本文你将会了解：

• 为什么领先的 CAE 软件供应商转向 GPU。

• CAE 工作负载过渡到 GPU 的趋势。
  

  
  

    计算机辅助工程(CAE)曾经是拥有高性能计算机的专家的领域，现在正成为设计师的工作站应用程序。今年早些时候，Jon Peddie Research对领先的CAE软件供应商进行了一系列的采访，如Altair、Ansys、Dassault Systèmes、Hexagon和Siemens Digital Industries software。JPR还与NVIDIA合作，了解GPU加速在许多CAE应用和工作流程中所带来的变化。这些访谈的结果可以在一本名为《加速和推进CAE》的电子书中找到。(EETOP公众号后台输入消息：CAE 可获取)

    过渡并不快，GPU 是在 1999 年底推出的，以响应热情拥抱 3D 游戏的狂热游戏玩家的高需求。第一代 GPU 是专门为游戏设计的，游戏开发人员可以简单地写入 GPU 的内置函数。

    随着应用程序编程接口 (API) 的发展，这些功能成倍增长。效果立竿见影——为 GPU 编写的游戏数量迅速增加，游戏运行速度更快，而且它们变得更漂亮。

    事后看来，我们现在知道工程和科学计算正在经历同样的转变，但在设计行业准备好之前，还需要做很多事情。所有软件都是为 CPU 构建的，客户依靠其系统 CPU 的能力来运行复杂、资源密集的模拟和分析软件。他们也习惯了分析软件的复杂和需要很长时间才能运行。

一切都变得更快

    随着创新步伐的加快，每一代 GPU 都获得了对 CAE 有用的新功能，包括硬件加速矩阵数学和人工智能——内存更快、带宽更高。

此外，用于GPU编程的软件工具正在激增。英伟达（NVIDIA）的CUDA于2007年推出，它为整个计算领域的应用程序开发了专门的库。AMD也一直在研究开放软件的方法，英特尔也是如此，它正在引入新的高性能 GPU 来补充其 CPU。

    在我们对 CAE 公司的采访中，我们被告知，根据具体任务，GPU 的性能要比 CPU 好很多倍。然而，尽管有这个明显的优势，我们也被告知，一些工程师担心 GPU 加速的应用程序必须为精确度的速度提升付出代价。事实证明并非如此。相反，开发人员及其客户发现 GPU 加速计算的结果与基于 CPU 的求解器执行的结果一样准确。

    GPU 加速使工作站能够完成以前由高性能计算 (HPC) 机器执行的工作。因此，就能源使用和财务成本而言，执行这些工作的成本可能更低。以更低的成本和更可持续的方式执行更多迭代的能力使更多的设计人员能够在设计过程的早期利用仿真，并对结果充满信心。

       行业不会在一夜之间转变，CAE 行业就是一个特别好的例子。一些产品基于最初在 1960 年代和 70 年代为 CPU 编写的非常古老的代码。这些公司如何利用 GPU 可能会有所不同。

进行过渡

    从采访的公司得知，他们正处于使用 GPU 进行 CAE 的早期阶段。他们很早就意识到 GPU 的好处，但他们更清楚移植速度过快的陷阱。开发人员必须考虑在客户站点安装的硬件基础以及他们试图解决的问题类型。

    自推出以来，GPU 一直在发展以支持所有数字行业。它们集成了更多的晶体管、更大的内存、更快的带宽。我们已经看到了新型加速器内核的发展，例如英伟达的 CUDA 内核和 AMD 的流处理器，并且添加了 Tensor 内核来加速 AI/ML 应用程序。已经引入了实时光线追踪核心以及大量的开发人员软件工具和库。

    最终结果是 GPU 在减少处理模拟网格所需的时间方面领先于 CPU （见图）。

    随着核心数量的增加，它会减少计算时间。如果使用得当，GPU 可提供惊人的加速。

    一些独立软件供应商 (ISV) 坚持使用 CPU，而一些较新的公司和新程序都在 GPU 上。我们认为最明智的方法是一种混合方法，让用户可以使用他们拥有的任何 GPU 功能。

    这个项目有几个明显的收获。一是在已建立的 CAE 产品中使用 GPU 加速的增加。我们还看到了从头开始编写的新产品的开发，以利用 GPU。可持续性已成为开发商和客户的重要考虑因素。最后，CAE 有可能成为设计过程中更完整的一部分，从而带来更好的设计和更可持续的产品。