高等院校和科研院所作为基础科学研究的源头出品方，其科研水平代表一个国家的科技实力，而高性能计算机的应用，则代表国家教育科研发展的最高水平。 高性能计算作为科学研究不可或缺的计算工具，正逐渐被应用在基础科研的各个学科和院系，是衡量一所学校科研实力的重要指标之一。 能否满足各学科实际的科研应用需求，是高校建设、测试及考量高性能计算系统的最佳标准及核心要求。

人工智能是一种使用机器学习和深度学习等算法来模拟人类智能和实现自主决策的方法，通常用于自然语言处理、图像识别、智能机器人和智能交通等领域。 随着人工智能（尤其是深度学习）模型和算法的发展，大型复杂模型、海量数据所需要的算力持续增长，高性能计算为机器学习提供了大规模并行、分布计算的基础设施。 AI技术正在越来越多的应用到以建模和仿真为主的传统高性能计算中去，而HPC本身也正在成为承载AI巨量计算任务的最佳平台。

制造业中，产品设计阶段需要精准可靠的仿真建模、分析，最终完成产品定型，CAE又对仿真工具的计算能力提出挑战，比如在CAE的前处理、有限元分析和后处理过程中，对数据的分析和图形展示能力有很高要求，HPC可帮助企业完成精准、可靠的仿真模拟分析过程，促进企业甚至整个工业制造业的创新。如何快速构建并高效利用高性能计算环境，成为制造业必须面对的紧迫问题。

EDA（电子设计自动化）设计平台是芯片之母，是芯片设计最上游、最高端的产业，作为集成电路产业链的命脉，自始至终连接和贯穿着芯片制造和科技应用的发展。 芯片制造从设计起步，作为整个产品里的重头，芯片设计规模复杂度不断增大，且设计、模拟过程更为复杂、精细，对EDA设计平台也提出了更高的要求。高性能集群是采用集群技术以提高科学计算能力为目的的集群系统，把HPC集群技术应用于EDA平台中，能够以较低成本轻易实现资源自动优化分配，有效均衡系统负载，提高IC设计效率。

随着新一代测序技术的发展，生命科学迎来大数据爆发的时代。动植物生理、群体遗传学、进化生物学、分子动力学、结构生物学、流行病学等等，生命科学的各个专业都离不开测序数据的产生、处理。巨大的数据量处理能力和并行计算需求伴随当今生命科学的进展，因此高性能计算机在序列对比、基因识别、结构预测、序列拼接、分子进化、比较基因组学和药物设计等生命科学研究当中应用广泛且扮演着重要的角色。

为满足国民经济发展需要，高性能计算需求正在迅速增长，在各个领域都有比较成熟的应用实例，高性能计算应用得到各方面的关注和重视。在政府部门大量使用高性能计算可以有效提高政府对国民经济、社会发展的宏观监控和引导能力，包括处理海量数据、打击犯罪、增强税收、进行金融监控和风险预警、环境和资源的监控和分析等。 高性能计算是政府提高高质量公共服务的必备手段，气象、海洋、环保、测绘、新能源、电力、公共设施建设等领域都采用高性能计算提供相应的公众服务。