AI云服务商CoreWeave与CFD软件商Convergent Science完成5.36亿网格直接数值模拟
CoreWeave与Convergent Science联合测试显示，使用两台NVIDIA HGX B200实例（共16个Blackwell GPU）可在3.62小时内完成5.36亿网格的直接数值模拟。该结果验证了当前GPU集群在极端规模工程仿真中的能力，并对比了RTX PRO Server与HGX B200在不同扩展场景下的性能差异。
计算流体力学（CFD）中的直接数值模拟（DNS）是精度最高的湍流仿真方法，它不依赖湍流模型近似，而是直接求解所有尺度的流体运动。然而，DNS对内存和计算资源的需求极高，通常受限于硬件容量而非算力本身。
AI基础设施公司CoreWeave与CFD软件开发商Convergent Science合作，在NVIDIA HGX B200 GPU集群上运行CONVERGE CFD软件，以验证其在极端规模下的表现。测试结果显示，该系统成功完成了包含5.36亿网格单元的DNS案例，耗时3.62小时。这一配置使用了两个NVIDIA HGX B200实例，共计16个NVIDIA Blackwell GPU。
研究还对比了两种不同类别的硬件：NVIDIA RTX PRO 6000 Blackwell Server Edition和NVIDIA HGX B200。RTX PRO服务器适用于单节点内可容纳的日常工业仿真，其GPU间通信通过PCIe进行；而HGX B200凭借更高的内存带宽（约7.7 TB/s vs 1.6 TB/s）和NVLink互联技术，更适合跨节点的超大规模案例。
值得注意的是，这些结果来自厂商合作的基准测试，旨在展示特定硬件配置下的理论上限和扩展特性，实际生产环境中的性能可能因具体物理模型、边界条件和软件优化程度而异。