Wireless Insite 是基于射线跟踪法的无线电波传播仿真软件，其核心算法是运用GPU进行加速计算的射线跟踪仿真引擎。使用GPU加速时，用户需调用X3D传播引擎。该引擎会先调用GPU建立传播路径，利用GPU在三维空间中高效进行射线跟踪仿真的优势，先绘制出无线电波的传播路径；随后，这些建立好的路径从显存传输到主板内存，再由CPU接手后续的电磁场相关仿真计算。在阶段性计算完成后，更新的数据被保存至主板内存；全部仿真结束后，内存中的数据再转移到硬盘上长期存储。

在此过程中，GPU实际执行的工作主要是绘制路径，因此虽然GPU必不可少，但其负载并不高。CUDA核心数、显存带宽等技术参数会对GPU进行射线跟踪计算的效率产生影响，但由于这一工作对GPU而言不算特别繁重，即便计算量稍大，除非用户使用的是老旧型号的GPU，否则利用率通常不会超过10%。因此，除非用户进行大规模复杂的仿真计算，否则高端GPU能够节省的时间较为有限。也就是说，GPU的实际影响与仿真计算的规模及复杂度成正比。

另一方面是主板内存及CPU。与许多其他仿真软件不同，Wireless Insite在使用X3D传播模型时会交替使用GPU和CPU的算力。主板CPU负责进行电磁场等相关物理计算，CPU的核心数和线程数会影响该阶段的计算性能；内存则负责存放GPU提供的传播路径数据以及CPU计算所得的物理量数据。随着仿真工作的推进，主板内存使用量逐渐累积，这会导致剩余内存减少，从而使计算效率有所下降。如果用户的主板内存不足，仿真会随着进程变得明显变慢，因为剩余内存空间越来越小，操作系统性能随之降低。若仿真完成前剩余内存已不足10%或几乎耗尽，仿真将变得极为缓慢，甚至无法继续，因为后续取得的数据没有可用内存存放。这就凸显出另一个问题：当进行大规模或复杂度很高的仿真时（例如在一个存在大量建筑物的大范围城市环境中放置数十万个点的接收机方阵），由于场景中面数量众多，该大型接收机方阵可能在仿真中产生数百万组收发关系。若同时使用MIMO天线、漫反射、动态、智能反射面等高级功能，仿真将变得异常复杂，计算量巨大。此时，用户可能需要大量主板内存才能一次性完成仿真；否则，必须重新设计仿真场景，例如每次只仿真部分收发关系，或先忽略那些会增加计算量和复杂度的因素，先做简化仿真，之后再通过多次计算或其他方式将这些因素纳入考虑。总之，如果主板内存不足，即使配备性能较好的GPU，仿真也无法顺利进行。

 

因此，在硬件选型上，只要配备兼容CUDA的GPU即可，型号不必过于先进；CPU的核心数和线程数会影响仿真效率和耗时，而主板内存容量则直接决定仿真能否运行。

近年来通信技术进步迅速，进入5G时代后，各领域涌现出大量前所未有的应用，对仿真的需求和要求越来越高。用户需要仿真更加复杂的场景，对仿真输出数据的精度也提出更高要求，因此HPC和集群逐渐进入用户视野，成为合理需求。

我们可以考虑几种常见使用情境。第一种是使用笔记本进行仿真。由于大多数笔记本设计时优先考虑便携性，性能次之，除少数电竞旗舰机型外，多数笔记本的内存容量有限，可能只有16GB，稍好一些的为32GB。这样的容量处理日常娱乐、上网和办公文档是足够的，但用于仿真则显得不足。有些笔记本甚至没有独立显卡，或配备的不是CUDA兼容的独立显卡，因此无法正常调用X3D传播模型，许多功能无法使用；即使能运行仿真，受限于内存容量，能够处理的模型和场景也十分有限。因此，笔记本可用于学习或简单的场景仿真，但应对大规模复杂计算时能力不足。

通常用户会选择桌面型工作站。这类传统PC形式的工作站或服务器可安装更多主板内存，也能配置更高性能的处理器和GPU，从而提供较好的计算能力。但单块主板的支持能力仍然有限，普通PC主板最多可能支持128GB内存，工作站或服务器可支持更多，例如512GB甚至更高。这样的配置通常可以处理一般电竞台式机无法完成的仿真，也能够完成单次较复杂的仿真工作。然而，当场景复杂度达到一定水平后，随着仿真的推进，占用的内存不断增多，效率下降，仿真时间会明显延长，因为所有计算集中在一台服务器上执行。

同样，单块主板的内存容量有限，而用户对计算的需求会持续增长。一台服务器无论规格多高都有其极限，但用户需求可能不断增长，可能需要更大规模、更复杂的仿真，或者需要进行大量仿真以建立知识地图或数据集。此时，单台工作站或服务器就显得不够了。

此外，Wireless Insite 不支持二级剖分，即一个仿真任务不会在一台电脑上拆分为两份分配到两张GPU上执行。这是由算法的先天特性决定的，原本GPU占用已经有限，拆分成两张GPU反而会降低效率。因此，如果用户有两个软件授权，虽然可以在一台电脑上同时运行两个仿真，但这两个仿真会共享硬件资源——包括CPU线程数、主板内存容量和GPU算力，这对性能有不利影响，甚至可能出现一个仿真占用过多资源，导致另一个卡顿或变慢。这种情况下局限性尤为明显，甚至会使工作效率降低。此时，用户就需要考虑进一步扩展到集群。

集群由一组配置完全相同的服务器或工作站组成，这些设备组成一个小型局域网，在该网络中每台电脑作为一个节点相互连通，可以交换数据。由于每台电脑配置相同，理论上可以同步运行。用户可以将仿真工作平均分配到局域网内的每个节点，也可以自行设计每次仿真如何利用资源。这些算力资源构成一个资源池，用户可根据需求灵活调度。例如，一个拥有12个节点（每个节点一张GPU）的集群，用户可将仿真任务平均分配到12个节点上；若软件授权数量足够，也可以一次只调用4个节点，同时进行3个仿真。另一种配置，如4个节点、每个节点3张GPU，在授权足够的情况下，用户可以同时运行3个仿真，每个仿真分配到4个节点，每个节点各占用一张GPU，使整个集群满载运行三项任务。

拥有集群的用户可以根据需要灵活调度资源，同时进行的仿真所占用的资源和节点数量可以不同，完全取决于用户的需求和工作规划。由于Wireless Insite 可支持绝大多数兼容CUDA的GPU，不仅限于专业计算卡，通常使用消费级游戏卡即可。在频繁使用中，GPU本身也会逐渐损耗，长期使用后可能需要更换。配合Wireless Insite的集群，只需更换同型号的游戏卡，或在建设集群时多购置几张备用。由于这类消费级硬件价格相对较低，用户可以在合理的成本范围内对集群进行长期维护。

欢迎有兴趣的用户咨询我们的Wireless Insite集群扩展模块。

我们也与合作伙伴共同推广高性价比的集群和服务器，欢迎用户访问产品介绍页面或我们的网络商城，我们很乐意为访客提供优质服务和高性价比产品。