美國計算機天才西摩·克雷說：“可以造出一個速度快的CPU，卻很難造出一個速度快的系統(tǒng)?！?/p>

“世界巨型機之父”這句名言，在中國第一臺每秒千萬億次超級計算機研制中再一次應(yīng)驗了。

2009年7月，他們按照CPU+GPU體系結(jié)構(gòu)技術(shù)構(gòu)建了幾個機柜的系統(tǒng)，結(jié)果試運行時發(fā)現(xiàn)，系統(tǒng)穩(wěn)定運行時間很難超過半個小時。這是為什么？

通過初步分析，大家認(rèn)為問題還是出在GPU身上。GPU用于科學(xué)計算，除了計算效率問題外，還有一個相關(guān)技術(shù)非常重要，那就是GPU的穩(wěn)定性。GPU用于圖形處理，其計算負(fù)載與通用計算存在較大差異。尤其是GPU實際性能發(fā)揮出來后，各部件進(jìn)入重負(fù)載狀態(tài)，功耗提高，散熱要求高，各器件的穩(wěn)定性下降。當(dāng)系統(tǒng)中使用的GPU數(shù)量多了，系統(tǒng)平均無故障時間也會隨之下降。

這個問題不解決，CPU+GPU異構(gòu)融合之路同樣是條“死胡同”。

提高GPU工作穩(wěn)定性問題，再次成為楊燦群和他的突擊隊亟待解開的新“謎語”。

他們首先使用篩選法對眾多GPU逐一進(jìn)行壓力測試，找出那些運行穩(wěn)定的GPU。結(jié)果不理想，系統(tǒng)穩(wěn)定性雖然有所提高，但與系統(tǒng)穩(wěn)定性要求相去甚遠(yuǎn)。

他們仿佛陷入了迷魂陣，四周迷霧茫茫，不知方向在哪里、出路在哪里。但他們始終堅信，黑夜再漫長，曙光總會出現(xiàn)。

在艱苦探索中，“八一”節(jié)到了，單位組織會餐。楊燦群對戰(zhàn)友們說：“走，喝兩杯去，醒醒腦?！钡搅瞬妥郎?，到底喝了什么酒、吃了哪些菜，并沒留下什么印象。因為在吃飯喝酒時，他們腦袋里依然轉(zhuǎn)的是GPU工作穩(wěn)定性問題。幾個人一放下碗筷又直接回到機房，一頭扎進(jìn)浩如煙海的GPU技術(shù)資料里，苦苦尋找破解迷霧的那一縷曙光。又是連續(xù)幾天吃住在機房……

8月4日上午，網(wǎng)上一個曾瀏覽過的有關(guān)GPU超頻提高性能的帖子突然浮現(xiàn)在楊燦群腦海。帖子上說，GPU超頻可以提高性能，但會導(dǎo)致GPU運行不穩(wěn)定，甚至系統(tǒng)黑屏。

楊燦群突發(fā)奇想，按照逆向思維，如果選用的GPU具有調(diào)頻功能，讓GPU降頻不就可以提高它的穩(wěn)定性嗎？

天隨人意，拿過使用的那款GPU一看，恰恰具備調(diào)頻功能。大家趕緊對它進(jìn)行降頻處理。結(jié)果GPU穩(wěn)定性問題終于迎刃而解。

GPU計算效能、穩(wěn)定性關(guān)鍵技術(shù)探索艱難曲折，其他關(guān)鍵技術(shù)攻堅也跌宕起伏、步步驚心。

超級計算機系統(tǒng)要實現(xiàn)每秒運算千億次，不僅要求CPU、GPU“算得快”，而且要求有一個快捷通暢的網(wǎng)絡(luò)系統(tǒng)，讓各種信息“跑得快”。

2008年10月，蘇金樹帶領(lǐng)大伙受領(lǐng)的某新型交換機項目，是每秒千萬億次超級計算機通信網(wǎng)絡(luò)的“立交橋”，直接決定著網(wǎng)絡(luò)通信速度。通過深入調(diào)研、嚴(yán)密論證，他們提出正交系統(tǒng)互連方案，使系統(tǒng)結(jié)構(gòu)簡潔，設(shè)計難度、制造工藝要求、研制和生產(chǎn)成本大幅降低。

但通過互聯(lián)網(wǎng)將正交互連方案和芯片制造商美國技術(shù)工程師交流后，遭到堅決反對，對方在三封郵件和四次電話會議中反復(fù)強調(diào)：

一、他們也研究過正交互連，也進(jìn)行過正交互連結(jié)構(gòu)條件下的仿真、實驗和測試，結(jié)論是：信號傳輸損耗大，阻抗不連續(xù)，不能滿足該型交換機信號傳輸要求。

二、該型交換機設(shè)計非常困難，他們用了兩年多時間才完成，沒有他們的技術(shù)支持，不可能成功。

三、如果堅持正交互連方案，他們將不給予正確的技術(shù)支持。

四、如果堅持正交互連方案，必以失敗告終。

研制工作一開始就陷入兩難境地。如果堅持走自己的設(shè)計路線，需要一切從頭探索，創(chuàng)新難度大，風(fēng)險高；如果改方案，完全按美國人提供的方案搞，成功有把握，但沒有自己的特色，沒有創(chuàng)新，沒有優(yōu)勢。

從來就不迷信和崇拜別人的銀河人堅定地選擇了前者。他們堅信沒有美國人的技術(shù)支持，中國人照樣把新型交換機搞出來。他們說，20世紀(jì)60年代，蘇聯(lián)撤走專家，中國照樣搞出了原子彈！90年代，英國撤走汽車專家，中國照樣搞出了小汽車。很多事實已經(jīng)證明，死了“張屠夫”，中國人照樣不吃“帶毛豬”。

他們通過兩個多月夜以繼日的仿真和試驗，發(fā)現(xiàn)在正交互連條件下，美國人的試驗方案和設(shè)計規(guī)范，確實不能滿足某新型交換機信號的傳輸要求。但深入研究了信號完整性方面的相關(guān)理論和技術(shù)及美國人的設(shè)計規(guī)范后，終于發(fā)現(xiàn)他們所使用的矩形反焊盤，是導(dǎo)致信號傳輸損耗大和傳輸阻抗不連續(xù)的主要原因。針對該薄弱環(huán)節(jié)，他們發(fā)明了跑道式和啞鈴式反焊盤，通過三個多月反復(fù)迭代仿真，得到全面設(shè)計規(guī)范，關(guān)鍵的眼圖技術(shù)參數(shù)達(dá)到60ps，遠(yuǎn)遠(yuǎn)大于美國人的35ps。

僅用10個月時間，他們就研制完成新型交換機。實測技術(shù)指標(biāo)大大超過同類系統(tǒng)，而成本是同類同規(guī)模產(chǎn)品的80%。

高速互聯(lián)網(wǎng)上交換芯片、接口芯片測試，也經(jīng)歷了一番迂回坎坷。

研制小組經(jīng)過半年多連續(xù)奮戰(zhàn)，完成邏輯設(shè)計和軟硬件模擬時，離芯片最后投片期限只有3天了。

大家把最后版本的邏輯設(shè)計都綜合在FPGA測試軟件中，準(zhǔn)備進(jìn)行最后完全測試。這也是研制工作關(guān)鍵點之一，如果通過了，那就萬事大吉；如果卡了殼，那就前功盡棄。

測試程序啟動后，大伙都把眼睛睜得圓圓的，緊緊盯著屏幕。突然，那些歡快滾動的數(shù)據(jù)一下撞到墻上似的，一動不動了。

大伙心里一沉，這是怎么回事？

趕緊檢查外圍，發(fā)現(xiàn)光纖好好的。

檢查服務(wù)器，服務(wù)器也活著。

查看交換機，交換機也有電。

又查以太網(wǎng)，也是工作正常。

最后，大家抱著試試看的想法，讓它從頭開始運行。那些數(shù)據(jù)又開始滾動起來，可幾分鐘后，又故態(tài)重萌，躺著不動了。

死鎖！大家一下子都急出一頭冷汗。要解開這把死鎖，首先必須查明它“死”在哪里。

查因的突破口首先選在測試試題與測試模式結(jié)合部。負(fù)責(zé)測試操作的劉路和設(shè)計測試題的謝閔，由于年輕氣盛，加之急火攻心，兩人一碰頭便“吵”了起來。

謝閔正忙著測試另一個驅(qū)動程序，劈頭便問劉路：“我那邊正忙呢，你叫我干什么？”

劉路說：“把所有測試題都加進(jìn)去跑，運行一會兒就死鎖了，會不會是你編的測試題不能一起跑？”

謝閔說：“不可能，單個題能跑，混合在一起跑不會有影響?！?/p>

劉路說：“那不一定吧，單個跑和混在一起跑，能一樣嗎？”

謝閔說：“你放心，我所有的題都內(nèi)部做了流控，絕不會出現(xiàn)相互擁擠現(xiàn)象。”

劉路說：“別的題單獨跑沒問題，說明硬件沒問題。偏偏跑你的題死鎖，不是你的題有問題，是什么？”

謝閔說“我還懷疑你們的測試模式有問題呢！”

沉默一陣，兩人幾乎同時朝對方擺擺手說：“咱們再爭是浪費時間?！眱扇松潭ò蠢弦?guī)矩，都去自查原因，自證清白，再合作解決。

研究室領(lǐng)導(dǎo)帶著大家忙了一個晝夜，結(jié)果卻發(fā)現(xiàn)測試題和測試模式都沒問題。

難道是接口芯片出問題了？大家將所有接口芯片統(tǒng)計計數(shù)器的值讀出，結(jié)果四個接口芯片流出的數(shù)據(jù)包的個數(shù)恰好等于四個接口芯片流入的數(shù)據(jù)包的個數(shù)，這說明正常呀。

他們不得不把懷疑的目光移向交換芯片。要是在這最后時刻發(fā)現(xiàn)它有問題，后果不堪設(shè)想呀。就在大家都懸著一顆心，緊鑼密鼓苦讀代碼時，卻意外地從測試用的FPGA版本上發(fā)現(xiàn)了疑點。

把FPGA版本進(jìn)行更新再運行時，那些數(shù)據(jù)終于又快樂地跳躍起來。兩種芯片都按時一次投片成功。

大伙擦去額頭上的汗珠，輕松地吁了口氣：“要是再查不出原因，耽誤了投片，拖了工程后腿，我們可沒法向黨和人民交代呀。”

電源系統(tǒng)主任設(shè)計師胡世平是一員參加過“銀河—Ⅰ”“銀河—Ⅱ”“銀河—Ⅲ”系列巨型機研制的老將。每秒千萬億次超級計算機攻關(guān)中，他又帶領(lǐng)大家擔(dān)負(fù)起研制電源分系統(tǒng)的重任。

2009年7月，每秒千萬億次超級計算機機房進(jìn)行配電建設(shè)。胡世平一邊要進(jìn)行電源系統(tǒng)的技術(shù)攻關(guān)，一邊要與電力公司工程技術(shù)人員研究解決變壓器施工中出現(xiàn)的問題，還要參加動力電纜施工，50多歲的他經(jīng)常干最苦最累的活，不認(rèn)識他的人還以為他這個大教授是一名電工。

那段日子里，胡世平忙得兩頭都快變成了一頭，不說沒有了節(jié)假日，還時常一干就是一通宵。

偏在這節(jié)骨眼上，他90高齡的母親股頸骨骨折，生命垂危，被緊急送進(jìn)了醫(yī)院。胡世平聽到這個消息，心頭一下子揪緊了。

他的父親，是1953年組建“哈軍工”時，由陳賡院長親自點將、經(jīng)周總理批準(zhǔn)，第一批從全國抽調(diào)到學(xué)校工作的專家教授。他出生三個月后，母親就帶著他和他的哥哥、姐姐，去了軍事工程學(xué)院，在校直屬醫(yī)院當(dāng)了一名產(chǎn)科醫(yī)生。此后，母親一直在校醫(yī)院工作，一生中迎接的新生命數(shù)以千計。心地善良的母親喜歡孩子，更愛自己的三個孩子，而對他這個老幺，更是百般關(guān)愛，倍加呵護(hù)。

胡世平對母親也很愛戴和敬重。母親住院后，他任務(wù)再重，工作再忙，也要盡到為人兒子的孝道。每天白天爭分奪秒趕任務(wù)，晚上下班后，再晚也要到醫(yī)院守候病中母親，給老人家翻身擦背，洗臉梳頭。

醫(yī)院沒有陪護(hù)床位。他每天只能趴在母親的床沿上睡一會。后來，他去超市買了一張折疊床，睡在母親的病床旁。每晚都要起來好幾回觀察母親的病情，給她掖緊被窩。

母親得知兒子參與研制的機器，準(zhǔn)備拿世界冠軍，說等病好些后無論如何也要去看看。兒子說，過兩天就拍些照片過來，讓老人家先睹為快。可他每天一進(jìn)實驗室忙起來，就把這事給忘了。

這天，總師組領(lǐng)導(dǎo)找到他說：“天津用戶那邊供電工程出問題了，自己解決不了，已經(jīng)拖了工程后腿，請你趕快過去?！?/p>

胡世平領(lǐng)受了任務(wù)，回到醫(yī)院告別母親，當(dāng)天飛到天津。

他一下飛機立刻開展工作，連續(xù)奮戰(zhàn)兩天一夜，終于解決了問題。其間，不說睡覺，連飯都沒有好好吃一餐。用戶非常感激他，特意為他擺了一桌酒菜。心里惦記著躺在病床上的母親，胡世平哪有心思喝酒，他讓服務(wù)員用飯盒裝了幾樣菜便上了出租車，邊吃邊往機場趕。

雖然胡世平以最快速度趕回了長沙，可當(dāng)他一下飛機，把手機打開時，“通話秘書”告訴他：半小時前，妻子給他打了十幾個電話。

胡世平預(yù)感到出事了，立刻把電話回過去。

妻子哽咽著告訴他：“媽媽在半小時前走了——”

他奔到醫(yī)院，只見母親躺在急救室的病床上，雙唇輕閉，一臉安詳，只是兩只眼睛微微地露著一條縫。他知道，那是老人在等著他回來，那是母親在告訴他，她還有很多很多話，要跟他這個家里的老幺說。

胡世平雙膝跪在母親跟前，聲淚俱下：“媽媽，您不是說要等我回來嗎？您不是要等我們把機器搞完了，帶您去參觀嗎？現(xiàn)在我們的機器還沒做完，還沒等我出差回來，您怎么就走了呢……”

在大家艱難曲折、鍥而不舍的攻堅中，各項關(guān)鍵技術(shù)相繼突破。

2009年國慶節(jié)來臨前夕，每秒千萬億次超級計算機一期系統(tǒng)安裝完畢。這時，從芯片市場傳來一個喜訊，一款性能更高的新款GPU上市了！這對于正與世界強國決戰(zhàn)的銀河人來說，就像在國際足球賽中的前鋒面前突然出現(xiàn)了空門，讓大家興奮到狂喜。

但這“臨門一腳”并不好踢：一是離任務(wù)節(jié)點只有一個月了，而更換GPU必須先拆再裝，整個系統(tǒng)有2560多個節(jié)點，團(tuán)隊完成更換GPU的工作通常需要半個月左右。而且更換了新GPU之后，就必須對原先的軟件優(yōu)化措施加以改進(jìn)，能按時完成任務(wù)嗎？

總師楊學(xué)軍把一線攻關(guān)團(tuán)隊集合起來，大聲問大家：“這新款GPU，我們上不上？”

大家異口同聲：“上！上！上！”

“按時完成黨和國家交給我們的任務(wù)，有沒有信心！”

“保證完成任務(wù)！”

國慶節(jié)來臨了，最后的突擊開始了。測試篩選、拆卸安裝GPU，是個體力活。團(tuán)隊全體人員，男女老少齊上陣，三天三夜，誰也沒合過一下眼，終于完成數(shù)以千計的GPU更換工作。

任務(wù)完成后，楊學(xué)軍再次把大家集合起來，看著大家一雙雙貼滿創(chuàng)可貼的手，熬得通紅通紅的一雙雙眼睛，他的眼睛也紅了。