2008年高性能计算领域十大成功与失败

每秒千万亿次的超级计算机成为2008年 高性能计算领域最热门的话题，这一年，高性能计算机速度的飞涨不仅为众多用户带来了更强大的计算资源，而且也为高性能计算系统树立了新的标准，进入了新的时代。同时，这一年里，图形 处理器加速计算也突飞猛进。不过，尽管如此，2008年的高性能领域在辉煌的同时，还是有一些令人遗憾的事情，例如Linux Networx的衰落。下面，就让我们一同回顾这一年HPC的成功与失败。

成功: 并行编程加速发展

大牌厂商和学术机构首次支持联合的并行编程研发，建立了两个通用并行计算开云全站官方下载 。英特尔、微软、加州大学伯克利分校和伊利诺大学香宾分校联合研究如何将多核编程推广为主流编程。这些厂商投入了200万美元，伊利诺大学香宾分校投入了800万美元，加州大学伯克利分校向州政府申请了700万美元。这个计划不完全是曼哈顿计划，但是，是一个好的开端。

成功：Cray采用英特尔处理器

今年4月，超级计算机厂商Cray和芯片厂商英特尔联姻，宣布要联合研发产品线。这个新的合作的第一个产品是今年9月份诞生的名为CX1的"个人超级计算机"。考虑到AMD在高端服务器市场的竞争地位的下降和英特尔的多核处理器目标，这两家公司采取联合的步骤是合乎逻辑的，不仅是对Cray有利。

成功：每秒计算千万亿次的时代已近开始

今年6月，IBM和美国洛斯阿拉莫斯国家实验室安装了全球第一代每秒计算千万亿次的超级计算机，代号是"Roadrunner"。5个月之后，Cray和橡树岭国家实验室开发了第二台每秒计算千万亿次的超级计算机。这两个超级计算机都使用AMD Opteron处理器。但是，IBM的机器在大多数浮点运算中都依靠Cell处理器。

成功：图形处理器计算确立自己的地位

随着配置NVIDIA和AMD的双倍精度智能元件的teraflop(万亿次浮点运算)级图形处理器在今年上市，图形处理器芯片将成为大众市场的商品化处理器。虽然目前这种处理器的应用并不多，但是，图形处理器加速的个人超级计算机、图形处理器编辑器、CUDA(计算统一设备架构)的继续普及和 OpenCL标准的批准等因素正在迅速地完善GPGPU生态系统。同以往一样，英特尔仍持怀疑态度。

成功：个人超级计算机揭开面纱

谈到个人超级计算机，Cray只是在2008年重新推出适用于办公的高性能计算机的许多厂商之一。NVIDIA Tesla图形处理器提高了这种桌边系统的速度。戴尔、Microway、Penguin Computing、Colfax、BOXX、联想、Velocity Micro、华硕以及其它一些厂商都推出了这种产品。甚至Cray的CX1现在也配置了Tesla设备。个人超级计算机的长远前景仍有待商榷。但是，如果研发人员能够在自己的办公桌旁放一台拥有几万亿次浮点运算的超计算机，这对于这个行业来说将是一种有可能改变游戏规则的大事。

成功：新兴企业不怕经济衰退

尽管整个2008年经济都在下降，新的高性能计算公司继续在出现。我们发现的一些最有趣的公司是：Convey Computer (成套可重构计算)、Nimbus Services (高性能计算服务)、Arista Networks (高性能万兆以太网交换机)和Darkstrand (国家LambdaRail网络服务提供商)。我们期待着看到2009年将出现什么新公司。

失败：Linux Networx公司消亡

今年2月，Linux Networx的资产被竞争对手SGI一次性收购了。具有讽刺意味的是，SGI现在由Linux Networx公司前首席执行官Bo Ewald领导。这个一度快速增长的高性能计算集群厂商屈服于竞争日益激烈的市场和不允许犯任何错误的客户采购模式。

失败：美国科学拨款遇到障碍

单党政治在2008年再一次破坏了美国科技研发拨款。尽管两党都支持美国总统提出的美国竞争力计划(ACI)，但是，2008财年公共拨款法案严重不足。美国总统提出的美国竞争力计划要求联邦政府在未来7年里成倍增加向国家科学基金会的科学教育和研究、国家标准和技术研究所、能源部科学办公室等部门的拨款。ACI议事日程的大部分已经成为2007年竞争法案中的一部分法律。当讨论2008年拨款的时候，ACI计划实际上被忽略了。好消息是下一届美国政府和国会承诺要对科学更好一些，尽管2009财年的拨款可能要在3月份才能开始。

失败：SGI同以前一样

对于一家似乎从来都很难生存的公司来说，SGI在2008年制造了许多新闻。虽然这家公司在忙于重组其可视化计算业务，扩大与美国航天局的合作并且制造了全球速度第三快的超级计算机，但是，该公司的资产负债表仍然是亏损的。SGI上个星期裁减了15%的员工，2009年可能是该公司显著成功或彻底失败的一年。

失败：量化的金融模型库

2008年金融危机暴露了这些量化模型中的惊人的弱点以及这个团体是如何滥用这些模型的。糟糕的管理是比较容易发现的。但是，糟糕的算法在多大程度上导致了经济危机也许永远也没有人知道。