OpenCL超级计算研讨会总结

2015元宵隔天，也是北京两会热烈提案期间，由美商AMD、港商蓝宝石科技、景丰电子于深圳北方大厦举办“GPU/OpenCL并行计算大趋势”研讨会，吸引近百位来自北京、天津、上海、南京以及深圳当地商业单位之技术人员、部门主管参与，其中AMD资深软件经理陆璐博士展示基于Firepro高性能GPU计算卡的OpenCL/DNN（深度学习）技术与方案，成为众人最关注的焦点，此外吉浦迅科技CEO陈泳翰受邀介绍GPU并行计算的性价比、节能等特色，以及OpenCL+OpenACC异构并行编程模型，也是商业单位极为关心的重点。

正值全球掀起“创新”热浪时期，“人工智能”技术成为大数据与云计算基础之上最重要的 IT 应用。全球互联网龙头企业 Google 多年前高喊“得人工智能者的天下”的口号，为人工智能技术做出重要的战略定位（远高于大数据与云计算），带动欧美各大先进企业均纷纷跟进，大量延揽人才、投入资金资源，要在这场竞争中抢占前沿位置。国内互联网技术龙头企业的百度、腾讯等也紧跟其后，重金招揽该领域的华人精英，为中国人工智能领域启动大规模的投入，也将为国内引领一波人工智能发展风潮。

事实上“人工智能”思路从20世纪80年代便已开启，然过去三十年遇到最大的障碍，便是“计算性能”不足的问题，即便2012年Google动用 16000颗Intel高端CPU搭建的高性能计算中心，也只能进行小规模的并行化人工智能模拟计算。拜CPU/GPU异构高性能计算所赐，Google如今仅使用1000片GPU计算卡，便替换先前16000颗CPU的计算性能，非常大幅度地降低搭建成本、时间、占用空间，并节省90%以上的电能消耗，于是GPU异构高性能计算架构，快速成为人工智能计算的最佳应用方案。而AMD Firepro S9150 GPU搭配ASUS ESC高性能系统更一举夺得2014年Green500 第一名的佳绩，同时 Firepro S9150 也是使用全球计算性能最高、显存容量最大、带宽最高的GPU芯片，为人工智能技术提供最强强而有力的计算动能。

关于目前人工智能计算的主流技术，AMD中国区资深软件经理陆璐博士介绍说，DNN（Deep Neural Netwrok）深度神经网络模型是目前科学界验证过最佳的离线（off-line）训练算法，基于互联网大数据基础上，对百万至数十亿数量级的样本进行训练，进行3~8隐藏层（hidden layers）大量交互关系计算来模拟神经网络，透过正向、反向来回的权值（weight）修正进行学习，逐步提高识别效果，这就是 DNN 模型的基本概念。

陆璐博士强调，由于样本之间均不存在依赖性，因此 DNN 模型完全符合“数据并行“的计算模式，是非常典型的 GPU 异构并行计算的使用领域。而所有并行计算过程中，影响计算性能的关键，包括数据传输、单位计算性能以及资源使用率三大部分，AMD Firepro 高性能计算卡具备业界最高之位宽（512bit）、显存带宽（384GB/s）、显存容量（16GB/芯片）、计算性能（单精度5.24TFlops/芯片）以及最低计算功耗，因此得到美国能源部数千万美元项目合作，目前基于 Firepro/OpenCL 的 DNN 计算也广泛被国内各领先企业采用，包括视频处理、图像识别、安防、语音识别、电脑病毒识别、音乐搜索等各种人工智能应用。( 更详细信息点击原文链接）