對于傳統(tǒng)的HPC，云和AI的流行需要更長的時間。鑒于嚴(yán)格的性能要求以及超級計算機生成機器的核心通常具有數(shù)十年歷史的代碼，這不足為奇。但是，有一些令人吃驚的地方可以尋找HPC，云和AI平衡尋求線索的方式。

地理空間中最棘手的挑戰(zhàn)似乎是將HPC和AI的各個方面結(jié)合在一起，而在業(yè)務(wù)流程層次上，這是相當(dāng)?shù)偷摹＿@是因為某些部分可以很容易地并行化和大量分布，但是增加價值的層依賴于需要集成的豐富，復(fù)雜的數(shù)據(jù)。將HPC和AI的兩個世界融合在一起是其自身的挑戰(zhàn)，但也有一些亮點，即容器和云形式的基礎(chǔ)架構(gòu)靈活性。

基于位置的數(shù)據(jù)正在進入幾乎每個領(lǐng)域，而為迅速，大規(guī)模，盡可能深入地提供數(shù)據(jù)所涉及的風(fēng)險，正是少數(shù)將其作為使命的公司的與眾不同之處。對于像Enview的首席執(zhí)行官San Guanwardana這樣的人，具有HPC背景并且具有驅(qū)動業(yè)務(wù)的需求，需要集成AI而不應(yīng)對麻煩和本地基礎(chǔ)設(shè)施缺乏靈活性，這令人大開眼界。

“當(dāng)我們考慮如何使我們的計算易于處理時，唯一的方法就是盡可能多地并行化，這是大多數(shù)HPC的目標(biāo)。問題是，我們有一些獨特的要求和特征，這意味著我們的框架必須有所不同。” Gunawardana告訴我們。在最高層次上，使他們?nèi)绱死щy的部分原因是，一方面，他們在工作流程的一部分中具有令人尷尬的并行工作，但是這些工作必須與多維要素(天氣，時間，變化的條件)相結(jié)合等)。它們需要與并行部分嚙合，但這并不是那么簡單，尤其是當(dāng)機器學(xué)習(xí)進入整個流程時。

這極大地簡化了Enview的地理空間工作流程，但是關(guān)鍵是他們必須擁有可以無縫處理傳統(tǒng)HPC，機器學(xué)習(xí)，近實時工作負(fù)載以及非常大的模型(包括遠(yuǎn)距離)的基礎(chǔ)架構(gòu)和軟件框架。到更高分辨率的每公里分析。出于此處的目的，我們將重點關(guān)注他們的構(gòu)建和運行以及原因，因為它與大規(guī)模多維HPC相比具有更多的共同點，而不是首次出現(xiàn)，并且可以展示HPC中心如何進行一些工作和正確的動機，使其基礎(chǔ)架構(gòu)更加靈活。