HPC · 시뮬레이션
과학 계산, 유체 해석, 대규모 수치 시뮬레이션
HPC 워크로드는 배정밀도(FP64) 연산 성능과 메모리 대역폭이 성능을 결정합니다. AI용 GPU 선택 기준과 다르므로 별도 검토가 필요합니다.
기존 CPU 클러스터에서 GPU로 이전하는 경우, 사용 중인 솔버의 GPU 가속 지원 여부를 먼저 확인해야 합니다.
도입 전 확인할 것
이 워크로드에서 실제로 성능을 좌우하는 지점들입니다.
01
FP64 성능
과학 계산은 배정밀도가 필수인 경우가 많아 AI 전용 GPU가 부적합할 수 있습니다.
02
솔버 호환성
사용 중인 소프트웨어가 GPU 가속을 지원하는지, 어떤 CUDA 버전을 요구하는지 확인이 선행되어야 합니다.
03
노드 간 통신
강결합 시뮬레이션은 InfiniBand 지연시간에 민감합니다.
추천 구성
이 워크로드에 자주 제안하는 제품입니다. 실제 구성은 규모와 예산에 따라 조정합니다.
NVIDIA 주문 생산
NVIDIA HGX B200
Blackwell 세대 플래그십 — 대규모 LLM 학습·추론용 8-GPU 베이스보드
- GPU 메모리
- 1,440GB HBM3e (8× 180GB)
- NVLink 대역폭
- 1.8TB/s per GPU
- 아키텍처
- Blackwell
NVIDIA 주문 생산
NVIDIA H200 SXM / NVL
Hopper 세대 — 141GB HBM3e로 대형 모델을 단일 GPU에 적재
- GPU 메모리
- 141GB HBM3e
- 메모리 대역폭
- 4.8TB/s
- 아키텍처
- Hopper
BigFrog 주문 생산
8-GPU 학습 서버
HGX 기반 8-GPU 노드 — 대규모 학습 클러스터의 기본 단위
- GPU
- HGX B200 / H200 8-GPU
- 폼팩터
- 8U 랙마운트
- 네트워크
- InfiniBand NDR 지원