这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
Each language version is independently generated for its own context, not a direct translation.
想象你正在运营一家超大规模、高速运转的分拣工厂。每一秒，数百万个微小的包裹（来自粒子碰撞的数据）都会通过传送带抵达。你的任务是快速检查每个包裹，判断其是否有趣，并将其分拣。这正是欧洲核子研究中心（CERN）的 LHCb 实验利用大型强子对撞机（LHC）数据所做的事情。
长期以来，这家工厂一直使用标准的"CPU"工人。但随着工厂日益繁忙，这些工人变得疲惫不堪，电费账单也急剧飙升。因此，团队决定雇佣一种新型工人：GPU（图形处理器）。你可以将 GPU 想象成一支由数千名超高速、专业化机器人组成的团队，它们能够并行工作。
本文旨在探讨究竟该雇佣哪些机器人，评判标准不仅是它们的工作速度，更是它们浪费了多少能量。
问题：速度与能耗
通常，当你购买新机器时，你会关注其速度。但在巨型工厂中，速度并非一切。如果一台机器速度快得惊人，却像一头口渴的大象一样狂饮电力，那么其运行成本将过高，产生的热量也会如此之大，以至于你需要昂贵的空调系统。
作者希望找到一种衡量这些机器人的新方式：能效。这很简单：这台机器人每消耗一滴电，能分拣多少个包裹？
实验：测试机器人
团队利用 10 种不同型号的 NVIDIA GPU（从旧型号到最新、最尖端的型号）建立了一项测试。他们在所有 GPU 上运行了完全相同的分拣任务（称为 HLT1）。
他们测量了两项指标：
- 吞吐量：机器人每秒分拣的包裹数量。
- 功耗：机器人在执行任务时实际消耗的电量。
惊人的发现：“口渴”与“高效”的机器人
他们发现的转折点是：仅仅因为一个机器人功能强大，并不意味着它会以最大功率限制运行。
想象一辆汽车。如果你在拥堵的交通中驾驶法拉利，你可能永远无法达到最高速度，也不会耗尽所有燃油。
- “功率受限”的机器人：一些较旧或特定的工作站机器人达到了它们的“燃油上限”（TDP，热设计功耗）。它们正在竭尽全力工作，但受限于设计上限。它们就像一名直到精疲力竭才停止冲刺的跑步者。
- “非功率受限”的机器人：许多较新的高端机器人实际上并未使用其全部燃油容量。尽管它们以 100% 的速度分拣包裹，但它们消耗的电量并未达到规格书中所宣称的“可能”数值。它们就像一名本可以冲刺得更快，但因任务无需全力冲刺而只是在慢跑的跑步者。
神奇公式：预测未来
团队不仅测量了这 10 种机器人，还构建了一个预测配方（数学模型）。
他们意识到，机器人的速度主要取决于两件事：
- 它有多少只手（核心数量）。
- 它抓取物品的速度有多快（内存带宽）。
然而，他们发现，增加“手”的数量并不会使速度翻倍。因为机器人需要相互沟通并等待指令，随着“手”的增加，速度增益会逐渐减小。这就像往厨房里增加更多厨师；最终，他们只会互相碍事。
利用这个配方，他们现在可以查看尚未制造的“全新机器人”的“规格表”。通过输入其核心数量和内存速度，他们可以预测：
- 它将如何分拣包裹。
- 它将消耗多少电力。
- 它的能效将如何。
获胜者
当他们根据能效（每焦耳电力分拣的包裹数）对机器人进行排名时，结果令人惊讶：
- 最快的机器人（RTX PRO 6000）并非最高效的。它很快，但耗电量大。
- 最高效的机器人（RTX PRO 4000）实际上速度较慢，但它对电力极其节俭，以至于每单位能量分拣的包裹数量超过了那些庞然大物。
为何这很重要
LHCb 实验计划不久后升级其工厂。他们无法负担购买和测试每一种新出现的机器人型号的费用；那将耗时太长且成本过高。
多亏了这篇论文，他们现在可以查看未来机器人的宣传册，将其输入他们的“配方”，并立即知道这是否是一个好的雇佣选择。他们可以选择在速度和低电费之间提供最佳平衡的机器人，确保其庞大的数据工厂在未来多年内保持可持续性和经济性。
简而言之：他们找到了如何仅通过阅读规格说明书，就能准确预测新计算机芯片的运行成本和工作速度的方法，从而为科学家们节省了时间、金钱和电力。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。