在 NVIDIA GPU 驅(qū)動的擴散模型助力下，生成式 AI 在各個領(lǐng)域?qū)崿F(xiàn)新的應(yīng)用，大大提升了效率。

當(dāng)臺灣氣象員得以在一臺機器上模擬臺風(fēng)的細(xì)節(jié)，他們深感其對預(yù)報任務(wù)能效的巨大提升所帶來的便利。

而這些驚訝的顧客并非獨此一家，觀察者在生成式 AI 在降低總擁有成本方面的顯著效果后，無不為之動容。

揭示風(fēng)暴預(yù)測中的 AI 奧秘

臺風(fēng)追蹤是檢驗生成式 AI 實力的最佳例證。過去，這項工作需要借助多個 CPU 集群進行復(fù)雜算法處理，以構(gòu)建分辨率為 25 公里的大氣模型。

然而，如今有了 NVIDIA Earth-2 上的 CorrDiff，情況發(fā)生了翻天覆地的改變。這個生成式 AI 模型包含一系列適用于天氣與氣候研究的服務(wù)和軟件。

借助一種名為擴散模型的技術(shù)，CorrDiff 成功將模型分辨率從 25 公里提升至 2 公里，且每次推理速度較傳統(tǒng)方法快 1000 倍，能源效率高出 3000 倍。

CorrDiff 使得成本降低至原來的五十分之一，能耗降低至二十五分之一。

盡管 CorrDiff 每年需要重新訓(xùn)練一次，但憑借使用 1000 次預(yù)測的統(tǒng)計組來提高預(yù)測精度，其表現(xiàn)依然卓越。相較于傳統(tǒng)方法，使用 CorrDiff 每年可節(jié)約成本至其五十分之一，能耗降低至其二十五分之一。

這意味著，原本需要一組 CPU 集群耗費近 300 萬美元才能完成的工作，現(xiàn)今只需一個搭載 NVIDIA Hopper GPU 的系統(tǒng)，費用約為 6 萬美元。這種成本的大幅度降低充分體現(xiàn)了生成式 AI 和加速計算在提高能效和降低總擁有成本方面的優(yōu)勢。

此外，這項技術(shù)還有助于氣象員更精準(zhǔn)地預(yù)測臺風(fēng)登陸地點，從而拯救更多生命。

臺灣災(zāi)害防救科技中心主任陳宏宇表示：“NVIDIA 的 CorrDiff 生成式 AI 模型使我們能夠利用 AI 生成分辨率達到公里級別的天氣預(yù)報，從而更好地為應(yīng)對臺風(fēng)做準(zhǔn)備。”

借助 CorrDiff，臺灣地區(qū)的氣象員每年預(yù)計可節(jié)省近 1 吉瓦時的電力。若全球近 200 個地區(qū)級氣象數(shù)據(jù)中心均采納此項技術(shù)，以實現(xiàn)更為環(huán)保的計算方式，那么節(jié)省的能源將相當(dāng)可觀。

提供商業(yè)性天氣預(yù)報服務(wù)的企業(yè)也可借力 CorrDiff，提高效率并節(jié)約成本。

節(jié)能前景廣闊

NVIDIA Earth-2 將上述能力推廣至全球范圍，結(jié)合 AI、物理模擬和數(shù)據(jù)觀測，協(xié)助政府和企業(yè)應(yīng)對氣候變化等全球性挑戰(zhàn)。預(yù)計到 2050 年，極端天氣災(zāi)害每年將導(dǎo)致數(shù)百萬人死亡，經(jīng)濟損失高達 1.7 萬億美元。

加速計算和生成式 AI 為眾多應(yīng)用帶來更高水平的性能和能效提升。