汽车制造行业有效预测HPC算力的需求,通常从以下四个方面进行综合预估:
1.业务需求分析
产品开发阶段:模拟风洞测试、结构力学分析、流体动力学分析、碰撞模拟、NVH(噪声、振动与声振粗糙度)分析、电池热管理模拟等都需要大量计算资源。
生产优化阶段:生产线仿真、工艺流程模拟、机器人路径规划等同样依赖HPC。
数据处理与分析:车联网数据、自动驾驶产生的海量数据、AI算法训练等也需要强大的计算能力。
2.算力需求预测
量化需求:根据现有的项目需求和未来项目计划,量化每个应用场景所需的计算量(FLOPS、CPU、GPU等)。
成长预期:考虑技术和市场趋势,例如电动汽车的普及可能导致电池仿真需求剧增,智能化程度加深会加大AI相关的计算需求。
峰值与常态负载:识别出计算高峰时段和长期稳定负载,以确定是否需要弹性扩展的算力资源。
3.算力类型选择
CPU vs GPU vs FPGA:根据不同计算任务的特点选择适合的硬件类型,例如CPU适用于通用计算,GPU擅长并行计算和图形处理,FPGA和ASIC则可用于定制化的高效计算场景。
异构计算:考虑到混合架构能够有效利用不同类型处理器的优势,可能会选择集成CPU+GPU或其它加速器的解决方案。
4.成本效益分析
考虑硬件购置成本、运行维护成本、电力消耗成本以及潜在的软件许可费用。
评估投资回报周期,对比租用云服务与自建数据中心的成本差异。
我们公司主要根据仿真业务场景进行需求评估,了解各业务场景对HPC平台的具体,如产品研发仿真业务、NVH、试验等业务,结合历史数据分析,通过历史数据和模型大小,对HPC算力需求进行预测,同时,邀请多家HPC供应商进行POC测试论证,结合公司产品战略规划进一步评估。
收起对于算力需求的预测,其实根源来自于对业务的预测
业务算力的需求其实是可以大概测算出来的,比如一个产研研发 分成5个阶段需要使用HPC算力资源ABCDE阶段,
假如A阶段 需要计算5轮次,每轮需要计算100个作业,每个作业大致需要 3天,按照自然日排列
假如B阶段 需要计算3轮次,每轮需要计算200个作业,每个作业大致需要 5天,按照自然日排列
假如C阶段 需要计算10轮次,每轮需要计算300个作业,每个作业大致需要 4天,按照自然日排列
假如D阶段 需要计算5轮次,每轮需要计算100个作业,每个作业大致需要 4天,按照自然日排列
假如E阶段 需要计算3轮次,每轮需要计算100个作业,每个作业大致需要 2天,按照自然日排列
再结合每个项目的开发周期的实施路径,不同项目,不同阶段,叠加后,自然后就可以评估处 平均值,峰值,峰谷,集中阶段
对于HPC算力的需求预测,主要还是从以下两方面分析:
1、业务需求评估,加强与用户沟通,了解用户的新需求,如电池仿真业务、智能驾驶的需求
2、历史数据分析,建立一个动态的监控和评估机制,定期评估 HPC 资源的使用情况和性能表现,以及市场需求的变化。通过系统监控,历史数据分析,对HPC算力需求进行预测, 及时调整资源分配和优化策略,确保资源的有效利用
3、基于云的服务,目前部分企业使用混合云的基础架构进行HPC算力执行,因此可以基于云的服务优化资源分配,提高计算效率,同时降低初期投资成本。
汽车制造行业进行有效的 HPC 算力需求预测,需要综合考虑市场需求、技术创新、合作共享等多个方面,通过持续的监控和评估,灵活调整策略,来适应快速变化的技术环境和市场需求。
针对HPC算力需求的不断增加和计算需求的不确定性,可以通过以下几个方面来预测资源需求,以避免多建浪费,少建满足不了需求的情况:
综上所述,通过数据分析、模拟仿真和调查研究等方法,可以有效地预测资源需求,以避免多建浪费,少建满足不了需求的情况。同时,还需要根据实际情况进行灵活调整和优化,以满足不断变化的需求。