网卡演进 —— 从千兆到 800G
网卡是数据中心从"够用"走向"AI 集群"的关键驱动。本文按代次梳理从千兆到 800G 的演进，以及 PCIe / SerDes / 光模块这些"看不见"的配套。
洞见数据 · 方舟
AI 集群网络 —— InfiniBand、RoCE 与万卡训练
万卡 AI 训练集群里，网络比 GPU 还难调。InfiniBand vs RoCE，"轨道"拓扑，rail-optimized，NCCL 调优——本文讲清 AI 集群网络的来龙去脉。
Intel Gaudi、Google TPU 与其他 AI 加速器
NVIDIA 之外，Google TPU 自用十多年，Intel Gaudi 主打性价比，AWS Trainium 自研降本，Cerebras/Groq 走另一条架构路线。本文盘点这些"非主流"AI 加速器。
AMD Instinct —— NVIDIA 之外的"另一颗 AI GPU"
AMD MI300X 是过去十年第一次有非 NVIDIA GPU 能在 AI 大模型上"上规模"，OpenAI、Meta、微软都买。本文讲清 AMD CDNA 架构、MI200/300/325/400 路线，以及 ROCm 软件栈的现状。
NVLink、NVSwitch 与 NVL72 —— 多卡变成"一颗大 GPU"
单卡再强一颗也跑不了 GPT-4。把几十、几百颗 GPU"连成一颗"是 AI 集群的核心问题。本文从 NVLink 1.0 讲到 NVL72 整机柜，看互联怎么从 PCIe 走到 NVSwitch Fabric。