Cas d’usage · calcul scientifique
GPU pour le calcul scientifique : une puissance de niveau cluster, sans comité d’allocation
CFD, dynamique moléculaire, génomique, backtests quantitatifs : louez le même silicium Hopper pour lequel les laboratoires nationaux patientent en file d’attente — H200 avec 4,8 TB/s de HBM3e à $3,131/h, à la seconde, dès maintenant plutôt que le trimestre prochain.
Les cartes HPC, classées
| Palier | GPU | VRAM | À la demande | Interruptible | Pourquoi cette carte | Action |
|---|---|---|---|---|---|---|
| Bon | A100 SXM4 | 80 GB | $0,468 | $0,234 | FP64 tensor cores au plus bas prix de HBM — le choix économique pour la double précision. | Déployer |
| Meilleur | H100 SXM | 80 GB | $1,680 | $0,840 | ~34 TFLOPS FP64, 3,35 TB/s — le choix par défaut pour la simulation généraliste. | Déployer |
| Le meilleur | H200 | 141 GB | $3,131 | $1,565 | Calcul identique, 141 GB et 4,8 TB/s — les codes limités par la mémoire profitent du plus grand bond. | Déployer |
Budget historique : Tesla V100 à $0,093/h assure encore un FP64 honnête pour les cours et les petits modèles.
Ce qui tourne ici aujourd’hui
- Dynamique moléculaire — GROMACS, AMBER, LAMMPS avec des builds CUDA dans le template CUDA-dev.
- CFD & FEA — solveurs accélérés par AmgX, codes lattice-Boltzmann, dans des VM complètes quand les licences l’exigent.
- Génomique — pipelines de type Parabricks : un alignement WGS 30× en moins d’une heure sur un seul H100.
- Recherche quantitative — balayages Monte-Carlo et backtests qui se parallélisent très bien sur interruptible.
Remarque sur les licences : les logiciels sous licence que vous apportez vous-même (BYOL) tournent dans des VM avec passthrough de dongle matériel disponible sur les machines réservées.
Une semaine de simulation, chiffrée
| Balayage de paramètres | 40 runs × 3 h sur A100 SXM4, interruptible | $28,08 |
|---|---|---|
| Run vedette | 36 h sur 8× H100 SXM, à la demande | $484 |
| Volume de résultats 1 TB | trajectoires + champs, un mois | $80 |
Le balayage en interruptible coûte moins cher que le stockage — c’est la forme que la facturation à la seconde donne aux budgets de recherche.
GPU pour le HPC : FAQ
Quels GPU ont de vraies performances FP64 ?
La gamme datacenter : H100/H200 (~34 TFLOPS FP64 tensor), A100 (~19,5 avec tensor cores), V100 (~7,8). Les cartes RTX grand public brident le FP64 à 1/64 du FP32 — correct pour le ML, inadapté pour la simulation en double précision. Si votre solveur est limité par le FP64, louez des composants datacenter Hopper ou Ampere.
Puis-je exécuter des tâches MPI sur plusieurs machines ?
Oui — les clusters relient des nœuds 8× SXM via InfiniBand, avec un MPI CUDA-aware et NCCL/UCX préinstallés sur demande. Les machines mono-nœud 8× couvrent à elles seules une part surprenante des simulations de taille moyenne.
Pourquoi le H200 pour les codes limités par la mémoire ?
Bande passante : 4,8 TB/s de HBM3e par GPU — les kernels stencil, les codes CFD et lattice qui étouffent sur les cartes GDDR affichent souvent des accélérations quasi linéaires rien qu’en nourrissant mieux les cœurs. 141 GB permet aussi de garder des domaines plus grands en mémoire.