5月28日，阿里巴巴达摩院宣布“敏迭”求解器（MindOpt）GPU版本正式上线。该版本通过GPU并行加速与算法创新，将原本基于CPU的数学规划求解器扩展至超大规模问题，在近2000个通用算例测试中覆盖99%以上问题类型，并支持亿级变量线性规划的稳定求解。
求解器被称为“工业软件之芯”，广泛应用于电力调度、航班编排、高端制造、金融管理等领域的复杂决策计算。
传统CPU求解器依赖矩阵分解算法，随着问题规模扩大，内存需求呈爆炸式增长，并行计算能力也严重受限，常常运行数小时仍无法收敛甚至直接崩溃。
行业近年来尝试将求解器向GPU迁移，将核心运算从矩阵分解转化为稀疏矩阵向量乘法，以利用GPU的高并发高带宽特性。
但这一路线普遍存在“长尾效应”：求解前期速度可观，后期精度提升极为缓慢，难以满足工程级的最终收敛要求，使得GPU求解器的实用性大打折扣。
达摩院通过算法加速策略与GPU内核深度优化，将数学规划方法与GPU工程特性结合，缓解了长尾效应，实现了从“能算”到“算准”的跨越。
测试数据显示，在高精度要求下，敏迭GPU版能稳定求解的问题类型占比超过99%，而在同一测试集上，业内主流GPU求解器的这一比例为96.7%至98.3%。
在大规模问题上，敏迭的成功率比主流产品提升14%以上，求解速度平均提升2.67倍。在传统上被认为“不可解”的亿级变量超大规模问题中，敏迭GPU版对常见问题类型的稳定求解率超过80%。
行业的GPU求解器竞争并非达摩院一家独奏。国际商用求解器巨头Gurobi已在今年发布的13.0版本中引入了PDHG算法的GPU加速支持，并在最新的13.0.2版本中将该功能从测试阶段升级为正式支持。
与此同时，国内杉数科技旗下的COPT求解器也在积极推进GPU异构计算，在部分工业场景中实现了上百倍的性能提升。
在应用层面，敏迭GPU版已在数字广告、电力调度、金融等领域完成落地验证。某大型数字广告平台每次流量分配涉及约3.3亿个变量和1600万个约束条件，要求在2小时内完成。多数商用求解器运行48小时后仍无法给出可行解，而敏迭仅用1700秒就给出了可靠精度的结果。
不过，达摩院此次发布的GPU版本主要面向线性规划（LP）问题，在混合整数规划（MIP）和非线性规划等复杂问题类型上的表现尚未披露。
求解器的GPU化趋势虽然明显，但行业整体仍处于早期探索阶段，Gurobi的GPU加速也被定位为测试性功能，其成熟度与通用性仍有待验证。
达摩院决策智能实验室负责人印卧涛表示，各行业的计算规模正在爆发式增长，传统求解器已难以应对日益涌现的亿级变量问题，团队将持续解锁新型硬件在运筹优化领域的潜力。求解器向GPU架构迁移的进程，短期内仍将在算法稳定性与工程可靠性之间持续博弈。
匿名用户
