华威大学提供最新结果

    ● 华威大学提供了几个最新研究结果：

    1. 以NAS-LU并行基准代码为例，在相同的E级解决方案推出时间内，蓝色基因/P系统需要8192个核，是基于GPU系统核心（256个Tesla C2050）数量的32倍。但蓝色基因解决方案需要大约33KW，而更小的GPU系统需要最大60KW。

    2. GPU解决方案的理论峰值几乎是蓝色基因的五倍。如果注重TOP500榜单的排名的话，那么就使用GPU，但如果注重更高的持续性能的话就要慎重考虑了。GPU解决方案在实现峰值性能方面优于蓝色基因，但在NAS基准测试中，二者的解决方案所需的时间相同。

    3. 峰值与实际性能的争论激烈。中国曙光公司的星云系统的性能结果就是个例子。该系统的理论峰值性能接近3Pflops，但Linpack性能只有1.271Pflops。而LLNL的蓝色基因/P系统的理论峰值性能为0.5Pflops，Linpack性能为0.415Pflops。这就引发一个问题：到底希望应用如何发展？一个机构到底是投资在峰值上还是实际性能上？

Tesla C2050加速器

    4. GPU单节点性能是首屈一指的。同样以NAS-LU并行基准代码为例，与最先进的Intel和AMD的只采用CPU的解决方案的运行速度相比，其在GPU上的运行速度大约提高了6倍。

    但研究专家指出，这些数据通常没有考虑互连开销。他们在研究结果中发现，蓝色基因的扩展性很好，蓝色基因/P系统可配备约16000个核心，以相同的解决方案时间，可能只需要五分之一的GPU处理器部件。这说明对于更小型的系统来说，在功耗方面，16000个蓝色基因核心需要大约66KW，而4000个Tesla C2050则需要974KW。

    这两种结构下的性能对未来HPC结构的发展提出了两种可能：一种是希望在更小的机群上采用SIMT（单指令多线程）或基于GPU的解决方案，采用具有高度向量化代码的内核；另一种情况是希望推出蓝色基因/P的高度并行解决方案，其中的“众核”将意味着对独立操作内核的大规模并行。

蓝色基因超级计算机构成

    重新设计这两种平台的应用需要进行很大的投资：蓝色基因面临着存储器的限制，具有较低的时钟频率，但扩展性很好，目前我们的算法在很多情况下无法实现。GPU需要内核的移植，这无疑会带来性能提升，但也需要有效的互连，否则其性能收益将会损失。

    因此，到底是选择GPU还是蓝色基因，这完全取决于系统的规格。GPU在效能方面较有前景，但这只是一方面。利用GPU的可用峰值是相当具有挑战性的。而蓝色基因更接近于传统设计，因此随着算法本身的发展，在这种平台上实现性能意味着编程的挑战会更小。