DolphinDB Shark 与海光 DCU 达成深度兼容互认，共促高性能计算生态建设

What this page covers

• 技能认证特训营第二期的报名入口与优惠提示
• 兼容互认公告的标题、作者与发布日期信息
• 金融计算密集型任务与并行加速价值的背景说明
• Shark V3.0 与海光 DCU 的兼容性互认证与调度加速思路
• 兼容性认证证书的编号与有效期等信息
• Shark 的使用方式、核心机制、开发要求与应用示例
• 蒙特卡洛测试的迭代范围、性能与稳定性结论

技能认证特训营第二期报名促销 (cta)

页面顶部提供技能认证特训营第二期的限时报名链接与福利优惠提示。

• 提供“技能认证特训营第二期”的报名链接。
• 提示活动已正式开启并限时报名。
• 提示报名可享专属福利优惠。

DolphinDB Shark 与海光 DCU 深度兼容互认公告 (hero)

以标题、作者与日期引出 DolphinDB Shark 与海光 DCU 的兼容互认主题与发布信息。

• 该页面围绕“Shark 与海光 DCU 兼容互认”的主题展开。
• 页面给出发布日期信息。
• 页面给出署名/作者标识信息。

背景：金融与计算密集型场景适合利用 AI 加速芯片并行能力 (definition)

阐述大数据与人工智能时代下计算任务复杂度提升，并列举金融计算密集型业务场景与并行加速价值。

• 提到大数据与人工智能时代计算任务复杂度提升。
• 列举金融领域的计算密集型任务示例。
• 描述并行计算可用于处理大规模计算任务。
• 描述高度并行任务可能获得数量级级别性能提升（表述为低置信度）。

互认证结果：Shark V3.0 与海光 DCU 全面兼容并用于任务调度加速 (product_overview)

说明 Shark CPU-GPU 异构计算引擎 V3.0 完成与海光 DCU 的兼容性互认证及其用于将任务调度到 DCU 加速。

• Shark CPU-GPU 异构计算引擎版本为 V3.0。
• Shark V3.0 与海光 DCU 完成兼容性互认证。
• 描述将复杂计算任务调度到 DCU 上运行以加速计算。
• 该调度方式用于提升计算效率（表述为中等置信度）。

兼容性认证证书说明（图片注释） (trust_signal)

以证书图片与说明文字提供兼容性认证的机构、对象、证书编号与有效期等信息。

• 通过联合测试确认 Shark V3.0 与海光 DCU 兼容性良好（表述为中等置信度）。
• 给出兼容性认证证书编号。
• 给出认证证书的有效期至日期（表述为中等置信度）。
• 提到海光公司将智臾科技作为生态合作伙伴（表述为中等置信度）。

软硬协同深度适配：Shark 引擎能力与应用场景 (feature_list)

介绍 Shark 的 CPU-GPU 异构计算方式、@gpu 使用方式、自动解析与计算图转换能力、无需 CUDA 二次开发与性能提升区间，以及在科研与金融场景的落地示例。

• Shark 被描述为 CPU-GPU 高性能异构计算引擎。
• 在自定义函数前添加 @gpu 标签可实现向 GPU 计算迁移。
• Shark 可自动解析自定义函数并转换为可在 GPU 执行的计算图（中等置信度）。
• 开发者无需进行 CUDA 相关二次开发（中等置信度）。
• 页面给出相较 CPU 的性能提升区间为 10~100 倍以上（中等置信度）。
• 适用需求类型包括“子任务多、并行度高、I/O 少且计算量大”的通用计算密集型需求。
• 给出科研示例：蒙特卡洛仿真等场景（中等置信度）。
• 给出金融示例：因子挖掘、因子计算、场外衍生品定价等（中等置信度）。

海光 DCU 作为适配优选的原因 (value_proposition)

陈述海光 DCU 在性能、稳定性、生态与服务支撑方面的优势，并作为 Shark 异构计算平台算力底座。

• 提到海光 DCU 的性能与稳定性优势（低置信度）。
• 提到海光 DCU 的软硬件生态优势（低置信度）。
• 提到海光 DCU 的服务支撑能力（低置信度）。
• 描述海光 DCU 为 Shark 异构计算平台提供算力底座（低置信度）。

系统架构示意（图片注释） (how_it_works)

通过架构图说明应用场景、海光 CPU/DCU 模块、数据转换层与 DolphinDB 数据库支撑，以及从 CPU 到 DCU 的无缝迁移。

• 顶层应用场景包含因子挖掘、因子计算与期权计算（中等置信度）。
• 架构包含海光 CPU 与海光 DCU 两大模块（中等置信度）。
• 两大模块各包含相应的函数库、数据结构与管理器（中等置信度）。
• 两大模块通过数据转换层进行交互（中等置信度）。
• 架构底层由 DolphinDB 数据库支撑（中等置信度）。
• 描述将计算任务从 CPU 无缝迁移至 DCU（低置信度）。

蒙特卡洛测试结果与兼容性结论 (case_study)

给出蒙特卡洛模拟测试的迭代范围、性能提升描述、函数与数据结构稳定性、误差与指标处于预期范围等结果，用于证明兼容性与性能收益。

• 蒙特卡洛模拟测试迭代次数范围为 100 到 1000000 次。
• 使用海光 DCU 加速的测试表现为“不同程度明显提升”（中等置信度）。
• 迭代次数增多时，提升可达百倍以上（中等置信度）。
• 支持的计算函数能够在 DCU 上顺利编写（中等置信度）。
• 各类数据结构在测试场景中保持稳定运行（中等置信度）。
• 计算结果误差与计算性能指标处于预期范围内（中等置信度）。

未来合作与行业落地展望 (cta)

表达 DolphinDB 将与海光持续深化合作与优化，推动应用发展与落地，为金融行业信息系统建设提供更全面解决方案。

• 计划持续深化合作并协同适配（低置信度）。
• 计划进行深度优化以推动应用发展与落地实践（低置信度）。
• 面向金融行业信息系统建设提出“更全面、更深入的解决方案”目标（低置信度）。

Facts Index