应的计算平台。

当然，人工智能大潮来袭，计算性能的提升只是一个问题，此外，还有其他关键问题亟待科学家解决。比如，香港浸会大学副教授褚晓文在大会上所提到的：为什么今天有这么多深度学习软件，但它们的性能却有如此大的差异？

他说，在过去11年里，内存带宽仅仅提升了15～16倍，而计算能力则提升了30～50倍，这说明内存的性能和计算的性能之间的差距，在逐渐拉大，这也是GPU计算今天面临的一个巨大挑战--在相对强悍的计算能力和相对薄弱的内存访问之间，横跨的那一道鸿沟。