ちなみにTOP 500にエントリが無いから実効性能などは不明であるが、理論性能はおおよそ見当がつく。と言ってもCPU/GPU共に動作周波数が可変だから、理論性能をどの辺に置くかは難しい。一応スペックから算出すると、定格（Base Frequency）ベースでトータル1.916 EFlops、最大（Max Boost/Max Dynamic Frequency）ベースで3.408 EFlopsの性能を持つことになる（FP64のVector演算ベース）。つまり理論性能は2 EFlopsを超えるわけで、現在のFrontierの記録を破るのは割と確実と言える。もっともAMD/HPEはFrontierに続き、LLNL（Lawrence Livermore National Laboratory）に納入予定のEl Capitanで2 EFlopsを達成するとしており、どちらがより高い性能を発揮するのか見ものである。またFrontierは実効性能1.194 EFlopsを22.703MWで達成しており、1 EFlops当たりの消費電力は19.0MWに抑えられている。一方Auroraは定格ベースで考えてもCompute Nodeだけで47.8MW、システム全体で言えば50MWは軽く超えると想像される。実効性能でFrontierや来るEl Capitanに対抗できるのか、ちょっと疑わしいところだ。

　さてそんなAuroraであるが、McVeigh氏によれば単に科学技術計算だけでなく、昨今話題の生成AIの稼働にも大いに役立つ、としている（写真4）。

写真4　ターゲットである生成AIは、単に最近話題のChatGPT系の自然言語処理以外の用途も想定している

　実際、うそではない。先程Auroraの演算性能は1.9 EFlopsから3.4 EFlopsと紹介したが、これは繰り返しになるがFP64のVector演算の性能である。ではAIで多用されるTensor演算の性能は？ というと、これが凄まじい。Xeon Maxの場合はAVX-512 VNNIを利用する事でコア当たり256 Ops/cycle（Int8）ないし128ps/cycle（FP16/BF16）、Data Center GPU Maxの場合はMatrix Unitが1,048,576 Ops/cycle（Int 8）ないし（FP16/BF16）524,288 Ops/cycleの処理が可能になっている。つまり1ノード当たりのTensor演算性能は5.4P Ops/sec～9.6P Ops程度。システム全体では実に56 EOps/sec～99.6 EOps/secに達する（いずれもInt 8での数字：FP16/BF16ではこの半分になる計算）。100 EOps/secあるいは50 EOps/secに達するという数字は、COMPUTEXで大々的に発表されたNVIDIAのDGX GH200のピーク性能である1 EOps/secがかすんでしまう勢いである。