个人和组织使用的设备收集了大量数据，这使人工智能成为技术颠覆的核心。如果没有数据分析和人工智能，每天产生的大量数据几乎毫无用处。企业对人工智能的使用正在增加，这推动了对高性能机器的需求。对HPC的重新关注在很大程度上是因为需要为人工智能工作负载计算大量数据。
人工智能和HPC之间的联系是共生的，因为HPC为人工智能工作负载提供动力，但人工智能可以识别HPC数据中心的改进。例如，人工智能可以优化加热和冷却系统，降低电力成本并提高效率。AI系统还可以监控服务器、存储和网络设备的健康状况，检查系统是否保持正确配置，并预测设备何时会出现故障。
此外，人工智能可以用于安全目的，筛选和分析进出的数据，检测恶意软件，并实施行为分析来保护数据。
游戏是gpu最初的使用案例，技术革新了高分辨率游戏。gpu的其他用例已经变得很明显，包括HPC。gpu执行数据密集型工作，应用范围从机器学习到自动驾驶汽车。它们已经被证明是处理HPC工作负载的超级芯片，因为它们专注于数据计算。
图形处理器的崛起使英伟达成为高性能计算领域的关键玩家，因为该公司是图形处理器制造的领导者。然而，谷歌的tpu已经开始威胁到gpu的统治地位。tpu是用于特定应用的集成电路(asic)，可以加速人工智能计算和算法。
谷歌专门为神经网络机器学习开发了它们，包括它的TensorFlow软件。GPU在高性能计算领域的角色目前仍将是核心，但像谷歌这样有影响力的公司的内部芯片开发意味着，如果英伟达想要在高性能计算领域保持地位，就不能满足于现有的成就。
旧的中央处理器(cpu)、gpu、asic和现场可编程门阵列(fpga)之间的处理多样性正在不断增长。工作负载可以有很大的差异，因此，为不同的用例提供不同计算的灵活性是必不可少的。
HPC玩家越来越多地允许定制他们的产品，这超出了处理能力。华为为其客户提供三种不同的HPC架构，而IBM允许数据存储定制，HPE根据灵活的消费模式向客户收费。
客户可以选择将他们的HPC数据中心放在本地、云中，或者部署在边缘。一些供应商在一个包中提供针对不同工作负载的混合解决方案。
许多供应商已经从销售设备转向提供HPCaaS。HPCaaS的兴起与云作为HPC解决方案的出现有关。因此，HPCaaS的发展趋势使Amazon Web Services (AWS)、谷歌和阿里巴巴等云服务提供商受益，尽管传统的HPC供应商也在提供HPCaaS。
HPCaaS对于终端用户来说可能是一个很有吸引力的选择，因为它将需要高性能的数据处理和工作负载放在那些缺乏必要资金来雇佣熟练员工和投资硬件的公司的手边。HPCaaS为那些无力在内部开发HPC知识和基础设施的公司带来了HPC能力。然而，订阅HPCaaS而不是在内部开发HPC，会带来部署在云中的HPC的所有限制。
HPC诞生于内部数据中心，但在2010年下半年，云计算开始改变HPC。该优势最近作为一种新的HPC部署平台出现了。随着高性能解决方案领域的扩展，供应商已经开始提供混合选项。混合的HPC解决方案通常涉及补充现有内部数据中心的云能力。
内部云和私有云托管的结合克服了公共云的一些弱点，包括性能差和许多行业特定的、数据密集型的HPC工作负载的多样性和复杂性所带来的优化挑战。相比之下，混合解决方案可以定制，往往是可伸缩的，同时提供云的灵活性。
向混合动力的转变将使戴尔和惠普这样的供应商受益。如果云计算的发展允许其缺点得到修正，AWS和微软等公司将处于更有利的地位。
灵活性、HPCaaS和混合解决方案的出现都成为HPC的一个主要趋势：民主化。这一趋势与HPC更广泛的使用有关，并与更多终端用户能够接触到的技术定位有关。
超级计算机曾经属于研究、学术或军事领域。然后HPC扩展到股票交易，银行，石油和天然气。使用HPC的业务范围很广，包括汽车、航空航天，甚至食品加工。高性能计算在边缘的部署将进一步扩大高性能计算的范围。
百亿亿次计算是一种计算系统每秒执行十亿次计算的能力，以exaFLOPS而不是FLOPS来衡量性能。第一台百亿亿次计算机预计最早将于2022年问世。
百亿亿次计算并不是像量子计算那样的一种新的计算形式，而是指现有技术可能实现的下一个级别的处理能力。然而，百亿亿次高性能计算机势必会在高级模拟和建模方面带来一些改进，这些改进将应对各种挑战，如预测自然灾害和推进科学发现，特别是在医学领域。
百亿亿次计算是HPC整体处理能力的一大进步，然而，性能的提高越来越多地来自于较小的设计创新，这些创新可能不那么引人注目，但仍然很重要。
微架构层面的进展包括更快的互连速度、更高的计算密度、可扩展的存储、更高效的基础设施、生态友好性、空间管理和更好的安全性。在未来几年里，诸如此类的进步将继续成为高性能计算的趋势。
