本文是 Nextbigfuture 对2016年计算机科学领域技术进步的回顾和对未来几年发展的展望，关注高速度、低功耗的超级计算机芯片、光计算实现 exaFLOPS 级运算速率、量子计算、分子纳米计算机等。

2016 年计算机科学的重大进步：

DeepMind的 AlphaGo 打败了世界冠军级的人类围棋大师

当前以及未来的超级计算机的主要目标是高级的深度学习和人工智能

中国的“神威·太湖之光”超级计算机成为全球最快的超级计算机，速度比之前最快的快三倍。

美国、日本、欧洲以及中国都开始投资研发 ExaFlops 级的超级计算机。

超级计算机芯片

　　Xavier超级计算机芯片

2016年，英伟达推出号称是世界上第一个超级计算机芯片的 Xavier。Xavier 搭载 70 亿晶体管——比最先进的服务器级 CPU 都要复杂。而且，Xavier 每秒运算速度达到 20 万亿次，与英伟达今年早些时候在 CES 上推出的 DRIVE PX 2 的运算速度相当，而所需功耗只有 20 瓦。

50 个 Xavier 芯片将产生一 petaOP（千兆次深度学习运算，功耗1000瓦）。一个传统的 petaflops （每秒一千兆次的浮点运算）超级计算机耗资 200~400 万美元，功耗为 100~500 千瓦。2008 年，第一台 petaflops 超级计算机耗资约 1 亿美元。

英伟达将在 2017 年第四季度开始向“正在研发自动驾驶汽车的汽车制造商、一级供应商、初创企业以及研究机构”推出 Xavier 样品。

还有其他一些新兴的技术，将为加速超级计算机及超级计算机问题规模的应用提供选择。

例如，有比常规处理器快 1000~10000 倍的 FPGA，可以用作快速傅立叶变换和量子计算（对于优化问题来说更快的是量子退火系统）的更快且更便宜的光学处理。

光计算实现 exaFLOPS

　　路线图：明年的目标是 1 petaflops，到 2022 年达到 17 exaflops

然而，计算的显著加速需要更长的时间以让其更容易使用，有可得性而且便宜。最好的选择是用新的计算机内存，最终取代硬盘驱动器和计算机内的光学通信。但是，大多数人并不需要 GPU 协处理器。GPU 用于加速计算已经有很多年。绝大多数用户不会用尽笔记本或设备的计算机内存。

新的非易失性存储器和可能的近似计算能为广泛使用的 laptop、平板、智能手机等设备提供加速。分析师认为现有计算机内存被新的非易失性内存突然取代的可能性不大。

到2017年，光计算将成为快速傅立叶变换的成本更低的 petaflops 选项，再过几年将发展到几十 exaflops。

2015 年，Optalysis 建了一个光计算原型，实现了相当于 320 Gflops 的处理速度，而且能效上低得令人难以置信，因为它使用了低功率，非常有成本效益的组件。

专用与通用目的的量子计算

用于优化问题时，量子计算似乎正在变得比经典计算更快。通用目的的量子计算到 2018 年可能变得更快。但是，那些通用目的的系统也需要特别冷却以及其他特殊条件的数据中心来操作。

生态位系统通过云接入提供，其中软件可以提交密集计算问题。但只有在通信间隔小于计算速度提升时它才有价值。

exaFLOPS 可能将采用新的计算类型

　　超级计算机计算能力路线图

2016年，Ralph Merkle 等人提出一种新的分子机械纳米计算机的设计，理论上能比今天的超级计算机的能效高 1000 亿到 100 万亿倍。

分子纳米超级计算机的功耗与现在的超级计算机相当，功率是 10 兆瓦，可以实现 YottaFlops、BrontoFlops、甚至 GeoFlops 的计算水平。由于取消了对齿轮、离合器、开关、弹簧等的需要，设计更容易构建。

机械计算的现有设计可以在整个计算系统所需的部件数量方面得到极大改进，只需两种类型的部件：链接，以及旋转接头。链接是简单的直梁状结构，旋转接头是允许在同个平面中旋转运动的接头。

总的来说，技术的进步将在15 到 35 年的时间框架中加速。至少深度学习、强化学习方面会有进步。万亿以上量子比特的通用量子计算机和完全光计算超级计算机也可能实现。

编译来源：http://www.nextbigfuture.com/2016/12/in-2016-supercomputers-merged-with-ai.html