本文轉(zhuǎn)載自 Jon Peddie Research 為 NVIDIA 編寫的電子書，原文可查看：

https://jinshuju.net/f/lytrl9

計(jì)算機(jī)輔助工程（CAE）始于 50 年代，簡單而言，CAE 指利用計(jì)算機(jī)解決工程問題。CAE 提出的目的在于利用計(jì)算機(jī)將工程或生產(chǎn)的各個(gè)環(huán)節(jié)有機(jī)組織起來。利用信息集成，賦能工程（產(chǎn)品）的整個(gè)開發(fā)周期。作為一種資源密集型技術(shù)，CAE 是一項(xiàng)仍在等待解決方案的挑戰(zhàn)。

最初，Altair、Ansys、Autodesk、Dassault Systèmes（Simulia）、Hexagon MSC 和 Siemens 等主要工程仿真軟件提供商長期依賴將 CPU 作為驅(qū)動(dòng)計(jì)算的主要引擎時(shí)開發(fā)出的技術(shù)。但隨著工程師希望提高真實(shí)感和復(fù)雜度，需要處理規(guī)模更大、更復(fù)雜的問題，利用 CPU 驅(qū)動(dòng)可能需要花費(fèi)數(shù)小時(shí)、數(shù)天甚至數(shù)周的時(shí)間才能得到處理結(jié)果，時(shí)間成本相對較高。

CAE 的主要任務(wù)是執(zhí)行大規(guī)模并行進(jìn)程，CAE 通過在模型上創(chuàng)建節(jié)點(diǎn)網(wǎng)格來評(píng)估模型，然后對節(jié)點(diǎn)應(yīng)用力和條件，評(píng)估設(shè)計(jì)是否適合其用途，網(wǎng)格越密集，仿真就越可靠。NVIDIA 于 1999 年發(fā)明首款圖形處理器（GPU），為 CAE 實(shí)現(xiàn)重大轉(zhuǎn)型創(chuàng)造了舞臺(tái)。

CPU 適用于廣泛的工作負(fù)載，多用于集中處理單個(gè)任務(wù)，而 GPU 則以其靈活性和性能特點(diǎn)，多用于并行計(jì)算，可同時(shí)處理多個(gè)應(yīng)用程序。GPU 的優(yōu)勢在于單個(gè)芯片上的處理單元數(shù)量遠(yuǎn)超 CPU，從這一角度來比較，GPU 處理器的成本遠(yuǎn)低于 CPU 處理器。與 CPU 相比，GPU 的密度更高而總體擁有成本更低，因此具有明顯的性價(jià)比優(yōu)勢。

NVIDIA 推出針對 GPU 的開發(fā)工具，

賦能 CAE 轉(zhuǎn)型

那么，如果 GPU 處理器的成本低于 CPU，且 GPU 更適合 CAE 工作負(fù)載，那么為什么并非所有軟件程序都改為使用 GPU？

其挑戰(zhàn)在于，GPU 和 CPU 的工作方式各不相同，需要針對兩者采用特定的編程方法。CAE 是基于數(shù)十年前的技術(shù)開發(fā)的復(fù)雜應(yīng)用，為 GPU 調(diào)整這些程序并非易事，但 NVIDIA CUDA 和 OpenCL 等編程工具的推出，賦能開發(fā)者更輕松地利用 GPU 加速 CAE 開發(fā)流程。

NVIDIA 在 2006 年因率先做出承諾和對 CUDA 進(jìn)行投資脫穎而出。CUDA 是一個(gè)用于應(yīng)用 GPU 加速的專門代碼庫。作為這項(xiàng)工作的一部分，NVIDIA 一直與 CAE 開發(fā)者合作，創(chuàng)建為仿真分析可視化常見任務(wù)量身打造的工具。NVIDIA 專注于更新 GPU 技術(shù)，推動(dòng)其進(jìn)入專用工具開發(fā)領(lǐng)域。

CAE 供應(yīng)商引入 GPU，

探尋最佳應(yīng)用途徑

自 2014 年以來，各個(gè)主要 CAE 供應(yīng)商都在某種程度上利用了 GPU 加速。

Ansys Discovery 專為 GPU 構(gòu)建

不同于 Fluent CFD 工具對大型應(yīng)用進(jìn)行移植，Ansys 針對 GPU 從頭開始進(jìn)行設(shè)計(jì) Discovery。因?yàn)樵诜抡婀鞠?GPU 加速過渡的過程中，需要面對的挑戰(zhàn)是為 CPU 編寫的部分代碼可能會(huì)降低整體性能，因而 Ansys 有意識(shí)地改變策略，從頭開始在 GPU 上編寫代碼軟件。Discovery 技術(shù)的開發(fā)標(biāo)志著 Ansys 在其傳統(tǒng)產(chǎn)品（傳統(tǒng)上針對設(shè)計(jì)周期的結(jié)束而開發(fā)）上的突破，可賦能設(shè)計(jì)師在早期評(píng)估設(shè)計(jì)概念，并進(jìn)行設(shè)計(jì)迭代和分析。

西門子借助 NVIDIA AmgX

構(gòu)建 Simcenter STAR-CCM+

西門子并未急于進(jìn)入 GPU 市場，而是在 C++ 工具不斷成熟和 NVIDIA Volta 體系架構(gòu)的推出后，開始著手進(jìn)入該市場。西門子借助了 NVIDIA 的 AmgX，構(gòu)建基于 GPU 版本的 CFD 軟件 Simcenter STAR-CCM+。該版本專注于車輛外部空氣動(dòng)力學(xué)應(yīng)用，因?yàn)檫@項(xiàng)工作需要的物理模型和物理模型的相關(guān)框架移植都較少，但具有巨大的計(jì)算用度，有必要進(jìn)行并行化，而 GPU 加速非常具有吸引力。

Simcenter STAR-CCM+ 基于 CPU （左）和基于 GPU （右）的運(yùn)行之間的平均壓力系數(shù)計(jì)算結(jié)果。

MSC Software 利用

NVIDIA CUDA 框架切入 GPU 編碼

MSC Software 基于 NVIDIA GPU 編寫了新產(chǎn)品 MSC Apex Generative Design，該產(chǎn)品可使用以前需要昂貴的集群才能運(yùn)行的計(jì)算。Hexagon 的開發(fā)者借助 NVIDIA CUDA 框架作為切入點(diǎn)，能夠立即開始編碼。MSC 開發(fā)團(tuán)隊(duì)使用 MSC Apex Generative Design、CUDA、CuBLAS 和 CuSPARSE 在其生成式設(shè)計(jì)應(yīng)用中啟用 GPU 加速。

Hexagon 使用 GPU 從頭開始構(gòu)建其產(chǎn)品 MSC Apex Generative Design 。不僅能夠更快生成產(chǎn)品，而且將設(shè)計(jì)、網(wǎng)格化和分析功能融于一體。

MSC Software 產(chǎn)品管理副總裁 Hugues Jeancolas 表示，通過將代碼遷移至 GPU，團(tuán)隊(duì)不僅可以提高代碼的效率，而且鑒于 CPU 核心比 GPU 核心更昂貴，運(yùn)行代碼的成本也相應(yīng)得以降低。

NVIDIA CUDA 庫

賦能 Dassault Systèmes 電磁分析

在適應(yīng) CAE 程序以實(shí)現(xiàn) GPU 加速的早期階段，電磁分析已成為 GPU 加速的早期受益者。Dassault Systèmes 并購的 CST（Computer Simulation Technology），其 CST Studio Suite 基于有限差時(shí)域仿真算法，非常適合 GPU 架構(gòu)。此外，它還受益于大容量 GPU 顯存和顯存帶寬，并且從工作站 GPU 到數(shù)據(jù)中心計(jì)算 GPU 的擴(kuò)展效果非常出色。CST 團(tuán)隊(duì)相信，使用 NVIDIA 的 CUDA 庫使得從頭開始開發(fā)新項(xiàng)目變得更加容易。

使用 Simulia CST Studio Suite 進(jìn)行的電磁分析，用于評(píng)估天線和濾波器的性能和效率。該技術(shù)用于確定電磁兼容性和干擾（EMC/EMI），并測量人體在 EM 場中的暴露情況。

Altair 利用 GPU 改進(jìn)求解器性能

隨著 GPU 開發(fā)工具的推出，Altair 的工程師開始支持 GPU。他們相信 NVIDIA 持續(xù)的技術(shù)更新、開發(fā)者工具和支持有助于流程的簡化。Altair 推出的新款 EDEM 多 GPU 求解器可借助數(shù)百萬個(gè)粒子解決更重大的產(chǎn)業(yè)問題，還可以在添加額外的 GPU 卡時(shí)提供性能可擴(kuò)展性。Altair SVP CFD/ 副總裁 David Curry 表示：“與用來處理類似工作負(fù)載的 12 個(gè) CPU 相比，添加 GPU 可將 EDEM 的性能提升 20 倍。”

轉(zhuǎn)輪中的 2000 萬個(gè)粒子在 EDEM 多 GPU 求解器上運(yùn)行，并根據(jù)其速度進(jìn)行著色。每個(gè)粒子及其碰撞均由 EDEM 求解器獨(dú)立追蹤，而 GPU 技術(shù)可提高計(jì)算性能并增加可解決的問題規(guī)模。

GPU 推進(jìn) CAE 發(fā)展，

多行業(yè)應(yīng)用前景豐富

行業(yè)用例和開發(fā)者實(shí)際體驗(yàn)顯示，GPU 提供的性能優(yōu)勢和成本優(yōu)勢優(yōu)于 CPU。此外，針對渲染、CAE、AI/ML、視頻編輯和游戲優(yōu)化的 GPU 種類繁多且與日俱增，可確保為各個(gè)功能強(qiáng)大的工作站系統(tǒng)都配備功能強(qiáng)大的 GPU。

數(shù)字孿生的興起為行業(yè)引發(fā)了新的想象力。在數(shù)字孿生行業(yè)中，CAE 可基于物理學(xué)原理預(yù)測物理世界的真實(shí)發(fā)展?fàn)顩r，各行業(yè)開發(fā)人員可在數(shù)字孿生中查看產(chǎn)品運(yùn)行狀態(tài)、預(yù)估故障發(fā)生時(shí)間及后果，以及時(shí)改進(jìn)物理世界的流程設(shè)置和運(yùn)行策略，能為物理世界運(yùn)行進(jìn)行“預(yù)測”。

NVIDIA 不斷優(yōu)化 GPU 性能，更新 GPU 架構(gòu)。以核心或每秒浮點(diǎn)運(yùn)算（FLOPS）來衡量的 NVIDIA GPU 將持續(xù)賦能 CAE 行業(yè)，加速并推進(jìn) CAE 發(fā)展。