在芝加哥举行的 SC26 大会上,NVIDIA 超大规模与高性能计算副总裁 Ian Buck 于周一发表主题演讲,正式开启公司本周的活动。他发布了一系列面向 AI 智能体的新工具——这类软件能够在研究人员自己的系统上规划实验、运行代码并核验结果——同时推出了 Nemotron for Science、Rubin HPC GPU 以及扩展后的 Vera CPU 平台,并披露了与 IBM 和费米国家加速器实验室在量子计算方面的新合作。
Buck 在开场时回顾了二十年前在佛罗里达州坦帕举行的 SC06 辅导课上首次公开介绍 CUDA 的经历。他表示,NVIDIA 如今已提供超过 1,000 个 CUDA-X 库。在他看来,计算的前沿与新的科学软件栈将一如既往地以仿真为基础,但要与 AI 以及未来的量子计算相结合。
Buck 强调,仿真仍然是科学计算的根基,并“将始终居于首位”,而 AI、量子计算以及如今的智能体则与之并行工作。他形容智能体是改变人们与超级计算机、设备、仪器交互方式以及开展研究方式的颠覆性力量。
面向科学智能体的开放模型
Nemotron for Science 将 Nemotron 3.5 Super VL 开放模型与新的开放化学数据集以及面向生命科学和化学的后训练配方相结合。研究人员可以在 DGX Spark、工作站或自有超级计算机上本地运行它,这呼应了 Buck 所强调的原则:“你的数据归你所有,模型也归你所有。”
在阿贡国家实验室,一个基于该工具包构建的智能体仅凭一条提示就自主规划并检验假设、选择要运行的仿真,并识别出两个新的结合位点。Buck 还列举了其他已投入使用的智能体:瑞典皇家理工学院(KTH)开发的智能体能够自行修复损坏的 GROMACS 配置,在单台 DGX Spark 上的一夜运行中修复了 81% 的测试用例;在艾伦望远镜阵列,SETI 研究所的智能体根据一行提示绘制甲醇谱线,并自行针对多普勒频移重新调谐;NVIDIA 自家的 Nsight AI 移植智能体则把一个天气研究与预报(WRF)模型的例程移植到 GPU 上,借助约 1.5 亿个 token 实现了超过 5 倍的加速。
为智能体循环而生的 CPU
Buck 解释说,智能体在模型步骤之间执行工具调用时依赖 CPU。这正是智能体所需要的:一颗能够运行、评估、调用工具、执行操作并收集结果的 CPU。德国气候计算中心(DKRZ)已为其预计于 2028 年初上线的 HLRE-5 超级计算机选用 Vera CPU,此前德州高级计算中心也已宣布采用 Vera 系统。
面向科学的新 GPU
Rubin HPC 是 Vera Rubin 平台中面向科学、工程、分析和 AI 的新 GPU。它支持从 FP64 到 FP4 的精度,增加了稀疏数据加速,并通过第七代 NVIDIA NVLink 互连。Buck 表示其 CUDA 核心数超过 50,000 个,约为 Hopper 的三倍,预计于 2028 年推出。
量子纠错进展
在量子计算方面,Buck 提到,在 Jülich 的 JUPITER 超级计算机上进行的仿真显示,一种名为“magic state cultivation”的技术可以将一个逻辑步骤所需的操作次数减少到原来的十分之一,相关工作正被纳入 CUDA-Q。
NVIDIA、IBM 和费米实验室当天宣布计划共建一个量子计算联合设计平台,以支持纠错和应用研究。NVIDIA 与 IBM 将把 NVIDIA DGX B200 系统与 IBM 量子计算机(包括搭载 IBM Quantum Nighthawk 的机型)配对使用。Buck 还介绍了量子解码方面的新突破:目标是把解码延迟从约 300 微秒降低到 10 微秒,而新的 CUDA-Q 解码算法 TCBP-JOBS 可将纠错研究的计算时间从 12 周缩短至 45 分钟。
网络
Buck 还展示了 NVIDIA Photonics 共封装光学交换机在 Lambda 的首批部署之一,称其在比特错误和链路抖动方面可靠性提升了 15 倍。