Modely a platformy AI

Nvidia Připojuje Fyzikální Simulaci Do Svého Nástroje Pro Agentní Umělou Inteligenci

mm
Přidejte Unite.AI mezi své preferované zdroje na Google

Nvidia (NVDA ) spojila své knihovny PhysicsNeMo pro fyziku a umělou inteligenci a sadu knihoven pro matematiku na GPU do nástroje NVIDIA Agent Toolkit, čímž umožňuje urychlené řešiče jako něco, co může autonomní designový agent volat stejným způsobem jako jakýkoli jiný nástroj. Společnost oznámila rozšíření z Design Automation Conference v Long Beach, Kalifornie, spolu s novou knihovnou cuISS zaměřenou na iterativní řídké řešiče.

Tato poslední položka je ta, na kterou se stojí za to zaměřit. Řídká lineární algebra je aritmetika pod téměř každou fyzikální simulací, kterou inženýr spustí, od proudění kapalin po mechanický stres až po elektromagnetismus, a jedná se o zátěž, která po desetiletí žila na clusteru CPU. Nvidia nyní dodává tři knihovny, které ji pokrývají: cuISS pro iterativní řešiče, cuDSS pro přímé řídké řešiče používané v obvodu a simulaci zařízení, a cuEST pro kvantově-chemické metody, které předpovídají, jak se materiály chovají na atomární úrovni.

“Inženýrství dosáhlo zlomového bodu. Umělá inteligence může nyní pracovat s nástroji fyziky, simulace a designu,” řekl Timothy Costa, viceprezident a generální manažer výpočetního inženýrství ve společnosti Nvidia, v oznámení.

Co se vlastně přesouvá na GPU

Odstraňte rámec agenta a výsledky partnerů, které Nvidia zveřejnila, se čtou jako inventář simulačních zátěží, které se přesouvají z procesorů na její urychlovače. Každé číslo níže je vlastní číslo Nvidia, uváděné bez názvu základní stroj, počtu jader nebo verze softwaru:

  • Samsung uvádí až 20x rychlejší výpočetní litografie pomocí cuLitho a aplikuje PhysicsNeMo na problémy tepelného stresu na úrovni čipu, které zahrnují až 10 miliard buněk.
  • Keysight používá cuDSS k urychlení elektromagnetické simulace až o 10x.
  • Silvaco spustil simulaci 3,2 miliard uzlů fotonického edge coupleru za méně než čtyři hodiny na 32 GPU propojených NVLink, což je úkol, který Nvidia říká, že by CPU-založená simulace nemohla prakticky zvládnout.
  • TSMC, Samsung a Synopsys integrují cuEST, o kterém Nvidia prohlašuje, že poskytuje až 50x urychlení základních kvantově-chemických zátěží.

Cadence poskytuje nejjasnější obraz toho, jak se to prodává. Jejich AuraStack AI Super Agent, zaměřený na tištěné obvody a pokročilé balení, běží cuDSS na Millennium M2000, Blackwell-založené multiphysics systému, který Cadence prodává jako superpočítač. Ve svém vlastním konferenčním blogu Cadence prohlašuje až 15x rychlejší návrhové pracovní postupy a až 2x rychlejší dobu na trh nad 20x multiphysics číslem v oznámení Nvidia, a uvádí velikost adresovatelného fondu jasně: samotná verifikace spotřebuje miliardy výpočetních hodin ročně napříč průmyslem.

Nvidia také zopakovala své tvrzení, že Nemotron 3 Ultra otevřený model vede ostatní otevřené modely v agendovém kódování návrhů register-transfer level, hardwarového popisu kódu, který specifikuje logiku čipu. Tento výsledek pochází z agenta Nvidia Research měřeného na benchmarku, který Nvidia zveřejňuje, což z něj činí měření softwaru společnosti rather než vnější verdikt.

Knihovny jsou zdarma. Křemík není.

PhysicsNeMo je open source pod licencí Apache 2.0, postavený na PyTorch, s kontejnery dostupnými zdarma. Knihovny CUDA-X jsou zdarma nahraditelné za ručně laděný paralelní kód. Žádný z nich neběží nikde jinde než na GPU Nvidia.

To je obchod, který oznámení zakódované. Rozdávat numerickou vrstvu inženýrského softwaru, který by jinak softwaroví dodavatelé museli sami napsat, a hardwar pod ním se stává jediným řádkem, za který někdo platí. Agent Toolkit je distribuční kanál: modely, nástroje a runtime, na kterém Cadence, Siemens a Synopsys každý staví své vlastní agenty, s knihovnami Nvidia umístěnými na dně všech tří zásobníků.

Čteno společně s paralelním úsilím Nvidia umístit svůj Vera CPU do zátěží verifikace, které odmítají běžet na GPU, strategie pokrývá obě poloviny účtu za výpočetní techniku čipové společnosti. Simulace vázaná na řešiče jdou na urychlovače. Single-thread vázaná verifikace jde na CPU, který Nvidia také vyrábí.

Co vydání nezávazuje

Nvidia neuvedla datum vydání pro cuISS. Oznámení odkazuje na vývojářské stránky pro cuDSS a cuEST, ale nemá žádnou přistávací stránku, na kterou by odkázalo pro novou knihovnu, a popisuje Synopsys jako stále vyvíjející použití případů pro ni, spíše než ji spouští v produkci. Vlastní bezpečné-harborský jazyk oznámení je přímý o zbyteku: mnoho z popsaných produktů “zůstává ve různých fázích a bude nabízeno na základě kdy-a-pokud-dostupné”.

Rychlostní zvýšení nemá žádný rozhodčí. MLCommons zveřejňuje auditované výsledky pro školení a inference AI, a nic podobného neexistuje pro počítačem podporované inženýrství, takže každé násobné číslo v oznámení je číslo dodavatele s žádným zveřejněným srovnávacím bodem. Čipové a systémové společnosti, které je vyhodnocují, budou spouštět své vlastní návrhy prostřednictvím svých vlastních toků, což je jediné měření, které rozhodne o koupi.

Signál, na který se má dbát, není další série tvrzení o rychlostním zvýšení na veletrhu. Je to, zda inženýrské organizace začnou vyřazovat kapacitu CPU ve svých simulačních farmách, což je posun, který se objeví v tom, co kupují, spíše než v tom, co říkají na stánku. Nvidia nyní umístila své knihovny pod agentní platformu každého designového softwarového dodavatele uvedeného v oznámení, včetně autonomních agentů verifikace Synopsys, které byly odhaleny na stejné konferenci. Kterýkoli z nich vyhraje návrhový tok, řešič pod ním je stejný, a běží na křemíku Nvidia.

Theo Nash je AI-generovaný specialista ve společnosti Unite.AI, který se zabývá AI infrastrukturou, výpočetní technikou a hardwarovými systémy, které pohánějí moderní umělou inteligenci. Jeho práce se soustředí na technické základy velkých AI pracovních zátěží, včetně datových center, akcelerátorů, sítí a softwarových vrstev, které je spojují.

S analytickým a inženýrsky orientovaným pohledem Theo zkoumá, jak pokroky v GPU, vlastním silikonu, paměťových architekturách a distribuovaných systémech umožňují nové generace AI modelů. Věnuje zvláštní pozornost kompromisům výkonu, energetické účinnosti, škálovatelnosti a praktickým omezením, která formují nasazení AI infrastruktury v reálném světě.

Články napsané Theo Nash jsou AI-generované a jsou kontrolovány redakčním týmem Unite.AI, aby zajistily technickou přesnost, srozumitelnost a odpovědné pokrytí rychle se vyvíjejícího prostředí AI výpočtů.