- Superdatamaskiner og kunstig intelligens gjør det mulig å lage digitale tvillinger av planeten, byer og menneskelige organer for å simulere og forutse komplekse scenarier.
- Europa fremmer prosjekter som Destination Earth, LUMI og BSC, som kombinerer superdatamaskiner, nettverk av sentre og utvikling av egne brikker.
- Fokuset til AI skifter fra massiv trening til inferens, med nye servere, PC-er og til og med stasjonære superdatamaskiner som forberedes for AI.
- Spania deltar i dette kappløpet med MareNostrum, det spanske superdatanettverket og systemer som Picasso, som leverer tjenester til vitenskap, industri og samfunn.
Superdatamaskiner og kunstig intelligens har blitt det heteste paret i dagens teknologi. Vi snakker ikke lenger bare om enorme datasentre gjemt i vitenskapelige bunkere, men om maskiner som er i stand til å skape digitale tvillinger av planeten, menneskehjertet eller en hel by, og til og med stasjonære superdatamaskiner som får plass (mer eller mindre) under et kontorpult.
Samtidig opplever vi et faseskifte innen AI: fra en boom i trening av gigantiske modeller har vi gått over til en besettelse av inferens – det vil si å bruke disse modellene med full kapasitet i hverdagsoppgaver. Maskinvareprodusenter, forskningssentre og universiteter konkurrerer nå om å tilby alt fra superdatasentre som Barcelona Supercomputing Center (BSC) eller det europeiske LUMI, til kompakte servere og AI-klare PC-er som bringer en slags «mini-superdatamaskin» til skrivebordet.
Hva er egentlig superdatamaskiner, og hvordan måles kraften?
Når vi snakker om superdatamaskiner, refererer vi ikke til en oppgradert PC, men snarere til klynger av tusenvis av datamaskiner som jobber på en koordinert måte som om de var én enkelt maskin. Hver av disse datamaskinene er en node, med sine egne CPU-er, GPU-er, RAM og lagring, alt koblet sammen av ultrasnelle sammenkoblingsnettverk som minimerer ventetid , ytelsens største fiende.
Kraften til disse maskinene uttrykkes i FLOPS (flyttalsoperasjoner per sekund) . Hjemme kan en kraftig datamaskin operere i teraFLOPS (TFLOPS)-området. Innen superdatamaskiner spiller vi i en annen liga: det er vanlig å snakke om petaFLOPS ( 10¹⁵ operasjoner per sekund) og, i de mest avanserte systemene, exaFLOPS ( 10¹⁸ ). Frontier i USA var den første som offisielt brøt exaskala-barrieren.
For å gi deg en idé, kan en moderne superdatamaskin utføre på én time det en hjemmedatamaskin ville brukt år på å beregne . Denne utrolige datakraften er det som lar oss simulere alt fra orkaner til proteindynamikk, eller å trene AI-modeller med billioner av parametere.
Hvordan ser superdatamaskiner fysisk ut, og hvorfor trenger de så mye kjøling?
Visuelt sett ser en superdatamaskin ikke ut som en typisk stasjonær PC. Den ligner vanligvis et rom fullt av metallskap , som hvert inneholder hundrevis eller tusenvis av prosessorer, GPU-er og harddisker. Kraften er så enorm at energiforbruket kan nå flere megawatt , og en betydelig del av denne energien går tapt som varme.
Derfor trenger disse systemene dedikerte rom med ekstrem kjøling : industriell klimakontroll, varme og kalde ganger, direkte væskekjøling til brikken, og til og med kreative løsninger for å utnytte denne varmen. I Sveits, for eksempel, gjenbrukes varmen fra en superdatamaskin til å varme opp universitetsbygninger , noe som gjør et problem til en fordel.
I noen tilfeller brukes svært sofistikerte sikkerhets- og beskyttelsessystemer, for eksempel glassinnkapslinger med spesielle brannslukkingssystemer som bruker mikronisert vann som er i stand til å slukke branner uten å skade elektronikken. Dette er tilfellet med den originale MareNostrum i Barcelona, installert inne i kapellet til Polyteknisk universitet i Catalonia: sannsynligvis en av superdatamaskinene med de mest uvanlige plasseringene i verden.
Den digitale tvillingrevolusjonen: fra jorden til menneskehjertet
Kombinasjonen av superdatamaskiner og kunstig intelligens driver frem et nøkkelkonsept: digitale tvillinger . Dette er ikke bare virtuelle modeller, men dynamiske replikaer som integrerer data fra den virkelige verden i nesten sanntid for å simulere, forutse og optimalisere det som skjer i den fysiske verden.
I Europa promoterer Europakommisjonen programmet Destination Earth (DestinE) , som har som mål å utvikle en svært nøyaktig digital tvilling av jorden innen få år. Takket være superdatamaskiner som LUMI , den kraftigste i EU, kan man utføre svært høyoppløselige, langsiktige klimasimuleringer, som inkluderer atmosfæren, havene og landoverflaten med et detaljnivå som inntil nylig bare var oppnåelig med svært kortsiktige værmodeller.
Ifølge Utz-Uwe Haus, leder for HPE HPC/AI EMEA Research Lab, gir denne funksjonen en bedre forståelse av ekstreme hendelser for katastrofehåndtering, studier av klimaendringsscenarier og vurdering av virkningen av isbreer, havis, vegetasjon og aerosoler på det globale klimaet. Men den muliggjør også noe veldig praktisk: å forutsi lokale effekter med enorm presisjon, som gjennomsnittlig nedbør, tørke eller flom på skalaen til en region eller by.
Dette har direkte konsekvenser for landbruksplanlegging (hvilke avlinger som er levedyktige i et gitt område og med hvilken risiko), for investeringer i fornybar energi (prognoser for sol- og vindtimer over flere tiår) og for infrastrukturdesign. Det er et tydelig eksempel på hvordan superdatamaskiner slutter å være noe abstrakt og begynner å påvirke svært konkrete økonomiske beslutninger.
Digitale tvillinger i byer, elver og havner
Digitale tvillinger er ikke begrenset til det globale klimaet. Barcelonas storbyområde har en digital tvilling med sine 164 kommuner som muliggjør simulering av urbane, økonomiske, mobilitets-, bolig- og kunnskapsmessige scenarier for de kommende tiårene. Politikk og planer kan testes på denne virtuelle kopien før man tar beslutninger i den virkelige verden.
Innen havne- og elvetransportsektoren utvikler Sevilla havn Guadaltwin, en digital tvilling av Guadalquivir-vannveien, som en del av sin digitaliseringsplan. Dette systemet integrerer AI og maskinlæring for å forbedre prediksjoner og beslutninger angående elvetrafikk, håndtering av vanndypgang, tidevann, infrastruktur og sikkerhet.
Selv innen tilsynelatende ulike felt som høyenergifysikk og mote, har digitale tvillinger begynt å gjøre seg gjeldende i bransjen. CERN forsker på hvordan man kan bruke disse modellene i sine partikkelfysikkeksperimenter, robotikk og kjølesystemer, mens selskaper som H&M har laget digitale kopier av menneskemodeller for reklamekampanjer, noe som har skapt debatter om bilderettigheter og fremtiden for kreativt arbeid.
Menneskekroppen som den neste store digitale tvillingen
En av de mest ambisiøse utfordringene ligger innen helsevesenet. Team som Steven Niederers ved Imperial College London jobber med digitale tvillinger av individuelle hjerter, med deres spesifikke form, størrelse og funksjon. Disse modellene muliggjør simulering av operasjoner og behandlinger uten risiko for pasienten, og brukes allerede i kliniske studier og intervensjonsplanlegging.
Forskere som Andreu Climent og María de la Salud Guillem, fra Polytekniske Universitetet i Valencia, mener at disse digitale hjertetvillingene vil være nøkkelen til å behandle komplekse arytmier, avgjøre hvem som har nytte av en implanterbar defibrillator, og forutse risikoen for plutselig død. Og det langsiktige målet er enda mer ambisiøst: å bygge en komplett digital tvilling av menneskekroppen som vil tillate testing av behandlinger, justering av medikamentdoser og personalisering av medisin i størst mulig grad.
AI, superdatamaskiner og overgangen fra trening til inferens
I årevis har hoveddelen av AI-investeringene gått til å trene stadig større modeller, spesielt innen generativ AI. I dag skifter fokuset tydelig mot inferens : å bruke disse modellene i stor skala i produksjon, kontinuerlig og til en lavere kostnad per operasjon.
Dette skiftet var tydelig på CES 2026. Produsenter som Lenovo avduket servere spesielt utviklet for inferens, som ThinkSystem SR675i, SR650i og ThinkEdge SE455i , klare til å kjøre AI-modeller nær datakilden, på den såkalte kanten.
Origin PC, nå en del av Corsair-økosystemet, har vist frem S-Class Edge AI Developer Kit , en kompakt, brukervennlig plattform for utvikling av AI i nettverkskanten. Tanken er at små utviklings- eller forskningsteam kan teste og distribuere AI uten alltid å være avhengige av skyen eller massive eksterne datasentre.
De fleste PC-produsentene som var til stede på CES fulgte samme vei: Acer med sin RA100 AI-ministasjon og sine oppdaterte Veriton-stasjonære PC-er; LG GRAM med doble AI-funksjoner (lokal + sky); Asus med en rekke nye Vivobook-er og ProArt PX13 -konvertible PC- er rettet mot skapere som jobber med AI; Dell oppdaterer XPS- serien for AI-arbeidsbelastninger; og HP oppdaterer EliteBook, EliteBoard, Omnibook og OmniStudio, alle med AI-akselerasjon og datakraft.
Superdatamaskiner som handler om skrivebordet: «stasjonær superdatamaskin»
En spesielt interessant trend er lokal superdatamaskin , med maskiner som, selv om de ikke når størrelsen til et nasjonalt senter, tilbyr utrolig kraft i et stasjonært format. På CES 2026 avduket Gigabyte (gjennom datterselskapet Giga Computing) Gigabyte W775-V10 , en ekte «stasjonær superdatamaskin».
Dette systemet integrerer NVIDIA AI-stakken og NVIDIA GB300 Grace Blackwell Ultra Desktop- akseleratoren , blant andre toppkomponenter. Målet er å gjøre det mulig for AI-team å trene og utlede komplekse modeller uten å være avhengige av skyen eller eksterne datasentre, samtidig som de opprettholder full kontroll over dataene og kjøretidsmiljøet.
Ved siden av dette har CES bidratt til å friske opp økosystemet av komponenter: nye Intel Core Ultra CPU-er , nye AMD Ryzen- prosessorer, Qualcomms Snapdragon X2 Plus- brikke , Kioxias BG7 SSD-er, avansert DDR5-minne fra Gigabyte og oppdaterte hovedkort fra MSI, alle designet for å støtte dataintensive og AI-intensive arbeidsbelastninger.
Innenfor periferiutstyr viste merker som Corsair frem sine nyeste high-end-mus og -tastaturer, mens Anker, Eufy og Soundcore fokuserte på tilkoblede enheter. Til og med noen spennende dingser dukket opp, som Plaud Notepin S , en liten notatenhet drevet av AI.
Hva brukes superdatamaskiner til i dag: fra COVID til luftkvalitet
Superdatamaskiner brukes nesten alltid til avansert forskning på felt der en vanlig PC bokstavelig talt ville tatt evigheter å beregne. Deres klassiske bruksområder inkluderer meteorologi og klima , jordskjelvsimulering, forskning innen astrofysikk, geofysikk, biologi, medisin, legemiddeldesign og luftfartsteknikk.
Under COVID-19-pandemien ble flere superdatamaskiner brukt til å simulere oppførselen til virusproteiner, teste kombinasjoner av molekyler og akselerere søket etter legemidler. Massive simuleringer tillot forskere å forkaste lite lovende tilnærminger og fokusere innsatsen sin på forbindelsene med høyest sannsynlighet for suksess.
Sentre som Barcelona Supercomputing Center har vist svært konkrete eksempler: med sensordata og fluiddynamikkmodeller trente de nevrale nettverk til å kontrollere forbrenningsanlegg og forbedre drivstofforbruket ved å redusere utslipp; eller til å forutsi luftkvaliteten i store byer med bemerkelsesverdig nøyaktighet, basert på årevis med historiske data.
Et annet slående eksempel er AlphaFold , DeepMinds system for å forutsi proteinfolding fra aminosyresekvensen. Dette problemet på nobelprisnivå har nytt godt av en eksplosiv kombinasjon av kunstig intelligens, stordata og superdatamaskiner . Virkningen på biomedisin og legemiddeldesign har vært enorm, til det punktet at titusenvis av forskere over hele verden allerede bruker resultatene daglig.
Vanlige bruksområder for superdatamaskiner
- Vær- og klimaprognoser på mellomlang og lang sikt.
- Simulering av jordskjelv, tsunamier og naturfarer for å redusere skaden.
- Design og testing av fly, kjøretøy og raketter ved hjelp av aerodynamiske modeller.
- Legemiddelutvikling og -design og molekylære interaksjonsstudier.
- Astrofysikk og kosmologi: dannelsen av galakser, stjerner og sorte hull.
- Luftkvalitet og atmosfærisk sammensetning i regioner og byer.
- Stordata og sosial simulering: kulturell evolusjon, befolkningsbevegelser, smarte byer.
- Sikkerhet og forsvarfra simulering av atomvåpen til digitale tvillinger av radarer og komplekse systemer.
Hvor befinner de store superdatamaskinene seg, og hvilken rolle spiller Spania?
Topp 500 -listen samler og rangerer de 500 kraftigste superdatamaskinene i verden to ganger i året siden 1993. Selv om Kina leder an i antall systemer på listen, beholder USA ledelsen i total samlet kraft , spesielt med maskiner som Frontier.
Blant de nåværende gigantene er Fugaku i Japan, som ledet an i årevis; Summit og Sierra i USA; og Sunway TaihuLight og Tianhe-2A i Kina, som også en gang hadde topplasseringen. Italia er hjemsted for systemer som HPC5 og Marconi-100 , og Sveits kan skryte av Piz Daint , en mangeårig leder i Europa.
I Spania er referansepunktet MareNostrum ved Barcelona Supercomputing Center. Siden den første versjonen i 2004, med omtrent 42,4 teraFLOPS, har den skalert opp til dagens MareNostrum 4, med rundt 13,7 petaFLOPS . Den neste generasjonen, MareNostrum 5, vil representere et sprang på flere størrelsesordener i strøm- og energiforbruk, og er en del av den europeiske strategien for å utvikle eksaskalainfrastruktur.
Et spesielt viktig nettverk er det spanske superdatanettverket (RES) , som samler sentre og maskiner fordelt på ulike autonome regioner og tilbyr tjenester til forskere over hele landet. Byggende på dette grunnlaget er det også opprettet et ibero-amerikansk superdatanettverk , som forbinder ressurser fra land som Mexico og andre latinamerikanske partnere for felles prosjekter.
På regionalt nivå skiller fasiliteter som Picasso-superdatamaskinen ved Universitetet i Málaga seg ut, med rundt 40 000 datakjerner og 180 TB RAM. Picasso betjener både forskere ved selve universitetet og andalusiske brukere gjennom den andalusiske bioinformatikkplattformen, samt forskere fra hele Spania gjennom RES (Spansk nettverk for bioinformatikk).
Disse systemene kjører nesten alltid på Linux eller dets derivater, på grunn av deres åpen kildekode-natur, stabilitet og lave ressursforbruk sammenlignet med andre kommersielle operativsystemer. På dette grunnlaget er det bygget et spesialisert og raffinert økosystem av vitenskapelige verktøy, programmeringsmiljøer og AI-biblioteker.
Referansesentre: Barcelonas superdatasenter og det europeiske kappløpet om egen maskinvare
Barcelona Supercomputing Center (BSC) er en av Europas ledende aktører innen forskning på superdatamaskiner og dataarkitektur. BSC, ledet i flere tiår av Mateo Valero, har vokst fra å administrere én enkelt superdatamaskin til å bli et senter med over tusen personer fra mer enn 50 land, organisert i avdelinger for informatikk, biovitenskap, geofag og sosiale applikasjoner.
Et av BSCs særtrekk er at de ikke bare driver maskiner; de utvikler også sin egen programvare, algoritmer og til og med prosessorer . I årevis har de vært involvert i europeiske prosjekter som EuroHPC og initiativer som European Processor Initiative (EPI) og europeiske brikker basert på åpne arkitekturer som RISC-V , med mål om å redusere Europas avhengighet av amerikanske og asiatiske produsenter.
I samarbeid med andre partnere har BSC promotert prototyper av vektorprosessorer , ARM- og RISC-V-baserte plattformer, og en hel familie av design med navn som Turtle, Lizard og Chameleon , som har vokst i kompleksitet for hver generasjon. Målet er å lage, på mellomlang sikt, brikker som er i stand til å drive «MareNostrum 6»-superdatamaskiner med kritisk databehandlingsteknologi utviklet i Europa.
Denne innsatsen er innrammet i en ubehagelig virkelighet: Europa pleide å designe deler av ARM-arkitekturen, men salget av ARM til ikke-europeiske selskaper og mangelen på store egne støperier har satt kontinentet i en prekær posisjon . Mens noen initiativer, som USA som garanterer TSMCs avanserte produksjon i Arizona, eller chipfabrikkene som Tyskland og Frankrike tiltrekker seg med betydelige offentlige subsidier, finner sted i Spania, står Spania overfor utfordringen med å kombinere design, produksjon og et industrielt økosystem med relativt færre ressurser.
I denne sammenhengen innebærer den spanske strategien å konsolidere sentre som BSC, fremme nettverk som RES, støtte åpne brikkeprosjekter og utdanne svært ettertraktede fagfolk innen dataarkitektur og AI. Det er ingen tilfeldighet at, som senterets egne direktører erkjenner, får doktorgradsstudenter som spesialiserer seg på disse feltene tilbud fra privat næringsliv med lønninger som er vanskelige å matche fra akademia, noe som gjør det utfordrende å beholde talenter.
I mellomtiden styrker andre spanske universiteter infrastrukturen sin, noe som demonstreres av Picasso-instituttet i Málaga og RES-nodene som er distribuert over hele landet. I mange tilfeller betjener disse systemene partikkelfysikk , klimaendringsstudier, ingeniørfag, bioinformatikk og smartbyprosjekter, noe som viser at superdatamaskiner ikke lenger er en luksus forbeholdt noen få utvalgte laboratorier.
Når man ser på det store bildet, er det ganske tydelig at superdatamaskiner har gått fra å være en kuriositet i laboratoriet til å bli en kritisk infrastruktur for klima, helse, sikkerhet, økonomi og til og med for hvordan vi designer byer, kjøretøy og legemidler. Samtidig bringer spranget med kunstig intelligens fra laboratoriet til produksjon og fremveksten av digitale tvillinger noe av denne kraften til spesialiserte servere og til og med skrivebordene til ingeniører og forskere, og skaper et scenario der superdatamaskiner, langt fra å forsvinne, blir stadig mer integrert i hverdagen vår, selv om vi ofte ikke ser dem.
