英伟达正将AI基础设施的竞争进一步延伸至科学计算领域。

在11月16日于芝加哥举行的超级计算大会SC26上,英伟达发布专为科学计算、工程仿真和数据分析设计的新一代GPU Rubin HPC,并围绕CUDA-X软件库、光子计算和量子计算等领域公布一系列进展,试图将GPU加速计算、AI智能体与传统高性能计算(HPC)整合到统一平台。

此次发布释放出一个重要信号:随着AI智能体开始参与科研工作,能够自主提出假设、调用计算工具、运行仿真并根据结果调整方案,科学计算对算力的需求也正在发生变化。英伟达希望通过软硬件协同设计,让AI不只是辅助研究人员分析数据,还能直接参与从提出问题到验证结果的科学发现过程。

其中,Rubin HPC是此次发布的核心硬件产品。与主要面向AI训练和推理的GPU不同,这款产品针对科学与工程计算中大量数据读取、稀疏矩阵运算和复杂仿真任务进行了专门优化。

英伟达在SC 26期间还披露了Vera CPU机架将于明年初上市的新品进展。

整体来看,SC26释放的信号是,英伟达希望争夺的不仅是AI训练和推理所需的GPU市场,还包括科学计算、工程仿真、量子计算以及相关基础设施的更广阔市场。 随着AI智能体逐渐从信息处理工具转向能够调用专业软件、执行复杂任务的研究助手,GPU算力、科学计算软件和高速互连网络之间的协同,将成为下一阶段高性能计算竞争的重要方向。

Rubin HPC:单颗GPU超过5万CUDA核心,专为科学计算优化

英伟达介绍,Rubin HPC是Vera Rubin平台新增的一款GPU,专门面向科学、工程和数据分析工作负载。其单颗GPU搭载超过5万个CUDA核心,创下英伟达GPU核心数量的新纪录,同时引入稀疏数据加速能力,并采用第七代NVLink互连技术,提高GPU之间的数据传输效率。

英伟达指出,科学计算与传统AI训练任务存在明显差异。无论是气候建模、工程仿真、基因组分析还是金融风险计算,相关应用往往需要从海量数据中反复提取分散的信息,再执行计算并不断重复这一过程。因此,单纯增加GPU计算核心并不足以解决问题,还需要同步提高数据传输和处理能力,避免计算核心因等待数据而闲置。

Rubin HPC的设计重点正是让数据移动与计算能力保持平衡,通过加速稀疏矩阵运算、模板计算(Stencil Computation)、排序和归约等常见科学计算操作,提高整体计算效率。

英伟达尤其强调了AI智能体带来的需求变化。随着智能体能够帮助科学家和工程师探索更多候选材料、分子结构和工业设计方案,仿真计算将成为验证这些方案的重要环节。智能体提出假设后,可以调用仿真工具测试结果,再根据反馈调整下一步研究方向。GPU仿真速度越快,研究人员能够探索的方案就越多。

英伟达表示,Rubin HPC预计将于2028年上市。公司希望通过这款产品,将AI智能体、GPU加速仿真和科学数据处理整合起来,缩短从提出假设到验证发现的周期。

CUDA-X扩展科学计算版图:黑洞分析从一个月缩短至8分钟

如果说Rubin HPC提供的是硬件算力,那么英伟达此次重点展示的CUDA-X软件库,则是让AI智能体能够调用专业科学计算工具的关键。

英伟达在SC26公布了CUDA-X库的扩展进展,涉及cuPhoton、cuPotential和cuSpa等工具,覆盖天体物理、材料科学、药物研发和单细胞生物学等领域。

其中,天文学领域的一项应用颇具代表性。

事件视界望远镜(EHT)通过连接全球各地的射电望远镜,形成相当于地球直径的虚拟望远镜,用于观测黑洞。但相关观测会产生PB级数据,传统处理流程可能需要数月时间。

英伟达推出的cuPhoton.xBeam模块能够利用GPU加速射电天文数据的关联处理,将原本需要一个多月的分析任务缩短至8分钟。该工具已经用于分析黑洞喷流J1924和3C279的观测数据,并推动梅西耶87星系中心黑洞的实时图像重建。

在核聚变研究方面,英伟达展示了cuPhoton.xLens的应用。研究人员可以在等离子体仿真运行过程中同步提取数据和分析结果,而不必等到实验或计算全部结束后再进行处理。结合运行在本地系统上的Nemotron智能体,研究人员还能对仿真结果进行交互式分析,并实时调整模拟方向,为聚变反应堆靶室和腔体设计提供参考。

药物研发方面,cuPotential基于西蒙斯基金会Flatiron研究所及D. E. Shaw Research的相关研究成果开发,能够将现有分子模拟软件的运行速度提高最高3倍,同时改善计算稳定性和准确性。该工具有助于生成用于生成式AI模型训练的合成数据,并帮助研究人员寻找此前未知的分子结合位点、计算分子之间的相互作用强度。

在材料科学领域,英伟达介绍了Daviator工具。这是一组面向广泛使用的Vienna Ab initio Simulation Package(VASP)的批量GPU计算内核,可将量子力学计算速度提高最高22倍,同时将成本降低最高75%。

在生物医学领域,新开源的cuSpa能够加速细胞多边形计算,为大规模空间图谱和患者、癌症模型构建提供支持。纪念斯隆凯特琳癌症中心的相关应用实现了相比CPU最高900倍的加速。

英伟达还介绍了rapids-singlecell框架,能够加速单细胞数据分析。Therna Biosciences利用该工具将数据处理速度提高200倍;Basecamp Research使用英伟达GPU加速的HMMER库进行生物序列注释,相关基准测试速度最高提高84倍。

这些案例显示,英伟达正试图将CUDA-X从传统的GPU计算加速工具,进一步发展为AI智能体能够直接调用的科学计算工具集。智能体不仅负责理解研究问题和规划步骤,还可以调用专门的算法库完成数据处理、模拟和分析。

光子互连与量子计算:补齐超级计算基础设施

除了GPU和科学计算软件,英伟达此次还将重点延伸至超级计算系统的网络互连,以及量子计算与传统超级计算的融合。

在网络基础设施方面,云计算服务商Lambda正在将英伟达光子共封装光学技术(Co-Packaged Optics,CPO)应用于生产环境,用于连接搭载GB300 NVL72系统、拥有超过1万颗GPU的AI工厂。

英伟达表示,Lambda的测试显示,与传统可插拔光模块相比,采用光子交换机后,机架级网络延迟降低约4%,Pod级网络延迟最高降低约10%,同时保持相当的吞吐量。

英伟达称,光子技术通过将光引擎与交换芯片封装在一起,相比传统可插拔光模块,能实现最高5倍的能效提升和最高15倍的可靠性提升,激光器数量减少至传统方案的四分之一。

对于规模庞大的AI集群而言,网络故障可能导致数千颗GPU同时等待数据,降低整个系统的利用率。随着智能体推理和分布式计算需求增加,网络延迟、功耗和可靠性也将成为影响算力效率的重要因素。

量子计算方面,英伟达正在通过扩展Slurm工作负载管理系统,将量子处理器(QPU)纳入传统超级计算工作流。

英伟达透露,过去五年,超级计算中心部署量子处理器的数量增长接近7倍,目前全球近30家超级计算中心正在部署超过50台量子处理器。

由于许多超级计算中心已经使用Slurm管理CPU和GPU计算任务,英伟达希望通过扩展Slurm对量子处理器的支持,让研究人员能够在熟悉的工作流中统一调度经典计算资源和量子计算资源。

此次Slurm的更新基于此前与IBM、Pasqal及量子计算社区的合作,允许量子处理器制造商通过统一接口接入不同超级计算中心,减少每个量子处理器与不同超级计算系统之间重复开发适配软件的工作。

新版本还支持QRMI和QDMI等接口,并得到IBM、IQM、Quantinuum、Pasqal等企业采用。Slurm 26.11预计于11月晚些时候发布。

与此同时,英伟达还扩展了CUDA-Q量子计算平台。其中,新的TCBP-JOBS量子纠错解码算法,相比行业标准算法速度最高提高1.3万倍;费米国家加速器实验室利用CUDA-Q开展相关研究,将原本通常需要五个月的工作缩短至三周。

英伟达还展示了量子与经典计算结合的实际应用:QunaSys利用1024颗英伟达Hopper GPU模拟超过3亿次量子操作,并在四氢原子模型中达到化学精度;英伟达研究人员则利用德国JUPITER超级计算机模拟104个量子比特在真实噪声环境下的运行情况,用于测试未来容错量子计算架构。

CUDA迎来20周年:开发者生态成为长期护城河

此次SC26还有一项具有象征意义的节点:英伟达正在庆祝CUDA发布20周年。

2006年11月,英伟达正式推出CUDA,并在当年的超级计算大会SC06上向科学计算领域推广这一GPU编程平台。CUDA让研究人员能够通过相对熟悉的编程模型调用GPU进行通用并行计算,使GPU的应用范围从图形处理扩展至科学模拟、工程计算和数据分析。

20年来,CUDA逐渐成为英伟达加速计算生态的核心。英伟达表示,目前全球已有超过1100万名开发者使用CUDA,CUDA-X则拥有超过1000个库。

英伟达列举的代表性案例包括:伊利诺伊大学研究团队利用CUDA加速分子动力学模拟,帮助推进艾滋病病毒衣壳的原子结构研究;多伦多大学研究人员利用两颗英伟达GPU训练AlexNet,推动2012年深度学习领域的突破;而获得2024年诺贝尔化学奖的AlphaFold 2蛋白质结构预测软件,也使用CUDA进行GPU计算。

从CUDA最初服务于科学模拟和工程计算,到后来成为深度学习和生成式AI发展的重要基础,再到如今为AI智能体提供科学算法和专业计算工具,英伟达正在将这套持续了20年的软件生态进一步延伸至AI驱动的科研领域。

Vera CPU机架明年初上市,戴尔、慧与、联想和超微电脑供货

英伟达还宣布,面向高性能计算的Vera CPU机架级平台预计将于2027年初起由戴尔科技、慧与科技(HPE)、联想和超微电脑供应。

该平台将192颗Vera CPU整合在一个机架中,并通过英伟达Quantum-X800 InfiniBand网络互连,配备约300TB内存和1PB存储,采用液冷设计,峰值总内存带宽超过200TB/s。

英伟达称,该平台旨在加速气候建模、分子动力学模拟等数据密集型科学计算任务。