随着高性能计算、人工智能技术的不断成熟，新兴技术间的跨界融合成为当下应用创新的必经之路。3月22日下午，由中国信息通信研究院（以下简称“信通院”）主办、中国通信标准化协会支持的“OSCAR云计算开源产业大会·高性能计算与人工智能融合创新论坛”在京举行，会议由中国计算机学会高性能计算专业委员会秘书长张云泉主持，国家超级计算长沙中心、国家超级计算无锡中心、微软、信通院、阿里云、Google等企业组织代表发表就高性能计算、人工智能等话题发表演讲。
国家超级计算长沙中心副主任彭绍亮
“人工智能与医疗的结合，我们走在很多国际巨头的前面”，国家超级计算长沙中心副主任彭绍亮发表题为《大超人：天河超级计算机上的人工智能医生》的演讲。彭绍亮介绍，国家超级计算长沙中心从诊前、诊中、诊后三阶段入手，全面提升医院的诊疗效率和精度。
诊前阶段，利用健康体检机器人、挂号机器人进行初诊并缩短挂号时间，减少人为介入；诊中阶段，利用人工智能辅助医生决策，36种大型疾病、20种亚型疾病以及其他300多种疾病模型供参考，研发出的巡房机器人辅助医生提高诊疗精度和效率。诊后阶段，进行愈后预测、疗效评估、疾病诊断等。结合超算，国家超级计算长沙中心正在助力我国医疗实现从传统医疗到智慧医疗的跨越发展。
国家超级计算无锡中心总工程师刘鑫
“神威·太湖之光”是世界上首台峰值运行速度超过10亿亿次的超级计算机，在OSCAR高性能计算与人工智能融合创新论坛上，国家超级计算无锡中心总工程师刘鑫对“神威.太湖之光” 的人工智能创新应用做了详细介绍。
刘鑫表示，“神威·太湖之光”2015年完成研制，2016年6月公开发布，并在国际上引起了重大反响。“神威·太湖之光”每个机舱有1024颗处理器，全机有4万颗国产神威26010众核处理器，并行规模最大256个节点，运算整体的峰值性能125P。目前为止，自系统发布以来“神威·太湖之光”获得过四次TOP500的第一。目前应用涉及天气气候、生物医药、船舶工程等20个领域。
微软（中国）有限公司全渠道事业部 资深技术平台顾问徐玉涛
人工智能跟产业结合的时候能带来更多的经济增长，微软（中国）有限公司全渠道事业部资深技术平台顾问徐玉涛在《云道，智远 – 走进微软人工智能》演讲中表示，人工智能已经深入生活的方方面面，目前较火的抖音就是典型的人工智能应用，它把摄像机捕捉到的人体动态进行边缘附着，再把音频处理掉，就产生了很好的商业体验和方式。
徐玉涛介绍，微软人工智能目前集中在三件事：一，认知服务，为应用层开发者提供集成视觉智能、语音智能的集成服务；二、深度学习工具集，对特殊数据做深度挖掘和理解；三，聊天机器人，涉及实物机器人及在线智能客服。
中国信息通信研究院云大所云计算部云服务及软件评估业务主管陈屹力
OSCAR云计算开源产业大会期间，首届中国高性能云计算创新大赛结果公布，中国信息通信研究院云大所云计算部云服务及软件评估业务主管陈屹力对大赛结果以及GPU云主机的评估做了解读，并指出了云主机等参赛产品存在的一些问题。
据陈屹力介绍，大赛分为A榜和B榜，A榜是信通院依据行业标准针对国内云服务商做的测试，B榜则广泛征集了全国北大、清华等高校的案例进行测试性能，最终测试对象由国内云服务商提供相关的资源，包括CPU主机和GPU主机。由A榜和B榜团队分别验证云服务性能，最终胜出的六家厂商，都是目前在国内公有云市场上比较有代表性的厂商。
海云捷迅研发工程师武宇亭
针对海云捷迅基于云计算技术快速构建深度学习平台，海云捷迅研发工程师武宇亭进行了简单分享。武宇亭表示，海云捷迅深度学习平台最底层由硬件资源、CPU、GPU等计算资源、数据存储资源组成，在资源之上是深度学习框架平台，对TensorFlow、Caffe深度学习框架提供支持。在深度学习框架之上是算法和模型、训练任务，算法主要的是CNRN这些网络模型，模型图像识别、语音识别等。
武宇亭认为算法模型、训练只是一个过程，这些最后要赋能应用，通过API来调用，所以海云捷迅深度学习平台的最上层是AI应用层，把训练出来的结果发布成一种应用，供用户来使用。
阿里云高性能异构计算AI团队负责人游亮
阿里云高性能异构计算AI团队负责人游亮对阿里云的异构计算解决方案进行了分享，并发表了对人工智能发展的看法。谢亮认为，人工智能浪潮的背后有三大因素作为支撑，第一个要素，数据量越来越大，全球数据目前已达到几十个甚至上百个ZB级别。第二个要素，算法的深度或者是复杂度越来越高。第三个要素，对异构计算的处理能力的要求越来越高。
阿里云的人工智能版图包括ECS集群、SCC神龙服务器、异构计算等提供的计算服务，由TensorFlow、Caffe、Hadoop等提供的高性能引擎服务，由ESPC、EMR、EML提供的平台调度服务，还包括语音识别等API服务以及城市大脑等场景解决方案。
Google软件工程师，TensorFlow中国团队成员刘仁杰
TensorFlow是谷歌基于DistBelief进行研发的第二代开源人工智能学习系统，该系统大大降低了深度学习在各个行业中的应用。会上，Google软件工程师，TensorFlow中国团队成员刘仁杰发表题为《TensorFlow促进人工智能的发展》的演讲。
刘仁杰认为TensorFlow为挑战而生，随着深度学习网络越来越大，图像识别已经有48个Layers，25M parameters这样的复杂模型，如何建立以及如何快速建立这样的模型对TensorFlow来说是个很大的挑战。在开源社区建设上，刘仁杰希望给TensorFlow做一些好的API，构建比较好的模型，谷歌对此已经开展了教育，和其他一些生态进行结合。
各位大咖的分享使得我们对高性能计算与人工智能融合发展的脉络更加清晰，云计算、高性能计算、深度学习等新兴技术互为共生，紧密地联系在一起，它们融合后的应用也正在向下渗入各个场景，成为我们日常生活不可或缺的智能工具。在后续的发展中，高性能与人工智能融合还将产生哪些应用爆款？共同期待吧！