高性能计算与AI融合研讨会 - CoDesign 2025国际研讨会在日本大阪举办，聚焦极大规模计算与大数据挑战下的软硬件协同设计 [1] - 会议发起人包括图灵奖得主杰克·唐加拉、中科院计算所研究员孙凝晖及大阪大学教授刘丽君 [1] - 研讨会覆盖算法、应用系统、系统软件与中间件、软硬件协同架构设计四大核心方向 [1] 核心研究方向 - 设置五大热点主题：算法与计算模型、系统与体系结构设计等 [1] - 两场圆桌讨论分别探讨"未来百亿亿次计算发展方向"及"HPC与AI结合推动科学研究" [1] - 卢宇彤教授提出系统碎片化影响算力协同，软硬件及运行环境协同设计是关键 [1] 技术成果分享 - Shuaiwen Leon Song教授展示Together AI的"AI加速云"平台，自研推理引擎表现优异 [1] - Thomas C Schulthess教授介绍瑞士CSCS云原生超算平台ALPS，支持弹性资源调度 [2] - Xian-He Sun教授提出解决"内存墙"问题的Hermes系统，优化数据流动方式突破性能瓶颈 [2] 前沿技术进展 - 专家学者分享大模型训练优化、超级计算机架构、调度算法等技术成果 [2] - 研究涵盖内存问题解决、数据压缩工具应用等方向 [2]

行业趋势 - 高性能计算行业正面临计算架构异构化与AI/ML工作负载兴起的双重挑战，软硬件协同设计成为关键发展方向 [2] - 人工智能已成为高性能计算发展的核心驱动力，模型规模增长导致算力需求呈指数级上升，能源消耗成为主要瓶颈 [2] - 行业呈现十大发展趋势，包括解决系统碎片化、优化数据流动方式、构建以数据为中心的计算系统等 [3] 技术突破 - Together AI推出自研"AI加速云"平台，其推理引擎和优化策略表现优异，目标构建全球级AI计算基础设施 [3] - 瑞士CSCS开发的云原生超算平台ALPS支持弹性资源调度，采用"科学即服务"模式支撑大型科研项目 [3] - Hermes系统通过优化数据流动方式突破"内存墙"性能瓶颈，提出未来计算系统需"以数据为中心"的理论模型 [3] 发展方向 - 未来百亿亿次计算(Zeta Scale)需解决系统工程命题，系统功耗和可靠性是规模扩展的核心障碍 [4] - HPC与AI结合存在技术路线分歧：通用架构与更高集成度的CPU-GPU耦合架构成为主要讨论方向 [4] - 专家指出Transformer架构并非AI for Science的通用解决方案，需探索多样化技术路径 [4] 研究重点 - 会议聚焦四大核心方向：算法、应用系统、系统软件与中间件、软硬件协同架构设计 [2] - 设置五大热点研究主题，包括算法与计算模型、系统与体系结构设计等关键技术领域 [2] - 异构系统架构中的"集成"问题被特别强调，国际合作被视为应对算力挑战的重要途径 [2]