NVIDIA宣布向OCP贡献Blackwell GPU平台设计

NVIDIA希望此举将有助于巩固目前已投入生产的新型Blackwell GPU系列，使其成为人工智能和高性能计算的标准。

在OCP全球峰会上的另一份声明中，Arm宣布与三星的Foundry、ADTechnology以及韩国船舶初创公司Rebellions合作开发针对云、高性能计算、AI/机器学习训练和推理的AI CPU芯片平台。

NVIDIA将与OCP共享的GB200 NVL72系统机电设计（如图）元素包括机架架构、计算和交换机托盘机械结构、液体冷却和热环境规格、以及NVLink电缆盒体积。NVLink是NVIDIA开发的高速互连技术，可以实现GPU之间的更快通信。

GB200 NVL72是一款液冷设备，配备了36个GB200加速器和72个Blackwell GPU。NVLink域将它们连接到一个单一的大型GPU，可以提供每秒130兆字节的低延迟通信。

专为AI打造

GB200 Grace Blackwell Super Chip将两个Blackwell Tensor Core GPU和一个NVIDIA Grace CPU连接起来。NVIDIA表示，这款机架级设备能够以比上一代H100 Tensor Core GPU快30倍的速度进行大型语言模型推理，并且能效提高25倍。

NVIDIA为OCP做出了十多年的贡献，包括在2022年提交了HGX H100基板设计，现在已经成为AI服务器的事实标准，以及在2023年捐赠了ConnectX-7适配器网络接口卡设计，现在已经成为OCP网络接口卡3.0的基础设计。

Spectrum-X是一个专为AI工作负载（尤其是在数据中心环境中）构建的以太网网络平台。它结合了NVIDIA Spectrum-4以太网交换机及其BlueField-3数据处理单元，可以实现低延迟、高吞吐量和高效的网络架构。NVIDIA表示，仍将致力于为客户提供Infiniband选项。

这一平台现在支持OCP的Switch Abstraction Interface和Software for Open Networking in the Cloud（SONiC）标准。其中，Switch Abstraction Interface对于网络操作系统与网络交换机硬件的交互方式实施了标准化。SONiC则是一个独立于硬件的网络软件层，面向云基础设施运营商、数据中心和网络管理员。

NVIDIA表示，客户可以使用Spectrum-X的自适应路由和基于遥测的拥塞控制功能来加速可扩展AI基础设施的以太网性能。OCP 3.0的ConnectX-8 SuperNIC网络接口卡将于明年上市，让企业组织能够构建更灵活的网络。

解决复杂性问题

NVIDIA数据中心GPU产品营销总监Shar Narasimhan表示：“在过去五年中，我们看到AI模型的复杂性增加了20000多倍，还使用了更丰富的、更大的数据集。”NVIDIA对此做出了回应，设计了一种系统可以将模型分片或分段到通过高速互连连接的GPU集群中，以便所有处理器都可以作为单个GPU运行。

在GB200 NVL72中，每个GPU都可以通过每秒1.8 TB的互连直接访问其他每个GPU，“这使得所有GPU都可以作为一个统一的GPU工作，”Narasimhan说。

以前，在HGX H200基板上，单个NVLink域中连接的GPU数量最多为8个，通信速度为每秒900千兆位。GB200 NVL72将容量增加到72个Blackwell GPU，通信速度为每秒1.8兆字节，比以前的高端以太网标准快36倍。

Narasimhan表示：“关键要素之一就是使用NVSwitch将所有服务器和计算GPU紧密结合在一起，以便我们可以将它们安装到单个机架中，这使我们能够使用铜缆线配置NVLink以降低成本，并且比光纤消耗更少的电量。”

NVIDIA在机架上增加了100磅的钢筋以适应密集的基础设施，并开发了快速释放管道和电缆技术。NVLink主干经过加固，可容纳多达5000根铜缆，提供120 kW的功率，是当前机架设计负载的两倍多。

“我们将为整个机架贡献我们所取得的所有创新，以加固机架本身，升级NV Links、线路冷却和管道快速断开创新，以及位于计算托盘和开关托盘顶部的歧管，为每个单独的托盘提供直接液体冷却，”Narasimhan说。

Arm牵头的这个项目将结合Rebellions的Rebel AI加速器以及ADTechnology以Neoverse CSS V3为驱动的计算芯片，该芯片采用三星代工厂的2纳米Gate-All-Around先进工艺技术实现。两家厂商表示，在运行生成AI工作负载时，该芯片的性能和能效是竞争对手架构的两到三倍。Rebellions今年早些时候筹集了1.24亿美金，用于资助其工程设计工作。