也许基因检测、嫦娥三号并没有和我们的生活息息相关；也许人脸识别、石油勘探听起来还是高大上不接地气，但是阿法狗、雾霾预报，却是我们生活中真切存在。而高性能计算是解决云计算、大数据、深度学习等重要问题的有效方式或有益补充，基于高性能计算的IT服务，孕育了更广阔的应用前景。
大数据应用
Gartner新兴技术周期分为五个阶段，创新诞生、膨胀、低谷、第二三代产品迭代和生产力平稳期。而大数据应用，从2013年的所谓“大数据元年”，逐渐走到了第五个阶段——即广泛应用阶段。
大数据应用，广泛存在于IT服务中，尤其对于高算领域的IT服务来说。例如传统的IT服务诊断问题时，收集的信息非常片面，导致解决问题需要一个反复猜测、尝试的漫长过程，而且一些故障会因错误、延迟而变成疑难杂症。
但是基于大数据的应用，故障发生的同时与之相关的所有数据都可以立刻得到，并且通过分析使数据间的关联变得清晰，问题解决非常顺畅。可能传统方式需要用一周时间现在几小时就可以解决，效率显著提高，给IT技术发展带来的益处可见一斑。
Gartnet公司数据中心研究部首席分析师张瑾曾表示：“随着数据量的增长，传统IT架构逐渐无法满足需求，所以说大数据一半是新的业务，一半是解决传统业务的性能问题和管理数据的成本问题。”现任TEEC清华企业家协会会员，CCF中国计算机学会理事，CCF YOCSEF 学术委员，现在作为北京并行科技股份有限公司总经理的陈健博士对大数据也有独到的观点，如果使用传统的模式会继续受到资源制约，而采用优化的方法，借助一个数据采集、传输和分析平台，通过互联网将信息汇集到远端集中的运维中心，就可以保证故障发生时，与之相关的所有信息都已齐备，就可以实现成倍的IT服务。
深度学习
在年度Gartner Symposium/ITxpo会议上，我们看到机器学习、深度学习荣膺Gartner的十大战略性技术趋势预测，并且预计将到2020年之前，这些技术都会给企业和机构带来深刻的影响。
深度学习的应用范围广泛，应用形式之一就是IT运维。传统的通过数据的采集、传输、分析平台，只能提高问题诊断效率和准确性，但是对于IT运维的自动化服务来说，还远远不够。
IT运维服务的自动化，依靠一定程度上的深度学习。每一次服务案例提供的数据、诊断采用的方式、问题的结果以及解决效果，又可以汇集成一个新的‘大数据’。只有通过不断积累案例，才可以使深度学习的方法转变成未来的自动化运维系统。或许将来解决IT问题已经不需要人工，而是机器。
互联网化
从IT技术的国际趋势来看，越来越多的服务通过云计算和互联网化的方式实现。2014、2015年，欧美国家最明显的IT趋势就是云计算得到普遍接受。虽然对云计算的接受还没有到普及的程度，但是这个趋势已经非常明确。有个明显的数字是“AWS”连续两个季度与去年同期相比，达到了78％和69％的增长，而且是在亚马逊已经做到了几十亿美元的情况下，很久没有在IT行业某个领域的市场出现如此庞大的增量。
“互联网化”，是实现“基于云计算IT服务”的路径之一。
IT服务互联网化，只有依托于对计算机模型、用户业务、不同系统的精准理解；依托于服务平台汇集顶级专家的智慧、经验，才能将企业IT服务需求互联网化，并付之实现。埃森哲报告中曾指出，成功互联网化的企业，才能称之为智慧企业，乐观数据显示至2030年，全球GDP总量中高达15万亿美元的产值都将来源于产业物联网范畴，这也正是所谓的工业4.0时代。
百度首席科学家吴恩达认为“数据是人工智能的燃料”，IT服务模式的互联网化，提高了基于大数据的IT服务效率；深度学习，或者是多年前所谓的‘专家系统’，将专家解决问题的经验标准化；“经过长时间网格计算技术革新的洗礼，高性能计算领域拥抱新的技术也更加积极”，陈健认为，“这样的自服务系统，也是另一种形式的人工智能，而且看起来很美。”基于高性能计算的IT服务，搭建起了新技术的走秀台。
原文发布时间为：2016-04-15