2026 ISC 主题演讲：迎接多元化计算架构时代

随着 AI 热潮引发了对算力无止境的需求，HPC （高性能计算）领域即将迎来 CPU、AI 加速器和量子计算等多元化架构并存的时代。慕尼黑工业大学教授 Martin Schulz 在德国汉堡举行的 2026 年国际超级计算大会（ISC 2026）开幕主题演讲中如是说。

"我们面临的需求增长速度，已经远远超过我们传统扩展机制所能跟上的速度，"Schulz 在 2026 ISC 程序委员会主席 Rosa Badia 简短介绍后的主题演讲中表示。"AI 真正改变了重心所在。"

传统的建模与仿真——即 HPC 系统上的主流工作负载——占据了超级计算机上的大量运算份额，此外还有高性能数据分析（HPDA），Schulz 说。但真正推动算力需求的，是 AI 和自主智能体（agentic）工作负载，它们正在催生融合计算架构的发展，以应对这一新需求。

"它们正在走向融合，有时是被迫的，有时并非如此，但无论如何都在共同协作。"他说。

异构性并非新事物

当今 HPC 数据中心中的异构性并不新鲜。得益于 GPU 加速传统建模/仿真和新兴 AI工作负载，大多数系统中已经存在异构性，未来这种多样性只会进一步加剧。

"底层范式并没有根本性改变。我们仍然基于冯·诺依曼架构的顺序执行流。"这位教授说，"我们在 HPC 中仍然面临这些极限。回顾五到十年前，我们说过永远无法达到 exascale（百亿亿次级）。而现在我们已经到了这里，甚至远超于此，系统依然在运行。所以我们知道如何将极限推向极限，但在某个时刻，扩展速度也会越来越慢，甚至可能停止。"

从单一加速器到加速器组合

这种扩展放缓将推动架构师尝试新系统和新处理器。虽然我们仍会依赖通用计算和 GPU 加速系统，但工作负载的需求要求我们找到其他方案来持续推动规模扩展。

"GPU 是万能的救星吗？还是需要其他方案？"Schulz 问道。"我认为我们会看到越来越多的替代方案——不是取代 GPU，而是对现有环境进行增强。我们将看到越来越多的技术来丰富我们的工具组合。我们正在从单一加速器走向加速器组合，走向计算组合。"

我们将拥有大量加速器，Schulz 说。一些公司将依赖 ASIC，另一些则关注 FPGA，还有一些会依赖 GPU。"无论如何，都需要靠近 CPU 的大规模并行计算能力，来处理 CPU 输出的数据。"他说。

光子学、类脑处理器与 DNA 存储都将参与未来

挑战在于如何让这些加速器组合在硬件和软件层面协同工作。需要向终端用户屏蔽这种复杂性，因为让他们直面技术多样性的全部冲击"将太过痛苦"，Schulz说。

"如果你拥有庞大的计算资源，就需要为正确的工作流、在正确的位置、选择正确的计算核心来匹配正确的内核。而这本身就是一个巨大的优化问题。"Schulz 说。"这就是为什么我们需要合适的软件来让这个异构环境运转起来。"

另一个 HPC 加速器是量子计算。Schulz描述了他与 Munich Quantum Valley 合作的一些工作——该联盟由该地区的大学、研究机构和量子计算初创企业组成，致力于开发量子系统。

Schulz 表示，Munich Quantum Valley 的目标是开发不同的量子模态（quantum modalities），并将其与现有 HPC 系统桥接。"我们坚信量子计算不会取代 HPC，因为还有太多其他事情要做，"他说。"但它们确实是加速器。作为加速器组合的一部分，它们已经是 HPC 的一部分了，是我们高性能计算组合的组成部分。"

加速 HPC 系统工作负载的另一种方式是类脑计算（neuromorphic computing）。Schulz 提到了曼彻斯特大学先进处理器技术（APT）小组名为脉冲神经网络架构（SpiNNaker）的工作，以及德累斯顿工业大学的 SpiNNaker2 项目。

"其核心思想是从大脑的工作方式中获取灵感，将其融入计算元件，以类似大脑中神经元的方式工作，"Schulz 说。"它针对特定问题进行了专门化，但（具备）非常非常高效的潜力。"

另一项可能成为 HPC 加速器的前沿技术是光子系统（photonic systems）。"我们已经从光互连中了解了光子学，"Schulz 说。"但它也可以用于某些线性代数优化和加速路径。"

DNA 存储和 DNA 计算同样具有前景。

没有单一架构胜出

Schulz 教授表示，这些技术中的任何单一方案都无法解决我们面临的扩展问题。但如果将它们组合起来，我们有望开发出满足需求的系统。

"所以我们面对的是一个真正异构的世界。没有单一架构会胜出，但我们拥有大量不同的架构可供选择，"他说。"每个系统都有各自的编程模型、各自的编程哲学和设计要点。这绝非易事……所以我们需要思考：如何桥接某些技术？如何抽象某些技术？如何让这一切真正融合为一体？这仍是最大的问题之一。"

提供抽象层和通用接口，使所有这些不同的加速器能够协同工作，而不让用户承受令人窒息的复杂性——这正是 Schulz 正在着力解决的问题。

他表示，这个问题涉及多个层面需要攻克：从访问机制本身，到如何分配任务，再到如何分配资源，使这些不同的系统能够以实时方式协同运作（因为批量调度将不再适用）——这需要 HPC 社区投入更多努力。

"构建这些技术栈有不同的方式。但同样地，我们拥有经典 HPC 技术栈中已知的那些层次，我们需要将它们对齐映射，"他说。"最终我们面临的挑战是：针对不同计算位置的各种技术栈看起来相似，但并不完全相同。我们必须以正确的方式将它们对齐，同时必须支持技术的多样性、软件栈的多样性、环境的多样性——我们如何真正让它们协同运行，真正作为一个系统来工作？"

集成标准将至关重要，以确保一切协同运转。资源发现同样如此。工作流需要被记录以确保正确的来源追踪，而数据一旦开始流转，就必须尊重局部性。长期可维护性也不容忽视，否则整个体系将会崩塌。

"异构性不可避免，"Schulz总结道。"我们已经身处其中，未来只会更多，它将成为推动性能提升的核心机制。"