中科曙光万伟:万卡集群扩规模,高速互连是关键

资讯 AI 行业观察 作者:果青 全文 2039 字 · 约 6 分钟读完 配图 1 张 分类大模型

训练一个大模型,往往需要把计算任务分配给大量计算设备。这些设备在各自完成计算的同时,还要通过网络交换数据,才能共同推进训练。如果数据传输跟不上计算速度,部分设备就会停下来等待,整个任务的完成时间也会随之延长。随着参与计算的设备越来越多,如何减少设备之间的等待,成为超大规模智算集群建设绕不开的问题。 11月15日,第八届

所属频道 模型发布

大模型训练时,计算任务得拆分到大量设备上执行,各设备算完自己的部分,还要经网络互传数据,一步步把训练推下去。传输速度一旦落后于计算,部分设备只能干等,整个任务的耗时也会被拉长。参与运算的设备越多,怎么让它们少等,就成了超大规模智算集群建设绕不过去的一道题。

11月15日,第八届中国超级算力大会(ChinaSC 2026)暨中国智能计算产业联盟理事会年会在北京召开。中科曙光高速网络互联产品部总工程师万伟到场,讲了超大规模智算集群高速网络架构的设计思路与工程落地情况,并抛出观点:算力基础设施要扩规模,高速互连是关键。

a1522ac7cca24679a80aab372fad931

这一判断对应着集群建设中的现实要求:设备数量往上加,网络的连接、传输与管理能力也得跟上,新增的算力才能真正落到实际任务里。

集群越建越大,连接方式必须同步升级

大会发布的《万卡级智算集群网络技术发展与国产化研究报告》,是首份专门关注万卡级智算集群网络技术发展的研究报告。报告提到,集群规模持续膨胀,网络互联、存储吞吐与资源调度等环节能不能协同起来,越来越要命。对建设者来说,光买设备不够,还得想清楚设备之间如何配合。网络设计决定数据传输走哪条路,交换设备的连接能力则决定集群能用什么架构去扩展。

中科曙光走的是超节点内部互连加超节点之间组网的路子。超节点可以看成一组紧密相连的计算单元,内部靠低时延连接应付频繁的数据交换;多个超节点之间,再由高速网络拉起更大范围的协作。局部通信和整体扩展分开考虑,不同范围的连接各管各的任务需求。具体怎么设计,还得看供电散热、布线以及维护条件,才能落到实际建设里。

这套架构离不开网络芯片提供的连接和交换能力。交换芯片的端口数,决定一台交换设备能接多少设备;数据处理能力,则决定大量通信同时涌来时,交换设备能不能及时转发出去。中科曙光自研的scaleFabric高速网络把网卡芯片、交换芯片与组网架构捏在一起,采用多平面组网,在单一子网内实现大规模互连,再结合任务特点和网络连接关系优化通信。芯片和架构配合好了,接入更多计算资源时,设备之间的协作效率才守得住。

数据传得稳,计算设备才能少空等

设备连上以后,网络要过的下一关,是海量数据能不能及时、完整地送到。大模型训练中,有些计算步骤必须等相关节点的数据齐了才能往下走。传输途中一旦拥塞,或者数据丢了要重发,等待时间就会往上加。训练任务反复交换数据,这些通信开销会一点点累积,计算资源实际能用上多少,也就打了折扣。

scaleFabric用无损传输机制应对,靠流量控制与链路层重传等手段保证传输可靠,把传输异常对任务的干扰压下去。流量控制管的是发送与接收的协调,链路层重传处理的是链路传输中冒出来的错误。这两样再配上通信优化,图的就是让数据更稳地抵达计算节点,少因通信问题空等。

数据传输之外,通信发起这一环也有开销。面向大模型训练与推理,scaleFabric借助IBGDA等技术让GPU直接发起网络通信,CPU不再插手通信调度,这部分开销省下来,节点间的通信等待随之缩短。目前,scaleFabric已完成DeepEP通信框架适配,为大模型多节点协作与Token生成效率提升提供支持。高速网络的优化由此接到应用软件上,实际任务才用得上硬件给的通信能力。

从研制网络到工程运行,考的是完整系统能力

通信效率得在长时间运行中稳得住,链路故障也必须及时处理。scaleFabric支持毫秒级链路切换,路由恢复时间不会因为集群规模变大而拉长。这项能力直接关系到网络扩展后到底好不好用。连接规模继续往上走,网络仍要能及时恢复通信,局部故障对并行任务的影响才能压到最小。

故障恢复之外,运维人员还得准确摸清网络状态。FabricView高速网络管理平台把配置部署、健康筛查与运行监测串在一起,任务上线前可以筛查异常节点,任务执行中能定位繁忙链路和异常端口。应用跑慢了,这些信息帮运维人员判断网络有没有问题,把排查范围收窄。网络硬件与管理软件就这样接上了,一起服务于集群的日常运行。

中科曙光的相关网络设计已在曙光8000中得到工程验证,scaleFabric与曙光8000的工程实践也被上述研究报告收录。大会期间,中科曙光获评“2026中国算力领军企业”,scaleFabric高速网络入选“2026中国算力应用典型案例”。两项荣誉,一项指向算力系统研制能力,一项指向高速网络应用成效,行业认可之外,从自主研发到工程应用的技术积累也有了具体呈现。

超大规模集群建设,对高速网络提的是一整套要求。连接规模一大,应用通信能不能保持高效,故障能不能及时处理,网络状态好不好管理,都会影响算力投入的最终效果。中科曙光把这些要求贯穿到芯片研制、架构设计与工程运行中,为国产智算集群的持续扩展提供系统性支撑。对使用者来说,这些技术值不值,最后还得看计算任务能不能高效、稳定地跑完。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关 AI 工具

AI 导航
腾讯混元大模型 腾讯混元大模型由腾讯全链路自研,在文本和多模态模型性能方面表现卓越,处于业界领先水平。其混元 API 整合了… 大模型与开发平台 · tencent.com 快手可图大模型Kolors 可图大模型(Kolors)是快手大模型团队自研打造的文生图AI大模型,能够根据用户的文字输入生成风格多样、画… AI 绘画生图 · kuaishou.com 盘古大模型 华为盘古ai大模型官网入口,1100亿密集参数,40TB海量数据精细训练而成 简介 盘古NLP大模型是一项基… 大模型与开发平台 · huaweicloud.com BlueLM蓝心大模型 蓝心大模型官网,vivolm,vivo自研的通用大模型 简介 蓝心大模型(BlueLM ),强大的语言理解能… 聊天对话 · vivo.com 云知声山海大模型 云知声山海大模型是一个多功能、跨领域的智能大模型,它通过集成丰富的知识库和先进的自然语言处理技术,为用户提供… 大模型与开发平台 · unisound.com 子曰” 大模型 子曰是网易有道推出的教育领域垂直大模型,包含基于子曰大模型研发的六大创新应用——“LLM翻译”、“虚拟人口语… 聊天对话 · youdao.com 曹植大模型 曹植大语言模型是国内首个垂直行业专用的自主可控的国产GPT大语言模型,由达观数据研发。这个模型可以准确完成多… 聊天对话 · datagrand.com 西湖大模型 西湖大模型官网,智商情商俱佳的多模态大模型 简介 西湖大模型是西湖心辰开发的多模态大模型,西湖大模型既具备通… 聊天对话 · xinchenai.com

相关推荐 按相关度与热度排序

全部资讯 →
  1. 百望股份CEO王强宇:AI财税产品如何落到任务链上

    企业把大模型接进产品之后,新的经营问题才刚刚展开。客户提出一项任务,系统能拿到哪些信息,由谁核准结果,出现例外时如何处理,都会影响AI能否持续投入使用。产品演示中的能力,需要经由完整的服务过程才能转化为客户价值。 王强宇出任百望股份首席执行官(CEO),为观察这项变化提供了一个具体切口:王强宇如何将百望的财税场景积累转

    来源 AI 行业观察
  2. 百度词元所上线首日:供应商增超100家,客户接入破1000家

    【环球网科技综合报道】11月14日,从百度获悉,百度词元所发布首日,新增申请入驻的供应商已超过100家,新增超过1000家客户接入。词元所在11月12日举行的百度世界2026上正式发布,百度创始人李彦宏将其称为“大模型的交易所”。据介绍,词元所一端汇聚模型和模型提供商,另一端服务企业和个人,让用户便捷地找到、购买和使.

    来源 腾讯网
  3. 阿里发布Qwen4,千问平台首发Qwen4-Max:Token减半、得分涨近28%

    11月16日,阿里发布新一代基座大模型Qwen4,千问AI平台首发Qwen4-Max,API与Token Plan同步开放。该模型采用Qwen稀疏注意力MoE架构,总参数2.4T,支持百万上下文、原生视觉与长程任务稳定交付,可调用工具并分阶段交付;评测中同档位较上代提升。

    来源 AI 产业速递
  4. 40核老服务器无显卡跑通2.8万亿参数Kimi K3,傲腾内存成关键

    在人工智能参数规模不断膨胀的今天,动辄数万亿参数的巨型大模型往往需要依靠昂贵的高端显卡集群才能驱动。然而,近日有玩家在社区分享了一次极具极客精神的极限测试:他仅凭一台没有插显卡、搭载40核处理器的老旧服务器,竟然成功让月之暗面的2.8万亿参数大模型 Kimi K3运行了起来。 挑战硬件极限:巨型大模型遇上老旧服务器 作

    来源 AI 开发者社区
  5. 阿里发布Qwen4并上线Qwen4-Max:Token减半、得分升近28%

    阿里巴巴11月16日正式发布全新一代基座大模型 Qwen4,千问 AI 平台首发上线 Qwen4-Max,API 服务与 Token Plan 同步开放。模型采用基于 Qwen 稀疏注意力(QSA)的全新 MoE 架构,总参数2.4T,具备原生视觉与长程任务稳定交付能力,支持百万上下文,可调用专业工

    来源 AI 开发者社区
  6. 阿里Qwen4-Max发布:总参数2.4T,单任务平均费用降六成

    新京报贝壳财经讯(记者罗亦丹)11月16日,阿里巴巴发布全新一代基座大模型Qwen4-Max,总参数2.4T,具备原生视觉能力,支持百万上下文。基于创新的模型架构和训练优化,Qwen4-Max以更少的Token消耗实现了更高的性能,在智能体和编程等关键能力项上持续进化:在权威的全球前端编程盲测CodeArena中,Qw

    来源 腾讯网
  7. OpenAI董事警告:AI“接管”社会可能仅剩数月

    OpenAI董事会成员、AI安全研究者近日发出严厉警告:从AI的“奖励黑客”行为到潜在的人类灭绝,路径可能比公众想象得更短,社会被AI“接管”的时间窗口甚至可能只剩数月。随着大模型与自主智能体能力快速跃升,目标错位与对齐失败正从学术讨论变为迫在眉睫的现实挑战。

    来源 AI 科技快讯
  8. 腾讯WorkBuddy接入Gemini4Carbon:百万Token上下文向Pro用户开放

    腾讯WorkBuddy国际版11月15日宣布接入谷歌Gemini4Carbon大模型,面向复杂推理和长周期任务,目前仅向Pro计划用户开放。该模型面向长周期智能体工作流,适用于复杂知识工作、软件工程、网络安全及科学推理,支持文本、图像、音频和视频多模态输入,输入输出合计上下文窗口最高达100万Token。

    来源 AI 产业速递
  9. 谷歌 Gemini4Carbon 入驻 WorkBuddy,百万 Token 上下文向 Pro 用户开放

    腾讯 WorkBuddy 国际版于11月15日宣布正式接入谷歌 Gemini4Carbon 大模型,面向复杂推理和长周期任务处理场景提供模型支持,目前仅向 Pro 计划用户开放。 Gemini4Carbon 是谷歌面向长周期智能体工作流推出的模型,适用于复杂知识工作、软件工程、网络安全及科学推理等任

    来源 AI 开发者社区
  10. 腾讯混元Hy4 flash发布:每百万Token输入0.5元,张军称性价比最高

    【TechWeb】11月16日消息,今日,腾讯混元最新语言模型Hy4 flash正式发布。腾讯公司公关总监张军在社交平台发文称,“这是迄今为止性价比最高的混元模型。” 混元Hy4 flash每百万Token输入0.5元、输出2元,命中缓存时仅需0.02元,价格相比Hy4大幅降低。 该模型总参数量为224B(其中64B

    来源 AI 行业观察
  11. 用户爆料DeepSeek App和网页版出现使用限额

    【TechWeb】11月16日消息,据多名用户在社交平台发帖反馈,DeepSeek已对App与网页版的长对话功能实施了使用限额。 有用户在使用DeepSeek时被提示因“算力不足,不再支持超过7天不活跃的长对话”,并对单次输入文字的上限进行了调整,缩短至4万字左右。 此外,还会限制每日的对话额度,当用户日使用量达到上限

    来源 AI 行业观察
  12. Gemini被称美国豆包,张一鸣活成中国布林:两人都把时间押给AI

    在太平洋两岸的科技版图上,一种奇妙的镜像正在发生。大洋彼岸的硅谷,早已退居幕后的 Google 联合创始人 Sergey Brin (谢尔盖布林)重新走进办公室,与一线研究员并肩推演大模型架构。而在亚洲,2021 年便将字节跳动 CEO 权杖交给梁汝波、此后极少公开露面的张一鸣,也正以一种高密度、深介入的姿态重回技术腹

    来源 腾讯网
  13. 曝苹果首款智能眼镜明年6月发布、年底出货

    【TechWeb】11月16日消息,据彭博社资深科技记者马克·古尔曼(Mark Gurman)2026年11月15日发布的“Power On”通讯,苹果首款智能眼镜计划在2027年6月的苹果全球开发者大会(WWDC)上正式发布,并预计在2027年年底之前开始出货。该产品内部代号为 N50。 报道称,N50 智能眼镜不具

    来源 AI 行业观察
  14. NICT OptiMer:不重训模型,如何快速锁定最优数据配比?

    大模型训练中,数据配比调优通常意味着昂贵的从头重训。日本信息通信研究机构(NICT)团队在EMNLP 2026获奖论文中提出OptiMer方法,通过合并“分布向量”来搜索最优数据比例。该方法将试错效率提升15至35倍,且在C-Eval、MMLU等基准测试中得分高于传统混合训练。文章解析了其技术原理、实验效果及在构建日语

    来源 AI 应用前沿
  15. 工业AI净利率跌破5%:错尺子量不出实体利润

    (本文作者为 GritMeng,钛媒体经授权发布)文 | GritMeng聊天对话框省不出利润率,物理AI真正的金矿藏在“同源耦合”的水下。这两年,科技界与实体产业之间裂开了一道肉眼可见的鸿沟。一边是算力基础设施与大语言模型狂飙突进,参数规模、推理速度每半年翻一番,智能体(Agent)概念席卷所有科技峰会;另一边却是广

    来源 腾讯网
  16. 英伟达7500亿美元融资网被曝:CFO曾力阻,黄仁勋回怼“鹿入车灯”

    《华尔街日报》2026年11月13日调查报道指控英伟达通过向AI初创公司注资、要求其用所得资金购买GPU的方式人为制造芯片需求,布隆博格随后绘制的融资网络规模已超过7500亿美元。英伟达内部,CFO克雷斯(现任代理CEO)曾在8月高管会议上力阻该策略,遭黄仁勋以"鹿入车灯"之语驳斥。该调查触及大模型军备竞赛最脆弱的基础

    来源 AI 科技快讯
  17. OpenAI解散独立机器人团队:具身智能并入通用模型体系

    11月13日,据外媒报道,OpenAI已解散独立机器人团队,原成员并入常规模型训练体系。内部判断认为,机器人只是通用模型的一类垂类任务,所需智能能力应在通用基础模型框架下统一解决。截至发稿,OpenAI官方尚未确认并披露相关细节。 这并非OpenAI首次调整机器人路线。2019年,其机械手解魔方项目Dactyl曾引发广

    来源 AI 开发者社区
  18. WorkBuddy国际版接入Gemini 4 Carbon:Pro用户专享

    腾讯旗下AI办公智能体WorkBuddy国际版宣布接入谷歌Gemini 4 Carbon大模型,目前仅向Pro计划用户开放。该模型由谷歌于11月10日开放,主要用于复杂知识工作、软件工程等长周期智能体任务。

    来源 凤凰科技
  19. 语飞国际中文教育大模型发布:覆盖学习者、教师与机构三类人群

    人工智能技术与垂直领域的融合正在向纵深推进。据央视新闻报道,2026世界中文大会于11月13日在北京正式开幕。在本次大会上,官方重磅发布了语飞国际中文教育垂直大模型,旨在为全球范围内的中文学习者、一线教师以及各类教育机构提供全方位的智能化服务。 深度适配教与学全链路:全面覆盖三大核心群体 作为一款将人工智能技术与国际中

    来源 AI 开发者社区
  20. 阿里上线Qwen4-Max:原生视觉+百万上下文,总参数2.4T

    11月16日,阿里巴巴正式上线新一代基座大模型Qwen4-Max,总参数2.4T、激活参数71B,具备原生视觉能力并支持百万上下文,采用基于Qwen稀疏注意力(QSA)的全新MoE架构,每个Token激活参数较上代减少25%。

    来源 凤凰科技
  21. 暴涨889%、半年破百亿,字节阿里百度火拼新战场

    2021年,才云科技创始人张鑫投奔字节跳动,在云计算圈掀起一阵不小的波澜。 彼时的行业共识是,字节要下场啃IaaS( Infrastructure as a Service,基础设施即服务,一种云计算服务模式)这块硬骨头,直接和盘踞老大位置多年的阿里云硬碰硬。张鑫深耕容器云的背景,也被外界视作字节决心搭建“完整云版图”

    来源 AI 行业观察
  22. 清华米哈游等团队测试AI看视频:最强模型仅得13.2分

    你有没有想过一个问题:AI 看视频到底是在看什么?如果你给一个大模型放一盘国际象棋的对局录像,让它说出"白方在第29步用象吃掉了黑方的马,这步棋让白方占据优势",它能做到吗?这听起来像是最基础的视频理解任务。但一支由清华、中科院、香港大学和游戏公司米哈游组成的研究团队做了一个实验,结果让人意外:目前最强的...

    来源 腾讯网
向下滚动自动加载更多