NVIDIA Grace CPU 提升数学优化效率和性能

最近的发展中，NVIDIA 的 Grace CPU 在数学优化性能和能源效率方面显示出显著进步，根据 NVIDIA 技术博客 的报道。这些改进有望使需要高计算能力和节能解决方案的行业受益。

增强的优化能力

数学优化是一种关键工具，使企业能够做出更聪明的决策，提高运营效率并降低成本。然而，模型的复杂性和数据集的规模需要复杂的 AI 算法和高性能计算。NVIDIA 的新 Grace CPU 旨在通过卓越的计算能力满足这些需求。

成立于 2008 年的 Gurobi Optimization 是一家领先的数学优化求解器公司，最近收到了一个由 NVIDIA GH200 Grace Hopper 超级芯片驱动的 Supermicro NVIDIA MGX 系统。这个系统承诺在低功耗的情况下提供高性能，满足有效快速的优化解决方案需求。

性能基准测试

基准测试使用了一台 NVIDIA Grace Hopper 超级芯片服务器和四台 AMD EPYC 7313P 服务器的集群。测试设置包括在 Ubuntu 22.04 上运行的 Gurobi Optimizer 11.0，Grace Hopper 超级芯片包含基于 Arm 的 NVIDIA Grace CPU 和 NVIDIA Hopper GPU。

性能评估使用了包含 240 个真实世界优化实例的混合整数规划库 (MIPLIB) 2017。NVIDIA Grace CPU 的结果与常用的 AMD EPYC 服务器进行了比较。

主要发现

初步基准测试表明，NVIDIA Grace Hopper 超级芯片在大多数困难模型上优于 AMD EPYC 服务器，平均运行时间为 80 秒，而 AMD 为 130 秒——提高了 38%。此外，NVIDIA Grace CPU 表现出 23% 的更快吞吐量，同时比 AMD EPYC 7313P 少消耗 46% 的能源。

进一步分析显示出能源消耗优势，Grace Hopper 在 8 线程时使用约 1.4 kWh，而 AMD 为 1.75 kWh，提高了 20%。在 12 线程时，Grace Hopper 使用了 1.6 kWh，而 AMD 为 2.6 kWh，提高了 38%。

未来展望

初步基准测试表明，在 NVIDIA Grace Hopper 超级芯片上运行的 Gurobi Optimizer 支持更快的计算性能，同时降低能源消耗。这一发展对希望提高能源效率并通过改进性能解决复杂业务挑战的各个行业具有重要意义。

欲详细了解测试和结果，有兴趣的读者可以观看 NVIDIA GTC 的点播会议。欲了解更多数学优化如何解决复杂挑战的见解，可访问 Gurobi 资源中心。