模块化量子计算集群的出现，预示着可复制性更强

mamunur96321

高算集群、量子计算、云计算和边缘计算四算融合，衍生新技术路径 云超同化。一方面，Web 服务、容器化等云原生技术正在快速应用于传统高性能计算集群，使算力服务更易触达：芬兰 LUMI 集群已开始引入容器技术提高算力调度和应用搭建效率，并对外提供算力服务；IBM 也于年初发布了其首台云原生高算集群 Vela；另一方面，不仅更多云服务商推出了高性能计算云服务，以谷歌为代表的头部企业更进一步利用云计算天然的分布式计算优势，推出算力多切片训练方案，打造超出常规算力集群性能的超大规模AI 训练案例。 量超融合。高性能计算集群与量子计算机的融合已经成为行业共识，量子计算单元（QPU）正在逐渐成为新的专用计算加速模块。

要全面实现以CPU+GPU+QPU为计算核心的高性能计算 ，大致要经历三阶段： 第一阶段，高算集群 购买特殊营销数据 和量子计算的网络互联； 第二阶段，互联的高算集群与量子计算机可以通过专用的操作系统实现算力协同调度； 第三阶段，高算集群和量子计算之间实现从底层硬件到上层应用的深度系统集成，并能充分发挥各自的算力优势，共同完成复杂的计算任务。如IBM 、芬兰 VTT 技术研究中心、本源量子等国内外的相关机构和企业已经开始相关研发工作并陆续发布了进展，并对外提供访问服务。 量子集群出现、云服务普及。量子计算领先企业IBM于 年 月公布全球首可扩展量子计算系统Quantum System Two，引入模块化架构和计算机集群设计，可让系统容纳 量子比特。





扩展性更好的量子计算机发展新路径；同时，全球已有超过 家机构推出量子计算云服务，从整机公司如 IBM，发展到云服务商如亚马逊云，再到科研院所如北京量子院。 高性能计算走向云边协同。目前高性能边缘计算（HPEC）还在成长中，其单点算力已可达千万亿次每秒，自动驾驶和机器人是典型应用场景。除传统计算平台外，神经形态芯片、光电计算芯片等新技术的成熟也在不断提升边缘算力和能效。而为获得实时决策以及更高的信息安全环境，将部分数据处理、模型训练以及推理等工作，从数据中心/云平台迁移至云边协同架构下，是必要的技术路径。 高性能芯片多元发展，QPU 发展由数量转向质量 芯片技术多元化发展加剧。首先包括微软、 Meta 在内的科技企业纷纷推出自研高性能 CPU 和 AI 加速芯片，其次，除了传统的 x 架构以外，其他芯片架构的芯片也加入到高性能计算领域，并由落地应用：位于葡萄牙的集群 Deucalion 将采用与日本富岳集群相同的 ARM 架构高性能芯片 AFX；算能科技日前向山东大学交付国内首台RISC-V服务器集群，该集群拥有颗RISC-V高性能芯片SG。 存算一体，突破内存墙。