美股 insigtX

谷歌云用 AI 代理破解超算瓶颈

高性能计算与人工智能的融合速度,超过了许多研究团队的适应能力。算力资源难以获取,工作负载如今横跨云端和本地集群运行。衡量标准正从峰值性能转向“获得发现所需的时间…

发布时间
市场
美股
信息来源
insigtX

高性能计算与人工智能的融合速度,超过了许多研究团队的适应能力。算力资源难以获取,工作负载如今横跨云端和本地集群运行。衡量标准正从峰值性能转向“获得发现所需的时间”。在芝加哥举行的 SC26 大会上,超算与 AI 的融合充分展现了这一转变。

谷歌云高性能计算产品负责人 Annie Ma-Weaver 表示,研究人员需要的算力超过任何单一站点所能提供,云服务商现在正把 AI 代理作为连接分散资源的中间层来推广。“我们正在提供这种灵活性。我们明白研究人员确实需要获得算力,但他们不一定想学习所有关于如何把这些算力连接起来、如何跨不同集群进行编排的细枝末节,”Ma-Weaver 说。

Ma-Weaver 和谷歌云高性能计算产品经理 Megan Gawlik 在 SC26 大会上接受了 theCUBE Research 的 John Furrier 和 Gemma Allen 的采访,地点在 SiliconANGLE Media 的直播演播室 theCUBE。她们讨论了 AI 代理如何简化对分布式计算资源的访问、改变仿真和天气预报,以及研究人员对 AI 生成结果的依赖所引发的问题。

代理式 HPC 将重点从浮点运算转向科学发现 Ma-Weaver 解释说,谷歌云构建其代理式 HPC 战略基于三大支柱:专用硬件、Slurm 和 Kubernetes 等开源编排工具,以及协作式 AI 代理。该公司在 SC26 大会的公告中阐述了这一方法。

Gawlik 表示,AI 代理现在能帮助科学家检索研究文献、调试代码,并在几分钟内生成假设,而过去需要数周时间。“你能够探索更多场景,可能用同样的时间就可以去验证那个假设是否合理,”Gawlik 说,“我认为这不仅是速度问题,更是准确性问题——你能从这种额外速度中真正获得更高的准确性。”

仿真领域也在发生变化。Ma-Weaver 指出,工程师过去要在整个参数空间内运行仿真,现在可以先用 AI 判断哪些候选方案值得测试。“例如,在计算机辅助工程领域,我们看到的情况是,你可以提前识别出哪些是非必要参数,然后就不运行这些仿真,从而缩短总仿真时间,”她说,“我们还发现,如果你在做设计并且有初始原型,你可以生成新颖、有创意的新原型。”

这些成果已经进入生产环境中的天气预报领域。Ma-Weaver 解释说,美国国家海洋和大气管理局的预报平台拥有繁重且紧密耦合的工作负载,过去只能在本地运行,现在则运行在谷歌云上。Gawlik 指出,美国国家飓风中心还使用了谷歌的 WeatherNext 模型来预测 2025 年 10 月飓风梅利莎的路径和强度。

但她补充说,对 AI 生成结果日益增长的依赖也给年轻研究人员带来了风险——他们可能倾向于依赖机器输出,而不是培养批判性思维能力。“AI 仍然不完美,”Gawlik 说,“我认为即使有输出,我们称之为 AI 垃圾。它可能仍然是垃圾。”

以下是完整视频采访,属于 SiliconANGLE 和 theCUBE 对 SC26 大会报道的一部分:

(*披露:谷歌云赞助了 theCUBE 的这一环节。谷歌云及其他赞助商对 theCUBE 或 SiliconANGLE 上的内容没有编辑控制权。)

原文链接: https://siliconangle.com/2026/11/18/hpc-meets-ai-agents-google-cloud-targets-time-discovery-sc26/

insigtX 内容为资讯/教育性质,非投资建议。