超级计算的创新和突破
Aurora 超级计算机介绍
英特尔基于未来就绪的英特尔® 至强® 可扩展处理器、英特尔® 至强计算架构和英特尔® 傲腾™ 数据中心级持久内存等产品技术，正着手研发美国第一台百万兆级的超级计算机。
在 Aurora 百亿亿次级计算系统上实施 3D 建模和仿真
计算机科学教授兼阿贡实验室主任 Rick Stevens，谈及全新的百亿亿级超级计算机 Aurora 将如何提供不同凡响的性能，从而将数据分析、人工智能和仿真集成到高级 3D 建模之中。
实现 HPC、数据分析和 AI 融合
英特尔高性能计算部副总裁兼总经理 Trish Damkroger，畅谈了关于助力 Aurora 实现百万兆级超级计算性能，以及推动 AI 和 HPC 融合的相关话题。
AMAX 基于英特尔® Omni-Path Architecture (OPA) 高性能计算和深度学习产品
了解关于 OPA 的 3 项革新：OPA 在链路层上进行了数据流控制优化、数据包的保护机制链路失效保护这 ，以及 OPA 架构避免的四种 PCI 总线的缺陷。
东方超算基于至强® 可扩展平台打造高性能计算一体机
东方超算采用英特尔® 至强® 可扩展处理器，结合专为高性能计算设计的英特尔® (OPA) 架构，打造了高性能计算一体机，并在数值天气、工业制造、新材料等领域拥有大量的成功实践。
第二代英特尔® 至强® 可扩展处理器
了解这个平台的灵活性，以此轻松应对您的 AI、仿真和建模、数据分析和其他常见 HPC 工作负载。
HPC 和 AI 的融合
在您熟悉的英特尔® HPC 基础设施上打造 AI
人工智能 (AI) 拥有改变我们生活的巨大潜力。它的影响强大而深远，而且不需要运行单独的、高度专业的硬件和软件系统。您熟悉的英特尔® HPC 基础设施可以在支持大数据分析等工作负载的同时处理 AI，从而获得更多的洞察、发现和竞争优势。
英特尔® HPC 产品和技术
产品和性能信息
在英特尔® 至强® 铂金 9282 处理器和英特尔® Deep Learning Boost（英特尔® DL Boost）上推断吞吐量提高 30 倍：由英特尔测试截至 2019 年 2 月 26 日。平台：Dragon rock 2 插槽英特尔® 至强® 铂金 9282 处理器（每个插槽 56 个内核），HT 开启，睿频开启，总内存 768 GB（24 个插槽/32GB/2933 MHz），BIOS：SE5C620.86B.0D.01.0241.112020180249，Centos* 7 内核 3.10.0-957.5.1.el7.x86_64，深度学习框架：英特尔® Optimization for Caffe* 版本：https://github.com/intel/caffe d554cbf1，ICC 2019.2.187，MKL DNN 版本：v0.17（commit hash：830a10059a018cd2634d94195140cf2d8790a75a），型号：https://github.com/intel/caffe/blob/master/models/intel_optimized_models/int8/resnet50_int8_full_conv.prototxt，BS=64，无数据层 syntheticData：3x224x224，56 实例/2 插槽，数据类型：INT8 对比截至 2017 年 7 月 11 日英特尔进行的测试：2 个英特尔® 至强® 铂金 8180 处理器 @ 2.50GHz（28 个内核），HT 已禁用，睿频已禁用，通过 intel_pstate 驱动程序将扩展调节器设置为“性能”，384GB DDR4-2666 ECC RAM。CentOS* Linux 版本 7.3.1611 (Core)，Linux 内核 3.10.0-514.10.2.el7.x86_64。固态盘：英特尔® 固态盘 DC S3700 系列（800GB，2.5 英寸 SATA 6Gb/秒，25 纳米，MLC）。性能评测标准基于：环境变量：KMP_AFFINITY='granularity=fine, compact'，OMP_NUM_THREADS=56，CPU 频率设置为 cpupower frequency-set -d 2.5G -u 3.8G -g performance。Caffe：(http://github.com/intel/caffe/)，修订版 f96b759f71b2281835f690af267158b82b150b5c。推断评测标准基于“caffe time --forward_only”命令，训练评测标准基于“caffe time”指令。对于“ConvNet”拓扑，使用合成数据集。对于其他拓扑，数据在本地存储，并且在训练之前在内存中缓存。拓扑规格来源于 https://github.com/intel/caffe/tree/master/models/intel_optimized_models (ResNet-50)。英特尔® C++ 编译器版本 17.0.2 20170213，英特尔® 数学核心函数库（英特尔® MKL）小型库版本 2018.0.20170425。使用“numactl -l”运行 Caffe。
与 AMD* EPYC* 7601 大规模对比（4 节点、8 节点），使用第二代智能英特尔® 至强® 铂金 9242 处理器时的 Linpack 性能达到 4 倍。
英特尔® 至强® 9242 处理器：搭载 2 个英特尔® 至强® 9242 处理器（2.2GHz，48 核）的英特尔参考平台，16 个 16GB DDR4-2933，1 个固态盘，集群文件系统：2.12.0-1（服务器）2.11.0-14.1（客户端），BIOS：PLYXCRB1.86B.0572.D02.1901180818，微代码：0x4000017，CentOS* 7.6，内核：3.10.0-957.5.1.el7.x86_64，OFED 堆栈：OFED OPA 10.8，使用 RH7.5 和 Lustre v2.10.4，HBA：100Gbps 英特尔® Omni-Path 架构（英特尔® OPA）1 个端口 PCIe* x16，交换机：（英特尔® OPA）边缘交换机 100 系列 48 端口，HPL 2.1，英特尔编译器 2019u1，英特尔® 数学核心函数库（英特尔® MKL）2019，英特尔 MPI 2019u1，HT = 开启，睿频 = 关闭，每核 2 个线程，4 节点 = 20,408.00，8 节点 = 39921 GF/秒，越高越好，由英特尔于 2019 年 3 月 3 日进行测试。
AMD EPYC 7601：Supermicro AS -1023US-TR4，2 个 AMD EPYC 7601（2.2GHz，32C），16x16GB DDR4-2666，1 个固态盘，BIOS 版本：1.1b (08/20/2018)，微代码版本：0x8001227，Oracle* Linux Server 版本 7.5 (3.10.0-862.14.4.el7.crt1.x86_64)，集群文件系统：Panasas（124 TB 存储）固件版本 5.5.0.b-1067797.15 基于 EDR 的 IEEL Lustre，100Gbps Mellanox EDR MT27700，36 端口 Mellanox EDR IB 交换机，OFED MLNX mlnx-4.3-3.0.2.0，HPL 2.2，英特尔编译器 2018u3，AMD BLIS v0.4.0，英特尔 MPI 2018u3，SMT = 开启，睿频 = 开启，每核 2 个线程，4 节点 = 4739.96，8 节点 = 9406.07 GF/秒，越高越好，由英特尔于 2019 年 9 月 23 日进行测试。
性能测试中使用的软件和工作负载可能仅可基于英特尔® 微处理器进行性能优化。性能测试（如 SYSmark* 和 MobileMark*）使用特定计算机系统、组件、软件、操作和功能进行测量。对这些因素的任何更改可能导致不同的结果。您应该查询其他信息和性能测试以帮助您对正在考虑的采购作出全面的评估，包括该产品在与其他产品结合使用时的性能。如欲了解更多信息，请访问 www.intel.cn/benchmarks。
性能结果基于截至配置详细信息中所规定日期的测试，可能无法反映所有公开的安全更新。有关详细信息，请参见配置信息披露。没有任何产品或组件能够做到绝对安全。英特尔® 技术的功能和优势取决于系统配置，可能需要启用硬件、软件或激活服务。随着系统配置的变化，性能也会发生变化。请咨询你的系统制造商或零售商，或者访问 intel.cn 了解更多信息。