近日，达摩迭阿里巴巴达摩院宣布"敏迭"求解器（MindOpt）正式发布GPU版本。布敏版求该版本利用GPU并行加速特性，解器引入新算法突破"长尾效应"难题，达摩迭在约2000个通用算例测试中，布敏版求可将99%以上的解器问题类型稳定求解至高精度，并支持传统上"不可解"的达摩迭亿级变量线性规划问题。

求解器被誉为"工业软件之芯"，布敏版求承担电力调度、解器航班编排、达摩迭高端制造、布敏版求金融管理等关键领域的解器复杂计算任务。传统线性规划求解器基于CPU设计，达摩迭依赖矩阵分解计算，布敏版求问题规模膨胀后内存需求爆炸式增长，解器并行度有限，常导致数小时无法收敛甚至直接崩溃。

行业近年尝试将求解器迁移至GPU，把核心运算从矩阵分解转为稀疏矩阵-向量乘法，利用GPU高并发高带宽特性避免内存膨胀。但这一路线普遍存在"长尾效应"——求解后期精度提升极为缓慢，难以达到业务所需的最终精度。

达摩院敏迭求解器GPU版通过算法加速策略与GPU内核深度优化，将数学规划技巧与GPU工程优势结合，缓解了长尾效应。测试数据显示：高精度要求下，敏迭GPU版稳定求解的问题类型占比超99%，业内主流GPU求解器在同一测试集上的表现为96.7%至98.3%。大规模问题上，敏迭成功率比主流产品提升14%以上，速度平均提升2.67倍。面对亿级变量超大规模问题，敏迭GPU版对常见问题类型的稳定求解率超过80%。

实际应用中，某大型数字广告平台每次流量分配涉及约3.3亿个变量和1600万个约束条件，要求2小时内完成。多数商用求解器运行48小时后仍无法给出可行解甚至崩溃，敏迭GPU版仅用1700秒便解到可靠精度。

目前敏迭求解器已在工信部相关赛事中连续夺冠，入选"人工智能赋能新型工业化"典型应用案例，实现百万量级并发调用，服务数千家企业。此次GPU版本主要面向线性规划（LP）问题，混合整数规划（MIP）和非线性规划等复杂类型的表现尚未披露。

达摩院决策智能实验室负责人印卧涛表示，各行业计算规模正在爆发式增长，团队将持续解锁新型硬件在运筹优化领域的潜力。国际方面，Gurobi已在13.0版本中引入PDHG算法GPU加速，国内杉数科技COPT也在推进GPU异构计算。

(责任编辑：百科)