NVIDIA助力xAI打造全球最大AI超級(jí)計(jì)算機(jī)

NVIDIA Spectrum-X 使基于 NVIDIA Hopper 十萬(wàn)卡 GPU 的巨型系統(tǒng)成為可能

NVIDIA 宣布，xAI 位于田納西州孟菲斯市的Colossus 超級(jí)計(jì)算機(jī)集群達(dá)到了 10 萬(wàn)顆 NVIDIA Hopper GPU 的巨大規(guī)模。該集群使用了NVIDIA Spectrum-X 以太網(wǎng)網(wǎng)絡(luò)平臺(tái)，該平臺(tái)是專為多租戶、超大規(guī)模的 AI 工廠提供卓越性能而設(shè)計(jì)的 RDMA（Remote Direct Memory Access）網(wǎng)絡(luò)。

Colossus 是世界上最大的 AI 超級(jí)計(jì)算機(jī)，目前正被用于訓(xùn)練 xAI 的 Grok 系列大語(yǔ)言模型，以及作為 X Premium 用戶功能之一的聊天機(jī)器人（Chatbot）。xAI 正在將 Colossus 的規(guī)模進(jìn)一步擴(kuò)大一倍至 20 萬(wàn)顆 NVIDIA Hopper GPU。

xAI 和 NVIDIA 僅用了 122 天就建成了所有配套設(shè)施和這臺(tái)最先進(jìn)的超級(jí)計(jì)算機(jī)，從第一個(gè)機(jī)架落地到開始訓(xùn)練任務(wù)，只用了 19 天。而建造這種規(guī)模的系統(tǒng)通常需要數(shù)月乃至數(shù)年的時(shí)間。

在訓(xùn)練 Grok 這種超大型模型時(shí)，Colossus 實(shí)現(xiàn)了空前的網(wǎng)絡(luò)性能，在三層網(wǎng)絡(luò)架構(gòu)下，整個(gè)系統(tǒng)未出現(xiàn)任何因流量沖突而造成的應(yīng)用延遲增加或數(shù)據(jù)包丟失的情況。憑借 Spectrum-X 先進(jìn)的擁塞控制功能，系統(tǒng)數(shù)據(jù)吞吐量一直保持在 95%。

這一性能水平是傳統(tǒng)以太網(wǎng)在大規(guī)模的情況下根本無(wú)法實(shí)現(xiàn)的，傳統(tǒng)以太網(wǎng)在數(shù)千條流發(fā)生沖突時(shí)，只能提供 60% 的數(shù)據(jù)吞吐量。

NVIDIA 網(wǎng)絡(luò)高級(jí)副總裁 Gilad Shainer表示：“AI 正變得至關(guān)重要，對(duì)性能、安全性、可擴(kuò)展性和成本效益提出了更高的要求。NVIDIA Spectrum-X 以太網(wǎng)網(wǎng)絡(luò)平臺(tái)專為那些如 xAI 一樣的創(chuàng)新企業(yè)提供更快的處理、分析和執(zhí)行 AI 工作負(fù)載的速度，進(jìn)而加速 AI 解決方案的開發(fā)、部署和上市?！?/p>

埃隆·馬斯克在 X 上表示：“Colossus 是世界上最強(qiáng)大的訓(xùn)練系統(tǒng)。xAI 團(tuán)隊(duì)、NVIDIA 和我們的眾多合作伙伴及供應(yīng)商干得漂亮?！?/p>

xAI 發(fā)言人表示：“xAI 構(gòu)建了全球規(guī)模最大、性能最強(qiáng)的超級(jí)計(jì)算機(jī)。借助 NVIDIA Hopper GPU 和 Spectrum-X，我們得以突破大規(guī)模 AI 模型訓(xùn)練的邊界，打造基于以太網(wǎng)標(biāo)準(zhǔn)并經(jīng)過(guò)超級(jí)加速和優(yōu)化的 AI 工廠?！?/p>

Spectrum-X 平臺(tái)的核心是 Spectrum SN5600 以太網(wǎng)交換機(jī)，它支持高達(dá) 800Gb/s 的端口速度，采用了 Spectrum-4 交換機(jī) ASIC。xAI 采用了Spectrum-X SN5600 交換機(jī)與NVIDIA BlueField-3 SuperNIC的端到端解決方案，實(shí)現(xiàn)了前所未有的性能。

專門面向 AI 的 Spectrum-X 以太網(wǎng)網(wǎng)絡(luò)具有先進(jìn)的功能，可在提供高效、可擴(kuò)展的帶寬的同時(shí)，實(shí)現(xiàn)低延遲和短尾延遲，而這些功能之前是 InfiniBand 網(wǎng)絡(luò)所獨(dú)有的。Spectrum-X 的功能包括基于 NVIDIA DDP（Direct Data Placement）技術(shù)的動(dòng)態(tài)路由、擁塞控制計(jì)算，以及增強(qiáng)了 AI 網(wǎng)絡(luò)的可視性和性能隔離，所有這些功能都是多租戶生成式 AI 云和大型企業(yè)應(yīng)用環(huán)境的關(guān)鍵要求。