怎样深度融合AI和HPC？英特尔打造一套通用神器( 七 )_：怎样深度融合AI和HPC？英特尔打造一

这些不断变化的需求，使得HPC资源管理器需要构建更强大更复杂的管理体系。

3、文化和运营存在差异

HPC团队更关注裸机和本地集群，而很多AI和数据分析团队则更倾向云化，他们采用的具体开发、运维手段也存在差异。

在使用语言上同样存在差异，AI算法和数据分析工程师常用Python、Java、Scala等更高级别的高级语言，而传统HPC团队常用C/C++和Fortran等更基础的高级语言。

三、跨工作负载的统一架构成刚需

在同一公司或机构中，不同部门对数据处理任务的需求也日趋多样化。

比如研究人员可能会需要结合仿真/建模、AI和数据分析功能的新工作流程和工作负载，来解决某些具体的问题。

业务部门则需要参考数据分析，然后经过创新实践，再创造新的数据来源。而高层更多考虑地是如何利用数据和技术来提高组织效率和竞争优势。

要满足这些不同需求，使得多样化的工作负载和工作流程能作为一个整体实现高效部署和管理，多用途集群成为一种理想选择。

怎样深度融合AI和HPC？英特尔打造一套通用神器( 七 )