核心架构

在 AI-HPC 融合架构中，硬件和软件栈都在发生剧烈变化。

硬件层

• 计算节点: CPU (Intel Xeon/AMD EPYC) + GPU (NVIDIA H100/H800, AMD MI300).
• 互联: NVLink, Infiniband, RoCE v2.
• 存储: 并行文件系统 (Lustre, GPFS) + 高速缓存 (All-Flash).

软件栈

层级	技术组件
应用层	PyTorch, TensorFlow, OpenMM, GROMACS
调度层	Slurm, Kubernetes (K8s)
通信层	MPI, NCCL, UCC
驱动层	CUDA, ROCm

部署挑战

1. 大规模并行效率: 如何让 1000 张 GPU 同时工作而不闲置？
2. 能耗管理: 单机柜功率密度急剧上升。
3. Check-pointing: 训练中断后的快速恢复。