“啪”的一声响指，全宇宙半数人瞬间灰飞烟灭！
看电影之前，谁也不曾想到万众期待的《复仇者联盟3》竟然会是这样一种结局！
电影看毕，影院里的观众们似乎还无法从“失落”的情绪中解放出来，竟没有一人在字幕出现的时候站起离场。
虽然在影片结尾的彩蛋中，尼克局长在消失前发送的一条求救信号多少挽救了大家的心情，但总有一个疑问萦绕在人们心头，话说奇异博士不是已经算出一种成功的可能性吗？
复仇者联盟怎么还是失败了？
难道错了？奇异博士怎么就能够预测未来？
古一法师是人类世界的守护者之一，具有跨越时空，扭曲空间，在多维空间中来回穿梭的超能力，而斯蒂芬-斯特兰奇在谷一法师的教导下，开始接触和学习鲜为人知的玄学以及多维空间世界的学问。在纽约的格林威治村学习期间，奇异博士无意中获得了神秘斗篷和掌控时间的绿色宝石，从此具有了操控时间的能力，斯特兰奇也变身奇异博士。
所以奇异博士既可以通过操纵时间宝石预测未来，也能回溯过去，知识点，请记住！奇异博士没办法改变过去已经发生的事情，如果改变，可能现在的世界将不复存在！
说到这里，奇异博士既然看到了一种成功的未来，复仇者联盟为何还是失败？
知道了奇异博士可以预测未来或者说可以看到未来的超能力之后，大家知道，博士肯定是利用了自己驾驭时间的超能力，去看了14000605种可能性，最终找到了一种成功的可能性。
那么，复仇者联盟为什么看起来失败了呢？有两种可能，要不就是奇异博士算遍了所有的可能性，也没有找到一种成功的方法，说出来只是鼓舞一下大家的士气；要不就是以后所有发生的事情，都是达成这种唯一成功方法所必须要经历的事情。
从历来电影中的“主角光环”原理来看，第一种可能性发生的概率不大，很有可能是第二种。
也就是说，奇异博士之所以不阻止星爵破环大家摘取灭霸无限手套，又为了救钢铁侠将时间宝石交给灭霸，只不过因为这些都是达成唯一一种成功可能性所必须经历的过程。
这也就不难理解，当钢铁侠质问奇异博士为何要用时间宝石救自己时，奇异博士只是说：There was noother way！表明的意思是，没有别的办法，但隐含的意思则为，这是唯一能够取胜的方法！
奇异博士的“算力”到底有多强悍？
我们假设奇异博士“看”一种可能性需要耗费1分钟，那么，“看”完14000605次可能性就需要14000605分钟=233343小时=9723天=26年！而实际上，奇异博士可能仅仅只“看”了十几分钟而已。
看过电影的童鞋们应该了解，奇异博士只是盘膝坐在那里，就“看”到了那14000605次可能性。我们有理由相信，这14000605次可能性并不是奇异博士真正“看”到的，而是他大脑中的思维活动，由此可见博士大脑的“算力”确实非同凡响。
如果……
HPC是高性能计算 (High Performance Computing)机群的简称。指能够执行一般个人电脑无法处理的大量资料与高速运算的电脑，其基本组成组件与个人电脑的概念无太大差异，但规格与性能则强大许多。现有的超级计算机运算速度大都可以达到每秒一兆（万亿，非百万）次以上。
而目前世界上最快的HPC的处理能力已经达到了125,436TFlop/s。TFlops/s，可以简单写为T/s，是数据流量的计数单位，意思是“1万亿次浮点指令每秒”，它是衡量一个电脑计算能力的标准。1TFlops=1024GFlops，即1T=1024G。125,436 TFlop/s即是指在1秒钟内可以进行125,436万亿次浮点指令，这是一个恐怖的算力，测算奇异博士的算题应该绰绰有余。
实际上，除此之外，目前HPC已经在很多领域得到了广泛的应用。举个例子，在生命科学领域，越来越依赖大数据集和计算密集型工作负载。
美国国家卫生院现在仅内部工作每个月生成和分析的数据就达到了 1.5PB。生命科学应用程序和工作负载多种多样，还必须处理各种科学数据：基因组、分子成像、分子建模/模拟等。
在人工智能领域，高性能计算也是至关重要。
人工智能可为许多行业带来巨大潜力，但是人工智能模型的训练是一项计算密集型和数据密集型任务，对高性能计算（HPC）系统的性能和规模有一定要求。系统设计的平衡至关重要，因为人工智能训练工作负载会对HPC 集群的各方面（从内存带宽和容量到消息延迟和网络带宽）造成压力。
英特尔® 可扩展系统框架（英特尔® SSF）旨在帮助企业更经济、更轻松地满足这些工作负载要求。它为平衡型高性能 HPC 集群勾画了蓝图，使其更易于部署和使用，实现几乎无限的扩展，以满足人工智能和其他HPC 工作负载需求。结合英特尔® 人工智能全栈解决方案，这种可扩展 HPC 框架提供端到端硬件和软件支持，帮助开发、部署和发展人工智能解决方案，并将这些解决方案与其他业务和技术应用集成。
新英特尔® 至强® 可扩展处理器的内核数量更多，内存带宽更高，并具有 512 位超宽矢量支持，可提供高达 2.2 倍的神经网络训练性能。此外，它们还配有集成网络控制器。这些处理器非常适合大规模部署人工智能推理引擎，许多情况下还可用于满足更苛刻的神经网络训练需求。凭借广泛的互操作性，它们还可为集成人工智能解决方案与其他业务和技术应用奠定灵活的基础。
閱讀更多 英特爾中國 的文章
