为推动科研，各地纷纷打造人工智能超级计算机

2024年诺贝尔化学奖授予了谷歌DeepMind团队的AlphaFold，该AI系统能预测蛋白质3D结构。但蛋白质会随环境变化而变形，布法罗大学结构生物学家托马斯·格兰特正研发AI衍生工具SWAXSFold，却面临高校难以承担昂贵AI芯片的困境——这类芯片被硅谷科技巨头大量囤积以开发大型聊天机器人。

为此，纽约州推出了一项耗资5亿美元、为期10年的“帝国人工智能”（Empire AI）计划，为研究者提供所需计算资源。该计划去年启动，由9所纽约大学和西蒙斯基金会旗下的弗莱德金研究所组成联盟，州政府提供大部分资金，西蒙斯基金会捐赠了首台超级计算机“阿尔法”（Alpha）。这台位于布法罗大学的机器配备近200块NVIDIA先进图形处理器（GPU），虽按AI标准规模不大，但即将推出的第二台“贝塔”（Beta）性能将提升一个数量级，搭载NVIDIA最新的 Blackwell芯片，其网络连接效率甚至超越美国能源部的“酋长岩”（El Capitan）等超级计算机。未来还计划建造“伽马”（Gamma）和“德尔塔”（Delta），力求保持技术前沿。

目前，Empire AI已服务超350名联盟机构研究者。哥伦比亚大学统计学家田铮利用其整合天气记录、洪水报告等数据预测城市暴洪；纽约大学神经科学家克里斯汀·康斯坦丁诺训练虚拟神经网络模拟大脑决策，运算时间从一周缩短至一天；威尔康奈尔医学院的埃克塔·库拉纳则借助它训练前列腺癌诊断模型，计划将病理图像训练样本从数百张扩展到超万张。

加州也加入这一趋势，9月通过法律创建“加州计算”（CalCompute）计划，拟纳入加州大学系统，2027年1月前需完成框架设计并等待州预算拨款。

联邦层面虽有帮助举措，如美国国家科学基金会（NSF）的CloudBank补贴商业云服务使用时间，2024年启动的国家AI研究资源（NAIRR）试点将400多名研究者与能源部超级计算机对接，但商业云成本高，联邦超级计算机传统上以中央处理器（CPU）为核心，更适用于物理模拟而非AI数据模式识别，即便配备GPU也“落后数代”。专家建议NAIRR未来6年投入26亿美元扩展，但特朗普政府2026年NSF预算削减56%可能阻碍其发展，不过政府仍重视AI，如近期签署行政令推动能源部整合联邦科学数据供AI研究，并联合企业建造9台新AI超级计算机。

州级倡议旨在填补这些空白，其目标并非与科技巨头竞争，而是让各学科研究者能为公共利益开发AI工具，无需担心盈利问题。正如斯坦福大学人机中心AI研究所执行主任拉塞尔·沃尔德所言，核心是实现AI计算中心的民主化。