以往的高性能计算案例中科研项目居多，在学术研究领域以Xeon处理器和Xeon Phi组成的微异构架构为科研人员带来了极大方便。其实在与我们日常衣食住行密切相关的应用领域，借助微异构架构的高性能计算也在发挥着极重要的作用。
　　“陕西模式”的探索
　　陕西省高性能计算研究中心就是一个典型的例子，他们在高性能计算应对金融风险方面，率先引入了Xeon Phi融核处理器，让金融风险评估实现了实时化和动态化，这在以前是无法想象的。我们有幸采访到了陕西省高性能计算研究中心主任周晓辉教授，以及陕西省高性能计算研究中心总工程师华诚先生，通过他们的介绍，让大家对于高性能计算在金融行业的应用情况有了全新的认识。

陕西省高性能计算研究中心主任周晓辉教授
　　陕西省高性能计算研究中心由陕西省工业和信息化厅与西安邮电大学合作兴建，是陕西省所有电子政务的核心区域，于2012年8月获批，2013年5月17日挂牌成立。与传统的高性能计算中心不同，其中极少有科研内容，而是主要为与民生相关的电子政务和信息化提供服务。
　　陕西省创立了独有的“陕西模式”，概括来说有两个“不同”。首先是与将电子政务数据中心分散在各个职能部门的传统部署方法不同，他们将所有职能部门的数据中心全部集中在该研究中心内，这样不但各个职能部门能够完成各自的大数据分析、处理，还能在需要的情况下快速打通不同职能部门之间的数据库，平级单位之间的数据在不出楼的情况下就能互相分享和利用，并简化了审批手续，让大数据处理发挥更重要作用的同时，有效控制了成本，又保障了电子政务系统的安全性。另外在系统设计方面不同，传统的做法是先搭建数据中心和硬件平台再寻找应用，经常出现数据中心已经投入使用但没有具体用途的现象，会造成一定的浪费。陕西省高性能计算研究中心是根据实际的应用需求进行设计的，先有需求再有数据中心，让实际应用需求和数据中心规模相契合，确保每一分钱的运维支出都是有效的，将浪费降低到最小。
 
传统异构技术问题解析
　　从高性能计算研究中心的设计和运作情况不难看出，陕西省对于信息化的建设是非常重视的，不但在信息化和大数据分析方面投入的大量的资金和政策支持，在新技术的引入和使用方面也走在全国前列。在这样的大环境下，Intel的微异构架构和Xeon Phi产品也率先进入了高性能计算研究中心，在金融行业做出巨大贡献。

　　在现有的政治经济结构下，政府行为会对金融行业造成很大影响，所以金融风险防范也主要依赖政府的信息化中心。举个例子，在08年美国次贷危机发生之后，美国的银行业就通过高性能计算机对银行业做了压力测试，通过计算机辅助模拟，得出了最佳的经济政策并付诸实施，应对这场波及全球的金融危机。
　　目前陕西省高性能计算研究中心使用蒙特卡洛方法对金融行业的风险防范进行研究，并且建立了金融风险控制模型。然而这样的金融风险控制模型由于对运算能力要求非常高，在纯粹依赖CPU运算的时代，整个风险控制模型仅仅能够在做长期预测，无法提供实时的和动态的风险控制，因此虽然相关的数学模型已经建立，但无法充分发挥作用，如何让高性能计算在金融行业发挥出应有的作用，成为整个金融行业的都在研究的课题。
　　在Xeon Phi之前虽然已经有了各种各样的异构解决方案，提供了非常优秀的运算性能，但是由于处理器与协处理器之间的架构差异巨大，给应用的开发带来了巨大困难。目前研究人员普遍使用的MATLAB等都是基于X86环境的，这也就意味着如果将其引入到异构体系上，需要先在X86环境下开发完成之后再进行二次开发，或者一边开发一边向异构平台转换，整个周期相当漫长而且开发难度高，虽然最终能获得较高性能，但投入和产出之间的比例严重失衡。
微异构助力实时风险分析
　　说到这里，周晓辉教授也颇有感慨。作为金融行业精英的他表示大部分行业内的研究人员都并非计算机专业人士，基于X86进行开发的问题不大，但是要驾驭CPU+GPU这样的异构体系进行开发实在是难如登天。他认为计算机领域研究并不应该只是一味强调实现了多高性能，而是应该在注重性能的同时优化开发环境，为其他行业或者其他领域的研究人员提供人性化的解决方案。显然，基于CPU+GPU异构这样的高性能计算产品就是一个反例，尽管运算性能与纯CPU环境相比有了大幅提升，但是易用性太差，严重制约了高性能计算的使用。
　　不难看出，在微异构出现之前的金融行业大数据分析始终处于两个极端，一边是因为性能太弱无法让风险控制模型发挥效用的纯CPU环境，另一边是因为开发难度太大而无法发挥效能的异构。异构出现之后，虽然超级计算机以及其他大数据分析设备的性能在翻倍增加，但实际应用止步不前，很多科学研究也从如何发挥数据价值转变成了如何更好的使用异构架构上，异构架构的易用性太差导致多个领域的科学研究最终都变成了计算机领域的研究。相对而言，也就不难看出Intel的微异构以及Xeon Phi有多么重要了。
　　根据总工程师华诚先生的介绍，他们的金融风险控制模型课题最初也是依托于传统X86平台进行开发，如果将其从X86平台迁移到CPU+GPU异构平台，最长可能需要1个月时间，而且开发难度高、风险不可控，但如果迁移Intel微异构平台上，由于微异构架构与全CPU架构的相似性，迁移只需要2天时间，并且在Xeon Phi的帮助下，微异构也拥有十分强大的运算能力。
　　在金融行业里Xeon Phi究竟让整个平台性能提升了多少？周晓辉教授给出了一个数字，Xeon Phi微异构架构的性能是传统CPU环境的660%，如此强大的性能为陕西省金融行业的风险控制提供了实时的数据分析，甚至可以以小时或者数分钟为单位进行实时风险控制，为陕西省金融行业的安全提供了坚强后盾。
风险控制模型用途广泛
　　未来随着政策的转变，政府在金融行业的职能逐步从管理转向监控，金融市场逐步开放，这种实施风险控制也变得十分重要。比如在银行利率市场化的大环境下，利率将受到诸多因素干扰发生波动，金融交易风险也就随之提高，对风险控制的需求也在提高。再比如我们当前的各种保险，目前由于缺乏相关的数据分析手段，没有针对特定人群制定特定的保险方案，仍然采用“一刀切”的模式，致使保险行业的风险非常高，投保者的也无法充分享受保险带来的实惠，如果转变这种僵化的保险机制，也要进行大数据分析和风险控制。

　　周晓辉教授介绍，由于金融风险控制模型是一套非常完整、全面的模型，因此只要稍加调整，就能在多个行业发挥重要作用。比如广电行业省内80万台智能电视的使用情况、用户对特定时间和特定节目的喜好，再比如医疗行业的电子病历联网、各个地方的舆情监控等等。
　　大数据分析和政府有密不可分的关系，因为在中国70%的大数据都来自政府部门，也就是说政府是大数据分析系统的最大用户。对于陕西来说，金融行业只是陕西省用高性能计算处理电子政务信息的一个开端，未来所有的关键行业都将引入相应的风险控制机制，到时这些行业对于高性能计算也会有巨大的需求，Intel微异构架构也将在陕西省的电子政务系统中发挥更重要的作用。