高效能運算帶動零組件需求、產品創新

高效能運算的零組件可分為伺服器、儲存、網路設備、雲端與其他支援軟硬體服務，其中伺服器在2021年為主流，這歸因於廠商在數位化轉型趨勢下，持續投資託管與本地基礎設施以支撐對公有雲或混合雲的需求，推進企業資源整合、彈性生產系統、供應鏈管理等數位化轉型項目進程，從而帶動資料中心市場快速成長，促使資料中心數量逐年遞增。

　該零組件市場重點在於主要的高效能運算伺服器供應，例如Fujitsu、聯想與IBM，因這些供應商能針對自研的高效能運系統，長期提供解決方案、維護管理與升級，以確保資料中心與設備可以正常運行。

　再者，隨著資料中心持續擴建和伺服器的規格與效能要求提升，將帶動其垂直產業成長與創新，特別是儲存、通訊設備、晶片與系統，以維持資料中心運行，並利於解決方案、維護管理與軟硬升級。

HPC設計與軟體重要性

　晶片雖是高效能運算的重要組成，但並不是高效能運算技術的全部，因高效能運算使用的CPU涉及到體系結構設計、高速互聯網路、並行檔案系統、儲存陣列等方面，因此對CPU堆砌較為複雜、技術壁壘高，即使堆再多的CPU高效能運算，其整體效能提高的程度也有限。

　此外，隨著運算力增強、應用課題規模與複雜度的增加，Supercomputer對並行檔案系統的效能要求也隨之提高。

　故高效能運算的技術溢出效益也相對明顯，尤其伺服器可平滑地採用高效能運算的互聯技術、CPU技術、作業系統技術與並行軟體設計等技術，使得在高效能運算方面的技術累積也能自然溢出到伺服器產業，甚至可以應用在資料中心、智慧運算中心，透過雲端形式提供服務。

　以實現AI需求為例，推理、訓練與模擬為AI的3個主要任務，在此維度上，晶片的應用上限由其底層構造決定，即使採用軟體優化也無法再提升。

　從晶片層面來看，若底層晶片採用的是CPU+專用AI晶片，其只能完成AI推理和訓練的任務，無法完成模擬。

　因AI晶片無法實現雙精度浮點運算，雙精度浮點運算大量涉及線性代數求解，這也是HPE與Intel於2021年共同合作並參與Argonne National Laboratory（隸屬美國能源部）的Aurora百億億級電腦系統開發案，HPE也針對高效能晶片特性提供Apollo Systems、Superdome Flex伺服器，協助解決AI與端到端基礎設施的問題。