本文来源：云科技时代
GTC 2024落下帷幕了，但这个大会的信息仍在AI产业和经济中发酵。咨询机构WIKIBON认为，GTC 2024在整个科技史中的意义超过了当年史蒂夫·乔布斯的iPod和iPhone发布。在AI将永久改变人类的共识下，GTC 2024在广度、愿景、生态系统等方面都有着深远影响。其中，堪比iPhone发布的“产品”，就是面向万亿参数大模型的NVIDIA智算中心。
黄仁勋在前几年就提出了产品化智算中心的理念，后来又不断强调“AI工厂”的概念，直到GTC 2024才完整揭晓——面向万亿参数大模型的模块化智算中心，顶配版基本模块为多节点、液冷、机架集群系统NVL72，搭配了最新GPU芯片GB200的8个NVL72可互联为一个GB200 SuperPOD、共576个Blackwell GPU，GB200 SuperPOD是DGX SuperPOD的“顶配版”，DGX GB200 SuperPOD被NVIDIA称为是全球首个“交钥匙”的AI智算中心。
（DGX GB200 SuperPOD）
在GTC 2024大会之后的一个月，关于NVIDIA智算中心“产品”的更多信息被披露出来，业界开始有了较全面的认知——NVIDIA对AI数据中心又称为智算中心或“AI工厂”，有着完整的计划和多种配置的产品线，同时与 NVIDIA 认证合作伙伴提供的高性能存储集成后，每个SuperPOD都在出厂前完成了搭建、布线和测试，极大加快了在用户数据中心的部署速度，而多个SuperPOD还能轻松互联组成万卡级别的智算中心。
多年蓄势、厚积薄发
在了解NVIDIA智算中心产品线之前，我们有必要了解一下这几年NVIDIA在AI数据中心领域的布局，有助于真正了解所谓NVIDIA智算中心“产品”或产品化的智算中心。
NVIDIA在2016年发布了面向深度学习的服务器产品线DGX以及第一代产品DGX-1，当时该服务器对于深度学习计算的处理性能相当于250台X86服务器。
DGX成为NVIDIA旗下自有技术体系、自有品牌的AI服务器产品线，同时NVIDIA还向服务器合作伙伴发布了AI服务器技术参考架构HGX，允许X86服务器厂商在X86技术体系内参考DGX的技术架构，自行设计和生产AI服务器。
（DGX H100服务器）
简单理解，DGX相当于是顶配和高配的NVIDIA GPU服务器，HGX相当于中低配的NVIDIA GPU服务器。在完整的DGX产品线中，DGX SuperPOD和DGX BasePOD为AI服务器集群，也可以视为一个AI数据中心或智算中心。
其中，DGX SuperPOD相当于NVIDIA自产的顶配和高配AI服务器集群，又叫“DGX AI Supercomputer”超级AI计算机或AI数据中心，也可理解为智算中心；DGX BasePOD为提供给X86服务器厂商、在X86技术体系内的AI服务器集群参考架构，相当于中低配版AI服务器集群。
黄仁勋认为全球数据中心市场是一个高达几千亿美元的市场。为了进入这一市场，NVIDIA从很早之前就开始布局AI服务器和AI服务器集群技术以及合作伙伴生态。
AI服务器属于加速计算领域，除了GPU外，还需要加速芯片和更高的互联技术。NVIDIA在2019年以69亿美元的价格收购网络芯片公司Mellanox，并于次年推出BlueField-2 DPU。2023年，NVIDIA推出了BlueField-3 DPU，相比上一代产品具有2倍的网络带宽、4倍的计算能力以及4倍的IPsec加密速度，BlueField-3 DPU也是首款支持第五代PCIe总线并提供数据中心时间同步加速的DPU。
在网络技术方面，NVIDIA共有两条产品线，分别是面向高端Infiniband的NVIDIA Quantum和面向中低端以太网的NVIDIA Spectrum。与面向互联网的以太网络不同，Infiniband是一种高带宽、低时延的服务器端高性能网络通信技术，Infiniband通常都是昂贵的设备。NVIDIA为Quantum和Spectrum都提供了完整的交换机设备、网卡和网络设计参考蓝图。
在片内互联以及服务器板互联技术方面，NVLink是用于服务器内部GPU通信的高带宽通信协议，可以实现服务器内部GPU到GPU的高速直连。NVIDIA在2014年推出了NVLink的首个版本，能让型号相同的显卡实现直接通信，包括共享卡上的显存。但NVLink主要用于单节点服务器内的GPU直连，能够连接的GPU数量有限，为了搭建AI服务器集群，NVIDIA推出了NVSwitch。通过NVSwitch交换设备，能够用NVLink连接集群内多节点上的GPU卡。
NVIDIA在2019年就已经推出了DGX POD，作为一种经过优化的数据中心机架，可配备多台 DGX-1 GPU 服务器或DGX-2服务器、存储服务器和网络交换机，支持单节点和多节点AI模型训练和推理。2020年，NVIDIA打造了当时最大的基于V100的DGX-2集群，也是DGX POD。
2019年，NVIDIA推出了由96台DGX-2H组成的超级计算集群NVIDIA DGX SuperPOD，在国际超算TOP500上排名22。2021年，NVIDIA推出了基于DGX A100的DGX SuperPOD；同时还发布了 NVIDIA Base Command，可让多个用户和 IT 团队安全地访问、共享和操作DGX SuperPOD。当时的DGX SuperPOD由20套以上的DGX A100和NVIDIA Infiniband设备组成，是一整套AI数据中心规制。
NVIDIA智算中心“产品”线
有了上面的基本知识，让我们来认识最新的NVIDIA智算中心产品线，首先从大的“POD”可分为DGX SuperPOD和DGX BasePOD。
最新的产品化的DGX SuperPOD和BasePOD都不是凭空而来的模块化智算中心，而是经过了前期TOP 500超算集群和AI就绪型数据中心等演进，直到今天的产品化模块化智算中心。
DGX GB200 SuperPOD顶配版包括8个或更多的DGX GB200。每个DGX GB200为一个NVL72液冷集群通过NVLink互联而成，每个NVL72为两个18U机架组成，即每个机架包含 18 个 Grace CPU 和 36 个 Blackwell GPU，并通过第四代 NVIDIA NVLink 交换机连接。因此每个DGX GB200包含了36个GB200，即36个Grace CPU和72个Blackwell GPU。
这里容易混淆：NVL72代表了采用NVLink互联技术和液冷技术的集群，而DGX GB200是DGX服务器线中配置了GB200超级芯片的顶配服务器，由于其超强的功耗和需要超级的互联技术而采用了NVL72机架集群，72代表了72个Blackwell GPU，也就是说该技术体系下的机柜可承载72个Blackwell GPU，NVIDIA还推出了另一个NVL36机架集群，即只有一半数量的GPU与CPU配置。因此，采用了NVL72液冷集群的DGX GB200就是DGX GB200 SuperPOD基础模块。
（GB200 NVL72）
与DGX GB200 SuperPOD“顶配版”同时上市的还有第五代 NVIDIA NVLink 网络、NVIDIA Quantum-X800 InfiniBand，加上NVIDIA BlueField-3 DPU， 这个架构可为计算平台中的每块GPU提供高达每秒1800 GB的带宽。
为了提升万亿级参数模型和混合专家大模型的性能，最新一代的第五代NVIDIA NVLink为每块GPU提供突破性的1.8TB/s双向吞吐量，确保多达576块GPU之间的无缝高速通信，满足了当今最复杂大模型的需求。
NVIDIA Quantum-X800 InfiniBand，包含了NVIDIA Quantum Q3400交换机和NVIDIA ConnectX-8 SuperNIC智能网卡，二者互连达到了业界领先的端到端800Gb/s吞吐量，交换带宽容量较上一代产品提高了5倍，网络计算能力凭借新一代的NVIDIA SHARP技术（SHARPv4）提高了9倍，达到了14.4Tflops。
“顶配版”DGX GB200 SuperPOD外，还有DGX B200 SuperPOD以及DGX H100 SuperPOD，也就是所谓高配版SuperPOD。而与SuperPOD相对应的就是基于X86架构的“中低配版”DGX BasePOD。最新的DGX BasePOD包括采用风冷机柜的DGX B200和DGX H00，以及采用DGX A100的“低配版”。其中，“中配版”采用的是最新B200 GPU芯片和风冷架构以及新推出的Spectrum-X800以太网络平台，借助800Gb/s的Spectrum SN5600交换机和NVIDIA BlueField-3 SuperNIC，为多租户生成式AI云和大型企业级带来先进功能。
“中低配版”搭载了已经上市的H100 GPU和NVIDIA ConnectX-7 SmartNIC。考虑到上市两年的H100仍处于供不应求的状态，DGX BasePOD“中低配版”对于很多客户来说也已经是“高配版”了。DGX BasePOD还有一个“低配版”，这就是2021年推出的配置了A100 GPU的DGX A100参考架构。NVIDIA还提供了AWS部署的DGX H100与DGX A100参考架构。
全栈AI软件与大模型
NVIDIA对于AI数据中心的“野心”不仅限于硬件层面，而是从软件、算法模型以及最终应用的全栈布局。因此，NVIDIA DGX SuperPOD与BasePOD都是基础设施和软硬一体优化的系统工程。
首当其冲的NVIDIA软件当属CUDA。CUDA全称为 Compute Unified Device Architecture，是英伟达于2006年推出的一个专门用于自有GPU硬件进行软件开发的接口，包括编译器、调试器、丰富的库函数、各种软件工具等，提供了庞大的资源。
CUDA降低了GPU编程的门槛，让开发者使用C/C++/Python等语言，就可以通过CUDA编写GPU程序。例如，CUDA包括了线性函数、快速傅里叶变换（FFT）等常用的加速函数。2019年，NVIDIA推出了面向Tensor Core GPU的CUDA-X函数库，提供了丰富的并行算法库、图像与视频库、深度学习库、通信库以及合作伙伴库等。可以说，CUDA和CUDA- X是NVIDIA通用GPU计算的护城河。
在CUDA的基础上，NVIDIA推出一系列AI与大模型软件产品组合，与自有硬件生态相配合，共同为用户交付完整的智算中心及服务。
首先是NVIDIA AI Enterprise Platform。这款在2021年推出的企业级AI平台，面向 AI 研究人员、数据科学家和开发人员使用的应用程序、框架和工具。该套件可以加快开发人员构建人工智能和高性能分析的速度，跨越多个节点也能实现接近裸机服务器的性能，支持大型、复杂的训练和机器学习工作负载。
GTC 2024上发布的NVIDIA AI Enterprise5.0提供了广泛的微服务，其中包括NVIDIA NIM和CUDA-X微服务，这些微服务针对生产中部署AI模型进行了优化，支持GPU加速，为用户提供了更高效的推理过程。NVIDIA NIM微服务通过打包算法、系统和运行时优化，以及添加行业标准API，简化了AI模型部署过程，让开发人员能够轻松将 NIM集成到现有的应用程序和基础设施中，支持的模型包括LLM、VLM、语音、图像、视频、药物发现、医学成像等。
在NVIDIA AI Enterprise之上，NVIDIA又相继开发了丰富的AI与大模型软件。这些软件资产相当丰富，仅面向大模型的软件就包括Megatron-LM、Megatron Core、NeMo、TensorRT、TensorRT-LLM、Triton推理服务器等。其中，Megatron-LM大模型分布式训练框架是由NVIDIA开发的一个开源的大模型加速训练框架，通过并行计算等优化方法可极大缩短大模型的训练时间，很多互联网和云公司的自研大模型底层都是Megatron-LM，其4D并行计算技术已经成为大模型训练标准范式之一。众多厂商也基于Megatron-LM推出了自家的Megatron“发行版”，因此NVIDIA也推出了Megatron Core，相当于“Linux Kernel”内核。
Megatron Core代表了NVIDIA对于大模型软件平台软件体系的愿景：打造大模型平台软件的开源“内核”，成为所有大模型软件和生态式AI应用的“操作系统”。NVIDIA NeMo是一个用于构建先进的对话式AI模型的框架；NeMo framework是一个端到端的容器化分布式框架，可高效地训练和部署具有数十亿和数万亿参数的大语言模型；Triton 推理服务器是NVIDIA发布的一款开源软件，可简化深度学习模型在生产环境中的部署；TensorRT是NVIDIA提供的一款高性能深度学习推理SDK；TensorRT-LLM可在NVIDIA GPU上加速和优化大语言模型的推理性能……
NVIDIA在AI软件特别是大模型软件方面的研发，已经遥遥领先于业界，而所有这些软件的基础都是CUDA，它们自下而上地优化了NVIDIA的AI数据中心，提供了丰富的大模型应用开发和部署工具，也是“交钥匙”和开箱即用智算中心“产品”的保障。
“交钥匙”的智算中心
NVIDIA DGX GB200 SuperPOD被NVIDIA称为是全球首个“交钥匙”的AI智算中心。与以往将各种零部件运送到数据中心现场再组装起来的模式不同，新的SuperPOD基础模块都是在合作伙伴工厂里生产、搭建和测试成功后，再运送到客户数据中心现场简单安装即可，大幅缩短了整个智算中心的上线周期。
NVIDIA还将前期在Omniverse元宇宙方案中积累的数字孪生应用到AI智算中心的设计：Ansys、Cadence、PATCH MANAGER、Schneider Electric、Vertiv等合作伙伴为AI智算中心的数字孪生提供支持，允许企业用户在生产实际系统之前对数据中心设计进行全面测试、优化和验证，还能以集成方式平衡不同的边界条件（例如布线长度、电源、冷却和空间），从而增强数据中心和集群设计，让工程师和设计团队以更快的速度、更高的效率和更好的优化，让集群投入使用。
正如黄仁勋所言：以全新DGX GB200 SuperPOD为代表的NVIDIA DGX AI超级计算机，是推进 AI产业变革的“工厂”。而咨询机构WIKIBON之所以称GTC 2024在整个科技史中的意义超过了当年史蒂夫·乔布斯的iPod和iPhone发布，是因为新一代DGX SuperPOD和BasePOD已经是模块化的智算中心，而且是面向万卡和万亿参数大模型的智算中心。这就意味着企业用户不仅能够标准化地获得面向万亿参数的AI智算中心，还能获得一整套赋能软件和云服务体系以及一个完整的生态。从此，AI数据中心/智算中心迈进“智能机”时代。
“云科技时代”的文章广泛出现在：微信公众号、天天快报、今日头条号、微博号、知乎专栏、搜狐新闻端、网易客户端、百度百家、百家号、一点号、CSDN博客、ITPub博客、新浪财经头条、新浪看点等。
“云科技时代”是今日头条优质科技作者、入选今日头条精选频道
“云科技时代”力作《读懂新基建：数字技术带来全民机遇》在京东、当当、抖音等电商平台以及全国各大书店有售，电子版上架"京东读书"和“微信读书”APP。
“云科技时代”所有文章均在www.cloudtechtime.com收录。
