10月31日，图灵奖得主、美国工程院院士Jack Dongarra做客成电讲坛，带来“变革中的高性能计算”主题讲座。讲座解读了生成式AI重塑高性能计算格局的趋势，提出能耗与数据搬运已经成为算力发展新瓶颈，提醒大家审慎看待AI生成的科学结果，并勉励同学们把握时代机遇，投身高性能计算前沿探索，近700师生到场。本次讲座由人文社科高等研究院和大学生文化素质教育中心联合举办。
“简单说，高性能计算就是把成千上万台计算机的力量拧成一股绳，去解决一台机器解决不了的大问题。”讲座一开始，Dongarra就用这样一句话，为同学们揭开了高性能计算的神秘面纱。他指出，从清洁能源开发、电网优化，到气候变化研究、癌症研究与新材料设计，当今众多重大科学突破的背后，都有高性能计算在默默支撑。
不过，算力并不是可以无限增长的。Dongarra分析，随着计算芯片越来越强，真正拖慢速度的已经不再是“算得够不够快”，而是“数据搬得够不够快”——数据在处理器与存储之间来回搬运、在计算节点之间交换信息，都要付出高昂的时间和能源代价。这也让算法设计的思路发生改变：过去讲究“少算几次”，如今更讲究“少搬几次”，有时宁可多算一点，只要能少搬数据，整体反而更快。
人工智能的兴起，正让这一变化来得更加猛烈。Dongarra介绍，AI更偏爱“算得快、精度不必太高”的计算方式，硬件厂商因此纷纷向低精度计算倾斜，而科学计算长期依赖的高精度运算，未来却可能得不到足够的支持。对此他给出应对思路：先用低精度快速算出一个近似结果，再用高精度反复校核、逐步修正，直到满足精度要求。这样既显著提升速度、降低能耗，又能保住结果的准确性。他结合自己参与LINPACK软件研发、发起TOP500全球超级计算机排名的经历，从TOP500的HPL基准，到HPCG基准，再到HPL-MxP基准，讲述了业界如何一步步建立起衡量超级计算机真实性能的“标尺”。
他还分享了亚洲一个科研团队的案例，他们尝试把数字拆分重组，交给芯片上速度更快的整数运算单元处理，在某些规模的计算中，速度提升到接近原来的5倍，相关成果已被应用于国际主流数学计算库。这个例子说明，通过改进算法和数值表示方法，软件完全有能力跟上硬件的变化。
讲座最后，Dongarra回顾了高性能计算从“单兵作战”到“集群协同”，再到“多类芯片协同、精度灵活搭配”的发展脉络。他强调，硬件一直在变，算法与软件只有不断适应新的硬件，才能把设备的性能真正发挥出来；百亿亿次级计算是高性能计算发展的重要里程碑，但远不是终点。
互动环节气氛热烈。有同学问起科研中该如何选择低精度计算，Dongarra建议通过实时监测误差和收敛情况来判断结果是否可靠，一旦发现靠不住，就应及时回到高精度计算。对于“硬件与算法哪个更重要”，他认为硬件进步打下了更好的基础，而如何用算法把硬件性能真正用足，同样值得深入研究。他还展望，未来可以借助人工智能分析硬件特点，自动生成适配不同计算平台的程序。谈及科研与个人成长，他勉励同学们追随自己的兴趣，敢于挑战有实际影响力的难题，正确看待研究中的失败，在交流与互助中共同进步。
整场讲座视野开阔、深入浅出。同学们不仅看到了人工智能给计算硬件、算法和软件带来的深刻影响，也更加真切地认识到：未来计算能力的提升，不只依靠更强大的芯片，更离不开算法创新与软硬件的协同优化。
