在數(shù)字化與智能化浪潮的驅(qū)動(dòng)下，AI 正成為推動(dòng)科研進(jìn)步與產(chǎn)業(yè)升級(jí)的核心引擎。無論是氣象模擬、海洋研究，還是醫(yī)藥研發(fā)、工業(yè)設(shè)計(jì)，算力已逐漸演變?yōu)殛P(guān)鍵資源，而智算中心則成為這一進(jìn)程的重要承載平臺(tái)。

在此背景下，北京正陽恒卓科技有限公司（以下簡稱“正陽恒卓”）依托 NVIDIA 全棧式解決方案，為某超大型智算中心規(guī)劃并交付了1000PFlops@FP16規(guī)模的算力集群。項(xiàng)目以 NVIDIA H800 Tensor Core GPU 作為核心算力引擎，結(jié)合 NVIDIA Quantum InfiniBand 高速網(wǎng)絡(luò)與 NVIDIA UFM? 統(tǒng)一架構(gòu)管理平臺(tái)，構(gòu)建起覆蓋硬件基礎(chǔ)設(shè)施、軟件系統(tǒng)與運(yùn)維服務(wù)的全生命周期方案。該超大型智算中心實(shí)現(xiàn)了計(jì)算、存儲(chǔ)與網(wǎng)絡(luò)資源的高效協(xié)同，在跨機(jī)房部署等復(fù)雜場景下依然能夠保障系統(tǒng)的穩(wěn)定性與可擴(kuò)展性，最終將算力密度提升至行業(yè)領(lǐng)先水平。

超大規(guī)模智算集群建設(shè)挑戰(zhàn)

該超大型智算中心項(xiàng)目在規(guī)劃與實(shí)施階段面臨三重核心挑戰(zhàn)：

其一，網(wǎng)絡(luò)架構(gòu)的極致性能需求。由于該超算中心面向氣候模擬、藥物研發(fā)等需要大規(guī)模并行計(jì)算與海量數(shù)據(jù)交互的前沿任務(wù)，網(wǎng)絡(luò)架構(gòu)必須滿足極致的性能需求，計(jì)算網(wǎng)絡(luò)需實(shí)現(xiàn) 400Gbps 節(jié)點(diǎn)間通信，存儲(chǔ)網(wǎng)絡(luò)需達(dá)到 200Gbps 帶寬，同時(shí)整體延遲需控制在亞微秒級(jí)別，這對(duì)網(wǎng)絡(luò)拓?fù)湓O(shè)計(jì)與硬件選型提出嚴(yán)苛要求。

其二，大規(guī)模部署的物理限制。與以往同等規(guī)模項(xiàng)目通常需要 6-12 個(gè)月的建設(shè)周期相比，該項(xiàng)目必須在 3 個(gè)月內(nèi)完成跨 A、B 兩個(gè)機(jī)房的硬件集成，其中計(jì)算服務(wù)器位于 A 機(jī)房，存儲(chǔ)與安全設(shè)備部署于 B 機(jī)房，存儲(chǔ)網(wǎng)絡(luò)的跨機(jī)房布線需克服 200G AOC 線纜 100 米的傳輸距離限制。

其三，現(xiàn)場施工的適應(yīng)性調(diào)整，原設(shè)計(jì)采用上走線方案，但實(shí)際機(jī)房為下走線布局，導(dǎo)致線槽操作空間狹窄、焊接式設(shè)計(jì)穿線困難，工人需在無法站立行走的環(huán)境中作業(yè)，直接影響施工進(jìn)度與質(zhì)量。

系統(tǒng)性構(gòu)建高效可靠的 AI 算力集群

面對(duì)上述挑戰(zhàn)，正陽恒卓基于其在智算中心建設(shè)領(lǐng)域的豐富經(jīng)驗(yàn)，提出了一系列創(chuàng)新性解決方案。

●高速互連：借助 NVIDIA InfiniBand 構(gòu)建高效、低延遲的網(wǎng)絡(luò)架構(gòu)

NVIDIA Quantum InfiniBand 是全球唯一完全硬件卸載的網(wǎng)絡(luò)計(jì)算平臺(tái)，具備卓越的數(shù)據(jù)吞吐量和端口密度，并支持網(wǎng)絡(luò)自愈、增強(qiáng)服務(wù)質(zhì)量 (QoS)、擁塞控制和動(dòng)態(tài)路由等特性，使數(shù)據(jù)中心能夠以更低的成本和復(fù)雜性實(shí)現(xiàn)出色性能和更高的總體應(yīng)用程序吞吐量。

在網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)上，正陽恒卓采用了NVIDIA Quantum QM9790 NDR 400G InfiniBand 交換機(jī)作為核心交換設(shè)備，構(gòu)建了無阻塞胖樹組網(wǎng)架構(gòu)（包含 8 臺(tái) Spine 交換機(jī)和 16 臺(tái) Leaf 交換機(jī)）（見下圖）。這種架構(gòu)保證了任意節(jié)點(diǎn)間的數(shù)據(jù)傳輸路徑始終等價(jià)，避免了網(wǎng)絡(luò)擁塞和帶寬瓶頸，從而實(shí)現(xiàn)超低延遲和超高吞吐量，支撐現(xiàn)代工作負(fù)載在性能加速、可擴(kuò)展性和功能豐富性方面的需求。

NVIDIA Quantum QM9790 NDR 400G InfiniBand 交換機(jī)

同時(shí)，部署了 1000 多條 400G MPO 線纜確保高速連接，總長度達(dá) 20 公里，通過精細(xì)化的機(jī)柜空間規(guī)劃和布線路徑設(shè)計(jì)，實(shí)現(xiàn)了高密度互連與穩(wěn)定的高速傳輸，有效保障了大規(guī)模集群的高效運(yùn)行。

某大型智算中心網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)

存儲(chǔ)網(wǎng)絡(luò)方面，采用NVIDIA Quantum QM8790 HDR 200G InfiniBand 交換機(jī)作為核心設(shè)備，構(gòu)建了 Spine-Leaf 架構(gòu)（10 臺(tái) Spine 和 11 臺(tái) Leaf）（見下圖），使用 400 多條 200G AOC 線纜進(jìn)行連接，這一架構(gòu)不僅保證了存儲(chǔ)節(jié)點(diǎn)之間的多路徑并行訪問能力，顯著提升了 I/O 并發(fā)處理效率，還能在大規(guī)模并發(fā)讀寫時(shí)保持穩(wěn)定的低延遲表現(xiàn)。

NVIDIA Quantum QM8790 HDR 200G InfiniBand 交換機(jī)

此外，NVIDIA InfiniBand 的 SHARP? 技術(shù)可卸載聚合通信運(yùn)算、減少數(shù)據(jù)傳輸量并縮短消息傳遞時(shí)間；網(wǎng)絡(luò)自愈功能能快速應(yīng)對(duì)鏈路故障，實(shí)現(xiàn)遠(yuǎn)超軟件方案的恢復(fù)速度；成熟的服務(wù)質(zhì)量機(jī)制提供高級(jí)擁塞控制和動(dòng)態(tài)路由；并支持多種網(wǎng)絡(luò)拓?fù)浼皟?yōu)化路由算法，從而進(jìn)一步提升整體數(shù)據(jù)中心的吞吐效率和穩(wěn)定性。

由此，整體系統(tǒng)在實(shí)際運(yùn)行中實(shí)現(xiàn)了 1TB/s 級(jí)別的數(shù)據(jù)流動(dòng)，為大數(shù)據(jù)分析、AI 訓(xùn)練和科學(xué)計(jì)算工作負(fù)載提供了極高的存儲(chǔ)吞吐能力。

某大型智算中心存儲(chǔ)網(wǎng)絡(luò)架構(gòu)

●復(fù)雜部署環(huán)境中的施工優(yōu)化與調(diào)整

為解決跨機(jī)房布線難題，正陽恒卓團(tuán)隊(duì)需要克服 200G AOC 線纜最長 100 米的物理傳輸限制，而計(jì)算與存儲(chǔ)設(shè)備分屬 A、B 兩個(gè)機(jī)房，距離接近極限。如果交換機(jī)位置稍有偏差，就可能導(dǎo)致線纜超長、信號(hào)衰減甚至無法部署。針對(duì)這一困難，項(xiàng)目團(tuán)隊(duì)通過精確測量機(jī)房間距與設(shè)備位置，反復(fù)推演布線方案，最終合理規(guī)劃交換機(jī)安裝位置，確保所有跨機(jī)房連接線纜連接都嚴(yán)格控制在 100 米限制內(nèi)。同時(shí)，跨機(jī)房 AOC 線纜采用了特殊保護(hù)套管，防止線纜受損，并在關(guān)鍵路徑部署了冗余連接，保證了整體網(wǎng)絡(luò)的穩(wěn)定性和安全性。

高壓之下，項(xiàng)目團(tuán)隊(duì)在僅有不到 1 周時(shí)間內(nèi)完成了走線方案的全面重新設(shè)計(jì)，制定了精確到機(jī)柜和管槽的的下走線規(guī)劃圖，并通過線纜長度自動(dòng)計(jì)算工具快速生成并更新了上千條線纜的采購清單。這一過程不僅需要工程師對(duì)現(xiàn)場環(huán)境進(jìn)行反復(fù)測量和建模，還要在極短時(shí)間內(nèi)完成從設(shè)計(jì)到采購的全鏈條閉環(huán)。為保障進(jìn)度，正陽恒卓同步優(yōu)化了施工計(jì)劃與人員安排，將原本順序式的施工轉(zhuǎn)為多工序并行，增派數(shù)十名工程人員分批次開展布線作業(yè)，確保在擁擠、工人無法站立的機(jī)柜底部空間中依然能夠有序推進(jìn)。對(duì)于不合理的焊接式線槽，項(xiàng)目團(tuán)隊(duì)還協(xié)調(diào)相關(guān)方拆除并重新設(shè)計(jì)為卡扣式線槽，大幅提高了穿線效率，最終在緊迫工期內(nèi)完成了高密度布線任務(wù)。

●NVIDIA UFM 平臺(tái)賦能智算中心的智能化運(yùn)維

在軟件與管理層面，正陽恒卓為該超大型智算中心引入了NVIDIA UFM 平臺(tái)，這一平臺(tái)能夠?qū)崟r(shí)監(jiān)控網(wǎng)絡(luò)的性能與健康狀態(tài)，提供自動(dòng)化故障診斷與報(bào)警，以及流量分析與優(yōu)化建議。NVIDIA UFM 平臺(tái)將增強(qiáng)的實(shí)時(shí)網(wǎng)絡(luò)遙測與 AI 驅(qū)動(dòng)的網(wǎng)絡(luò)智能和分析相結(jié)合，為 InfiniBand 高性能數(shù)據(jù)中心網(wǎng)絡(luò)的高效調(diào)配、監(jiān)控、管理和預(yù)防性故障排除提供了強(qiáng)大支持。

打造科學(xué)計(jì)算平臺(tái)，支撐多領(lǐng)域科研突破

通過正陽恒卓專業(yè)的技術(shù)方案和高效的落地實(shí)施，該智算中心項(xiàng)目在 NVIDIA 網(wǎng)絡(luò)解決方案的賦能下取得了顯著成果。

通過精準(zhǔn)的網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)與優(yōu)化部署，該超大型智算中心實(shí)現(xiàn)了穩(wěn)定、高效的集群互連。這不僅充分發(fā)揮了 NVIDIA InfiniBand 網(wǎng)絡(luò)技術(shù)的潛力，還確保大規(guī)模分布式訓(xùn)練能夠順利進(jìn)行，實(shí)現(xiàn)了規(guī)模擴(kuò)展和硬件升級(jí)帶來的性能提升。

系統(tǒng)穩(wěn)定運(yùn)行表現(xiàn)同樣令人印象深刻，項(xiàng)目交付后持續(xù)穩(wěn)定運(yùn)行，實(shí)現(xiàn)了網(wǎng)絡(luò)零宕機(jī)的優(yōu)秀記錄。這得益于 NVIDIA UFM 監(jiān)控系統(tǒng)能夠提前發(fā)現(xiàn)潛在問題，避免故障發(fā)生。

在支持科研突破方面，該智算中心已經(jīng)為多個(gè)大型科研項(xiàng)目提供了強(qiáng)大算力支持，加速了 AI 產(chǎn)業(yè)發(fā)展與數(shù)字化轉(zhuǎn)型，包括：

●氣象領(lǐng)域：參與精細(xì)化氣象預(yù)報(bào)，提高了天氣預(yù)報(bào)的準(zhǔn)確性和時(shí)效性；

●海洋科學(xué)：與高校合作開展海洋環(huán)境模擬，支持海洋生態(tài)系統(tǒng)研究和氣候變化分析；

●醫(yī)藥研發(fā)：加速新藥分子篩選與蛋白質(zhì)結(jié)構(gòu)解析，縮短藥物研發(fā)周期；

●工業(yè)領(lǐng)域：支持重工領(lǐng)域在高端裝備制造中的仿真設(shè)計(jì)，大幅降低研發(fā)成本；

●大型科技項(xiàng)目：支撐大飛機(jī)、深空探測等大型科技項(xiàng)目的計(jì)算需求。

AI 基礎(chǔ)設(shè)施建設(shè)是一個(gè)系統(tǒng)工程，需要從硬件到軟件進(jìn)行全面系統(tǒng)性開發(fā)，并將具備穩(wěn)定性和高效性的技術(shù)進(jìn)行封裝，對(duì)用戶盡可能透明。正陽恒卓通過這一項(xiàng)目，展示了高性能、高穩(wěn)定性如何成為智算中心的基本能力和發(fā)展趨勢(shì)。

構(gòu)建智算生態(tài)新格局

這一超大型智算中心項(xiàng)目的成功，不僅推動(dòng)了科研與產(chǎn)業(yè)的融合發(fā)展，也為智算建設(shè)積累了寶貴經(jīng)驗(yàn)。正陽恒卓計(jì)劃將該項(xiàng)目的成功實(shí)踐推廣至更多大型智算中心，并與高校共建聯(lián)合實(shí)驗(yàn)室，培養(yǎng)新一代科學(xué)計(jì)算人才。

作為 NVIDIA 網(wǎng)絡(luò)產(chǎn)品精英級(jí)合作伙伴，未來，正陽恒卓致力于將領(lǐng)先的智算中心網(wǎng)絡(luò)解決方案應(yīng)用于各行各業(yè)，助力更多行業(yè)實(shí)現(xiàn)智能化轉(zhuǎn)型與升級(jí)，探索智算中心在智慧城市、生命科學(xué)、工業(yè)互聯(lián)網(wǎng)等更多應(yīng)用場景中的潛力

*與 NVIDIA 產(chǎn)品相關(guān)的圖片或視頻（完整或部分）的版權(quán)均歸 NVIDIA Corporation 所有。