GPU買了卻訓練崩？智算交付藏規矩，用好算力有門道

哈嘍，大家好，今天小睿這篇評論，主要來分析智算基礎設施交付標準，用好算力的核心門道

最近這倆月，不管是互聯網公司還是制造企業，都在扎堆搞大模型，不少企業一口氣買了幾百上千張 GPU，結果訓練到一半就崩了。

后來才發現，不是算力不夠，是沒搞懂智算基礎設施的交付標準，白白浪費了錢和時間。

之前大家都把注意力放在模型算法上，很少有人關注智算基礎設施的交付問題，現在這個問題已經成了企業智能化轉型的卡點。

傳統 IT 基礎設施的核心是穩定兼容，而智算基礎設施的核心是性能與效率，這是 IBM 人工智能基礎設施報告里提到的內容。

12 月 15 日，工信部發布《算力互聯互通行動計劃》，明確提到智算基礎設施是算力生命體，是一套算力網絡體系，不是簡單的服務器堆疊。

12 月 8 日，“疆算入渝” 工程的中國移動 — 阿里云智算中心項目開工，同時中國移動和阿里云聯合向重慶數字資源集團、重慶長安汽車交付了國產算力 2000 卡集群。

這個集群在搭建時，沒有直接堆疊服務器，而是先做了算力節點的均衡規劃，避免了單節點性能失衡的問題。

智算集群的交付，是保障后續穩定運行的關鍵，需要從硬件到性能逐項驗證。12 月 3 日，中國信通院發布《智算集群交付驗收白皮書》，明確了三類核心驗收標準。

第一類是硬件一致性與健康性，驗收時要核對 CPU 的型號、核心數，GPU 的型號、顯存、驅動版本，存儲的讀寫帶寬，以及網絡的光模塊狀態。

攀枝花川滇智算中心在交付前，核對了所有 GPU 的驅動版本，確保所有節點的 GPU 驅動統一。

第二類是性能與穩定性驗證，需要進行 72 小時的連續壓力測試，比如用 NVIDIA DCGM 做 GPU 穩定性測試。

這個智算中心在交付前，用NVIDIA Air 數字孿生仿真工具，搭建了和實際集群一致的數字模型，提前發現了 12 個光模塊的光功率衰減問題，更換光模塊后，后續的測試沒有出現網絡故障。

第三類是通信網絡驗證，需要運行 all-to-all 測試，檢查鏈路的誤碼率、丟包率。“疆算入渝” 交付的 2000 卡集群，在驗收時運行了 all-to-all 測試，確保服務器之間的協同通信穩定。

隨著大模型的參數越來越大，算力需求持續增長，智算基礎設施的交付標準也在不斷更新。

工信部的《算力互聯互通行動計劃》提出，2025 年要完成算力互聯互通的試驗驗證，實現公共算力資源標準化互聯。

12 月 15 日，攀枝花川滇智算中心點亮，這個智算中心采用了液冷系統，PUE 降至 1.2 以下，符合綠色智算中心的交付要求。

同時，這個智算中心搭建了算力池化平臺，將 GPU 利用率從傳統的 18% 提升至 62%。

另外，跨區域的算力交付也成了新的方向，“疆算入渝” 的 2000 卡集群，就是跨區域交付的算力資源，后續可以通過算力互聯互通平臺，實現重慶和新疆的算力調度。

智算基礎設施的交付標準，是用好算力的核心前提。隨著相關規范的不斷完善，以及跨區域算力協同的推進，企業能更順暢地搭建智算集群，推動大模型和人工智能應用的落地。