广义的图计算包括图数据的建模、存储、查询、管理，以及基于图数据的表示与应用等。近年来，随着人工智能与大模型等技术的发展，图计算的内涵和应用也在不断拓展。本次讨论主要探讨了：图计算的内涵及发展历程；图计算的前沿应用；图计算的新发展趋势。

许多新兴的图分析和学习应用都需要非常耗时的随机游走。当前，大量加速图随机游走方面的工作不断涌现，包括使用GPU、FPGA、甚至ASIC等异构架构，通过软硬协同的设计对构建高性能图随机游走系统及其应用有着重要作用。

图计算由于其不规则访存和低计算访存比，在传统计算架构上性能和能效受限于访存带宽而难以提升。通过将计算在存储器内执行、减少存储器和处理器之间的数据搬运，近存计算对于提升图计算的性能和能效极具潜力。基于HBM、HMC等近存计算芯片的图计算系统软硬件设计方法，能够极大提升图计算执行效率。

随着图数据规模的持续性爆炸式增长，如何高效地处理大规模图数据成为大数据处理领域亟待解决的研究重点之一。以CPU为代表，遵循统一化设计理念、广泛通用于各类计算领域的传统处理架构在新的需求面前逐渐陷入困境，存在着并行效率低、访存随机性强、数据冲突频度高以及计算传输比低等突出问题。为此，学术界和工业界涌现出了大量面向图计算的并行编程范式、算法模型和处理框架等方面的研究，这些系统软件层面的进展固然对解决上述通用处理架构中存在的问题起到了很好的缓解作用，但是，图计算的性能仍普遍受制于底层处理架构。因此，开展处理架构创新驱动的“面向图计算的领域专用加速器研究”对提升图计算的处理能力有着颇为重要的现实意义。

图作为表达实体之间复杂关联关系的重要数据结构，已开始快速渗透到科学计算的诸多方面。图计算正在以一种崭新的方式深刻地改变着科学研究领域的已有传统模式，为新的科学现象的发现和科学规律的探究提供澎湃的动力。

为了解决分布式图计算面临的内存占用大、通信开销大、负载不均衡等严重影响图计算效率的问题，国防科技大学研发了“天河图计算系统”（TianheGraph），其通过软硬协同图分布（GraphCube）、拓扑感知通信MST和超级图存储（SuperCSR）等关键技术，显著提升了大规模图数据处理的效率与性能。