赛迪顾问-电子信息产业研究-并行加速器应用与发展趋势研究

《赛迪顾问-电子信息产业研究-并行加速器应用与发展趋势研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、电子信息产业研究本期主题并行加速器应用与发展趋势研究国际观察三大并行加速器技术供应商架构与关键应用指标评析企业研究我国企业并行加速器领域发展研究数据之窗2013年H1全球HPCTOP10中有4套系统应用了并行加速器HPCTOP500中NVIDIAGPU并行加速器应用数量最多2011-2013年HPCTOP500中应用并行加速器HPC数量得到稳步增长2012年中国HPCTOP5中有4套系统应用了GPU并行加速器14刊首语并行加速器在高效并行计算、应用成本、易于扩展、能效等方面表现出的突出优点，使其越来越受到用户关注，并被大量应用于高性能计算领域。天河一号、天河二号的成功

2、研制，不仅标志着我国超级计算机领域进入国际先进行列，同时也证明“CPU+GPU”和“CPU+MIC”异构并行计算在大规模计算中的可行性，并且，随着并行加速器产品架构不断创新，可编程能力不断提高，产业生态环境不断改善，并行加速器应用领域正在不断扩大，并发挥着越来越重要的作用，成为计算领域一支不可忽视的力量。作为中国IT产业的观察者和研究者，赛迪顾问充分运用自身的强大资源优势，长期追踪包括数据中心、高性能计算、云计算、大数据在内的中国IT产业发展现状与未来趋势。以标准化、专业化、国际化的定义和方法，结合自身对中国IT产业的深刻理解，为产业链生态主体把脉IT应用趋势，提供政

3、府决策参考。14目录本期主题：5第一章并行加速器发展背景5一、并行加速器是什么？5二、并行加速器发展动力5三、并行加速器发展历程8第二章中国并行加速器应用与展望9一、中国并行加速器应用生态环境9二、并行加速器应用关键障碍11三、并行加速器技术发展趋势13第三章并行加速器解决方案及核心价值15一、并行加速器应用中用户的核心关注15二、主要的并行加速器项目16第四章中国并行加速器应用发展对策建议19一、构建产学研用互动机制，推进生产性应用快速发展19二、以市场需求为导向，优化学科专业，积极培养GPU适应性人才20三、以GPU应用和服务为突破点，加大GPU技术实训投入20四

4、、促进科技攻关与应用创新，推动GPU科研成果快速转化2114本期主题：并行加速器应用与发展趋势研究第一章并行加速器发展背景一、并行加速器是什么？本文所研究的并行加速器主要包括两大类，一种是来自NVIDIA和AMD的GPU并行加速处理器，另一种则来自Intel的MIC众核架构XeonPhi融核协处理器。并行加速器的由来主要源自图形处理器GPU及融核协处理器的并行计算能力的快速发展和其可编程能力的不断提高。通过“CPU+GPU”或“CPU+MIC”异构协同计算架构，将CPU从繁重的大规模并行计算任务中解救出来，由GPU或MIC融核协处理器代为处理，利用GPU或MIC融核协

5、处理器强大并行计算处理能力和高带宽，弥补CPU性能不足的计算加速方式。目前，并行加速器已经在航空航天装备研制、卫星遥感数据处理、气象预报、海洋环境数值模拟、石油勘探数据处理、生物医药研究、金融工程数据分析、新材料开发和设计、计算结构力学、生命科学计算、流体动力学、计算机视觉、数据挖掘、数值分析等领域得到广泛的应用，并且在特定API及开发平台的支持下，并行加速器会取代CPU处理繁重的并行计算任务。二、并行加速器发展动力1、CPU核心效率提升举步维艰近年来，虽然Intel和AMD的CPU架构有了翻天覆地的变化，但产品综合性能提升并不明显，如Intel最强的酷睿i7处理器，

6、在架构方面有原生四核、引入三级缓存、高速14QPI总线、三通道DDR3内存控制器、超线程技术、诸多内核及指令集优化等众多技术创新，所有这些技术共同作用的结果却是——同频率下i7965的综合性能仅比上代QX9770提升了10-20%。可见，处理器单核心依靠新工艺带来的大缓存、高频率来获得的性能提升效率已接近极限。既然单核效率已经很难取得突破，多核心产品是否能带来性能的飞跃？美国Sandia国家实验室一项模拟测试结果说明：由于存储机制和内存带宽的限制，16核、32核、乃至64核处理器对于超级计算机来说，不仅不能带来性能提升，甚至可能导致效率的大幅度下降。得出的结论是，现行

7、的计算机架构必需作出修改。2、可编程的GPU及MIC通用计算架构发展逐步成熟图形处理器技术的迅速发展带来的并不只是速度的提高，还产生了很多全新的图形硬件技术，使GPU具有流处理、高密集并行运算、可编程流水线等特性，极大地拓展了GPU的处理能力和应用范围。GPU可编程性不断增强，特别是NVIDIA推出CUDA（ComputeUnifiedDeviceArchitecture，统一计算设备架构），使GPU通用计算编程的复杂性大幅度降低，越来越多的研究人员和商业组织开始利用GPU完成一些非图形绘制方面的计算，并在诸如石油勘测、天文计算、流体力学模拟、分子动