Hewlett Packard Enterprise acquisisce il produttore di supercomputer Cray nella corsa alla performance “exascale”
HPE ha acquistato Cray per circa 1,3 miliardi di dollari
Hewlett Packard Enterprise, da non confondere con il marchio di personal computing da cui è divisa nel 2015, ha dichiarato oggi di aver acquisito Cray, un produttore iconico di supercomputer con una ricca storia nel settore informatico. Si dice che l’accordo sia valutato a $ 1,3 miliardi.
Cray, fondata nel 1972 da “padre del supercalcolo”, Seymour Cray, è attualmente impegnata a costruire due dei supercomputer più veloci del mondo per due Department of Energy Labs degli Stati Uniti: l’Oak Ridge National Laboratory e l’Argonne National Laboratory. Entrambi i sistemi, uno chiamato Frontier in collaborazione con AMD e uno chiamato Aurora con Intel , promettono di portare le cosiddette prestazioni “exascale”, con una potenza delle prestazioni non elaborata pari a 1,5 exfaflops o un calcolo al quintilione al secondo.
LE DITTE DI CALCOLO STANNO CORRENDO PER RAGGIUNGERE PRESTAZIONI EXASCALE, O UN QUINTILIONE DI OPERAZIONI AL SECONDO
Tali sistemi di supercomputer exascale non esistono ancora ed è logico che HPE voglia il proprio interesse nelle imminenti “opportunità exascale”, per le quali la società afferma che esiste un mercato in crescita principalmente di contratti governativi, attualmente stimato a $ 4 miliardi nel prossimo semestre -decennio. Attualmente, IBM è il produttore dei due supercomputer più veloci del mondo, Summit e Sierra.
“Le risposte ad alcune delle sfide più urgenti della società sono sepolte in enormi quantità di dati”, ha detto il CEO di HPE Antonio Neri in una nota. “Solo elaborando e analizzando questi dati saremo in grado di sbloccare le risposte alle sfide cruciali tra medicina, cambiamenti climatici, spazio e altro ancora. Cray è un leader tecnologico globale nel supercomputing e condivide il nostro profondo impegno per l’innovazione. Combinando i nostri team e la nostra tecnologia di livello mondiale, avremo l’opportunità di guidare la prossima generazione di computing ad alte prestazioni e svolgere un ruolo importante nel far progredire il modo in cui le persone vivono e lavorano “.
I supercomputer di questa portata possono essere estremamente utili per le industrie ad alta intensità di dati come l’astronomia, la scienza del clima, la medicina, la neuroscienza e la fisica. Sempre più spesso, questi sistemi possono essere utilizzati nella ricerca sull’intelligenza artificiale, che, a sua volta, può aiutare ad accelerare molte altre aree di indagine scientifica. Detto questo, un supercomputer come Aurora o Frontier tende solo a essere costruito e finanziato dal governo per, almeno inizialmente, le applicazioni militari.
Stati Uniti, Cina, Giappone e altri paesi sono attualmente bloccati in una gara per essere i primi a raggiungere la performance exascale, con la Cina che sembra essere la preferita per raggiungere il traguardo entro il 2020 . Anche l’unità più veloce d’America, Sierra, sarà programmata per un air gap (disconnesso dal mondo esterno) l’anno prossimo, quindi potrà essere utilizzata per gestire l’arsenale nucleare del paese.
GLI STATI UNITI SONO IN UNA CORSA CON CINA, UE E GIAPPONE PER COSTRUIRE SUPERCOMPUTER EXASCALE
Questo non vuol dire che i supercomputer non vengano utilizzati per una ricerca scientifica di qualità. Il Theta di Argonne National Laboratory, ad esempio, è attualmente utilizzato per eseguire ricerche di neuroscienza all’avanguardia che coinvolgono la mappatura dei cervelli dei roditori. Ma proprio come le gare basate sulla scienza che hanno visto i primi satelliti e, alla fine, con missioni spaziali con equipaggio, il tipo di benchmark crudo che insegue con la razza exascale è solitamente riservato alla competizione internazionale tra le agenzie federali.
Fortunatamente, col tempo, questi imminenti supercomputer exascale saranno probabilmente liberati dall’apparato militare e messi al lavoro per dividere nuove conoscenze dai dati. Secondo HPE, l’acquisizione di Cray è principalmente di aiuto per ottenere un vantaggio nella ricerca di intelligenza artificiale e l’hardware necessario per addestrare reti neurali sempre più grandi.