花了千万建的万卡集群为何总跑不满?新华三S80000给出新答案
S80000的技术路径:怎么把“算力损耗”压下去
软硬协同:跑得快还要跑得稳
硬件搭好框架,软件才是兑现性能的关键。S80000内置的ADDC智算平台实现“算存网软”深度融合:管控平台负责从芯片到整机柜的统一运维,业务平台保障训练推理的可靠交付。智能调度层面支持拓扑感知、故障感知、逻辑切片和训推一体调度——白天把算力切给推理任务,晚上自动切换到训练任务,一套物理集群分时复用,日均利用率大幅提升。故障恢复机制也做了强化,计算Tray级与GPU级隔离,一旦某张卡出问题可以快速切换而不影响整体训练。1024卡超节点单卡推理效率较128台8卡服务器提升3倍,配合FlashCheckPoint断点续训能力,10分钟内完成数据持久化,有效训练时长占比超过96%。简单说,这套系统的设计目标是“月级稳定训推不中断”。45
同梯队竞品横向对比:谁更适合你的业务
| 维度 | 新华三S80000 | 华为Atlas 950 | 中科曙光ScaleX 40 |
|---|---|---|---|
| 最大规模 | 16384卡 | 8192卡 | 可扩展 |
| 单柜密度 | 128卡(液冷) | 64卡/柜 | 640卡超节点 |
| PUE | 1.04以下 | 液冷架构 | 未披露 |
| 互联架构 | Scale-Up全互联 | 灵衢自研协议 | 高速网络互连 |
| 生态开放 | 多厂商异构兼容 | 昇腾为主 | 未明确 |
| 目标场景 | 万亿参数训推一体 | 万卡级超大规模训练 | 中大型企业主流需求 |
| 部署成熟度 | 已规模交付 | 真机亮相阶段 | 发布阶段 |
场景匹配:什么样的业务选什么方案
还有一个维度值得考虑——机房条件。S80000的全液冷方案对机房散热改造要求较高,如果现有数据中心不支持液冷,需要额外投入改造成本;华为Atlas 850E的风冷超节点则支持普通风冷机房直接部署,对机房改造要求更低。企业需要评估现有基础设施和改造成本的平衡,而不是只看裸机性能参数。13
怎么判断自己的业务需要多大算力规模
从采购模式看,S80000这类超节点通常面向政企大客户和智算中心建设方,单次采购规模大、合作周期长,适合有长期AI规划的企业。如果业务刚刚起步、不确定未来规模,或者只是想验证某个AI场景的可行性,租用云厂商的算力资源可能是更灵活的过渡方案,等业务跑通了再考虑自建超节点也不迟。毕竟,算力投资一旦固化,调整的灵活性和成本都比云资源高得多。
当前文章无评论,是时候发表评论了