作为与ISC以及SC并列的国际三大超算赛事之一，ASC超算大赛由中国发起，现在已经是世界最大规模的大学生超算竞赛。

在2017 ASC 竞赛中，共有230支高校队伍报名，最终选出20支队伍，在最后的角逐中清华大学获得总冠军和e Prize计算挑战奖，北京航空航天大学获得亚军，黑马潍坊学院获得“最高计算性能奖”！

面向世界，面向未来，2017年ASC的价值在于，不断推动中国超算生态的建设、超算应用的落地以及复合型人才的培养。

应用加速 2017 ASC三大突破

2017 ASC 参赛队伍无论是广度和深度上都有所突破，横向来说，队伍分别来自中国、美国、英国、德国、印度、俄罗斯、匈牙利、巴西、南非等15个国家和地区；在纵向上开始继续深入区域，比如首次入围ASC总决赛的潍坊学院。

本次大赛也呈现出三大突破。

首先，年轻的学生开始掌握了复杂的技能，促进未来的超算的变革。

最终20支队伍在国家超级计算无锡中心展开总决赛的激烈角逐。获得总冠军的清华大学代表队，这已经是他们第七次获得国际顶尖超算大赛的冠军。

今年清华大学继续突破，在太湖之光上对高分辨率海洋数值模拟模式MASNUM进行了深度并行优化，成功将原程序扩展到万核以上并将运行速度提升数十倍，并以此获得e Prize计算挑战奖。

第二，2017 ASC更着眼于当下最火热的应用。

在本次ASC决赛中，赛题围绕超算系统设计、运行人工智能交通预测PaddlePaddle（百度开发）、第三代基因测序组装Falcon、大规模分子模拟LAMMPS、基准测试HPL和HPCG等超算应用。

获得亚军的北京航空航天大学代表队在人工智能赛题表现出色，团队设计优秀的深度神经网络模型，在超算上对百度提供的历史交通大数据进行大规模训练后，对早高峰道路交通状况进行预测，准确度在所有参赛队中排名第一。

第三、中国提供的超算平台计算性能不断加速。

在本次决赛中，神威·太湖之光成为ASC17总决赛的比赛平台，所有参赛队伍必须在浪潮英信服务器上搭建系统。

清华大学在太湖之光上对2016年获得国际超算应用最高奖项“戈登·贝尔奖”提名的高分辨率海洋数值模拟模式MASNUM进行了深度并行优化，并成功将原程序扩展到万核以上并将运行速度提升392倍，

首次入围ASC总决赛的潍坊学院代表队构建先进的异构加速超算系统并实现高度优化，运行国际通行的HPL基准测试，以每秒31.7万亿次浮点运算速度创造了新的世界纪录。

计算加速  一次“改变”呈现黑马

赛后，清华大学代表谈到感受时强调：“今年大赛不仅强调计算能力，要跑的快还要用得准。”其实这对于选手的背景知识和应变能力有了一定挑战。

比如决赛前一天，潍坊学院成为本届竞赛最大黑马，在3000W功耗的约束下以每秒31.7万亿次浮点运算性能的惊人佳绩，打破国际超算竞赛HPL计算性能世界纪录，这一突破一方面源于及时的应变能力，另一方面就是给力的NVIDIA GPU。

HPL是国际最通用的超级计算机浮点性能基准测试程序，是全球最快超算TOP500排行的重要依据，这次比赛潍坊学院代表队设计了“5机10卡”的异构超算系统，共采用5台超算服务器配置10块NVIDIA Tesla P100 GPU加速卡，整体系统持续浮点运算能力达到31.7万亿次/秒。

赛后潍坊学院代表队提到了一个小变化，初赛时其实并没有设计过GPU方案的。但是队员们之前是按照CPU和GPU两套方案双线准备，一直是到比赛的前一天，也就是调试的第一天，定下用GPU方案。

其实这对队员的心理素质和能力都是一个考验，经过紧张的集群搭建、调试后，队员选用NVIDIA的Tesla P100，并把重点放在功耗控制上，GPU卡的功耗控制到173W，比额定的250W功耗降低近30%以上。

现在，广为人知GPU是人工智能中最核心的芯片应用，但GPU的诞生，最初却是希望解决超算和高性能计算中的问题。

但因为所有的软件都跑在CPU集群上，后来神经网络领域的专家发现了GPU，并发现GPU对加速训练的性能提升帮助很大。

清华大学代表队也特意提到，ASC以往的HPL成绩提高都很不明显的，原来都是5T，6T，7T，2016年突然翻了六倍，就是NVIDIA Tesla P100加速卡的原因。

从高性能计算能力支撑来讲，深度学习需要高容量、高带宽的并行存储，高带宽、低延时的互联网络，需要更大规模的GPU集群，潍坊学院的选择再次证明这一点。

2017ASC谢幕，一方面，中国超算平台继续加速，中国的超算从研究走向应用；另一方面通过大赛看到中国新一代学生，面对顶级应用如何使用先进的平台来突破，掌握复杂的技能，取得更大的突破。

而GPU，无疑成为这次大赛中成为亮点，在高性能和人工智能的应用中，成为加速应用的平台。