高效能计算平台：真不是算力堆料这么简单
谁在疯抢高效能计算平台的资源？
放在十年前，这东西只有顶流的国家超算中心才有，一般研究者连申请门槛都摸不到。现在不一样。大模型预训练要，蛋白质折叠模拟要，极端气候预测要，就连新能源车企做动力电池模拟仿真，都要拉一集群的算力跑。
说实话，需求涨的速度，比算力建的速度快多了。我认识的一个985生信实验室，今年新生招了一倍，排队等算力的单子排到了三个月后。
科研实验室高效能计算平台集群机柜
很多人觉得，不就是多买几张卡吗？至于抢成这样？你真进去机房看看就懂。高效能计算不是几张高端卡拼起来就行，它要整栋机房改散热，改网络，改供电，随便一个中小单位，砸几千万进去都听不到响。
现在最卷的是AI和新药研发圈。做一个新药分子模拟，一次就要跑几十上百个模型，少则几十个小时多则十几天，占着资源不放，后面的人只能等。你说急不急？我师弟那次，就是前面一个大模型训练任务延期，硬生生把他的排位往后推了两周，差点错过投稿截止日期。
高效能计算平台的核心，真不是堆硬件
我之前听计算所的老教授聊起过一个笑话。早年有个地方院校，花了八千多万搭了个计算平台，买了整整一百块顶级GPU，结果跑了半年，整体利用率不到18%。为什么？存储跟不上啊！跑大规模任务的时候，GPU等数据读，一半时间在空转，IO卡的要死，再好的卡也白搭。
说白了，现在圈里看一个高效能计算平台够不够格，看的是算力、存储、网络的协同调度能力，不是看你堆了多少硬件。
高效能计算平台算力调度系统后台界面
举个例子，现在主流的高效能平台都换直接水冷了。原来用风冷，一个机柜最多塞8台服务器，功率上不去。换直接水冷，一个机柜能塞30台，功率翻三倍还能稳定降温，同样的机房面积，算力直接翻三倍。这就是结构设计带来的差距，不是堆卡能堆出来的。
再说到调度，好的调度系统能动态切资源。学生跑个小的序列比对，只给你分1卡4核，不耽误大任务占满整集群的资源。不好的调度，要么就是小任务占着大节点浪费，要么就是大任务把资源全占了，小任务排几天都排不上。我见过差的平台，整体利用率才15%，好的能拉到75%，相当于同样的钱，多了五倍的可用算力，差出这么多你敢信？
不过话说回来，现在很多厂商吹自己的平台，开口就是多少P算力，多少张顶级卡，绝口不提存储带宽和调度效率，就是割不懂行的小白的韭菜，这个坑谁踩谁知道。
现在做科研，门槛真的降了太多
现在做科研，门槛真的降了太多
放在五年前，你一个初创团队或者青年PI，想拿到稳定的高效能计算资源，真的难上天。自己建没钱，超算中心申请排队排半年，很多好的idea就这么拖黄了。
现在不一样了。公有云厂商都出了现成的高效能计算平台，按使用量付费，你要一百张卡就开一百张，跑完就关停，不用自己维护，不用改机房，花的钱只有自己建的零头。很多高校现在也把自己建的平台对外开放一部分，给年轻研究者和学生用，价格也不贵。
最近还有个好趋势，国产的高效能计算平台起来了。用国产自研芯片搭的，性能对标进口平台，价格还低一截，也不用担心被卡脖子，现在不少科研单位都开始试了，反馈还不错。
我那个师弟，后来就是找了一个公有云的高效能计算平台，花了不到五千块，两天就跑出了需要的数据，顺利投了稿。换十年前，他根本拿不到这么多资源，这个课题说不定就黄了。
现在做前沿科研，拼的早就不只是idea了，你拿到的算力资源够不够，平台够不够高效，直接决定你能不能出成果。很多人还觉得计算平台就是个工具，不重要，其实错了，它现在就是核心竞争力。
对吧？你想法再好，跑个数据要等半个月，别人一周就出结果，先发了文章，你说找谁说理去。