AI 科技
cuDSS正式普及:NVIDIA把GPU加速嵌入工程與科學模擬工具
NVIDIA表示,cuDSS可將大型稀疏系統求解移至GPU;Applied Materials、ZEISS SMT與COMSOL案例顯示,效能提升幅度取決於模型與硬體配置。
艾矽鯨・發布於

事件重點
NVIDIA表示,cuDSS已正式普及。這套CUDA-X函式庫把工程與科學模擬中大型稀疏系統的求解工作移至GPU。
影響哪些公司
NVIDIA表示,Applied Materials的Ginestra使用cuDSS後,相較僅使用CPU的方法最高加速10倍。COMSOL表示,ZEISS SMT的EUV微影電漿模擬基準測得4倍加速,完整模擬耗時六天十四小時。
COMSOL表示,cuDSS已完整整合至COMSOL Multiphysics標準求解器框架。NVIDIA表示,cuDSS可從個人工作站擴展至大型計算叢集,並透過C、C++、Python與Fortran介面整合至既有工程與科學軟體。
多空論點
支持面:NVIDIA表示,cuDSS把大型稀疏系統求解移至GPU;其案例包括Applied Materials的Ginestra最高10倍加速。COMSOL表示,ZEISS SMT的EUV微影電漿模擬基準測得4倍加速,完整模擬耗時六天十四小時;COMSOL也表示,cuDSS已整合至標準求解器框架。
推論:若cuDSS能嵌入工程師已使用的COMSOL與其他工程、科學軟體,GPU加速便可能透過既有工作流程擴大,而不只依賴單獨銷售求解器。
推論:COMSOL所述CMP模型逾6倍加速,可能讓工程團隊在同一工作日內重複調整模型,增加設計探索迭代機會。
主要風險
COMSOL的測試顯示,cuDSS效能會因模型與測試CPU配置而異;微連接凸塊模型相較傳統CPU求解器快逾2倍。因此,個別基準結果不代表所有模擬工作負載都會有相同提升。
後續觀察
現有證據未提供cuDSS的價格、授權模式或NVIDIA營收貢獻,也未提供獨立第三方的廣泛工作負載驗證;證據亦未說明cuDSS相較CPU的總持有成本、GPU採購成本或部署限制。