NVIDIA 喺 10 月 7 日技術博客推出 cuPhoton，一個開放源嘅 NVIDIA CUDA-X 工具包，專為天文觀測、X 射線同激光等高吞吐量儀器嘅即時影像分析而設，由探測器讀取一路到分類決策都保留喺 GPU 上。
點解要快： 現代天文台同高通量儀器會喺一次巡天或實驗期間累積 PB 級嘅多維數據。用 CPU 優先嘅傳統實作，要咗幾小時到幾個月，甚至有陣一年或者更耐，先能夠從儀器幾秒產出嘅數據得到有科學價值嘅結果。NVIDIA 話瓶頸唔係單一慢 kernel，而係由讀取原始數據、比對 PSF（點擴散函數）或探測器響應、減去／簡化、擬合、分類、發出警報嘅整條路徑。
用 Rubin 天文台做例子： NVIDIA 用 NSF-DOE Vera C. Rubin 天文台做示範。LSSTCam 入黑後每 39 秒拍一幅 32 億像素（3.2-gigapixel）嘅南天星野曝光；Prompt Processing 流水線要喺大約 60 到 120 秒內，把約 10,000 個檢測對象分類為天文瞬變現象或 cosmic rays、衞星拖尾、處理錯誤等偽像。一晚總量最高可達 20 TB 影像、1,000 萬個候選目標。
NVIDIA 嘅數字： 喺代表性 workload（數百 TB、多 GPU）上，NVIDIA 話 cuPhoton 將影像讀取加速最高 14,900 倍、信號處理加速最高 14,550 倍，「將數月嘅計算時間縮到分鐘」。另外，一個過去要九個月嘅數據分析，喺 GPU 加速嘅 Python 環境中被展示完成咗要四小時。對 KB 級嘅較小數據集，NVIDIA 話整條 pipeline 可以喺毫秒甚至微秒級別執行。
模姐驗嚇貨： NVIDIA 原文明确寫明，呢啲 Figure 3 嘅加速係「單一個 cuPhoton 操作對 x86 CPU baseline 嘅比較」，唔係端到端 pipeline 嘅總體加速。用 Rubin 天文台做 demo，係 NVIDIA 自家嘅代表性 workload，並非由天文台獨立認證嘅成果；亦冇交代測試日期、具體硬件代數同版本。呢個係 CUDA 工具包，唔係 LLM / agent，用詞要分清。另外，cuPhoton 係「open-source」，但同「完全開源」係兩回事——NVIDIA 有冇公開訓練數據、授權條款、權重／模型卡，原文章冇寫，讀者自己用要另外核對。
對讀者嘅關聯： 如果你做天文學、X 射線或高吞吐量數據分析，呢個工具包值得留意，但要用之前，先查清楚授權範圍、運行所需嘅 GPU 代數同系統（文章提到 NVIDIA Grace Blackwell 同 NVIDIA Vera Rubin 系統），以及對你 workload 嘅具體加速有冇獨立第三方測試。
模姐｜深度調教
