超100PFlops算力

A. 浪潮AI微模塊現在高校算力平台有應用嗎效果如何

浪潮AI微模塊的智慧能力已經應用在高校算力平台，為我國科研創新提供智能算力支撐。其中，AI微模塊數據中心為上海交通大學打造的高性能計算集群（π2.0集群）的雙精度理論峰值性能為2.1PFLOPS，是國內高校和上海地區最快的超算之一。中南大學藉助AI微模塊數據中心的智能算力，將落地首個高校「智算平台」，在195平方的空間內實現五千多萬億次的超高算力，以高度智能化的高性能智算平台變革高校計算基礎設施發展趨勢，對於高校研發以及科研算力發展都大有助益。

B. 有中國最快的電腦挖比特幣一天能挖多少枚

謝邀。

中國最快的電腦目前是
神威·太湖之光超級計算機
，持續性能是持續性能93.015PFlops，他到底有多少比特幣算力很難計算，cpu挖礦的效率要比顯卡gpu低很多，估計一天可能都挖不出一個比特幣，而且這種超級計算機非常耗電，電費都賺不回來，還不如用礦機。

C. 特斯拉AI日：DOJO晶元亮相 助力自動駕駛/人形機器人到來

眾所周知，特斯拉旗下產品的核心競爭力並非是純電動零排放車輛，還有先進的自動駕駛技術，而這些都是人工智慧技術領域的研究成果結晶，因此招募AI人才是特斯拉未來能持續保持領先優勢的最優先選項之一，同時這也是AI日的目的之一。

D. 1P算力是每秒多少次計算

一個PFLOPS（petaFLOPS）等於每秒一千萬億（=10^15）次的浮點運算
一、TOPS
TOPS是Tera Operations Per Second的縮寫，1TOPS代表處理器每秒鍾可進行一萬億次（10^12）操作。
與此對應的還有GOPS（Giga Operations Per Second），MOPS（Million Operation Per Second）算力單位。1GOPS代表處理器每秒鍾可進行十億次（109）操作，1MOPS代表處理器每秒鍾可進行一百萬次（106）操作。TOPS同GOPS與MOPS可以換算，都代表每秒鍾能處理的次數，單位不同而已。
在某些情況下，還使用 TOPS/W 來作為評價處理器運算能力的一個性能指標，TOPS/W 用於度量在1W功耗的情況下，處理器能進行多少萬億次操作。
二、GOPS
OPS與FLOPS類似，只不過OPS一個是操作次數，FLOPS一個是浮點操作次數。
FLOP與GOPS之間的換算
（FLOP與GOPS之間的換算需要查相關資料，後續查找資料給出）
不確定的看法是OPS是操作數量，FLOPS為浮點操作數量，兩者可近似於相等，FLOPS比OPS稍大。
三、GOPS與FLOPS
1、FLOPS定義
是「每秒所執行的浮點運算次數」（floating-point operations per second）的縮寫。它常被用來估算電腦的執行效能，尤其是在使用到大量浮點運算的科學計算領域中。正因為FLOPS字尾的那個S，代表秒，而不是復數，所以不能省略掉。
在這里所謂的「浮點運算」，實際上包括了所有涉及小數的運算。這類運算在某類應用軟體中常常出現，而它們也比整數運算更花時間。現今大部分的處理器中，都有一個專門用來處理浮點運算的「浮點運算器」（FPU）。也因此FLOPS所量測的，實際上就是FPU的執行速度。而最常用來測量FLOPS的基準程式（benchmark）之一，就是Linpack。
2、FLOPS換算
一個MFLOPS（megaFLOPS）等於每秒一百萬（=10^6）次的浮點運算，
一個GFLOPS（gigaFLOPS）等於每秒十億（=10^9）次的浮點運算，
一個TFLOPS（teraFLOPS）等於每秒一萬億（=10^12）次的浮點運算，(1太拉)
一個PFLOPS（petaFLOPS）等於每秒一千萬億（=10^15）次的浮點運算，
前標的十進制與二進制
此處存在疑問，從M到G再到T，到底是1024近似為1000，還是採用二進制的乘以1024，還是確實為十進制的1000
傾向於FLOP的前標與內存一樣，是以二進制算，每進一級是1024為單位的。
但是10243是1073741824，可以近似為109。所以採用10^3來近似1024問題不大。

E. alpha-go的計算能力等同於多少台伺服器

找到一篇文章

這么說吧：1997年下贏國際象棋冠軍卡斯帕羅夫的「深藍」是一台超級計算機，而即將和李世石對決圍棋的AlphaGo卻是谷歌旗下公司DeepMind開發出來的人工智慧程序。強行把這二者拉在一起比較……少年我們還是來談談世界和平吧。不過AlphaGo作為程序，最終還是要運轉在計算機上才能去和人類比個高下的。所以把問題換成「即將和人類下圍棋的那台計算機到底比深藍厲害多少倍？」
我們還是能夠簡單計算一下給出大致答案的。畢竟在衡量計算機性能方面，我們已經有了一個相當統一的標准：每秒浮點運算次數，為了方便起見，我們下面一律稱之為「FLOPS」。
千萬別被「浮點運算」這個計算機術語嚇跑，說人話的話，浮點運算其實就是帶小數的四則運算，比如1.2加2.1就是一個典型的浮點運算。如果你的小學數學老師不是美國人的話，那麼我們估計這會兒你早就心算出結果是3.3了。不過這對計算機來說，這個問題沒那麼簡單。
我們知道，計算機是以0和1構成的二進制數字進行運算的，比如在基礎的二進制里，1就是1，2就變成了10，3是11，4是100……這種運算方式讓我們可以用最簡單的電路元件組裝出穩定有效的計算機器，但它也帶來一個問題：計算機能夠處理的數字只有整數。如果想不藉助任何其他的數學方法，用0和1表示一個0.1……少年我們真的還是來談談世界和平吧。
解決這個問題的辦法很簡單：0.1可以看成是1除以10的結果，我們想讓計算機計算一個帶小數點的數字，只要告訴CPU這是一個被1後面加了多少個0整除的整數就行了。不過這樣一來，計算機在處理小數點的時候，就多了好幾個運算步驟。所以進行浮點運算的速度也就成了衡量計算機性能的標准。
拿在國際象棋上擊敗人類的深藍來說，它的計算能力是11.38 GFLOPS，意思就是深藍能在每秒鍾里計算113.8億次帶小數的加減乘除。而在二戰期間幫助美國設計製造原子彈的第一台通用計算機ENIAC，它的性能只有300 FLOP。
在今天看來，深藍的性能怎麼樣？三個字：弱爆了。單就PC中使用的CPU來說，早在2006年，英特爾推出的第一代酷睿2就已經穩穩地超過了深藍。這還沒有算上顯卡里GPU帶來的效果加成，今天最普通的集成顯卡，其性能也已經超過了700 GFLOPS。如果真要在性能上比個高下，深藍這種上個世紀的超級計算機，就算組團也不一定能單挑你面前的這台筆記本電腦。
那麼今天的超級計算機已經達到了什麼樣的性能水平？我們國家的天河二號是世界最快的超級計算機，它浮點運算能力已經達到了33.86 PFLOPS。也就是說，深藍要在性能上增長到自身的30萬倍，才能和天河二號相提並論。
不過對於深藍來說，這樣的比較實在是太不公平。因為即便在當年，深藍也不是速度最快的超級計算機。相比之下，只有通過谷歌AlphaGo使用的電腦，我們才能比較出這20年裡，我們的計算機到底經過了怎樣驚人的發展。
根據谷歌團隊發表在《自然》雜志上的論文， AlphaGo最初是在谷歌的一台計算機上「訓練」人工智慧下圍棋的。按照論文里的描述，谷歌利用這台計算機，讓AlphaGo的圍棋水平提升到了與歐洲冠軍樊麾接近的地步。不過論文除了提到這台計算機裝有48個CPU和8個GPU之外，對計算機的性能連一個數字都沒有提到。好在AlphaGo是在雲計算平台上運行的，我們只要找來競爭對手的計算機數據比較，就可以了解到大概了。
比如說去年12月，阿里雲對外開放的高性能計算服務。按照阿里雲的描述，這些計算機的單機浮點運算能力是11 TFLOPS，而且同樣可以用來訓練人工智慧自行學習。如果谷歌的計算機性能與阿里雲接近的話，那麼AlphaGo所驅動的硬體，性能至少是深藍的1000倍。
但故事到這里還沒有完，AlphaGo並非只有「單機版」一個版本。為了達到更高的運算能力，谷歌還把AlphaGo接入到了1202個CPU組成的網路之中。聯網後的AlphaGo算力猛增24倍，一下子從「單機版」不到職業二段的水平，跳躍到了職業五段上下的水準。
所以AlphaGo比深藍厲害多少倍？估計這會你已經得出答案了：2.5萬倍。從這個角度，我們也能看出來，圍棋究竟是怎樣復雜的一種智力游戲，以至於計算機的性能需要20年的提高，才能在象棋上戰勝人類後，再在圍棋棋盤面前，坐到人類頂尖選手的對面。不過歸根揭底，AlphaGo最重要的成就並不是採用了性能多麼優秀的電腦，而是第一次讓程序可以以人類的方式思考、學習和提高。所以過幾天的比賽，無論誰輸誰贏，我們見證的都是一個嶄新紀元的開端。
當然別忘了關注新浪科技，我們到時候會在最前方，帶你迎接這個新紀元的第一道曙光。

F. 台式電腦計算能力

單個處理器浮點計算能力為3Tflops

mpe浮點計算能力為8gflops

cpe浮點計算能力為11gflops

神威太湖之光系統峰值運算能力達到了100pflops。

這里有必要提到浮點運算能力指計算機浮點計算的處理能力，計算機有專用於浮點處理的浮點運算器FPU.

家用計算機2G赫茲，4g赫茲指的是計算機的主頻，主頻為4g赫茲，的計算機浮點處理能力在4gflops左右。不過主頻並不等於浮點處理能力。

主頻的意思是每秒能處理計算機時鍾周期的個數。每秒鍾處理的越多計算機的處理能力越強。

cpu的主頻不代表，cpu的處理能力，指令流水線對cpu處理能力的影響。

時鍾周期是cpu運算的基本單位，一次浮點計算可能需要幾次到幾十次時鍾周期。所以主頻和浮點處理能力的關系也就很明顯了。

G. 華為發布全球最快 AI 運算集群 Atlas900，會對 AI 領域帶來什麼變化

9月18日，華為發布一款重量級的產品——Atlas 900，這款產品匯聚了華為幾十年的技術沉澱，是當前全球最快的AI訓練集群，由數千顆升騰處理器組成。在衡量AI計算能力的金標准ResNet-50模型訓練中，Atlas 900隻用了59.8秒就完成了訓練，這比原來的世界記錄還快了10秒。

「ImageNet-1k 數據集」 包含 128 萬張圖片，精度為 75.9%，在同等精度下，其他兩家業界主流廠家測試成績分別是 70.2s 和 76.8s，Atlas 900 AI 訓練集群比第 2 名快 15%。胡厚昆表示：Atlas 900 的強大算力，可廣泛應用於科學研究和商業創新。比如天文探索、石油勘探等領域，都需要進行龐大的數據計算和處理，原來可能花費好幾個月的工作，現在交給 Atlas 900，就是幾秒鍾的事情。Atlas 900 集成的數千顆升騰處理器，正是前段時間正式商用的升騰 910。

H. 超級計算機的全球排名

據美國《新科學家》網站報道，隨著科學技術的迅猛發展，計算機的運行速度也越來越快，大型超級計算機不斷問世。國際TOP500組織是發布全球已安裝的超級計算機系統排名的權威機構，他們以超級計算機基準程序Linpack測試值為序進行排名，每年發布兩期全球超級計算機500強排行榜。在11月份剛剛出爐的排行榜上，美國的「美洲豹」榮登榜首寶座，中國的「天河一號」名列第五位。
1. 美洲豹
「美洲豹」超級計算機系統隸屬於美國能源部，坐落於美國橡樹嶺國家實驗室。在本期排行榜上，它以每秒1.8千萬億次的運算速度超越「走鵑」而名列榜首，它的運算速度比「走鵑」快大約70%。「美洲豹」是一台民用計算機，將主要用於模擬氣候變化、能源產生以及其他基礎科學的研究。
2. 走鵑
自2008年6月起到本期排行榜出爐之前，「走鵑」一直穩居TOP500排行榜榜首位置，它也是世界上第一台打破每秒千萬億次運算速度的超級計算機。「走鵑」位於美國新墨西哥州的洛斯阿拉莫斯國家實驗室，它也是一種IBM系統計算機，每秒運算速度可達1042萬億次。它採用了一系列專門針對游戲和商業的技術，包括用於索尼「游戲站3」的九核Cell處理器和AMD雙核皓龍處理器。因此，「走鵑」是全球第一台採用Cell處理器的混合式超級計算機。「走鵑」系統主要用於對美國核武器進行復雜而秘密的評估。
3. 海妖
「海妖」超級計算機由美國田納西大學國家計算科學研究院所研製。「海妖」系統中擁有10萬個AMD雙核皓龍處理器，運算速度為每秒831萬億次，它主要用於一些高端伺服器或工作站中。「海妖」也是世界上由學術機構所擁有的運算速度最快的計算機。
4. 尤金
「尤金」是歐洲運算速度最快的巨型計算機，曾經也名列全球排行榜第二名。它是由德國尤利希超級計算機中心所研製，採用的是IBM藍色基因/P型機設計方案，使用許多小型、低能耗的晶元。該方案中，每一個獨立處理器的最大運行速度為850兆赫，甚至比普通家用電腦的處理速度都還要慢。但是，「尤金」巨型機總共擁有292000個處理器晶元，如此多的晶元使得它的整體運算速度高達每秒825萬億次。科學家們正在對其進行升級。
5. 天河一號
「天河一號」是首次進入全球超級計算機500強排行榜。它是中國首台千萬億次超級計算機系統，其系統峰值性能為每秒1206萬億次雙精度浮點運算，Linpack測試值達到每秒563.1萬億次。「天河一號」是由天津濱海新區和國防科技大學共同建設的國家超級計算機天津中心所研製，它的運算速度是中國此前最快的超級計算機的四倍多。在「天河一號」中，共有6144個Intel處理器和5120個AMD圖像處理單元(相當於普通電腦中的圖像顯示卡)。「天河一號」將廣泛應用於航天、勘探、氣象、金融等眾多領域，為國內外提供超級計算服務。
超級計算機是世界高新技術領域的戰略制高點，是體現科技競爭力和綜合國力的重要標志。各大國均將其視為國家科技創新的重要基礎設施，投入巨資進行研製開發。 Top1 美洲豹美國橡樹嶺國家實驗室
Top2曙光星雲深圳國家超級計算機中心
Top3走鵑洛斯阿拉莫斯國家實驗室
Top4 海妖美國田納西大學國家計算科學研究院
Top5尤金德國尤利希超級計算機中心所
Top6 Pleiades超級計算機先進超級計算設備的艾姆斯研究中心
Top7 天河天津國家超級計算機中心 天津的天河-1A已經安裝完畢，速度全球第一，比第二名的美國國家實驗室的計算機快30%，速度達到每秒2.5千萬億次運算。
全球高性能計算機TOP500排行榜官方網站5月31日發布了最新的「500強」名單，中國首台實測性能超過千萬億次的高性能計算機「星雲」躋身世界超級計算機第二位。
超級計算機名稱開發公司/院校所在機構運算速度（最大） 運轉速度（峰值）
走鵑（Roadrunner） IBM美國洛斯阿拉莫斯國家實驗室1105 Tflops 1456.7Tflops
美洲虎（Jaguar）Cray美國橡樹嶺國家實驗室1.059 Tflops 1381.4Tflops
尤金（JuGene）IBM德國尤里希研究中心825.5 Tflops 1002.7Tflops
昴星（Pleiades）SGI美宇航局埃姆斯研究中心487.01Tflops 608.83Tflops
藍色基因L（BlueGene/L）IBM美國勞倫斯利弗莫爾國家實驗室478.2 Tflops 596.38Tflops
北海巨妖 XT5（Kraken XT5）Cray美國國際計算科學研究院463.30Tflops 607.20Tflops
藍色基因 P（BlueGene/P）IBM美國阿貢國家實驗室458.61 Tflops 557.06Tflops
巡遊者（Ranger） Sun美國德克薩斯高級計算中心433Tflops 579Tflops
藍色基因 Blue GENES DOE/NNSA/LLNL 415Tflops 501Tflops
尤羅帕（JUROPA） Sun 德國尤里希研究中心 274Tlops 308Tflops 第一名：天河二號。2013年11月發布的超算名單上，中國國防科技大學研製的天河二號超級計算機，以每秒33.86千萬億次的浮點運算速度奪得頭籌，繼續成為全球最快的超級計算機，比第二名Titan快近一倍。繼2010年11月天河-1A計算機問鼎以來，天河二號是多次奪得全球超級計算機第一名。天河二號有16000個節點，每個節點部署了兩個英特爾Xeon IvyBridge及三個Xeon Phi處理器，計算核心總數達3120000個。天河二號年底將部署在中國廣州國家超級計算機中心當中。
第二名：泰坦（Titan）。位於美國能源部（DOE）橡樹嶺國家實驗室中的Titan從冠軍寶座退至第二。Titan搭載Cray公司的XK7系統，使用560640個AMD皓龍處理器核心和261632個英偉達K20x加速器，Titan的運行速度為17.59千萬億次/秒。Titan是最節電的超級計算機，耗電8.21兆瓦，性能為2143 Mflops/W。
第三名：紅杉（Sequoia）。搭載IBM的BlueGene/ Q系統的Sequoia安裝在美國能源部勞倫斯·利弗莫爾國家實驗室，排名第三，下降了一個名次。Sequoia最早於2011年交付使用，取得了每秒17.17千萬億次運行速度，該超級計算機使用了1572864顆核心。Sequoia的節能也很不錯，耗電為7.84兆瓦，性能為2031.6 MFLOPS/W。
第四名：K超級計算機。富士通K計算機安裝為日本神戶化學研究所高級計算科學研究院（AICS），排名第四，基準測試速度為10.51 Pflop / 每秒，使用了705024顆SPARC64處理核心，運算速度為10.51千萬億次/秒。
第五名：米拉（Mira）。美國能源部阿爾貢國家實驗室的Mira採用了第二代BlueGene/Q架構。每秒8.59千萬億次的運行速度，塞入的核心數量比排名第七的Juqueen要多得多：准確地說是786432個，因而性能幾乎翻番。
第六名：Piz Daint。瑞士國家超級計算中心（CSCS）的Piz Daint運算速度達到6.27千萬億次/秒，性能位居第六名。
第七名：Stampede。德克薩斯大學德克薩斯高級計算中心的升級版Stampede運算速度達到5.17千萬億次/秒，性能位居第七名。
第八名：Juqueen。超級計算機Juqueen位於德國於利希，同時也是於利希研究所與IBM共同研製的歐洲最快的超級計算機 。Juqueen搭載了IBM的BlueGene/Q系統，總共擁有393216個計算內核，功耗為1970KW。它在Linpack測試時處理能力可達每秒5.01千萬億次浮點運算。
第九名：Vulcan。美國的「Vulcan」在Linpack基準測試運算速度達到4.29千萬億次/秒（petaflop/s），位居第八。
第十名：SuperMUC。作為Top500榜單上的一個常客，IBM系統實驗室當中的SuperMUC位於德國慕尼黑附近的萊布尼茲超級計算中心。它搭載147456個英特爾Sandy Bridge處理器，處理能力達到了每秒2.90千萬億次浮點運算。 2008年11月，IBM的Roadrunner成為當時最快的超級計算機，運算能力為1.105PFlops。
2008年11月16日，美國Cray超級計算機公司推出Jaguar系列，運算能力為1.059PFlops，採用45376顆四核心的Opteron處理器，362TB的存儲器，傳輸總帶寬284GB/Sec，硬碟容量10,750TB，內部的數據匯流排帶寬532TB/Sec。這台電腦將放置在美國的國家高速電腦中心，並開放給各界有需要的團體申請使用。
2009年10月，中國研製的第一台千萬億次超級計算機在湖南長沙亮相，這台名為天河一號的計算機位居同日公布的中國超級計算機前100強之首，也使中國成為繼美國之後世界上第二個能夠研製千萬億次超級計算機的國家。全系統峰值性能為每秒1.206PFlops。
2007年11月，IBM的Blue Gene/L，運算能力為478.2 TFlops，安裝了32768個處理器。它是PowerPC架構的修改版本，正式運作版本被推出到很多地點，包括羅蘭士利物摩亞國家實驗室（Lawrence Livermore National Laboratory）。在Blue Gene/L之前，最快的超級計算機是日本電氣株式會社在橫濱地球科學學院的地球模擬器。它由640個特別設計的8階矢量處理器根據NEC SX-6架構所組成的叢集，使用UNIX的修改版本。在地球模擬器之前，最快的超級計算機是美國加州羅蘭士利物摩亞國家實驗室的ASCI White，它的冠軍位置維持了2.5年。
截止到2012年6月，目前世界上運算速度最快的超級計算機是，由IBM為美國勞倫斯·利弗莫爾國家實驗室研發的Sequoia，它每秒能完成1.6億億次運算。 年份 超級計算機 FLOPS（實測性能） 地點 1942年 Atanasoff–Berry Computer (ABC) 30 OPS 美國衣阿華州立大學 1943年 TRE Heath Robinson 200 OPS 英國帕雷屈里庄園 1944年 FlowersColossus 5 kOPS 英國Dollis Hill Post Office Research Station 1946年 UPennENIAC 100 kOPS 美國馬里蘭州戰爭部阿伯丁試基地 1954年 IBMNORC 67 kOPS 美國維珍妮亞州海軍試驗基地 1956年 MITTX-0 83 kOPS 美國麻省理工大學 1958年 IBMAN/FSQ-7 400 kOPS 美國空軍23號基地 1960年 UNIVACLARC 250 kFLOPS 美國加州羅蘭士利物摩亞國家實驗室 1961年 IBM 7030 Stretch 1.2 MFLOPS 美國新墨西哥州洛斯阿拉莫斯國家實驗室 1964年 CDC 6600 3 MFLOPS 美國加州羅蘭士利物摩亞國家實驗室 1969年 CDC 7600 36 MFLOPS 1974年 CDC STAR-100 100 MFLOPS 1975年 BurroughsILLIAC IV 150 MFLOPS 美國加州NASA恩斯研究中心 1976年 Cray-1 250 MFLOPS 美國新墨西哥州洛斯阿拉莫斯國家實驗室 1981年 CDC Cyber 205 400 MFLOPS （世界很多地方） 1983年 Cray X-MP/4 941 MFLOPS 美國新墨西哥州洛斯阿拉莫斯國家實驗室，波音公司 1984年 M-13 2.4 GFLOPS 蘇聯莫斯科計算機科學研究學院 1985年 Cray-2/8 3.9 GFLOPS 美國加州羅蘭士利物摩亞國家實驗室 1989年 ETA10-G/8 10.3 GFLOPS 美國佛羅里達大學 1990年 NECSX-3/44R 23.2 GFLOPS 日本府中市NEC府中廠 1993年 Thinking MachinesCM-5/1024 65.5 GFLOPS 美國新墨西哥州洛斯阿拉莫斯國家實驗室；美國國家安全局 FujitsuNumerical Wind Tunnel 124.50 GFLOPS 日本國家宇航實驗室 IntelParagonXP/S 140 143.40 GFLOPS 美國山迪亞國家實驗室 1994年 FujitsuNumerical Wind Tunnel 170.40 GFLOPS 日本國家宇航實驗室 1996年 HitachiSR2201/1024 220.4 GFLOPS 日本東京大學 Hitachi/TsukubaCP-PACS/2048 368.2 GFLOPS 日本築波市築波大學電算物理中心 1997年 IntelASCI Red/9152 1.338 TFLOPS 美國山迪亞國家實驗室 1999年 IntelASCI Red/9632 2.3796 TFLOPS 2000年 IBMASCI White 7.226 TFLOPS 美國加州羅蘭士利物摩亞國家實驗室 2002年 NEC地球模擬器 35.86 TFLOPS 日本地球模擬器中心 2004年 IBMBlue Gene/L 70.72 TFLOPS 美國能源部/IBM 2005年 IBMBlue Gene/L 136.8 TFLOPS 美國能源部/NNSA/LLNL 2007年 IBMBlue Gene/L 478.2 TFLOPS 美國能源部/NNSA/LLNL 2008年 IBMRoadrunner 1.026 PFLOPS 美國新墨西哥州洛斯阿拉莫斯國家實驗室 2009年 CrayXT5 2.331 PFLOPS 美國橡樹嶺國家實驗室 2010年 天河一號(TH-1) 2.507 PFLOPS 中國天津國家超級計算中心 2011年 京(K Computer) 8.160PFLOPS 富士通/日本理化研究所 2012年 泰坦 17.59 PFLOPS 克雷公司 2013年天河二號（TH-2）33.86 PFLOPS中國國防科學技術大學研製

I. 華為最新發布的Atlas 900號稱全球最快的AI訓練集群，到底有什麼過人的地方

據悉，Atlas 900由數千顆升騰處理器組成，可以讓AI訓練工作效率提升數十萬倍。假設一次訓練需5個月，而使用Atlas 900僅需要數十秒！在衡量AI計算能力的金標准ResNet-50模型訓練中，Atlas 900隻用了59.8秒就完成了訓練，比原世界紀錄快了10秒。打個比方，相當於短跑冠軍跑完終點，喝完一瓶水才等到第二名。

除此之外，Atlas 90在自動駕駛、氣象預測、石油勘探等特定領域也能大展拳腳。其實，AI智能技術早已結合各行各業，發展得如火如荼，混搭跨界出了新火花。

今年七月，全球首個完全由人工智慧（AI）研製的葯物就已經進入人體試驗階段，原先研製一種疫苗，需要醫葯公司數千人連續工作5年，耗費數億美元，而有了AI技術的幫助，一個小型科研團隊只用兩年左右就開發完成。AI既簡化了疫苗的研製流程、大幅降低了成本，又提高了疫苗的有效性。