北京2024年8月21日 /美通社/ -- 2024 DPU & AI Networking创新大会日前在北京圆满落幕，大会表彰了在DPU与AI网络技术创新及实践应用中取得卓越成就的单位与项目。会上，浪潮信息「X400超级AI以太网解决方案」凭借领先的端网协同技术，显著提升了大模型训练效率，荣获"2024 DPU & AI Networking Awards 创新引擎奖"。
随着AIGC的发展，大模型的参数量越来越大，如何借助 AI 网络将上千台AI 服务器系统互联，充分释放算力资源的全部潜力，加速 AI 大模型训练，成为 AIGC 时代的新挑战。此次获得"2024 DPU & AI Networking Awards 创新引擎奖"的浪潮信息X400 AI Fabric专为AIGC场景打造，能够为用户构建可弹性扩展至524,288个GPU的超大规模AI系统，凭借AR自适应路由、端到端拥塞控制、亚毫秒级故障自愈等技术，性能提升至传统RoCE网络的1.6倍，实现了AI网络的超高吞吐量、高可扩展性和超高可靠性，极大提升大模型训练性能，大幅缩短训练时长并降低训练成本。
■ 端网协同，网络性能提升1.6倍：针对生成式AI场景下GPU之间会突发超高吞吐的通信特点，浪潮信息采用X400 + BF-3 SuperNICs的协同调度方式，通过自适应路由、报文保序、可编程CC等技术，实现交换机和网卡更紧密的配合，为AI大模型提供零丢包、无阻塞的全链路交换网络，机间互联性能高达400G，有效带宽从传统的60%提升到95%，性能提升1.6倍。同时，AI大模型训练的网络优化离不开NCCL通信库支持，X400 AI Fabric和InfiniBand一样，天然地与NCCL无缝衔接，能够为大模型提供顶尖的性能。
■ 灵活拓展、极致稳定，全力加速大模型训练：X400 超级 AI 以太网交换机凭借超高的端口密度以及弹性可拓展的能力，提供高性能、灵活可拓展的网络服务，支持大规模 AI服务器系统。其中，X400 AI Fabric在二层组网下，GPU服务器数量可达1024台，支持8,192张GPU卡，并可灵活拓展到三层组网，GPU服务器规模可达65,536台，最大支持GPU卡的数量可以达到524,288张。随着AI算力系统的规模不断攀升，对可靠性的要求越来越高，浪潮信息X400集成系统级的高可用技术，在硬件上独创IGE智能防护单元，对核心部件器件进行冗余备份，对关键硬件信号进行全面的监控和故障隔离，具有芯片级、系统级以及链路完整的监控，实时掌握AI节点间通信状态，实现对潜在的故障链路进行自动隔离，在上层应用无感的情况下实现故障自愈，全方位保障AI网络的极致稳定，降低大模型训练成本和周期。
■ 敏捷易用，部署周期从数周缩短到天：传统RoCE方案的网络建设中，交换机涉及一系列的拥塞控制配置，不仅配置繁琐，拉长部署周期，而且容易配置错误，导致训练性能下降。为此，X400超级AI以太网解决方案提供RTTCC拥塞控制算法，无需交换机的参与，避免在交换机上进行复杂的参数调优，即插即用，部署周期从数周缩短到天，加速业务上线，彻底解决调参复杂、配置困难等问题。
目前，X400超级AI以太网解决方案已经在互联网等行业实现测试应用。在大规模AI算力系统网络调度过程中，相比传统RoCE网络方案，性能提升1.6倍，带宽利用率超过95%，通信时延降低30%，并且在多租户AI Cloud场景中，NCCL通信性能提升1.5倍，同时，该方案通过其卓越的成本效益，助力客户大幅提高投资回报，实现成本与效益的完美平衡，为智算中心客户带来更快、更好、更省的网络业务体验。
