阅读研究雷达投资体系
登录 / 注册
← 返回阅读
资讯实质变化1 分钟阅读DisconfirmAI 编辑部

俄亥俄州立大学研究人员在SC26大会指出:超10万加速器AI集群需“跨域”网络架构

俄亥俄州立大学研究人员在超级计算2026大会上解释,电力和冷却限制正迫使大规模AI集群采用跨越多个数据中心的“跨域”网络架构。

2026-11-20

在超级计算2026(SC26)大会上,来自美国俄亥俄州立大学的研究人员讨论了高性能网络技术的演变。他们指出,随着现代AI集群扩展到容纳超过10万个AI加速器和数百万个CPU端点,单个数据中心的物理和电力限制正在推动对新型网络架构的需求,这些架构能够连接多个设施甚至地理区域的计算资源。

研究人员提出了“跨域”(scale-across)互连的概念,作为传统纵向扩展(scale-up)和横向扩展(scale-out)网络之外的第三个领域。虽然横向扩展通常在单个数据中心内连接系统,但跨域架构将高性能连接扩展到不同的建筑、园区或地区。这种方法允许运营商结合多个位置的算力资源以达到特定的性能水平,而不是将过多的加速器集中在一个因电力可用性、冷却要求或物理空间限制而难以或不可能容纳它们的数据中心。

这种转变已经开始。谷歌今年早些时候推出了其Virgo网络架构,以支持超出单个数据中心容量的AI工作负载,并打算将整个计算设施园区视为一个单一系统。思科和Marvell也在开发用于跨域部署的技术,包括设计用于连接地理分布集群的高容量路由器、交换芯片和光互连。

然而,将AI基础设施扩展到单个设施之外引入了重大的技术挑战。数据中心之间的通信必须应对长距离连接的物理限制,如传播延迟、拥塞、丢包和同步开销。因此,用高速链路连接两个大型GPU集群并不一定使它们表现得像一个紧密集成的计算系统。为了解决这些限制,需要复杂的硬件和软件,包括无需持续CPU参与即可执行远程直接内存访问(RDMA)操作的网络适配器,以及优化大量加速器之间集合操作的通信框架。

来源

  • tomshardware.comTom's Hardware↗
带入研究 →
登录 / 注册
阅读研究雷达投资体系