随着超大规模云服务厂商、互联网巨头和各国超算中心纷纷投入到AI超算的开发中来，这类系统的应用范围已经被极大地扩宽了，比如数字孪生等。就连SDA厂商Cadence，也加入搭建AI超算系统开发数字孪生应用的行列中来。

AI超算与数字孪生

在过去通用计算负载的时代，我们难以采用更大规模的计算集群来打造数字孪生。可随着AI技术，尤其是生成式AI技术的出现，采用高度定制化的AI超算系统，成了快速实现数字孪生的新手段之一。正因如此，数字孪生得以被普及到气候研究、药品研发、基因测序等科学计算中去。

英伟达就基于其AI超算，打造了Earth-2云平台这一针对地球气候的数字孪生系统。英伟达还为这一气候研发平台打造一个新的生成式AI模型，名为CorrDiff。该模型基于扩散模拟技术，可将当前数值模拟的分辨率提升 12.5 倍，相比传统方法，速度和能效分别提升了 1000 倍和 3000 倍。这一模型可以有效用于小范围局部天气物理特性的研究，比如台风登陆地点等等。

当然了，数字孪生的可视化部分也少不了英伟达Omniverse平台的支持，气象数据与Omniverse结合，可以让用户以可视化的方式感知实际天气带来的影响，以更高的分辨率提供天气模拟。

用于多物理场系统仿真的超算

除了气候研究外，数字孪生技术也可以用于其他物理研究中，比如流体力学仿真，但这类仿真任务往往需要庞大的计算性能，只有借助超级计算机才能完成。今年2月，Cadence就基于英伟达的GPU，打造了一个用于数字孪生的超算平台Cadence Millennium M1，该系统可以用于提供高性能、高能效比、高保真的计算流体力学仿真。

英伟达的高性能GPU，结合Cadence的高保真CFD软件栈，对GPU加速和生成式AI进行了优化，每块GPU的算力最多相当于1000个CPU内核的计算性能。计算迭代时间从数周缩短至数小时，与同级别的CPU相比，能效提高了近20倍。

在汽车和eVTOL的设计中，对系统的能效提出了很高的要求，提高燃油效率、减少阻力和噪声等，都有计算流体力学的参与。在GPU CFD求解器的支持下，相关仿真应用的迭代速度明显加快，从而帮助制造企业打造出更优的外形设计，而数字孪生的加入，也为高保真建模提供了支持。这也是Cadence与F1车队达成了技术合作的原因，流体力学的计算和仿真可以进一步提高赛车的综合性能。

在芯片仿真软件和硬件市场耕耘了多年的Cadence，此前凭借基于FPGA的Palladium平台，为芯片设计提供了强大的仿真算力支持。而此次发布的Cadence Millennium M1，则是从硬件上为多物理场仿真提供支持，也算是代表了Cadence从软硬件产品方案上全面从EDA向SDA的转变。

写在最后

随着市场需求的变化，Cadence过去这类传统的软件厂商，也在逐步扩展硬件业务和云服务业务，这就是AI和数字孪生技术带来的转变。相比传统HPC应用所需的大规模超算而言，规模较小的AI超算在商用落地上或许会先行一步。

▲文章来源于：电子发烧友

Back