TesboFlow

快至 1000× 的 CFD

GPU 原生,分钟级返回。全流程在 GPU 上完成。

目标量级 · 典型工程算例

向下滚动
TesboFlow 真实计算结果 · Ahmed body 尾流
tesboflow — terminal
tesbo@gpu-node:~$
GPU Clusteraggregate util 0%
GPU 0
0%42°C
GPU 1
0%42°C
GPU 2
0%42°C
GPU 3
0%42°C

TesboCFD · 总体目标

性能

0

加速比

0

原生求解器

0

典型仿真时间

TESBOLBM · 实测

铸造仿真,跑在 GPU 的速度上

查看基准测试
451×

相对单个 CPU 核

单卡 Tesla V100 上 1851 MLUPS,对同机单核的 4.1 MLUPS。

55×

相对整机 CPU

同一次 GPU 运行,对该机器 18 核全开跑 MPI 的 33.9 MLUPS。这是我们对外用的数字。

40.5×

传热核上

5422 MLUPS 对 36 线程 CPU 的 134 MLUPS,两侧跑同一套算术。

同一台机器、同一块 Tesla V100、两侧同一个核,没有缩放也没有外推。整机的倍数远低于单核倍数,是因为 CPU 自己从 1 核到 18 核只快 8.3 倍——格子玻尔兹曼受限于内存带宽,不是主频。

让计算更快

GPU 原生架构

TesboFlow 将整个 CFD 流程运行在 GPU 上——网格、求解器、线性代数、后处理。无 CPU 瓶颈,无数据传输开销,纯并行计算。

  • 无 CPU 瓶颈
  • 大规模并行
  • 高内存带宽

同一套 GPU 原生做法也用在 TesboLBM 上 —— 铸造的充型与凝固同样整程跑在 GPU 上。

了解 TesboFlow

为什么选择 TesboFlow

为现代 GPU 架构的极限而生,突破传统计算流体力学的边界。

极致速度

将传统 CPU 集群数天的计算缩短至几分钟,最高可达 1000 倍加速。

最高

1000×

GPU 原生

从底层为 GPU 设计,非 CPU 移植——纯并行架构。

GPU 001
  1. 网格与几何
  2. 方程装配
  3. 线性求解
  4. 场与输出
CPU整步不再回到主机
TesboFlow 求解的三维顶盖驱动方腔流线,扫成管束,按非线性速度标尺着色。

AI 就绪

为 AI 驱动的设计流程和神经网络加速管线而设计。

求解器输出,64³ —— 模型就是拿这样的场训练的

Ahmed 车体 · 湍流尾迹 · 由 GPU 计算

交互式流体力学试验场

实时 Navier-Stokes 风洞

直接在浏览器里实时测试流体力学。选择预设翼型、圆柱涡脱落障碍物,或用手指绘制自定义固壁边界,观察涡量与压力波的演化。

TesboAI · AI + CFD 研究

让智能,生长在求解器里。

因为引擎是 GPU 原生的,模型在它的数据上训练、在它的显存里运行。这里给的是结果,不是承诺。

与 TesboAI 对话

帮我算一下顶盖驱动的方腔流动,雷诺数一百,我想看中心线速度剖面

TesboAI

好 —— 二维顶盖驱动方腔,雷诺数 100,顶盖以 1 m/s 拖动。中心线剖面我一起输出。现在开始算。
二维方腔 · Re 100已验证
GPU 求解器4,000 步 · 6.1 s
运行完成,输出完整
场数值有效
速度量级合理
质量守恒
已收敛
与公开文献基准对标

相对 L2 误差 0.194 · 容差 0.25

会话重演 —— 提问、改条件、比较方案;每个数字都由 GPU 求解器算出。

神经算子物理信息学习降阶模型智能体编排
了解 TesboAI 研究

研究原型,开发中。此处是一次真实会话的短版重演 —— 完整会话见 TesboAI 页。

GPU 时代的仿真

为速度而生,由 GPU 驱动。

速度不是一项功能,而是仿真能否被真正用起来的关键。当一个结果只需数分钟而非数天时,工程师便不再等待,而是开始探索。我们从零起就为 GPU 而造,让这成为常态。

这会改变世界。

— Tesbo,项目创始人

开始使用 TesboFlow

体验 TesboFlow 带来的 GPU 原生 CFD 仿真。

关于 TesboCFD

TesboCFD 致力于开发下一代 GPU 原生 CFD 技术,服务于工程仿真与 AI 辅助设计。

Tesbo

Tesbo

由 TesboCFD 团队开发与维护
项目创始人 & 首席开发者: Tesbo

学术科研与求解器验证合作机构

清华大学
中科院力学所
上海理工大学