先講清楚：呢個唔係LLM，亦唔係任何生成式模型。cuOpt係NVIDIA嘅GPU加速決策優化求解器（decision optimization solver），專做線性規劃（Linear Programming，LP）——即係喺一堆約束條件入面揾成本最低或者效益最高嘅解法。供應鏈排產、物流調度、電網容量規劃，呢類問題成日要用。
NVIDIA於2026年10月7日喺技術博客介紹mPDLP（Multi-GPU Primal-Dual hybrid gradient for LP）求解器，將LP問題分到多張經NVLink連線嘅GPU齊頭並進，標題直接點明規模：Scaling Decision Optimization to 100 Million Variables and Beyond（優化決策擴展至1億變數以上）。
問題大，先有得加速。NVIDIA技術博客指，最大嘅規劃問題用單一GPU可能幾個鐘都收唔到斂，或者直接超出單一GPU顯存。呢個就係mPDLP出嘅原因。
技術底層用PDLP（Primal-Dual hybrid gradient for LP），一個類似梯度下降嘅一階方法，天然可並行，核心熱迴圈係稀疏矩陣向量乘法（SpMV）。mPDLP將呢個過程分佈到多GPU，帶來兩個主要數據：
- 解決時間縮短，針對傳統規劃窗口內根本解唔完嘅大問題；
- 每張GPU嘅峰值記憶體用量，對比單GPU PDLP最多低6倍（LP問題上限2.1B nonzeros）。
基準測試方面，業界常用zib03——由Thorsten Koch於2008年提出、含超過1.04億個非零元素嘅LP問題。NVIDIA列出cuOpt用mPDLP解決zib03嘅速度，較一年前快近10倍。單一GPU對CPU，NVIDIA稱已達10倍以上加速。
應用層面，文內點名兩個合作夥伴：Kinaxis（全球供應鏈與生產規劃）同PSR（大型電網容量擴展模型）。呢兩個係合作夥伴應用，唔係獨立第三方驗證。
模姐驗嚇貨：呢個係典型廠商技術博客，所有跑分出自NVIDIA自家，冇獨立實驗室或第三方複製結果。對關注GPU算力嘅讀者，重點係「GPU加速唔止LLM推理」呢個事實——決策優化係另一條線，mPDLP將計算分佈到多GPU係實打實嘅架構變化，但實際部署中6倍記憶體節省同10倍速度嘅數字，要睇具體場景先有比較意義。
模姐｜深度調教
