计算效率提升超60倍！一家中国公司用英伟达H100 AI 芯片变革运筹学行业｜钛媒体AGI

AIGC动态6个月前发布 TMTPOSTAGI

1,007 0 0

模型信息

【模型公司】 Azure
【模型名称】 gpt-4-32k
【摘要评分】 ★★★★★

文章摘要

【关键词】 GPU、运筹学、数学规划、求解器、杉数科技

芝加哥大学商学院的鲁海昊教授团队发现，原本依赖英特尔/AMD CPU进行计算的数学规划求解器，现在可以通过英伟达GPU和CUDA库函数，设计高效的数学规划算法cuPDLP来求解超大规模问题。这一研究成果已在arxiv上发表。

鲁海昊团队与斯坦福大学博士、杉数科技首席科学家葛冬冬教授团队进行了紧密合作，在英伟达GPU H100多显卡集群上，验证了GPU能否实现线性规划问题求解的“弯道超车”。

杉数科技团队在中国运筹学会算法软件与应用分会成立大会上，报告了他们在英伟达 AI 芯片——H100 GPU显卡上，成功验证了cuPDLP-C求解超大规模线性规划问题的显著优势。例如，相比四年前用CPU求解的16.5个小时，如今在英伟达H100下，cuPDLP-C求解计算时间直接缩短至916秒，时间缩短了64倍。

葛冬冬认为，这一发现将在未来3-5年对整个运筹学从科研到产业都会产生巨大改变。他预测，这套算法思想推广后，不仅能用在线性系统上，还会对整个连续优化领域产生影响，深刻影响整数规划计算领域。此外，GPU相关的一阶算法设计和执行相对简单，这将使得求解器社区部分模型对应的算法开源化。求解器会变得更加重视硬件，将需要大量适配的专用高精度计算显卡，以及需要高效的库函数实现。

杉数科技首席科学家葛冬冬教授和他的团队，利用COPT数学优化求解器这种优化决策，可以使生产排程订单满足率提高20%，产能损失率降低30%，排产排程人工干预降低70%，非计划维修降低15%。同时，杉数科技COPT数学优化求解器一直在全球求解器榜单中名列前茅。

葛冬冬认为，cuPDLP-C技术推翻了运筹学科长期以来的一些共识和定式，超出人们预期，利用GPU提高了求解器的性能潜力，可能使运筹学实现从CPU到GPU计算带来的“范式转变”。目前，cuPDLP-C技术代码已经开源，相关论文也已经公开发表在arXiv上。

然而，国内可以买到的H100/H800、A100/A800的价格都已经超过20万/张，再加上存储、NVLink互连、运维成本等，相比CPU，基于GPU的求解成本将进一步攀高。葛冬冬表示，目前只是基于GPU架构的优化算法的“拓荒期”。他们已经与多家国产 GPU芯片厂商开展了广泛的测试合作，希望能够利用国产算力推动中国求解器行业发展。