高效能运算带动零组件需求、产品创新

全球高效能运算供应商市占率

高效能运算的零组件可分为伺服器、储存、网路设备、云端与其他支援软硬体服务，其中伺服器在2021年为主流，这归因于厂商在数位化转型趋势下，持续投资托管与本地基础设施以支撑对公有云或混合云的需求，推进企业资源整合、弹性生产系统、供应链管理等数位化转型项目进程，从而带动资料中心市场快速成长，促使资料中心数量逐年递增。

该零组件市场重点在于主要的高效能运算伺服器供应，例如Fujitsu、联想与IBM，因这些供应商能针对自研的高效能运系统，长期提供解决方案、维护管理与升级，以确保资料中心与设备可以正常运行。

再者，随着资料中心持续扩建和伺服器的规格与效能要求提升，将带动其垂直产业成长与创新，特别是储存、通讯设备、晶片与系统，以维持资料中心运行，并利于解决方案、维护管理与软硬升级。

HPC设计与软体重要性

晶片虽是高效能运算的重要组成，但并不是高效能运算技术的全部，因高效能运算使用的CPU涉及到体系结构设计、高速互联网路、并行档案系统、储存阵列等方面，因此对CPU堆砌较为复杂、技术壁垒高，即使堆再多的CPU高效能运算，其整体效能提高的程度也有限。

此外，随着运算力增强、应用课题规模与复杂度的增加，Supercomputer对并行档案系统的效能要求也随之提高。

故高效能运算的技术溢出效益也相对明显，尤其伺服器可平滑地采用高效能运算的互联技术、CPU技术、作业系统技术与并行软体设计等技术，使得在高效能运算方面的技术累积也能自然溢出到伺服器产业，甚至可以应用在资料中心、智慧运算中心，透过云端形式提供服务。

以实现AI需求为例，推理、训练与模拟为AI的3个主要任务，在此维度上，晶片的应用上限由其底层构造决定，即使采用软体优化也无法再提升。

从晶片层面来看，若底层晶片采用的是CPU+专用AI晶片，其只能完成AI推理和训练的任务，无法完成模拟。

因AI晶片无法实现双精度浮点运算，双精度浮点运算大量涉及线性代数求解，这也是HPE与Intel于2021年共同合作并参与Argonne National Laboratory（隶属美国能源部）的Aurora百亿亿级电脑系统开发案，HPE也针对高效能晶片特性提供Apollo Systems、Superdome Flex伺服器，协助解决AI与端到端基础设施的问题。