讓大模型訓(xùn)練更高效，奇異摩爾用互聯(lián)創(chuàng)新方案定義下一代AI計(jì)算

近一段時(shí)間以來(lái)，DeepSeek現(xiàn)象級(jí)爆火引發(fā)產(chǎn)業(yè)對(duì)大規(guī)模數(shù)據(jù)中心建設(shè)的思考和爭(zhēng)議。在訓(xùn)練端，DeepSeek以開(kāi)源模型通過(guò)算法優(yōu)化（如稀疏計(jì)算、動(dòng)態(tài)架構(gòu)）降低了訓(xùn)練成本，使得企業(yè)能夠以低成本實(shí)現(xiàn)高性能AI大模型的訓(xùn)練；在推理端，DeepSeek加速了AI應(yīng)用從訓(xùn)練向推理階段的遷移。因此，有觀點(diǎn)稱，DeepSeek之后算力需求將放緩。不過(guò)，更多的國(guó)內(nèi)外機(jī)構(gòu)和研報(bào)認(rèn)為，DeepSeek降低了AI應(yīng)用的門檻，將加速AI大模型應(yīng)用落地，吸引更多的企業(yè)進(jìn)入這個(gè)賽道，算力需求仍將繼續(xù)增長(zhǎng)，不過(guò)需求重心從“單卡峰值性能”轉(zhuǎn)向“集群能效優(yōu)化”。比如，SemiAnalysis預(yù)測(cè)，全球數(shù)據(jù)中心容量將從2023年的49GW增長(zhǎng)至2026年的96GW，其中新建智算中心容量將占增量的85%。近日，全球四大巨頭（Meta、亞馬遜、微軟及）公布的2025 AI基礎(chǔ)設(shè)施支出總計(jì)超3000億美元，相比2024年增長(zhǎng)30%。

（數(shù)據(jù)來(lái)源：科技巨頭公開(kāi)披露報(bào)告）

（圖：奇異摩爾創(chuàng)始人兼CEO田陌晨）

奇異摩爾創(chuàng)始人兼CEO田陌晨表示：“‘Scaling Law’依然在延續(xù)。從Transformer的獨(dú)領(lǐng)風(fēng)騷到MoE專家模型的創(chuàng)新突圍，AI領(lǐng)域正邁向萬(wàn)億、甚至十萬(wàn)億參數(shù)規(guī)模的AI大模型訓(xùn)練時(shí)代。DeepSeek-R1推理模型的問(wèn)世離不開(kāi)基礎(chǔ)模型Deepseek-V3的龐大訓(xùn)練積累。在這一背景下，強(qiáng)大的算力集群依然是支撐AI的基石。而如何提高集群的線性加速比，一直是產(chǎn)業(yè)的核心話題。與此同時(shí)，AI算力網(wǎng)絡(luò)的重要性日益凸顯，它讓數(shù)據(jù)在集群中各個(gè)層面、各個(gè)維度上都能夠快速傳輸，實(shí)現(xiàn)各節(jié)點(diǎn)資源的高效調(diào)動(dòng)。”

為此，作為行業(yè)領(lǐng)先的AI網(wǎng)絡(luò)全棧式互聯(lián)產(chǎn)品及解決方案提供商，奇異摩爾給出了一套極具競(jìng)爭(zhēng)力的解決方案——基于高性能RDMA和Chiplet技術(shù)，利用“Scale Out”“Scale Up”“Scale Inside”三大理念，提升算力基礎(chǔ)設(shè)施在網(wǎng)間、片間和片內(nèi)的傳輸效率，為智能算力發(fā)展賦能。

Scale Out——打破系統(tǒng)傳輸瓶頸

DeepSeek的成功證明了開(kāi)源模型相較于閉源模型具有一定的優(yōu)越性，隨著模型的智能化趨勢(shì)演進(jìn)，模型體量的增加仍然會(huì)是行業(yè)發(fā)展的主要趨勢(shì)之一。為了完成千億、萬(wàn)億參數(shù)規(guī)模AI大模型的訓(xùn)練任務(wù)，通用的做法一般會(huì)采用Tensor并行（TP）、Pipeline并行（PP）、和Data并行（DP）策略來(lái)拆分訓(xùn)練任務(wù)。隨著MoE（Mixture of Experts，混合專家）模型的出現(xiàn)，除了涉及上述并行策略外，還引入了專家并行(EP)。其中，EP和TP通信數(shù)據(jù)開(kāi)銷較大，主要通過(guò)Scale Up互聯(lián)方式應(yīng)對(duì)。DP和PP并行計(jì)算的通信開(kāi)銷相對(duì)較小，主要通過(guò)Scale Out互聯(lián)方式應(yīng)對(duì)。

因而，如下圖所示，當(dāng)下主流的萬(wàn)卡集群里存在兩種互聯(lián)域——GPU南向Scale Up互聯(lián)域（Scale Up Domain，SUD）和GPU北向Scale Out互聯(lián)域（Scale Out Domain，SOD）。田陌晨強(qiáng)調(diào)：“以Scale Up和Scale Out雙擎驅(qū)動(dòng)方式構(gòu)建大規(guī)模、高效的智算集群，是應(yīng)對(duì)算力需求爆發(fā)的有效手段?！?/span>

智算集群里的Scale Up和Scale Out

在這個(gè)集群網(wǎng)絡(luò)中，Scale Out專注于橫向/水平的擴(kuò)展，強(qiáng)調(diào)通過(guò)增加更多計(jì)算節(jié)點(diǎn)實(shí)現(xiàn)集群規(guī)模的擴(kuò)展。當(dāng)前，遠(yuǎn)程直接內(nèi)存訪問(wèn)（RDMA）已經(jīng)成為構(gòu)建Scale Out網(wǎng)絡(luò)的主流選擇。作為一種host-offload/host-bypass技術(shù)，RDMA提供了從一臺(tái)計(jì)算機(jī)內(nèi)存到另一臺(tái)計(jì)算機(jī)內(nèi)存的直接訪問(wèn)，具有低延遲、高帶寬的特性，在大規(guī)模集群中扮演著重要的角色。如下圖所示，RDMA主要包含?InfiniBand（IB）、基于以太網(wǎng)的RoCE和基于TCP/IP的iWARP?。其中，IB和以太網(wǎng)RDMA是算力集群里應(yīng)用最廣泛的技術(shù)。

RDMA應(yīng)用和實(shí)現(xiàn)方式（來(lái)源：知乎 @Savir）

IB是專門為RDMA開(kāi)發(fā)的一種網(wǎng)絡(luò)通信技術(shù)，具有高帶寬、低延遲等優(yōu)勢(shì)，且IB默認(rèn)是無(wú)損網(wǎng)絡(luò)，無(wú)需特殊設(shè)置。得益于這些優(yōu)勢(shì)，過(guò)往IB在Scale Out網(wǎng)絡(luò)構(gòu)建中占據(jù)主導(dǎo)地位。然而，IB需要專門支持該技術(shù)的網(wǎng)卡和交換機(jī)，價(jià)格是傳統(tǒng)網(wǎng)絡(luò)的5-10倍，成本相對(duì)較高，且IB交換機(jī)交期較長(zhǎng)。同時(shí)，IB兼容性差，難以和大多數(shù)以太網(wǎng)設(shè)備兼容，例如網(wǎng)卡、線纜、交換機(jī)和路由器等，無(wú)法成為行業(yè)統(tǒng)一的發(fā)展路線。

隨著集群規(guī)模增大，以太網(wǎng)RDMA獲得了主流廠商的廣泛支持。以太網(wǎng)RDMA同樣具有高速率、高帶寬、CPU負(fù)載低等優(yōu)勢(shì)，在低時(shí)延和無(wú)損網(wǎng)絡(luò)特性方面也已經(jīng)和IB性能持平。同時(shí)，以太網(wǎng)RDMA具有更好的開(kāi)放性、兼容性和統(tǒng)一性，更利于做大規(guī)模的組網(wǎng)集群。從一些行業(yè)代表性案例來(lái)看，如字節(jié)跳動(dòng)的萬(wàn)卡集群，Meta公司的數(shù)萬(wàn)卡集群，以及特斯拉希望打造的十萬(wàn)卡集群，都一致選擇了以太網(wǎng)方案。此外，因?yàn)橛布ㄓ煤瓦\(yùn)維簡(jiǎn)單，以太網(wǎng)RDMA方案更具性價(jià)比。

雖然以太網(wǎng)RDMA已經(jīng)被公認(rèn)是未來(lái)Scale Out的大趨勢(shì)，不過(guò)田陌晨指出：“如果是基于RoCEv2構(gòu)建方案仍存在一些問(wèn)題，比如亂序需要重傳，負(fù)載分擔(dān)不完美，存在Go-back-N問(wèn)題，以及DCQCN 部署調(diào)優(yōu)復(fù)雜等。在萬(wàn)卡和十萬(wàn)卡集群中，業(yè)界需要增強(qiáng)型以太網(wǎng)RDMA以應(yīng)對(duì)上述這些挑戰(zhàn)，超以太網(wǎng)傳輸(Ultra Ethernet Transport，UET)便是下一代AI計(jì)算和HPC里的關(guān)鍵技術(shù)?！?

為了能夠進(jìn)一步發(fā)揮以太網(wǎng)和RDMA技術(shù)的潛能，博通、思科、Arista、微軟、Meta等公司牽頭成立了超以太網(wǎng)聯(lián)盟（UEC）。如下圖所示，在UEC規(guī)范1.0的預(yù)覽版本中，UEC從軟件API、運(yùn)輸層、鏈路層、網(wǎng)絡(luò)安全和擁塞控制等方面對(duì)Transport Layer傳輸層做了全面的優(yōu)化，關(guān)鍵功能包括FEC（前向糾錯(cuò)）統(tǒng)計(jì)、鏈路層重傳（LLR）、多路徑報(bào)文噴發(fā)、新一代擁塞控制、靈活排序、端到端遙測(cè)、交換機(jī)卸載等。根據(jù)AMD方面的數(shù)據(jù)，UEC就緒（UEC-ready）系統(tǒng)能夠提供比傳統(tǒng)RoCEv2系統(tǒng)高出5-6倍的性能。

UEC規(guī)范1.0示意圖（來(lái)源：UEC）

田陌晨表示：“UEC是專門為AI網(wǎng)絡(luò)Scale Out互聯(lián)成立的國(guó)際聯(lián)盟，致力于通過(guò)Modernized RDMA優(yōu)化AI和HPC工作負(fù)載。借助UEC的關(guān)鍵性能，Scale Out網(wǎng)絡(luò)能夠充分利用系統(tǒng)內(nèi)所有可用的傳輸路徑，并最小化網(wǎng)絡(luò)擁塞。當(dāng)前基于RDMA RoCE的解決方案未來(lái)也可以通過(guò)踐行UEC聯(lián)盟的標(biāo)準(zhǔn)升級(jí)各自的以太網(wǎng)產(chǎn)品方案，打造更大規(guī)模的無(wú)損集群通信?！?

奇異摩爾打造的Kiwi NDSA-SNIC AI原生智能網(wǎng)卡便是一款UEC就緒方案，性能比肩全球標(biāo)桿ASIC產(chǎn)品。Kiwi NDSA SmartNIC提供領(lǐng)先行業(yè)的高性能，支持高達(dá)800Gbps的傳輸帶寬，提供低至μs級(jí)的數(shù)據(jù)傳輸延時(shí)，滿足當(dāng)前數(shù)據(jù)中心行業(yè)400Gbps-800Gbps升級(jí)需求，可實(shí)現(xiàn)Tb級(jí)別萬(wàn)卡集群間無(wú)損數(shù)據(jù)傳輸。

奇異摩爾Kiwi NDSA-SNIC AI原生智能網(wǎng)卡方案（來(lái)源：奇異摩爾）

借助UEC就緒RDMA中的路徑感知擁塞控制、有序消息傳遞、選擇性確認(rèn)重傳、自適應(yīng)路由及數(shù)據(jù)包噴灑等關(guān)鍵功能，Kiwi NDSA-SNIC能夠充分保障AI網(wǎng)絡(luò)間數(shù)據(jù)的穩(wěn)定傳輸。比如，Kiwi NDSA-SNIC提供的自適應(yīng)路由及數(shù)據(jù)包噴灑功能可以充分發(fā)揮高速網(wǎng)絡(luò)的性能，支持高級(jí)分組噴灑，提供多路徑數(shù)據(jù)包傳送和細(xì)粒度負(fù)載平衡，有效應(yīng)對(duì)傳輸擁塞。相同用例還有：通過(guò)有序消息傳遞（In-Order Message Delivery）來(lái)降低系統(tǒng)延遲，通過(guò)路徑感知擁塞控制（Path Aware Congestion Control）來(lái)優(yōu)化多個(gè)路徑的數(shù)據(jù)包流，等等。

此外，Kiwi NDSA-SNIC還擁有很多其他的關(guān)鍵特性。比如，Kiwi NDSA-SNIC具有出色的高并發(fā)特性，支持多達(dá)數(shù)百萬(wàn)個(gè)隊(duì)列對(duì)，可擴(kuò)展內(nèi)存空間達(dá)到GB；Kiwi NDSA-SNIC具有可編程性，可應(yīng)對(duì)各種網(wǎng)絡(luò)任務(wù)加速，為Scale Out網(wǎng)絡(luò)帶來(lái)持續(xù)創(chuàng)新的功能，并保證與未來(lái)的行業(yè)標(biāo)準(zhǔn)無(wú)縫兼容。

綜合而言，奇異摩爾的Kiwi NDSA-SNIC AI原生智能網(wǎng)卡是一個(gè)擁有高性能、可編程的Scale Out網(wǎng)絡(luò)引擎，將開(kāi)啟AI網(wǎng)絡(luò) Scale Out發(fā)展的新篇章。田陌晨稱：“當(dāng)前，奇異摩爾已經(jīng)成為UEC聯(lián)盟成員。隨著以太網(wǎng)逐漸過(guò)渡到超以太網(wǎng)，奇異摩爾愿攜手聯(lián)盟伙伴共同探討并踐行Scale Out相關(guān)標(biāo)準(zhǔn)的制定和完善，并第一時(shí)間為行業(yè)帶來(lái)性能領(lǐng)先的UEC方案，推動(dòng)AI網(wǎng)絡(luò) Scale Out技術(shù)向前發(fā)展?！?/span>

奇異摩爾UEC會(huì)員（來(lái)源：UEC官網(wǎng)）

Scale Up——讓計(jì)算芯片配合更高效

和橫向/水平擴(kuò)展的Scale Out不同，Scale Up是垂直/向上擴(kuò)展，目標(biāo)是打造機(jī)內(nèi)高帶寬互聯(lián)的超節(jié)點(diǎn)。上述提到，TP張量并行以及EP專家并行需要更高的帶寬和更低的時(shí)延來(lái)進(jìn)行全局同步。通過(guò)Scale Up的方式，將更多的算力芯片GPU集中到一個(gè)節(jié)點(diǎn)上，是非常有效的應(yīng)對(duì)方式。如今的Scale Up實(shí)際上就是一個(gè)以超高帶寬為核心的機(jī)內(nèi)GPU-GPU組網(wǎng)方式，還有一個(gè)名稱是超帶寬域（HBD，High Bandwidth Domain）。

英偉達(dá)GB200 NVL72的推出引領(lǐng)著國(guó)內(nèi)外AI網(wǎng)絡(luò)生態(tài)對(duì)HBD技術(shù)的廣泛探討。英偉達(dá)GB200NVL72服務(wù)器是一個(gè)典型的超大HBD，實(shí)現(xiàn)了36組GB200（36個(gè)Grace CPU，72個(gè)B200 GPU）之間的超高帶寬互聯(lián)。在這個(gè)HBD系統(tǒng)里，第五代 NVLink是最關(guān)鍵的，它能夠提供GPU-GPU之間雙向1.8TB的傳輸速率，使得這個(gè)HBD系統(tǒng)可以作為一個(gè)大型GPU去使用，訓(xùn)練效率相較于H100系統(tǒng)提升了4倍，能效提升了25倍。

NVL72互聯(lián)架構(gòu)(來(lái)源：英偉達(dá))

和IB一樣，NVLink也是由英偉達(dá)主導(dǎo)，雖然性能強(qiáng)勁但是生態(tài)封閉，只服務(wù)于英偉達(dá)的高端GPU。由于沒(méi)有NVLink和NVSwitch這樣的技術(shù)，此前其他廠商主要采用full mesh或者cube-mesh結(jié)構(gòu)，以8卡互聯(lián)為主，而16-32卡互聯(lián)是下一代方案。

DeepSeek事件引發(fā)了業(yè)界對(duì)于上述NVLink和HBD需求的不同預(yù)期。但中長(zhǎng)期發(fā)展來(lái)看，相比軟件迭代速度以小時(shí)來(lái)計(jì)算，硬件的迭代則是以年為計(jì)算的循序漸進(jìn)過(guò)程，不會(huì)一蹴而就。據(jù)SemiAnalysis預(yù)計(jì)大型模型的標(biāo)準(zhǔn)只會(huì)隨著未來(lái)的模型發(fā)布而繼續(xù)升高，但從經(jīng)濟(jì)效用上來(lái)說(shuō)，其所對(duì)應(yīng)的硬件必須堅(jiān)持使用并有效 4-6 年，而不僅僅是直到下一個(gè)模型發(fā)布。

對(duì)此，田陌晨認(rèn)為：“未來(lái)MoE模型的進(jìn)階路線在一定程度上存在不確定性，創(chuàng)新隨時(shí)可能發(fā)生。但國(guó)產(chǎn)AI網(wǎng)絡(luò)的生態(tài)閉環(huán)勢(shì)在必行。英偉達(dá)NVLink和Cuda的護(hù)城河仍然存在，首先要解決Scale Up互聯(lián)國(guó)產(chǎn)替代方案有沒(méi)有的問(wèn)題，再來(lái)看做到哪種程度。未來(lái)隨著國(guó)產(chǎn)大模型、芯片架構(gòu)等軟硬件生態(tài)的協(xié)同發(fā)展，有望逐步實(shí)現(xiàn)國(guó)產(chǎn)算力閉環(huán)?！?/span>

如今，科技巨頭正聯(lián)合生態(tài)上下游在GPU-GPU高效互聯(lián)方面主要分為兩個(gè)流派：內(nèi)存語(yǔ)義和消息語(yǔ)義。內(nèi)存語(yǔ)義Load/Store/Atomic是GPU內(nèi)部總線傳輸?shù)脑Z(yǔ)義，英偉達(dá)NVLink便是基于內(nèi)存語(yǔ)義，對(duì)標(biāo)NVLink的UAlink等也是基于這種語(yǔ)義；消息語(yǔ)義則是采用類似Scale Out的DMA語(yǔ)義Send/Read/Write，將數(shù)據(jù)進(jìn)行打包傳輸，亞馬遜和Tenstorrent等公司便是基于消息語(yǔ)義打造Scale Up互聯(lián)方案。

內(nèi)存語(yǔ)義和消息語(yǔ)義各有千秋。內(nèi)存語(yǔ)義是GPU內(nèi)部傳輸?shù)脑Z(yǔ)義，處理器負(fù)擔(dān)更小，在數(shù)據(jù)包體量小時(shí)效率更高；消息語(yǔ)義采用數(shù)據(jù)打包的方式，隨著數(shù)據(jù)包體量變大，性能逐漸追上了內(nèi)存語(yǔ)義，隨著AI大模型體量增大，這一點(diǎn)也非常重要。

不過(guò)，田陌晨指出：“無(wú)論是內(nèi)存語(yǔ)義還是消息語(yǔ)義，對(duì)于廠商而言，都面臨一些共性的挑戰(zhàn)，比如傳統(tǒng)GPU直出將IO集成在GPU內(nèi)部，性能提升受到了光罩尺寸的嚴(yán)格限制，留給IO的空間非常有限，IO密度提升困難；Scale Up網(wǎng)絡(luò)和數(shù)據(jù)傳輸協(xié)議復(fù)雜，計(jì)算芯片廠商大都缺乏相關(guān)經(jīng)驗(yàn)，尤其是開(kāi)發(fā)交換機(jī)芯片的經(jīng)驗(yàn)；除NVLink之外，其他Scale Up協(xié)議并不成熟且不統(tǒng)一，協(xié)議迭代對(duì)計(jì)算芯片迭代造成了巨大的困擾。”

GPU IO集成在GPU內(nèi)部（來(lái)源：奇異摩爾）

為了能夠更好地應(yīng)對(duì)上述挑戰(zhàn)，產(chǎn)業(yè)界提出了一種創(chuàng)新的GPU直出方式——計(jì)算和IO分離。奇異摩爾NDSA-G2G互聯(lián)方案便是這條技術(shù)路徑里非常有競(jìng)爭(zhēng)力的一款方案。

借助NDSA-G2G可以實(shí)現(xiàn)計(jì)算芯粒和IO芯粒解耦，通過(guò)通用芯?；ヂ?lián)技術(shù)UCIe進(jìn)行互聯(lián)。這樣做的好處是，只需要犧牲一點(diǎn)點(diǎn)的芯片面積（小百分之幾），就可以將寶貴的中介層資源近乎100%用于計(jì)算，并按照客戶的需求靈活地增加IO芯粒的數(shù)量，且計(jì)算芯粒和IO芯?？梢曰诓煌墓に嚰夹g(shù)。再加上IO芯粒的復(fù)用特性，能夠顯著提升高性能計(jì)算芯片的性能和性價(jià)比。

NDSA-G2G的第二大優(yōu)勢(shì)是提升IO密度和性能，具有高帶寬、低延時(shí)和高并發(fā)的特性。在高帶寬方面，基于NDSA-G2G芯粒，可以實(shí)現(xiàn)1TB級(jí)別的網(wǎng)絡(luò)層吞吐量，TB級(jí)的GPU側(cè)吞吐量；在低延時(shí)方面，NDSA-G2G芯粒提供百ns級(jí)的數(shù)據(jù)傳輸延時(shí)和ns級(jí)D2D數(shù)據(jù)傳輸延時(shí)；在高并發(fā)方面，該產(chǎn)品支持多達(dá)數(shù)百萬(wàn)個(gè)隊(duì)列對(duì)，可擴(kuò)展系統(tǒng)中的內(nèi)存資源。也就是說(shuō)，借助奇異摩爾NDSA-G2G芯粒能夠賦能國(guó)產(chǎn)AI芯片實(shí)現(xiàn)自主突圍，構(gòu)建性能媲美英偉達(dá)NVSwitch+NVLink的Scale Up方案。

Kiwi NDSA-G2G 產(chǎn)品示意圖（來(lái)源：奇異摩爾）

NDSA-G2G的第三大優(yōu)勢(shì)是具有出色的靈活性。如上所述，目前Scale Up技術(shù)路線并不統(tǒng)一，且智算中心廠商在協(xié)議方面大都采用自有協(xié)議，或者自己主導(dǎo)的聯(lián)盟協(xié)議。這就導(dǎo)致高性能計(jì)算芯片需要在設(shè)計(jì)時(shí)考慮未來(lái)2～3年，甚至是3～5年的協(xié)議發(fā)展，具有非常大的挑戰(zhàn)。NDSA-G2G以計(jì)算芯粒和IO芯粒分離的方式讓IO芯?？梢造`活升級(jí)，同時(shí)NASG-G2G基于具有可編程性，可以支持目前市面上各種IO協(xié)議。這種靈活性讓高性能計(jì)算芯片廠商可以從容應(yīng)對(duì)當(dāng)前Scale Up技術(shù)路線不統(tǒng)一且協(xié)議混亂的挑戰(zhàn)。

同時(shí)，田陌晨也呼吁：“希望科技行業(yè)在Scale Up方向上能夠擁抱一種開(kāi)放而統(tǒng)一的物理接口，實(shí)現(xiàn)更好的協(xié)同發(fā)展，這也是打造國(guó)產(chǎn)自主可控算力底座的關(guān)鍵一步。”

Scale Inside——全面提升計(jì)算芯片傳輸效率

在Scale Out和Scale Up 高速發(fā)展的過(guò)程中，作為算力基礎(chǔ)單元，Scale Inside的進(jìn)度也沒(méi)有落下，并致力于通過(guò)先進(jìn)封裝技術(shù)彌補(bǔ)摩爾定律速度放緩的影響。在整個(gè)智算系統(tǒng)里，更高算力的計(jì)算芯片能夠進(jìn)一步提升Scale Up和Scale Out的性能水平，使得AI大模型的訓(xùn)練更加高效。

當(dāng)前，單顆高性能計(jì)算芯片的成本已經(jīng)非?？植溃S著制程工藝進(jìn)一步精進(jìn)，這一數(shù)字還將繼續(xù)飆升，因而Chiplet技術(shù)得到了廣泛的重視。Chiplet技術(shù)允許通過(guò)混合封裝的方式打造高性能計(jì)算芯片，也就是說(shuō)計(jì)算單元和IO、存儲(chǔ)等其他功能單元可以選擇不同的工藝實(shí)現(xiàn)，具有極高的靈活性，允許廠商根據(jù)自己的需求進(jìn)行定制芯粒，不僅能夠顯著降低芯片設(shè)計(jì)和制造的成本，良率也能夠得到很大的改善。

在Scale Inside方向上，奇異摩爾能夠提供豐富的Chiplet技術(shù)方案，包括Kiwi Link UCIe Die2Die接口IP、Central IO Die,3D Base Die系列等。其中，Kiwi Link全系列支持UCIe標(biāo)準(zhǔn)，具有業(yè)界領(lǐng)先的高帶寬、低功耗、低延時(shí)特性，并支持多種封裝類型。Kiwi Link支持高達(dá)16~32 GT/s的傳輸速率和低至ns級(jí)的傳輸延遲，支持Multi-Protocol多協(xié)議，包括PCIe、CXL和Streaming。

Kiwi Fabric互聯(lián)架構(gòu)（來(lái)源：奇異摩爾）

綜合而言，奇異摩爾的解決方案能夠從“Scale Out”“Scale Up”“Scale Inside”三大角度，推動(dòng)AI大模型訓(xùn)練效率的提升。在Scale Out方面，奇異摩爾已經(jīng)是超以太網(wǎng)聯(lián)盟UEC的成員，能夠在第一時(shí)間響應(yīng)UEC規(guī)范1.0以及后續(xù)規(guī)范；在Scale Up方面，奇異摩爾NDSA-G2G芯粒不僅能夠幫助科技公司打造媲美英偉達(dá)NVSwitch+NVLink性能的Scale Up方案，適配各種技術(shù)路線和協(xié)議，也正在引領(lǐng)計(jì)算芯片的設(shè)計(jì)革新；在Scale Inside方案，奇異摩爾的Kiwi Link UCIe Die2Die接口IP、Central IO Die、3D Base Die系列等方案能夠幫助廠商打造具有高效傳輸能力的高性能計(jì)算芯片。

這些方案很好地踐行了奇異摩爾公司的使命——以互聯(lián)為中心，依托Chiplet和RDMA技術(shù)，構(gòu)筑AI高性能計(jì)算的基石?！?strong>對(duì)于國(guó)產(chǎn)AI大模型和國(guó)產(chǎn)AI芯片產(chǎn)業(yè)而言，奇異摩爾的方案是新質(zhì)生產(chǎn)力的代表，有著更大的潛能值得去挖掘。為實(shí)現(xiàn)國(guó)產(chǎn)AI芯片產(chǎn)業(yè)的‘中國(guó)夢(mèng)’，奇異摩爾不僅提供支持最前沿協(xié)議的IO芯粒，以實(shí)現(xiàn)高速率、高帶寬、低時(shí)延的傳輸表現(xiàn)，還在Chiplet路線上獨(dú)辟蹊徑，用創(chuàng)新的芯片架構(gòu)助力打造更高性能的AI芯片。奇異摩爾愿與國(guó)內(nèi)公司攜手，為國(guó)產(chǎn)AI芯片產(chǎn)業(yè)發(fā)展添磚加瓦，共同勾畫國(guó)產(chǎn)AI發(fā)展的廣闊藍(lán)圖。”田陌晨最后說(shuō)。 

更多信息：市場(chǎng)與媒體聯(lián)絡(luò)：marcom@kiwimoore.com