Nvidia正在扩充自己的产品线,推出了新的软件功能和高性能计算平台,让科学家们可以用来加速他们的研究计划。

Nvidia在近日举行的Supercomputing 2022(SC22)年度大会发布了这些公告。在此次活动期间,Nvidia还将详细介绍了与洛克希德马丁公司(Lockheed Martin)的合作,双方将构建一个可视化的地球物理数据(如海水温度测量)系统。
数字孪生合作
美国国家海洋和大气管理局(U.S. National Oceanic and Atmospheric Administration)选择和Nvidia以及洛克希德马丁公司合作,打造一个名为地球观测数字孪生(Earth Observation Digital Twin,EODT)的新计算系统,该系统将能够处理多种类型的地球物理数据,从海洋温度测量到太阳风信息等数据,并且系统通过使用这些数据生成气候和天气可视化,用于支持各种研究计划。
美国国家海洋和大气管理局将在配备GPU的AWS云实例上运行该系统,此外还将使用Nvidia DGX和OVX数据中心设备来执行一些计算任务,这些设备中包括经过优化的内置GPU,可运行人工智能应用等工作负载。
据Nvidia称,该系统的软件架构同样包含多个组件。
洛克希德马丁公司的OpenRosetta3D开源应用程序将被用于收集EODT系统要处理的地球物理数据。数据收集完成后,将移至Nvidia Omniverse Nucleus数据库进行处理。该系统的另一个组件是名为Agatha的软件工具,是由洛克希德马丁公司开发的,让研究人员可以更容易与多个来源收集的地球物理学数据进行交互。
EODT系统预计将在明年9月对外公开展示。据Nvidia称,该系统的初始原型将设计用于海面温度数据的可视化。
新的边缘平台
Nvidia还将在SC22大会上推出产品组合的几项新增功能,首先是一款新的平台,让研究人员能够更轻松地在服务器和彼此相距很远的其他系统之间移动科研数据。
研究人员经常需要能够远距离地发送数据。例如,某所大学可能希望将测量结果从一个设施中的科学仪器发送到托管在另一个设施中的超级计算机上。同样地,研究人员可能希望在不同位置运行的多台超级计算机之间共享模拟结果。
“为了解决这个问题,Nvidia推出了一个高性能计算平台,平台结合了边缘计算和人工智能以捕获和整合来自科学边缘仪器的流数据,然后让设备可以远距离相互通信,”Nvidia高级产品经理Geetika Gupta在博客文章详细介绍说。
该平台基于Nvidia产品组合中的三项技术:MetroX-3、Holoscan和BlueField-3芯片。
MetroX-3是Nvidia将于下个月推出的一种技术,可以显着扩展数据中心网络的范围。数据中心借助该技术可以连接到25英里以外的IT基础设施,研究人员则可以使用由MetroX-3支持的网络链接在位于不同设施中的服务器之间迁移科研数据。
Nvidia的新平台还采用了Holoscan和BlueField-3芯片。Holoscan是一组工具,让研究人员可以处理来自医疗设备的数据。Nvidia BlueField-3芯片则专门针对协调服务器之间的网络流量等任务进行了优化。
软件升级
Nvidia的Omniverse软件开发平台可以用于创建数字孪生和模拟。在今天的SC22大会上,Nvidia将首次发布Omniverse平台的更新,让科学家更容易在他们的研究项目中使用该平台。
Omniverse现在可用于在基于Nvidia H100和A100 GPU的数据中心系统上运行批处理工作负载。批处理工作负载是例如物理模拟器之类的应用,不一定需要用户手动输入来完成计算。通过这次更新,那些配置了H100和A100芯片服务器的研究组织,就可以更轻松地使用这些设备运行Omniverse平台所支持的科学软件。
在这次更新中,Nvidia还把Omniverse平台与很多主流的科研应用进行了集成,这些应用包括用于可视化科学数据的ParaView、IndeX和NeuralVDB工具。Omniverse平台现在也支持Modulus,一种用于构建神经网络自动执行物理计算的软件工具。
量子计算也是Nvidia GPU用于支持科研计划的领域之一。为了简化科学家的工作,Nvidia发布了两项专门针对量子计算的新功能。
第一项功能是针对Nvidia CUDA工具包推出的。这是一个软件组件,构建的应用可运行在Nvidia GPU上,旨在对那些执行量子力学计算的科学应用进行性能优化。
同时,Nvidia还更新了cuQuantum框架,该框架让研究人员可以在传统计算硬件上运行模拟量子计算机,此次更新之后,cuQuantum可以模拟多达数万个量子位的量子计算机。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。