资料来自：《世界前沿技术发展报告2023》和网络

1. 概述

全球的数字化转型已进入倍增创新阶段，各个国家数字经济占比持续提升。在此背景下，计算力成为数字化技术持续发展的重要动力，是数字经济时代的核心生产力。先进计算是多领域多技术融合的载体，是推动计算力持续高速增长的主要推动力。随着先进计算的不断发展，计算的效能与能效将迎来全新的突破，算力体系将得到颠覆性的变革。

2. 超级计算机

超级计算机是经典计算机中功能最强、运算速度最快、存储容量最大的一类计算机，多用于国家高科技领域和尖端技术研究，是国家科技发展水平和综合国力的重要标志。2022年，世界主要经济体在超级计算机领域的争夺仍然激烈。同时，超级计算机的应用场景不断拓展、任务难度不断加大。

2.1 美国首台E级超级计算机Crusher上线试运行

2022年3月，美国首台E级（百亿亿级）超级计算机Crusher上线试运行。Crusher超算在美国能源部主导的橡树岭领先计算设施下运行，是Frontier超级计算机的缩小版本。Crusher拥有1082万个AMD核心、总计192个节点，总面积不过44平方英尺（约合4平方米）。相比于美国在2013年推出的Titan超级计算机，Crusher只用了百分之一的体积就得到了更优的性能。目前，美国在E级超级计算机的构建上有三条路线：AMD处理器+AMD加速卡的Frontier；Intel处理器+Intel加速卡的Aurora；AMD处理器+NVIDIA加速卡的Polaris。Crusher的推出被视为一次预演，供科研人员为更强大E级超级计算机的部署提前做好开发准备。

2.2 欧洲最强大的超级计算机落成

2022年6月，欧洲高性能计算联合协会(The European High Performance Computing Joint Undertaking, EuroHPC JU)在芬兰建成欧洲最强大的超级计算机LUMI，并于2022年9月向欧洲用户开放该系统的访问权限。该超级计算机由具有2560个子节点的HPE Cray EX节点组成，其中包括一个64核AMD EPYC“Trento”中央处理器和四个AMD Instinct MI250X图形处理器。LUMI建成时是世界上排名第三快的超级计算机，前两名为美国橡树岭国家实验室(ORNL)开发的Frontier和日本的“富岳”。

2.3 美国英伟达与微软公司联合开发人工智能超级计算机

2022年11月，美国英伟达公司与微软达成合作，将共同开发人工智能超级计算机。该人工智能超级计算机基于数以万计的英伟达H100、A100等型号高性能芯片构建，并在微软的Azure云上运营。此外，英伟达还将与微软合作开发人工智能模型，并向客户提供人工智能服务。英伟达表示，Azure将是第一个使用Quantum-2 InfiniBand网络技术的公共云，其处理速度可达400吉比特每秒。

3. 新型计算技术

人类社会的信息体量正呈爆发增长之势，冯·诺依曼(Von Neumann)架构计算机在某些特殊应用场景中的局限性也逐步凸显。类脑计算、概率计算等新兴计算模式和结构不断涌现，将满足人工智能、数据中心等应用对高负载、低能耗计算的需求，成为未来智能计算的突破口。

3.1 中国北京航空航天大学提出“混合概率逻辑计算”机制

2022年2月，中国北京航空航天大学研究人员提出“混合概率逻辑计算”机制，并制造出原型样机。在概率计算机中，算术运算是借助于表示数据的逻辑电平的随机和不相关性来执行概率计算。二进制计算在硬件消耗上有巨大优势，但其基于脉冲频率表示概率数值的原理带来了较大的计算时延问题。基于此，北航研究团队提出了用混合概率逻辑计算取代原始单比特流概率计算的思想，解决了传统概率计算大时延问题，在未来的类脑计算、人工智能、深度学习和信息处理等场景中具有广泛应用前景。

3.2 奥地利格拉茨技术大学和英特尔公司证明神经形态芯片的优越性

2022年6月，奥地利格拉茨技术大学(Graz University of Technology)与美国英特尔公司研究人员进行的一项研究表明，受人脑结构和生物学启发的神经形态计算硬件在支持复杂的深度神经网络(Deep Neural Networks, DNN)方面更有优势。研究人员指出，深度神经网络对于机器实现更高层次的认知功能至关重要，如寻找句子之间的关联并回答问题。通过对比神经形态芯片和标准计算机芯片在执行同样任务时的功耗和效率，研究人员发现神经形态芯片运行大型深度神经网络的效率是传统计算硬件的4～16倍。

3.3 美国得克萨斯大学奥斯汀分校使用石墨烯制造类脑计算机晶体管

2022年8月，美国得克萨斯大学奥斯汀分校研究人员使用石墨烯开发了用于类脑计算机的突触晶体管。研究人员将石墨烯和Nafion聚合物膜材料组合起来，构成了突触晶体管的骨架。这些材料共同展示了类似突触的行为，且随着时间的推移，系统的能力随着使用频率的增加而增强，展现出神经肌肉记忆。这意味着设备将能在识别和解释图像等任务上做得更好、更快。该研究有望促进类脑计算机的开发。

3.4 美国芝加哥大学使用弹性半导体制造可穿戴神经形态芯片

2022年8月，美国芝加哥大学普利兹克分子工程学院研究人员开发了一种灵活、可拉伸的计算芯片，其功能类似人脑，能够以集成的方式存储和处理信息。研究人员使用可拉伸和弯曲的聚合物制造芯片设备，能够实现人体穿戴，并从多个生物传感器收集数据。该芯片还能使用尖端的机器学习方法得出关于人体健康状况的结论。该研究发表于《物质》(Matter)期刊。

3.5 中美研究团队开发出新型用于边缘AI计算的新型神经形态芯片，可兼顾通用性和高效率

2022年8月，中国清华大学、美国加利福尼亚大学圣地亚哥分校(University of California, San Diego)和斯坦福大学等组成的联合研究团队开发出一种用于边缘人工智能计算的神经形态阻抗随机存取内存芯片NeuRRAM，兼具多功能、高效率和低能耗的优点。NeuRRAM芯片使用了可以并行计算的48个内核。内核可以在不活跃使用时通过电源门控有选择地关闭，而模型参数由非易失性阻变式存储器设备保留。每个内核的核心是一个双向可转座神经突触阵列，这种阵列由256×256的RRAM单元和256个互补金属氧化物半导体神经元电路组成，用于实现模数转换器和激活功能。双向可转座神经突触阵列架构旨在提供对数据流方向的灵活控制，这对于启用具有不同数据流模式的不同模型架构至关重要。NeuRRAM芯片支持多种神经网络模型和架构，可在计算机视觉、语音识别和自然语言处理等场景得到应用。

3.6 美国哈佛大学研究团队开发出一种可在水中进行神经网络计算的离子电路

2022年10月，美国哈佛大学(Harvard University)工程与应用科学学院研究团队开发出一种可在水中进行神经网络计算的离子电路，并执行了神经网络计算的核心过程。该团队受大脑的启发，构建了一种由醌(Quinone)分子的水溶液组成的新型离子晶体管，其中2个同心环形电极和1个中心圆盘电极连接在一起。研究人员设计了液体局部PH值门控离子晶体管，使圆盘电压与代表局部PH门控晶体管的“权重”参数的算术乘积恰好等于圆盘电流。未来，美国哈佛大学研究团队将使用更加多样化的离子种类来处理信息内容。相关成果发表在《先进材料》(Advanced Materials)期刊。