日企超算再登頂？

文/

這次，日本超算贏了！

2010年之前，超算領域呈現美日競爭格局，之后則是中美競爭。在TOP500超算榜單上（每年更新2次），中國超算226套，份額45%；美國113套，份額22.8%；其余份額由日、法、德等國瓜分。

然而，在今年6月底的榜單上，富士通和日本理化學研究所聯合開發的“富岳”，奪得冠軍，其浮點運算力是前冠軍、美國“頂峰”的2.8倍。而且，在模擬運算方法、AI學習性能、大數據處理等4個性能單元名列第一。

日本超算回來了

繼2011年拿到冠軍的“京”之后，“富岳”時隔9年再次登頂，喻示了日本并未在超算競爭中出局。巧合的是，在研發階段，“富岳”工程機一直是作為“京”的升級版開發的。

作為老牌超算強國，日本超算在算力功耗比上向來享有獨特優勢。架構上，“富岳”和中國的太湖之光都采用了“同構”模式（純CPU），有別于美國超算普遍采用的CPU+GPU的異構計算。中日兩國不約而同地避免使用英特爾和英偉達的芯片，以規避美國的技術鉗制?！案辉馈甭氏仁褂肁RM指令集芯片，恐怕也有同樣的考慮。

有評論認為，“富岳”崛起，而且顯示了獨特的技術優勢，標志著算力競爭重新回到中美日競爭格局。

不過，超算研發周期長達5-6年。目前中、美、歐都在下大力氣研發新架構E級超算，目前是新一輪競爭高潮的“間歇期”?！案辉馈钡念I先地位，可能不像日本媒體認為的“長期存在”。

日本超算另一個特點是算力集中。如果按照TOP500的算力份額來看，富士通僅靠著13套超算，就實現了21.7%的算力。

豐田使用英偉達超算

超算一直是國力象征，各國都采取國家研究機構、大學和企業聯合的方式，日本也不例外。到了單純的企業運營層面，對技術規避考慮就少得多。和“富岳”回避使用英偉達芯片不同，豐田在超算服務器上，正在與英偉達進行密切合作。

英偉達一方面給大型超算提供GPU，另一方面則擅長搭建“積木式”中小型超算，追求的是低功耗下的算力累積。英偉達一直夢想作為云端算力和車機算力平臺的提供者，在自動駕駛領域實現算力制霸目標。

看上去，豐田與英偉達的合作，有助于實現后者的目標。豐田的愿景則是最終部署完全自動駕駛汽車，英偉達能夠幫助豐田實現愿景嗎？

目前，雖然自動駕駛技術正在步入低潮，但車企核心競爭力，正在從規模生產和供應鏈管理，轉變為車機算力和云端算力。趨勢不會改變，只是路徑尚未明確。

去年豐田正式成為英偉達超算的第一個客戶。豐田的雙軌研究機構——TRI（豐田北美研究院）和TRI-AD（豐田日本研究院），都使用了英偉達超算服務器，部署自己的“Guardian”（守護者系統）。目前，這套系統仍處于后臺“影子運行”中，在車主授權下，“守護者”會觀察司機的操作，積累數據，并對復雜甚至極端的場景做出虛擬決策，但不參與實際駕駛。

豐田強調，高度自動駕駛軟件并非依賴人類編寫程序，而是靠數據驅動。也就是在英偉達平臺上，以算力為依托，利用神經網絡訓練AI。而豐田的優勢則是在全球巨大的產品存量，這意味著TRI幾乎擁有無限量數據資源，去“填喂”AI，使其勝任復雜駕駛。

在本地（車機），英偉達低功耗算力負責處理來自車輛傳感器數據，而部署于云端的“守護者系統”則幫助車機了解其所處的環境，預測潛在風險。眾所周知，豐田發誓最終實現零死亡數字的自動駕駛愿景，他們正處于仿真工具測試和路測結合的階段。

以“富岳”為代表的大型超算，發展到當前水準，讓日企看到AI訓練突破的契機。

超大算力能否破解AI訓練瓶頸

此前，AI在圍棋領域擊敗最強的人類棋手，讓人們認為AI完成高等級自動駕駛指日可待，但事實恰恰相反。AI最大的短板，在于缺乏常識。在人類駕駛員直覺就可以判斷的時候，AI目前笨得驚人。

圍棋對AI來說，任務邊界清晰，而自動駕駛則經常碰到意外的場景輸入條件，后者經常讓AI無所適從。

這是眾多高等級自動駕駛項目遲遲未能落地的原因。雖說數據是新的石油，但數字石油的冶煉術還很原始。短期內該局面不會改變，但算力空前強大的超算，可能另辟蹊徑，就是用暴力運算窮盡所有“邊緣場景”。理論上，影響駕駛安全的邊緣條件可以是無數個，再強的超算也無能為力。但放在具體的街道、有限天氣和光照條件、有限交通參與者的情況下，超算可能實現“窮舉”。

譬如在一個電子圍欄范圍內，實現場景窮舉，就意味著該范圍內實現高等級自動駕駛。這意味著后臺系統必須部署于功耗巨大、運算能力空前強大的超算，而非英偉達追求的算力功耗比。

“富岳”的誕生，為豐田這樣的企業提前部署實用型云端算力，提供了可能性。同時，英偉達兩端（云端、車機端）制霸的雄心，可能會被削弱。