阿里巴巴达摩院近日宣布，其自主研发的“敏迭”求解器（MindOpt）正式推出GPU版本。这款新型求解器通过整合GPU并行计算能力与突破性算法设计，成功攻克了大规模线性规划问题中的“长尾效应”技术瓶颈，在工业计算领域实现关键突破。
作为工业软件的核心组件，求解器承担着电力调度、航班编排、芯片设计等领域的复杂优化计算任务。传统求解器依赖CPU架构，在处理超大规模问题时面临内存爆炸和计算效率骤降的双重挑战。当变量规模突破千万级时，传统方法往往需要数十小时才能收敛，甚至因资源耗尽而终止运算。
达摩院研发团队通过重构计算范式，将核心运算从矩阵分解转向稀疏矩阵-向量乘法，充分释放GPU的并行计算潜能。针对GPU求解器普遍存在的后期收敛停滞问题，研究团队创新性地提出动态精度调整算法，结合GPU硬件特性优化内存访问模式，使计算效率呈现指数级提升。测试数据显示，新版本在保持99%以上问题类型高精度求解能力的同时，将内存占用降低至传统方法的1/5。
在涵盖近2000个典型算例的基准测试中，敏迭求解器展现出显著优势。面对包含千万级约束条件的复杂模型，其求解成功率较行业主流产品提升14%，平均计算速度加快2.67倍。特别在处理亿级变量规模的“不可解”问题时，该求解器可稳定处理80%以上的实际应用场景，填补了全球工业软件领域的技术空白。
某头部数字广告平台的实际应用验证了产品的实战价值。该平台每日需对3.3亿用户流量进行实时分配，涉及1600万个约束条件，要求在2小时内完成优化计算。传统求解器运行48小时仍无法输出可行方案，而敏迭求解器GPU版仅用1700秒即达到业务要求的精度标准，计算效率提升达100倍以上。
据技术白皮书披露，敏迭求解器的突破源于数学规划理论与GPU工程实现的深度融合。研发团队通过异构计算架构设计，使算法层与硬件层形成协同优化，在保持理论最优性的同时，将并行计算效率提升至92%以上。这种软硬件协同创新模式，为超大规模优化问题的工业化应用提供了全新范式。
目前，该技术已在金融风险管控、物流路径优化、电网智能调度等多个领域展开部署。达摩院透露，下一代版本将集成量子计算接口，进一步拓展求解规模边界，为工业4.0时代的复杂系统优化提供核心算力支撑。
