NVIDIA HPC SDK v25.7：统一内存编程重塑GPU加速开发范式
NVIDIA HPC SDK v25.7的发布标志着高性能计算（HPC）领域GPU加速开发的一次重大飞跃。该版本聚焦于统一内存编程，通过自动化CPU与GPU间的数据迁移，显著简化了开发流程，缩短了代码移植周期，并减少了潜在的bug。
NVIDIA GH200 Grace Hopper Superchip和GB200 NVL72等平台正凭借其CPU与GPU紧密耦合的架构以及统一的地址空间，在HPC市场获得青睐。这些架构不仅提供卓越性能，更通过消除手动数据管理，极大地提升了开发者的生产力。例如，巴塞罗那超级计算中心（BSC）的高级研究工程师Alexey Medvedev表示，统一内存编程使其能够更快地将NEMO海洋模型移植到GPU，并提供了更大的灵活性。
过去，GPU编程中最具挑战性的部分之一是数据管理，尤其是在处理动态分配数据和派生类型时。传统的代码需要额外的循环和OpenACC指令来显式管理CPU与GPU之间的数据拷贝，这增加了复杂性。统一内存模型允许CPU和GPU共享同一地址空间，使得显式的数据管理不再是必需，开发者可以更专注于并行化。
以NEMO海洋模型为例，通过OpenACC对循环进行标注，并利用异步（async）和等待（wait）子句来管理GPU上的计算，即使在早期移植阶段，也实现了显著的性能提升（约2-5倍的局部加速，整体加速约2倍）。即使在代码部分加速的情况下，用户也能尽早看到可观的加速效果，这极大地改变了开发者的体验。
此外，NVIDIA HPC SDK v25.7还通过CUDA驱动和CUDA Toolkit 12.4中的访问计数器启发式功能，实现了CPU内存页到GPU内存的自动迁移，进一步优化了性能。虽然基于HMM的系统也在不断演进，但Grace Hopper系统凭借其高带宽互连和硬件一致性机制，在统一内存性能上预计将超越HMM系统。
此次更新不仅解决了数据迁移的复杂性，还为检测数据竞争提供了工具，使得开发者能够更安全、高效地利用GPU加速，推动科学计算迈向新高度。
Anastasia Stulova
网友讨论