本周一，英伟达在高性能计算（HPC）领域的创新部署备受瞩目。公司发布了一系列全新的工具和框架，意在通过人工智能（AI）技术提升实时流体动力学模拟、计算化学、天气预报以及药物开发等复杂任务的运行速度。这一举措不仅展示了英伟达依然在推动GPU加速时代的发展，更强调了AI在各行业应用中的重要价值。
英伟达的数据中心产品营销主管Dion Harris表示，AI的引入即使在处理少量模糊数学元素时，也能显著提升计算效率。例如，在计算化学领域，利用英伟达提供的AI加速的Alchemi容器或NIM，与传统未加速的GPU工作负载相比，可以实现高达100倍的性能提升。这一成果将为科学研究和工程设计提供强有力的支持，极大加速创新步伐。
NIM，作为英伟达推理微服务的容器镜像，包含了实现预期目标所需的框架、库和依赖项，已成为软件打包的首选方式。在此次SC24大会上，英伟达还展示了针对气候和蛋白质模拟的多个新工具，包括Earth-2和DiffDock 2.0，进一步显示其在AI驱动的模拟技术上的领导地位。
Harris在会上提到，传统汽车的流体动力学模拟可能需要数周甚至数月时间，而借助英伟达的66NIM和AI模型，相关实验的时间将大大缩短。这种高效的设计和模拟能力让包括Ansys、Altair和西门子等在内的众多高性能计算软件巨头开始积极探索如何将这些AI框架集成到自家产品中，意欲缩短设计周期、提升市场反应速度。
尽管混合精度和AI结合的策略在高性能计算中并不新鲜，但英伟达显然更希望将这种思维方式推广至更广泛的计算社区。在下一步的发展中，英伟达的数据中心业务得到了AI技术腾飞的极大助力，这在其设计和市场战略中已经得到了充分体现。
以Blackwell芯片为例，虽然其在双精度计算上的FP64矢量性能提升至45万亿次，但在矩阵数学能力方面却略显不足。相较于对手AMD的MI325X，后者在双精度计算上的表现更为优越，达到了81万亿次数。然而，英伟达的策略显然是通过牺牲一定的计算精度，来提升FLOPS浮点运算性能，使其在峰值性能上具有竞争力。
面对这一市场挑战，英伟达采取了与软件供应商的紧密合作，鼓励他们在合适的条件下将模糊矩阵数学与适度的双精度性能相结合，这样不仅有利于深化合作关系，还有助于客户获取更高效的计算体验。这种利用AI技术实现高效计算的思路，自2007年英伟达首度推出CUDA以来，已经逐渐形成了其独特的市场优势。
除了在传统HPC领域的推动，英伟达还在量子计算方面加大了探索力度。最新推出的cuPyNumeric库旨在为科学行业的开发者提供更灵活的计算解决方案。Harris强调，虽然NumPy库在Python领域广泛使用，但在多GPU集群中的扩展存在挑战，而cuPyNumeric的出现正是为了自动扩展NumPy程序，提升大规模并行计算的能力。同时，英伟达也在丰富其量子系统CUDA-Q平台的功能，支持动态模拟，从而让研究人员在短时间内完成大规模量子处理器设计的迭代测试。
这场在科技前沿的变革，也引发了我们对AI技术进一步应用的思考。人工智能不仅仅是推动高性能计算和科研进行的工具，更是推动各行业效率提升、加速创新进程的重要引擎。越来越多的行业开始意识到AI的潜力，并在实际应用中摸索出适合自己的发展路径。
总之，英伟达新一轮的AI技术布局不仅是其自身业务的发展策略，更是整个计算行业面临重大转型的缩影。未来，随着AI技术的不断成熟，其在工作流程中的应用将变得日益重要，因此，相关企业应积极参与到AI转型中，利用技术手段提升竞争力，共同迎接智能化的未来。在这个过程中，我们也期待着AI内容生成工具如简单AI的普及，帮助更多开发者和创作者实现他们的创意愿景。返回搜狐，查看更多
责任编辑：