NVIDIA 推出多GPU求解器，推动大规模决策优化

NVIDIA 推出了决策优化技术的突破性进展，推出了其用于线性规划（Linear Programming，LP）的多GPU Primal-Dual混合梯度（mPDLP）求解器。这项创新是 NVIDIA cuOpt 平台的一部分，旨在解决多达21亿非零变量的大规模线性规划问题，提供更快的解决方案并显著优化每个GPU的内存使用。

证据与背景

NVIDIA 在2026年10月7日发布的公告中强调了供应链管理和能源系统等行业面临的挑战，这些行业的数据集和约束条件的扩展需要更强大的优化工具。传统的单GPU解决方案往往因内存限制和较长的解决时间而遇到瓶颈，给管理复杂实时操作的规划者带来困难。

根据由 Tanya Lenz 撰写的博客文章，mPDLP 求解器利用 NVLink 连接的 GPU 来高效分配计算工作负载。它在基准问题（如“zib03”，包含超过1.04亿非零变量）上实现了解决时间接近10倍的提升，并且与单GPU实现相比，峰值内存使用量最多减少了六倍。

基准测试数据表明，mPDLP 求解器在处理包含超过1000万非零变量的问题时提供了显著的加速。例如，在供应链优化中，Kinaxis 在一个包含1.35亿变量的模型上实现了3.3倍的加速，而 PSR 在一个包含1.85亿变量的随机能源扩展模型上展示了超过5倍的加速。

这些改进得益于先进的分区技术，例如最小割分区技术，它优化了跨GPU的数据分布并最小化通信开销。NVIDIA 集成了 NVLink、NVSwitch 和 NCCL 等工具，通过实现高带宽、低延迟的通信，进一步确保了高效的分布式计算。

重要性

决策优化的进步对于应对各行业日益复杂的运营挑战至关重要。NVIDIA 的 cuOpt 平台已经支持一系列优化问题，包括线性规划、车辆路径规划和供应链决策系统。通过将其能力扩展到处理数亿变量的水平，mPDLP 求解器强化了 NVIDIA 在 GPU 加速计算解决方案领域的领导地位。

处理更大的数据集并提供更快的结果直接影响了诸如消费品、制造业和能源等行业，在这些行业中，及时和高效的决策至关重要。例如，通过实时优化库存和生产计划可以缓解供应链中断，而能源电网通过更高效的容量扩展建模受益。

尽管具有很大的潜力，mPDLP 求解器的性能因问题规模和结构而异。较小的问题或那些需要高跨GPU通信的问题可能会表现出较少的显著收益，这突出了针对特定用例量身定制解决方案的重要性。

随着 NVIDIA 继续改进其 mPDLP 求解器，计划中的增强包括负载感知分区和改进的通信策略，以进一步减少开销并提高可扩展性。这些改进旨在将求解器的适用范围扩展到更广泛的优化问题。