一句话看懂：NVIDIA 发布 cuOpt 多 GPU PDLP 求解器 mPDLP，通过 NVLink 分布式计算，将大规模线性规划扩展至 1 亿变量级别，单卡峰值内存可降低最多 6 倍。
事件核心：发生了什么
据 NVIDIA 开发者博客，cuOpt 推出新的 mPDLP 求解器，用于在多块 NVLink 互联 GPU 上分布式求解线性规划问题。在 104 百万非零元的经典基准问题 zib03 上，mPDLP 相比一年前单 GPU PDLP 方案求解速度提升近 10 倍，且每 GPU 峰值内存使用最多降低 6 倍。其 PDLP 算法以 SpMV 为核心循环，天然适合 GPU 并行并扩展至多卡环境。目前该功能尚未公布通用可用时间表。
为什么重要
供应链排产、能源电网平衡等场景的决策模型正变得更大、更复杂，传统 CPU 求解器或单 GPU 内存已难满足规划窗口内的求解需求。mPDLP 通过多 GPU 并联提升带宽并分散内存压力，为超大规模线性规划提供了新解法。相比等待下一代 GPU，用多卡叠加带宽是更现实的工程路径，也让 NVIDIA 在 GPU 加速决策优化赛道上进一步拉开与 CPU 求解器的差距。
对用户/开发者/创作者的影响
对开发者而言，若使用 cuOpt 构建 LP 求解应用，mPDLP 意味着可以在单节点多卡上处理此前需超大内存或集群才能承载的模型。对供应链、能源、物流领域的企业技术团队，这有助于在规划窗口内评估更多 SKU、线路和约束场景，降低对 CPU 集群的依赖。不过注意，该方案目前主要面向大规模 LP，并非直接替代通用优化器；实际效果取决于问题结构和 GPU 互联条件。目前公开信息显示，已有 Kinaxis 和 PSR 参与相关应用验证。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
1）mPDLP 何时进入 cuOpt 正式版本或 API，是否提供云端托管选项；2）在非 zib03 的实际业务模型上，多卡加速与内存节省是否同样成立；3）竞品如 Gurobi、CPLEX 是否跟进 GPU 多卡 LP 方案，以及开发者生态的扩展速度。
