共探超智融合前沿创新，高性能计算与人工智能协同创新国际论坛在深举行

深圳商报·读创客户端首席记者 王海荣 通讯员 岳苹

5月23日，以“智启大湾区，创新向未来”为主题的高性能计算与人工智能协同创新国际论坛（HACI 2026）在深圳举行。大会由中山大学主办，清华大学深圳国际研究生院合办，国家超算广州中心、国家超算深圳中心承办，汇聚400多位来自全球十余个国家和地区的知名院士、专家及产业界代表，共探超智融合前沿技术与创新应用，并围绕复合型科创人才培育路径、国际超算生态建设等话题展开交流。

2026年高性能计算与人工智能协同创新国际论坛（HACI 2026）由中国科学院钱德沛院士担任大会主席，中山大学卢宇彤教授、清华大学付昊桓教授担任程序委员会主席。

大会主席钱德沛院士在致辞中指出，当前高性能计算与人工智能融合发展势头强劲，已在数字孪生、智慧医疗等领域取得丰硕创新成果。他强调，深化学科交叉融合、加强国际交流合作，是推动超智融合产业行稳致远的重要路径。本届HACI论坛汇聚业界精英，搭建起碰撞思想、共享成果、共谋机遇的高端交流平台。与会者可以借此契机凝聚共识、汇聚合力，助力超智融合技术加速迭代，赋能更多领域实现突破性发展。

据介绍，HACI 2026大会为期两天，聚焦超智融合关键技术及其创新应用，邀请了来自中、美、德、日、韩及瑞士、澳大利亚、新加坡等国家的40多位院士专家参会，核心议题包括“新一代HPC+AI系统架构”“先进存储与I/O中间件”“高性能互联”“编程框架与编译器”“后摩尔与量子计算系统软件”“机器学习新型算法”“HPC+AI科学工程计算”“大规模数值与智能应用”等。专家通过一系列主题报告，分享了超智融合领域的前沿研究和创新思路。此外，论坛还设立“高性能架构与系统软件”“超智融合系统及前沿实践”“超智融合创新应用”三大专题分论坛，与参会者共同探讨超算与人工智能融合的发展愿景、关键挑战与创新路径，通过凝聚全球行业共识，积极探索HPC与AI融合的高质量发展新方向。

美国国家科学院、工程院院士、图灵奖得主Jack Dongarra教授，在报告中深入剖析了高性能计算的发展变局。他指出，当前HPC转型主要由AI与超大规模云计算的产业格局驱动，能耗与数据传输已成为制约算力性能、设施建设和可持续发展的关键瓶颈。Dongarra教授重点分析了现有基准测试的局限性，他指出，HPC正从以64位双精度浮点运算、单节点为核心的传统评测模式，向加速器密集型、机柜级、工作流定义的新型体系演进。未来科学计算能力，更注重端到端应用工作流在时间、能耗与计算保真度之间的综合权衡。Dongarra教授呼吁行业跳出单纯追逐峰值运算速度的传统思维，转向聚焦实际应用效能与问题求解价值。

国家超算广州/深圳中心主任卢宇彤教授在报告中指出，HPC与AI的深度融合正加速推动超算系统架构全面革新。作为“灵晟”系统总设计师，卢宇彤教授对该系统进行了深度解读。“灵晟”系统设计坚持应用驱动、软硬协同，创新设计实现了国产高性能CPU、片上高带宽内存、高速互连网络、高吞吐存储、三维浮动正交、全液冷散热等核心技术，取得架构、性能、能耗、编程、扩展性和可靠性六大突破，软硬件全栈自主可控。实现了国际上首台双精度浮点计算持续性能达到2EFlops的超级计算机，同时能效比50GF/W也达到国际领先水平。其自研片上多精度混合计算加速框架和面向领域的超智融合软件平台可统一支撑科学计算、工程计算、智能计算“三算合一”，支持了大气海洋、流体仿真、新材料设计、生物医药、全脑模拟、地震遥感等一批大规模领域应用达到国际领先水平。

日本筑波大学计算科学中心主任、日本HPC-AI先进技术研究与发展支撑中心主任Taisuke Boku教授介绍，日本下一代旗舰超算系统“Fugaku-NEXT”将采用富士通自研CPU搭配英伟达GPU的异构架构。为适配新系统建设需求、补齐应用生态短板，日本于2025年10月在神户成立“HPC-AI先进技术研究与发展支撑中心（HAIRDESC）”，获批为期4.5年的政府专项资助。该中心由筑波大学、东京大学、东京科学大学联合共建，集聚高端科研团队运营大型 GPU 超算系统，搭建兼容多厂商GPU、覆盖多层级应用研发的标准化系统软件支撑体系。

德国斯图加特超算中心主任、斯图加特大学Michael Resch教授在报告中指出，摩尔定律的终结与人工智能的兴起，正推动高性能计算发生深刻变革。后摩尔时代迫使行业打破传统技术思维，亟需在体系架构与计算模式上实现颠覆性创新，为新型计算范式拓展广阔的发展空间。Resch教授结合实例阐明，HPC与AI长期共存、协同赋能，他还分享了斯图加特超算中心（HLRS）顺应行业趋势的创新实践，并强调——唯有主动拥抱技术变革、审慎管控潜在风险，才能牢牢把握HPC未来发展的主动权。

美国俄亥俄州立大学D.K. Panda教授深度剖析了面向超智融合时代设计高性能可扩展中间件面临的关键挑战和创新解决方案。Panda教授团队通过引入RDMA、GPUDirect RDMA、实时压缩等先进技术与解决方案，在MVAPICH库中取得优异性能。面向AI场景，团队提出以MPI为驱动的融合软件栈方案，显著提升深度学习框架、大模型与GPU集群的训练和推理性能。最后，Panda教授分享了其领衔的智能网络基础设施与环境计算学习人工智能研究所（ICICLE）在HPC、AI、大数据和融合中间件领域的前沿探索成果与实践经验。

韩国国家工程院院士、首尔国立大学Kyuseok Shim教授在报告中阐明，查询优化是数据库管理系统高效运行的关键，而基数估计直接影响执行计划的成本评估与最优方案选择。近年来，深度学习模型因其能够有效挖掘数据内在访问模式与关联关系，展现出优于传统方法的性能。Shim教授介绍了一项基于LSTM神经网络的深度学习模型“DREAM”，为数据库系统的基数估计问题提供解决方案。DREAM模型采用LSTM处理查询字符串序列，能够有效捕捉查询前缀之间的相关性，从而提升估算精度。

大会期间，美国伊利诺伊理工大学Xian-He Sun教授，欧洲科学院院士、巴塞罗那超算中心主任funding director，华中科技大学金海教授，欧洲科学院外籍院士、上海交通大学过敏意教授，苏黎世联邦理工学院教授、瑞士国家超算首席架构师、欧洲科学院院士Torsten Hoefler，香港科技大学（广州）副校长熊辉教授，新加坡国立大学Bingsheng He教授等院士专家还围绕模型系统架构、网络、存储等超智融合领域的关键技术，分享了各自的最新研究成果和探索实践，并就超智融合发展的新机遇与新挑战进行深入对话和探讨。

除高品质学术报告与专题论坛外，大会还设有技术创新成果展，丰富与会者参会体验、打通产学研展示通道，通过实物展示、技术交流，推动构建开放共享、协同共生的国际化算力创新生态。

（文章配图由受访者提供）