英伟达在 SC26 推出 Rubin HPC GPU 和科学计算软件栈

关键要点

  • 英伟达推出 Nemotron for Science,其 LitmusBench v0.2 数据集包含近 5 万道化学推理题,专为特定领域的科学智能体优化。
  • Lila Sciences 使用经过后训练的 Nemotron,在量子点合成方案上达到 61% 的准确率,超过 GPT-6 Astra 的 54%,推理成本仅为其 1/10 至 1/20。
  • 仅搭载 Vera CPU 的超级计算机机架将于 2027 年初开始由 Dell、HPE、Lenovo 和 Supermicro 出货,每个机架配备 192 个 Vera CPU 和约 300TB 内存。

英伟达公司在 SC26 上推出了一套全面的人工智能和高性能计算创新产品,将 AI Agent 定位为新一代科学研究者。该公司推出了 Nemotron for Science、仅配备 Vera CPU 的超算机架、Rubin HPC GPU、新的 CUDA-X 库、面向 Slurm 的量子集成方案,以及与 IBM 和 Fermilab 合作开发的量子协同设计平台,标志着科学发现基础设施的评估和部署方式发生根本性转变。

这些公告共同描绘了一套专为 AI Agent 打造的计算技术栈:AI Agent 能够推理科学问题、调用模拟、分析结果,并自主决定接下来的实验步骤。英伟达认为,衡量进展的关键指标不再只是处理固定问题时的原始计算速度,而是研究人员或 AI Agent 一天内能够完成多少个从假设到结果的循环。

Nemotron for Science 与领域专用 Agent 训练

英伟达将开放模型 Nemotron 3.5 Super VL 与 LitmusBench v0.2 打包发布。LitmusBench v0.2 是一个新的开放数据集,包含近 50,000 道化学推理问题,并提供了用于构建领域专用科学 Agent 的后训练方案。这种方法强调,经过特定科学领域调优的小型专用开放模型,在相关领域的准确率和推理成本方面都优于大型通用前沿模型。

初创公司 Lila Sciences 使用实验室反馈对 Nemotron 进行后训练,使其在量子点合成方案上的准确率接近翻倍,达到 61%,超过 GPT-6 Astra 的 54%,推理成本则低 10 至 20 倍。Therna 在预测 mRNA 蛋白质表达范围方面的准确率接近前沿模型的两倍。Terray Therapeutics 训练该模型从化学示意图中提取反应物、产物和条件。英伟达对 Nemotron 3.5 Super VL 进行了优化,使其能够在 128GB DGX Spark 系统上运行;瑞典皇家理工学院 KTH 构建的 Agent 因此得以在单台 Spark 实例上通过一次夜间运行,修复 81% 的损坏 GROMACS 分子动力学配置。

Vera CPU 机架与 Rubin HPC GPU

Vera CPU 机架级平台搭载 192 颗 Vera CPU、约 300TB 内存,以及 Quantum-X800 InfiniBand 互连,采用液冷机架设计,面向气候建模和分子模拟等不使用加速器的工作负载。在英伟达的测试中,Vera 在 OpenFOAM 气流模拟中的性能达到基于 x86 的系统的 1.9 倍,每瓦性能达到 2.4 倍。德国气候计算中心(DKRZ)已为其 HLRE-5 系统选定 Vera。Dell、HPE、Lenovo 和 Supermicro 将从 2027 年初开始出货 Vera 平台。

Rubin HPC 是 Vera Rubin 系列中的一款新 GPU,配备超过 50,000 个 CUDA 核心,并具有稀疏数据加速能力,针对的是受内存限制的科学工作负载,而非 AI 训练。Rubin HPC 计划于 2028 年发布。英伟达超大规模与高性能计算副总裁 Ian Buck 强调:“对于攻克科学与工程问题的 Agent 来说,更快的模拟意味着更快的发现”,凸显模拟速度如今已成为 Agent 驱动的发现循环中的关键工具,而非最终产品。

CUDA-X 库扩展与应用加速

英伟达发布了 cuPhoton、cuPotential 和 cuSpa 等新的 CUDA-X 库,面向天体物理学、药物发现、材料科学和单细胞生物学等应用。cuPhoton 库将事件视界望远镜黑洞数据的关联处理时间从一个多月缩短至 8 分钟。在 Pacific Fusion,运行于同一系统上的 Nemotron 驱动 Agent 会在等离子体模拟运行期间分析结果,让研究人员能够实时调整模拟,而不必等待模拟结束。劳伦斯伯克利国家实验室部署了英伟达的 DAQIRI 网络库,将电子显微镜分析直接整合进实验工作流,使研究人员能够在主动采集数据时确定接下来要测量什么。

量子系统集成与纠错

英伟达推出了与 IBM 和 Fermilab 合作开发的模块化协同设计平台 Quantum,其中包括新的纠错解码器,以及集成到 Slurm 中的量子调度支持。Slurm 是一种开源工作负载管理器,在大多数超算中心使用。英伟达的新型 TCBP-JOBS 解码器已在 CUDA-Q QEC 0.9.0 中推出,可为纠错研究带来最高 13,000 倍的解码速度提升,并将某些设计研究所需时间从 12 周缩短至 45 分钟。IBM 与 RIKEN 开展的混合量子—经典化学研究,对包含最多 12,635 个原子的蛋白质—配体复合物进行了建模,并入选戈登·贝尔奖决赛名单。

近 30 个数据中心正在部署超过 50 个量子处理器,参与部署的机构包括 Alice & Bob、IBM、IQM、Pasqal 和 Quantinuum。英伟达扩展了 Slurm,使其能够通过标准命令调度量子处理单元(QPU),并与 CPU 和 GPU 协同运行,将量子计算定位为异构科学计算环境中的另一种资源类型。

网络基础设施与共封装光学部署

Lambda 部署了英伟达 Photonics 共封装光交换机,用于连接搭载超过 10,000 个 GPU 的 GB300 NVL72 机架。在此次部署中,Lambda 观察到机架级网络延迟降低约 4%,Pod 级降低最高约 10%;光学器件的中位温度为 36 摄氏度,而可插拔光学器件为 51 摄氏度。与可插拔光学器件相比,这种方案的能效最高可提升 5 倍,可靠性最高可提升 15 倍,并支持现场更换光源。Lambda 是共封装光学技术在大型新云平台上的首个验证案例。

CUDA 成立 20 周年与开发者生态

英伟达纪念其 CUDA 软件平台推出 20 周年;该平台最初于 SC06 上发布。据该公司称,目前有超过 1,100 万名开发者基于 CUDA 构建应用,并有超过 1,000 个 CUDA-X 库可供使用。每个新库都能为基于英伟达技术栈构建的科学 Agent 带来新能力,从而进一步巩固相较于 AMD、英特尔和定制硅竞争者的差异化竞争优势。

关键信息

  • Nemotron 3.5 Super VL 开放模型与 LitmusBench v0.2 打包发布;该数据集包含近 50,000 道化学推理问题,并提供用于领域专用科学 Agent 的后训练方案
  • Vera CPU 机架搭载 192 颗 Vera CPU、约 300TB 内存和 Quantum-X800 InfiniBand;Dell、HPE、Lenovo 和 Supermicro 将从 2027 年初开始出货
  • 在 OpenFOAM 气流模拟中,Vera 的性能达到 x86 系统的 1.9 倍,每瓦性能达到 2.4 倍
  • Rubin HPC 配备超过 50,000 个 CUDA 核心,并具备稀疏数据加速能力;计划于 2028 年发布
  • Lila Sciences 使用后训练的 Nemotron,在量子点合成方案上实现 61% 的准确率,超过 GPT-6 Astra 的 54%,推理成本低 10 至 20 倍
  • 瑞典皇家理工学院 KTH 的 Nemotron Agent 在 DGX Spark 上通过一次夜间运行,修复了 81% 的损坏 GROMACS 分子动力学配置
  • cuPhoton 库将事件视界望远镜黑洞数据的关联处理时间从一个多月缩短至 8 分钟
  • CUDA-Q QEC 0.9.0 中的 TCBP-JOBS 解码器可将解码速度提升最高 13,000 倍,并将某些设计研究所需时间从 12 周缩短至 45 分钟
  • IBM 与 RIKEN 的混合量子—经典化学研究对包含最多 12,635 个原子的蛋白质—配体复合物进行了建模,并入选戈登·贝尔奖决赛名单
  • Lambda 在超过 10,000 个 GPU 的部署中使用共封装光学,实现了机架级延迟降低约 4%、Pod 级降低最高约 10%
  • 与可插拔光学器件相比,共封装光学方案的能效最高提升 5 倍,可靠性最高提升 15 倍;中位温度为 36 摄氏度,而可插拔光学器件为 51 摄氏度
  • CUDA 平台拥有超过 1,100 万名开发者和超过 1,000 个 CUDA-X 库
  • 近 30 个数据中心正在部署超过 50 个量子处理器;参与部署的机构包括 Alice & Bob、IBM、IQM、Pasqal 和 Quantinuum

常见问题

Nemotron for Science 与通用大型语言模型有何不同?

Nemotron 3.5 Super VL 是一款开放模型,经过优化后可利用特定领域的实验室反馈和实验数据进行后训练,从而显著提升其在特定科学领域的准确率。Lila Sciences 展示了这一点:该公司将模型在量子点合成方案上的准确率提高至 61%,接近原来的两倍,超过 GPT-6 Astra 的 54%,同时将推理成本降低 10 至 20 倍。该模型可在 128GB DGX Spark 系统上运行,使研究团队能够在自己掌控的基础设施上进行操作。英伟达发布的不仅有模型权重,还有训练数据集和方案,为研究团队提供了将模型调整至特定应用所需的方法论和实践经验。

Rubin HPC 和其他重要 SC26 产品何时可以部署?

Vera CPU 机架平台将从 2027 年初开始由 Dell、HPE、Lenovo 和 Supermicro 出货。Vera Rubin 系列中的新 GPU Rubin HPC 配备超过 50,000 个 CUDA 核心并具备稀疏数据加速能力,计划于 2028 年发布。DKRZ 已为其 HLRE-5 系统选定 Vera,但公告中未说明该项目的详细部署时间表。

共封装光学技术对科学计算基础设施有何重要意义?

Lambda 在超过 10,000 个 GPU 上部署英伟达 Photonics 共封装光交换机,展示了该技术的效果:机架级网络延迟降低约 4%,Pod 级降低最高约 10%;中位工作温度为 36 摄氏度,而传统可插拔光学器件为 51 摄氏度。与可插拔方案相比,这种方案的能效最高可提升 5 倍,可靠性最高可提升 15 倍,并支持现场更换光源。对于由 Agent 驱动的科学工作流而言,单次网络中断就可能导致多个 Agent 的延迟级联上升;提高网络可靠性和能效,可以通过减少开销和停机时间直接提升研究效率。

免责声明:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见声明。
评论
0/400
暂无评论