返回列表
Lambda部署NVIDIA Photonics,优化万卡AI集群网络架构
行业新闻AI基础设施云计算NVIDIA

Lambda部署NVIDIA Photonics,优化万卡AI集群网络架构

云服务提供商Lambda宣布引入NVIDIA Photonics共同封装光学(CPO)交换机,旨在优化AI模型训练所需的网络架构。该方案将用于连接由超过10,000个GPU组成的NVIDIA GB300 NVL72机架,以解决大规模AI集群在训练过程中对高速、高效及高弹性网络的迫切需求。

NVIDIA Newsroom

核心要点

  • Lambda引入NVIDIA Photonics共同封装光学(CPO)交换机。
  • 目标是解决AI模型训练中网络速度、效率和弹性的挑战。
  • 该方案将连接超过10,000个GPU的NVIDIA GB300 NVL72机架。

详细分析

构建万卡级别的网络基础设施

随着AI模型参数量的爆炸式增长,千卡甚至万卡级别的计算集群已成为训练标配。Lambda此次部署的核心目标在于打通GB300 NVL72机架的网络连接瓶颈。通过引入CPO技术,系统能够更高效地处理海量数据传输,确保大规模集群的协同工作效率。对于AI训练而言,网络不再仅仅是传输管道,而是影响整体算力输出的关键瓶颈。

CPO技术带来的架构优势

NVIDIA Photonics共同封装光学(CPO)技术在提升数据传输速度和降低功耗方面具有显著优势。对于Lambda而言,这不仅意味着更快的训练响应速度,更重要的是在复杂算力环境下,能够显著提升网络基础设施的弹性。这种架构设计降低了单点故障对长时间训练任务的影响,确保了AI工厂的稳定运行。

行业影响

该新闻凸显了在AI工厂建设中,网络互连已成为与GPU算力同等重要的核心要素。Lambda作为云服务商,通过深度集成NVIDIA Photonics方案,反映了AI基础设施市场正从单纯追求算力堆叠,向算力与网络深度融合(Network-Compute Convergence)的方向演进。这种集成化方案将成为未来构建大规模AI计算中心的关键参考标准,对于提升云端AI训练服务的质量具有重要意义。

常见问题

Q: Lambda此次合作主要使用了什么技术?

A: Lambda主要使用了NVIDIA Photonics共同封装光学(CPO)交换机。

Q: 该网络解决方案的应用规模如何?

A: 该方案用于连接NVIDIA GB300 NVL72机架,涉及GPU数量超过10,000个。

Q: 引入该技术的目的是什么?

A: 旨在提升AI模型训练所需的网络速度、运行效率以及基础设施的整体弹性。

相关新闻