Contexte et objectifs de SC26
La conférence SC26, qui se tient du 17 au 19 novembre à Chicago, rassemble les acteurs majeurs du calcul haute performance (HPC) et de l’intelligence artificielle (IA). Selon les organisateurs, l’événement vise à illustrer la façon dont les charges de travail IA et HPC convergent, notamment autour de l’exascale, du stockage accéléré et des réseaux à très haut débit. Les annonces de Dell Technologies, Google LLC et Nvidia Corp. constituent le fil conducteur de ce rassemblement.
Architectures hybrides : du CPU‑GPU au quantum
Dell, en partenariat avec Nvidia, a présenté le superordinateur Doudna installé au Lawrence Berkeley National Laboratory. Le système s’appuie sur la plateforme Vera Rubin qui combine CPU et GPU Nvidia, ainsi que sur le réseau Quantum‑X800 InfiniBand intégré dans les racks Dell PowerEdge. Cette combinaison vise à soutenir des charges de travail scientifiques à forte intensité de données, où la latence du réseau et la bande passante du processeur sont critiques. Parallèlement, Dell collabore avec le développeur de qubits à spin de silicium Diraq pour intégrer des unités de traitement quantique (QPU) aux serveurs classiques, ouvrant la voie à des architectures où les algorithmes quantiques peuvent être exécutés à côté de tâches HPC traditionnelles. Les intervenants soulignent que la correction d’erreurs quantiques restera un facteur limitant tant que les interconnexions ne pourront pas garantir une synchronisation précise entre les qubits et les processeurs classiques.
Initiatives cloud : Google H4D VM et Vultr
Google Cloud mise sur la machine virtuelle H4D, lancée l’an dernier, pour répondre aux besoins HPC des secteurs manufacturier, médical et météorologique. Alimentée par des processeurs AMD EPYC de cinquième génération, la H4D VM délivre plus de 12 000 GFLOPS et une bande passante mémoire supérieure à 950 GB/s. Le service a été choisi par la NOAA pour le Weather and Climate Operational Supercomputing System, démontrant l’applicabilité du cloud public aux modèles de prévision à grande échelle. De son côté, Vultr développe une infrastructure cloud haute performance répartie sur 33 régions, combinant CPU, GPU et architectures composables ouvertes afin de soutenir les charges IA, la gestion des risques et la prévention de fraudes. Cette approche repose sur la mutualisation des ressources matérielles et la flexibilité logicielle, mais elle impose une orchestration fine des flux de données pour éviter les goulets d’étranglement entre le stockage et le calcul.
Enjeux de performance et limites
Les annonces convergent autour d’un même défi : maintenir les unités de calcul occupées tout en réduisant les temps d’attente liés aux mouvements de données. Les architectures présentées misent sur des interconnexions à faible latence (InfiniBand, réseaux quantiques) et sur l’intégration étroite du stockage, mais aucune des solutions ne résout entièrement le problème de la bande passante entre la mémoire et les accélérateurs. De plus, la mise en production d’applications IA sur des systèmes hybrides requiert des outils de développement capables de piloter simultanément des kernels CPU, GPU et quantiques, un domaine encore peu mature. Enfin, la dépendance à des fournisseurs de cloud spécifiques crée une concentration de capacité qui pourrait limiter la portabilité des charges de travail entre environnements privés et publics.
