超级计算研究人员记录AI硬件的演进历程

# 超算研究人员记录 AI 硬件的演进历程 来源：https://news.mit.edu/2026/supercomputing-researchers-document-evolution-ai-hardware-1006 随着人工智能正在改变各行各业和国家安全，了解最新的硬件能力对于保持技术优势至关重要。 AI 加速器——旨在加速神经网络、深度学习和机器学习等能力的专用系统——近十年来一直是主要的研发方向。自 2018 年以来，林肯实验室超级计算中心（Lincoln Laboratory Supercomputing Center，https://www.ll.mit.edu/r-d/cyber-security-and-information-sciences/lincoln-laboratory-supercomputing-center ，简称 LLSC）的团队一直在开展林肯 AI 计算调查（Lincoln AI Computing Survey，缩写 LAICS，读作 "lace"）。在发表了六篇论文（https://github.com/areuther/ai-accelerators）之后，LAICS 仍在持续汇总当前商用 AI 加速器的信息，并比较它们的峰值性能和峰值功耗。 LLSC 工作人员 Albert Reuther 表示："大约八年前，我们看到论文中描述的研究型 AI 加速器数量急剧上升，商用加速器也纷纷发布，实验室的政府资助方开始就这些加速器向我们提出问题。这足以成为启动这项调查的动力。"LLSC 负责运营和优化实验室数千名研究人员所使用的高性能计算系统。 尽管 AI 加速器通常用于机器学习等任务，但它们也能支持其他并行应用，例如模拟分子功能以及加速流体力学仿真——这些过程对计算资源的消耗非常大。 AI 加速器技术有多种形式：中央处理器（CPU）、图形处理器（GPU）、专用集成电路（ASIC）、现场可编程门阵列（FPGA）以及数据流加速器。每种类型的加速器在能力上略有不同。CPU 可用于通用计算，而 ASIC 只能执行非常特定的任务。数据流加速器、FPGA 和 GPU 更加灵活，可以针对各种工作负载进行配置。不同类型的加速器在效率和性能上存在差异，具体取决于其设计方式。LAICS 的目标是调查目前市场上的现有技术，并对它们进行比较，以找到适合特定需求的最佳加速器。 LAICS 团队由 Reuther 带领，成员包括 LLSC 的 Michael Jones、Peter Michaleas、Jeremy Kepner 和 Vijay Gadepally。该团队还与林肯实验室其他部门的研究人员合作，包括先进技术部（Advanced Technology Division）以及情报、监视与侦察与战术系统部（Intelligence, Surveillance, and Reconnaissance and Tactical Systems Division），以了解加速器如何为这些部门的任务研发提供支持。 他们系列论文中的第一篇研究了 57 种加速器，而最新一篇则涵盖了 120 多种加速器。团队比较加速器所使用的主要指标是峰值性能和功耗；随后，他们根据加速器是芯片、板卡还是系统进行分类。论文中的所有数据均来自公开来源，这有时颇具挑战性，因为一些公司更愿意对其性能和功耗数据保密。为了及时掌握该领域的最新动态，Reuther 每天都会进行新闻和引用搜索，报告新的技术文章、公司公告和行业报告。 Reuther 说："每年又有五到十家初创公司获得融资并宣布成立，然后发布新的 AI 加速器，这一直让我感到惊讶。人们可能会认为这个领域已经足够饱和了，但随后又会有一批创新的加速器被推出。" 除了总结当前加速器的性能与峰值功耗之外，每篇论文还探讨了该领域的一个新方面。例如，2022 年发表的论文研究了性能提升的来源，发现这些提升源于更小、更密集的晶体管设计以及使用更低的数值精度（即计算更少的有效数字）。最新一篇论文考察了可供选择的不同架构方案，分析了增加某些组件（如每个处理器更多的核心数或并行性能）将如何改变系统。 Reuther 计划在可预见的未来继续开展这项调查，并指出，仅在过去几个月里，就有六家新初创公司宣布了各自的首款 AI 加速器。 Reuther 说："AI 及其运行的硬件是如此热门的话题，林肯实验室作为公正的技术顾问，为选择和推进合适的技术提供指导至关重要。我们的 AI 加速器调查帮助了许多资助方和政府同事更好地了解 AI 加速器的格局，并就相关问题做出更好的研究和采购决策。这项调查在确定我们应当为即将进行的 LLSC 系统采购考虑哪些 GPU 方面也非常有价值，因此它不仅造福我们的资助方和任务项目，也造福所有 LLSC 用户。" 全部论文及配套数据集可在以下地址找到：https://github.com/areuther/ai-accelerators