在Datacenter Dynamics Converged （以下簡(jiǎn)稱“DCD”）發(fā)布的《hyperscale、HPC and colocation predictions for 2021》一文中指出，超算在生物信息學(xué)和制藥業(yè)的使用量激增。事實(shí)上，今年超算和密集計(jì)算對(duì)該行業(yè)的加速發(fā)展或影響是最大的。

研發(fā)一款新藥，通常需要耗費(fèi)漫長(zhǎng)的時(shí)間和巨額的花銷。這也是為什么在《我不是藥神》這部影片中，我們看到特效藥讓普通病友望而卻步，讓人長(zhǎng)嘆看個(gè)病怎么就這么難！無(wú)一不觸及著與你我息息相關(guān)而又難以逃避的命題：藥與病。

然而，科技的進(jìn)步不斷刷新著人們?cè)诠逃袉?wèn)題里的局限。如DCD所報(bào)道的那樣，HPC和人工智能正在加速醫(yī)療領(lǐng)域的發(fā)展，逐步改善這一局面�；蛟S，特效藥在不久的將來(lái)能打破“專享”，照顧到每一位病友。

AI＋ HPC縮短藥物研發(fā)周期，節(jié)省時(shí)間成本

HPC能大幅度縮減新藥品研發(fā)的時(shí)間。例如科學(xué)家們用冷凍電鏡技術(shù)，獲取核酸和蛋白等生物大分子的結(jié)構(gòu)并深入研究，探尋生命活動(dòng)的規(guī)律，從而理解生命，幫助發(fā)現(xiàn)和設(shè)計(jì)新藥。除輔助藥物設(shè)計(jì)外，HPC在組合化學(xué)、高通量篩選領(lǐng)域?yàn)樾滤幯芯刻峁��?qiáng)大技術(shù)支撐，節(jié)省了巨大的時(shí)間和精力消耗。

如果說(shuō)HPC為醫(yī)學(xué)帶來(lái)了飛躍式發(fā)展，那么人工智能技術(shù)在醫(yī)學(xué)領(lǐng)域從生產(chǎn)力上對(duì)傳統(tǒng)醫(yī)療行業(yè)帶來(lái)了改變。人工智能在醫(yī)學(xué)領(lǐng)域的應(yīng)用有手術(shù)機(jī)器人、醫(yī)學(xué)影像診斷到遠(yuǎn)程醫(yī)療等，主要用于醫(yī)療診斷、輔助治療與健康管理、藥物研發(fā)，其中醫(yī)學(xué)影像是當(dāng)前人工智能與醫(yī)學(xué)結(jié)合度最好的領(lǐng)域之一。

計(jì)算節(jié)點(diǎn)是影響HPC性能指標(biāo)的核心，異構(gòu)并行計(jì)算作為重要技術(shù)之一承擔(dān)起了技術(shù)變革的重任。一方面CPU、GPU、FPGA等硬件計(jì)算單元通過(guò)更多時(shí)鐘頻率和內(nèi)核數(shù)量提高計(jì)算能力；另一方面通過(guò)技術(shù)優(yōu)化提高執(zhí)行效率，使平臺(tái)資源充分得到利用。

而人工智能的不斷發(fā)展，越來(lái)越多的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)計(jì)算框架涌現(xiàn)出來(lái)，大量的數(shù)據(jù)和模型使得人工智能對(duì)分布式訓(xùn)練的需求越來(lái)越強(qiáng)烈，數(shù)據(jù)并行、模型并行都對(duì)計(jì)算系統(tǒng)平臺(tái)提出了很高的要求。

如何構(gòu)建高效的統(tǒng)一計(jì)算、存儲(chǔ)系統(tǒng)平臺(tái)，有效的在共享硬件資源的基礎(chǔ)上，動(dòng)態(tài)的構(gòu)架合適的計(jì)算框架，靈活的融合大數(shù)據(jù)、并行計(jì)算和人工智能計(jì)算框架，成為了大數(shù)據(jù)智能時(shí)代首先要解決的問(wèn)題。

極道為未來(lái)醫(yī)療提供計(jì)算力支撐

在醫(yī)療領(lǐng)域越來(lái)越廣泛使用的HPC和人工智能技術(shù)，都離不開(kāi)強(qiáng)大的計(jì)算力支持。極道作為先進(jìn)的智能數(shù)據(jù)系統(tǒng)供商，已經(jīng)在該領(lǐng)域前行甚遠(yuǎn)。

極道Achelous是新型的分布式統(tǒng)一計(jì)算系統(tǒng)，通過(guò)全新的計(jì)算資源管理技術(shù)，基于CUP以及GPU、FPGA等異構(gòu)計(jì)算資源構(gòu)建一個(gè)無(wú)限擴(kuò)展、高性能的計(jì)算架構(gòu)體系，智能數(shù)據(jù)流引擎幫助用戶整合人工智能、大數(shù)據(jù)計(jì)算、高性能計(jì)算和高通量計(jì)算等多粒度的計(jì)算任務(wù)，實(shí)現(xiàn)了融合多種計(jì)算于同一套物理集群，提高計(jì)算的并行程度和提高資源利用率，從而進(jìn)一步降低用戶的TCO。

破除異構(gòu)難題，提升效率的“超能力”

當(dāng)企業(yè)根據(jù)自身不同需求各自構(gòu)建所需的系統(tǒng)和計(jì)算集群時(shí)，割裂的計(jì)算集群建設(shè)帶來(lái)的是重復(fù)的建設(shè)，資源利用不飽和，造成極大的資源浪費(fèi)。

不同階段的大數(shù)據(jù)分析和模型訓(xùn)練需要統(tǒng)一的計(jì)算平臺(tái)，Achelous能夠共享和管理所有的計(jì)算資源，動(dòng)態(tài)按需構(gòu)建計(jì)算框架，包括大數(shù)據(jù)相關(guān)的Spark／Hadoop、批量計(jì)算、MPI高性能計(jì)算和人工智能框架Tensorflow，Caffe＊。

用戶只需提交指令信息，系統(tǒng)即可自動(dòng)將整個(gè)計(jì)算作業(yè)運(yùn)行起來(lái)，交互不受限制。同時(shí)在任務(wù)運(yùn)行周期內(nèi)，還能夠?qū)θ蝿?wù)進(jìn)行實(shí)時(shí)狀態(tài)監(jiān)控、日志分析和性能統(tǒng)計(jì)，簡(jiǎn)化運(yùn)維流程。

突破集群規(guī)模瓶頸，提供計(jì)算的“超能力”

海量數(shù)據(jù)的爆發(fā)，對(duì)計(jì)算力的要求也隨之增加，越來(lái)越多的計(jì)算節(jié)點(diǎn)意味著資源管理器和調(diào)度器的壓力越來(lái)越大，規(guī)模瓶頸的表現(xiàn)是調(diào)度效率的降低。

Achelous將多種異構(gòu)計(jì)算資源統(tǒng)一管理，支持集群規(guī)模擴(kuò)展。采用多級(jí)調(diào)度的手段和分布式調(diào)度器，在形成統(tǒng)一調(diào)度空間的前提下，多個(gè)調(diào)度隊(duì)列和多個(gè)調(diào)度器實(shí)例之間相互協(xié)作，負(fù)載均衡，多級(jí)調(diào)度，突破計(jì)算集群規(guī)模的瓶頸。

全程策略實(shí)時(shí)調(diào)整的“超能力”

高性能計(jì)算作業(yè)中很可能需要多種算法模型同時(shí)運(yùn)行，而算法對(duì)存儲(chǔ)也有著不同的需求。

極道運(yùn)用“應(yīng)用感知”將計(jì)算和存儲(chǔ)協(xié)同設(shè)計(jì)，不但實(shí)現(xiàn)了多業(yè)務(wù)場(chǎng)景下數(shù)據(jù)IO的多模式與計(jì)算模塊的配合，并且計(jì)算模塊內(nèi)嵌的高級(jí)存儲(chǔ)性能統(tǒng)計(jì)功能可以指導(dǎo)存儲(chǔ)調(diào)度策略，保證了數(shù)據(jù)處理過(guò)程中的計(jì)算和存儲(chǔ)的高效協(xié)同。

隨著醫(yī)療技術(shù)的持續(xù)進(jìn)步，未來(lái)類似納米修復(fù)、基因修補(bǔ)等新型醫(yī)療技術(shù)的開(kāi)發(fā)與應(yīng)用，或許將讓人類真正觸摸到“上帝禁區(qū)”，而HPC與人工智能將會(huì)發(fā)揮越來(lái)越重要的作用。本著研發(fā)用戶真正需求的產(chǎn)品，極道多年來(lái)始終深耕應(yīng)用研發(fā)，從行業(yè)中洞察用戶的真正需求，并數(shù)年如一日打磨產(chǎn)品。在未來(lái)，極道還將繼續(xù)精準(zhǔn)深耕精準(zhǔn)醫(yī)療和生物醫(yī)藥等行業(yè)，為可能面對(duì)的挑戰(zhàn)做好準(zhǔn)備。