數學優化是一種功能強大的工具，可以幫助企業和人們做出更明智的決策，并實現任意數量的目標。這些目標包括提高運營效率、降低成本和提高客戶滿意度。許多日常用例都可以應用數學優化，例如調度航班、定價酒店房間、選擇 GPS 路線和規劃貨運卡車路線等。
然而，數學優化計算需求很高。模型復雜性和數據集大小需要復雜的 AI 算法和高性能計算。由于對更快、更好的數學優化解決方案的需求不斷增長，從系統、軟件平臺到加速庫，全棧創新是必需的。
Gurobi 成立于 2008 年，是一家數學優化求解器，可解決復雜問題，并在數秒內向全球各行各業的 1200 多家客戶提供優化解決方案。該公司獲得了一臺基于 Supermicro NVIDIA MGX 的系統，由 NVIDIA GH200 Grace Hopper 超級芯片提供支持，該系統能夠以低功耗實現快速性能。
這篇博客文章探討了使用基于 Arm 的 NVIDIA Grace CPU 的基準測試結果和用例，這些用例表明了效率的提高。
為混合整數編程庫設置計算優化測試環境
測試平臺由 Supermicro 的單個 NVIDIA Grace Hopper 超級芯片服務器、四臺 AMD EPYC 7313P 服務器組成的集群（每臺服務器均具有 16 個核心和 256 GB 的 DDR4 內存）以及在 Ubuntu 22.04 上的 Gurobi Optimizer 11.0 組成。
NVIDIA Grace Hopper 超級芯片通過高帶寬、一致性 NVIDIA NVLink-C2C（芯片到芯片）互連技術，將基于 Arm 的 NVIDIA Grace CPU 與 NVIDIA Hopper GPU 相結合。Grace CPU 具有 72 個核心和 480 GB 的高性能、低功耗雙數據速率 5 倍（LPDDR5X）內存。
為了評估性能，Gurobi 使用混合整數編程庫 (MIPLIB) 2017 中的代表性基準集進行了一系列實驗，該集包含 240 個真實世界優化實例。然后，將 NVIDIA Grace CPU 在 Grace Hopper 超級芯片上的結果與客戶常用的 AMD EPYC 服務器集群進行了比較。
初步結果
第一個圖形顯示了 MIPLIB 基準集中的硬模型的運行時間。
Grace Hopper 在大多數困難模型上表現優于 EPYC，平均運行時間約為 80 秒，相比之下 AMD 的平均運行時間為 130 秒，提高了 38%。
下圖顯示了整個 MIPLIB 基準測試集的吞吐量和能耗。時間和能耗越低，性能越好。這意味著，性能好的系統應該具有較低的時間和能耗。同樣，在這兩個指標上，NVIDIA Grace CPU 的性能都優于 AMD EPYC 7313P，具體來說，運行速度提高了近 23%，而能耗降低了 46%。
圖 3 顯示了 MIPLIB 基準測試集的能耗，以千瓦時為單位。對于每種配置，Grace Hopper 在兩個線程數量上消耗的能耗均低于 AMD EPYC 7313P，結果是：Grace Hopper 消耗的能耗少于 AMD EPYC 7313P，無論是哪種線程數量。
- 在 8 個線程的情況下，NVIDIA Grace CPU 的功耗約為 1.4 kWh，比 AMD 的 1.75 kWh 低 20%。
- 對于 12 個線程，NVIDIA Grace CPU 的耗電量約為 1.6 千瓦時，而 AMD 的耗電量為 2.6 千瓦時，相比之下提高了 38%。
這些結果表明，NVIDIA Grace CPU 上的 Gurobi Optimizer 在解決具有挑戰性的 MIP 模型方面比 AMD EPYC 7313P 實現了顯著的加速和節能。
這歸功于 NVIDIA Grace CPU 出色的多處理能力，它能夠高效地處理優化器的高計算和內存需求。
借助 NVIDIA Grace Hopper 超級芯片，我們可以快速、高效地解決問題
初步基準測試表明，Gurobi Optimizer 和 NVIDIA Grace Hopper 超級芯片支持更快的計算性能，同時也具有更低的能耗。他們計劃通過額外的調整和測試來改進其結果。
對于希望提高能效，同時以更出色的性能應對復雜業務挑戰的各行各業的公司而言，這為他們提供了廣闊的前景。為了更好地了解測試和結果，請觀看 NVIDIA GTC 的點播會議。同時，如果您想了解數學優化如何幫助解決最復雜的挑戰，請查看 Gurobi 資源中心。
?
