高效能運算 （HPC） 自 1964 年創立以來，隨著全球第一台超級電腦 CDC 6600 的推出，發展迅速。從那時起，全球產生的資料量急遽成長，因此 HPC 需要更快速、更有效率地處理資料。
這項更有效率地處理資料的要求，迫使高效能運算創新者和設計師跳脫框架思考資料的處理方式，以及資料處理地點和處理過程。
目前尚無標準，或需要遵循明確的最佳實務。但創新和突破正快速而厚實，尤其是 AI 等方面 AI 。
「世界」幾乎在幾何上不斷大幅擴張。我們擁有的資料量和運算量，這不僅是原始運算，還包括演算法和遷移學習的進步。Pure Storage 首席技術創新者 Justin Emerson
隨著雲端運算的穩固建立，洪水閘開啟了超級運算創新與實驗的全新世界。以下是 HPC 的五大趨勢，也就是現代企業充分運用其新資料財富的潛力與意義。
1. 人工智慧將用來改善 HPC。
如果不提及人工智慧 （AI），就很難談論目前的 HPC 趨勢。過去五年左右，隨著物聯網 （IoT）、5G 和其他資料驅動技術的出現，有意義、改變生活的 AI 可用資料量實際上已成長到足以讓 AI 對 HPC 產生影響的程度，反之亦然。
需要高效能電腦來驅動 AI 工作負載，但事實證明，AI 本身現在可以用來改善 HPC 資料中心。舉例來說，AI 可以監控整體系統健康狀態，包括儲存、伺服器和網路設備的健康狀態，確保配置正確，並預測設備故障。公司也可以使用 AI 來降低耗電量，並最佳化暖氣和冷卻系統，進而提高效率。
AI 對 HPC 系統的安全性也很重要，因為 AI 可用於篩檢惡意軟體的傳入和傳出資料。它還能透過行為分析和異常偵測來保護資料。
自然語言處理 （NLP） 是另一個與 HPC 相關的AI領域。AI 的重點在於從資料中獲得深度資訊與價值，而 NLP 則協助建立更易於存取且具包容性的技術。
2. 邊緣運算將增加價值和速度。
公司可以將 HPC 資料中心部署在就地部署、雲端、邊緣部署（但邊緣可能已定義），或結合其中的組合。然而，越來越多的組織正在選擇分散式（即邊緣）部署，以加快回應時間並節省頻寬。
對現代應用程式而言，集中化的資料中心速度非常慢，因此需要盡可能靠近應用程式或裝置進行資料計算和儲存，才能符合越來越嚴格、5G-enabled延遲 SLA。
速度當然是高效能運算的關鍵要素，因為高效能運算運算資料的速度越快，運算資料就越多，問題也越複雜。隨著邊緣運算越來越受歡迎，高效能電腦將變得更加強大和有價值。
3. HPC 將成為更易於存取的服務。
雲端的興起帶來了即服務革命，而 HPC 現在也加入了這項運動。許多供應商已經從銷售 HPC 設備轉變為提供 HPC 即服務 （HPCaaS）。這讓沒有內部知識、資源或基礎架構的公司得以建立自己的 HPC 平台，透過雲端利用 HPC。
現在，許多主要的雲端供應商，如 Amazon Web Services (AWS)、Google 和 Alibaba，都提供 HPCaaS。HPCaaS 的優勢包括部署簡易、可擴充性，以及成本可預測性。
4. GPU 運算即將來臨。
繪圖處理器 （GPU） 原本專為遊戲設計，已發展成為最重要的運算技術類型之一。GPU 是一個專門的處理單元，能夠同時處理許多資料，使 GPU 對機器學習、影片編輯和遊戲應用程式非常有用。
使用 GPU 進行 HPC 的應用程式包括天氣預報、資料探勘，以及其他需要此速度和資料計算量的多樣化流程。NVIDIA 是 GPU 的最大製造商。
了解 Pure 如何運用 NVIDIA 重新定義並簡化 AI 工作流程 >>
注意：GPU 有時會與中央處理器 （CPU） 和張力處理器 （TCU） 混淆。CPU 是一種通用處理器，可管理電腦的所有邏輯、計算和 I/O。TCU 是 Google 自訂的應用程式專用處理器，用於加速機器學習工作負載。另一方面，GPU 是額外的處理器，可改善圖形介面並執行高階任務。
5. 現代化資料儲存將是關鍵投資。
HPC 系統的三大關鍵要素是運算、網路與儲存。因為儲存裝置是最重要的元素之一，所以如果您正在使用或計畫使用 HPC，擁有強大、現代化的資料儲存解決方案至關重要。
為了能夠容納 HPC 中涉及的大量資料，HPC 系統的資料儲存系統應該能夠：
- 隨時提供來自任何節點的資料
- 處理任何規模的資料請求
- 支援效能導向協定
- 快速擴展，以跟上日益嚴苛的延遲 SLA
您會想要選擇一套資料儲存解決方案，讓您的 HPC 系統真正符合未來需求。
FlashBlade 如何提供支援 HPC 專案所需的橫向擴充儲存設備
Pure Storage® FlashBlade® 是業界最先進的解決方案，可為現代化資料和應用程式提供整合式高速檔案暨高速物件式 （UFFO） 平台，協助消除儲存瓶頸。最棒的是，安裝、配置與管理都很簡單。立即試用，了解您如何運用 FlashBlade 驅動高效能運算專案。