High-Performance Computing (高效能運算)

定義

• 核心概念：整合 大量運算、儲存、網路資源，在短時間內完成高複雜度工作負載。
• 產業語境：在 半導體、伺服器、資料中心 討論中，HPC 常泛指需要高算力的應用。
  • 如：科學模擬、AI 訓練、AI 推論。

核心組成

• 運算資源：以 CPU、GPU、ASIC、其他加速器為核心，負責平行處理大量任務。
• 儲存系統：提供高吞吐、低延遲的資料讀寫能力，避免運算節點閒置。
• 高速互連：負責節點、儲存設備之間的快速資料交換，決定整體擴充效率。
• 軟體調度：透過平行運算框架、叢集管理、工作排程，讓多台機器協同執行。

主要應用

• 科學研究：用於氣象預測、天文模擬、生物基因分析、藥物研發。
• 工程模擬：用於飛機設計、車輛碰撞測試、流體模擬、材料分析。
• AI 運算：用於大型模型訓練、推論服務、資料中心算力部署。
• 商業分析：用於金融風險模型、供應鏈最佳化、巨量資料分析。

關鍵技術

• 平行運算：把單一問題拆成多個子任務，同步處理以提升效能。
• 分散式運算：將工作分配到多個節點，擴大總算力與可處理資料量。
• 異質運算：依工作特性分配給不同處理器，兼顧速度、能效、成本。
• 雲端化：透過雲端／混合架構提供彈性算力，降低自建超級電腦門檻。

名詞辨識

• 與超級電腦差異：超級電腦是硬體系統，HPC 是整體運算模式與能力需求。
• 與 AI 伺服器差異：AI 伺服器是 HPC 的重要場景之一，但 HPC 不只限於 AI。
• 與雲端運算差異：雲端運算是資源交付方式，HPC 是工作負載特性，兩者可以重疊。

發展方向

• AI 融合：生成式 AI 帶動 HPC 對加速器、記憶體頻寬、先進封裝的需求上升。
• 異質架構：CPU、GPU、ASIC、DPU 分工愈來愈細，系統設計更重視協同效率。
• 能效優先：高功耗限制下，效能／瓦數與散熱能力成為關鍵指標。