你会发现 NVIDIA Quantum-X800 正在改变你使用 AI 技术的方式，尤其是在香港服务器租用环境中。NVIDIA 带来了更快的交换带宽、改进的网络内计算能力以及更低的端口到端口延迟。无论是在本地数据中心还是在 香港服务器租用 部署中，你都能体验到面向 AI 工作负载的更高速度和更强可扩展性。与早期方案相比，NVIDIA Quantum-X800 将交换带宽提升了五倍。NVIDIA 还加入了自修复网络技术和内置的 PCIe 6.0 交换芯片，从而提升整体效率。下表展示了主要改进：

特性Quantum-X800 的改进
交换带宽提升五倍
网络内计算最高提升至九倍
端口到端口延迟低于 100 纳秒
功耗4U 系统通常 <5 kW

关键要点

  • NVIDIA Quantum-X800 通过 800Gb/s 带宽和超低延迟提升 AI 性能，实现更快的数据处理。
  • 该平台支持超过 10,000 张 GPU，能够构建超大规模 AI 系统并提升可扩展性。
  • 先进的网络内计算功能带来 14.4 TFLOPS 性能，并缩短数据传输时间，从而提高效率。
  • 高能效设计降低运营成本，使其成为 AI 数据中心的可持续之选。
  • 升级至 Quantum-X800 能重塑你的 AI 基础设施，为高负载工作提供更高性能与可靠性。

NVIDIA Quantum-X800 对 AI 的影响

AI 的速度与可扩展性

要应对不断增长的 AI 需求，你需要更高的速度和可扩展性。NVIDIA Quantum-X800 为 AI 计算网络提供 2 倍速度和 5 倍可扩展性。该平台支持最高 800Gb/s 吞吐量，这意味着你可以比以往更快地传输数据。你可以在单一集群中连接超过 10,000 张 GPU，从而构建超大规模 AI 系统。两级胖树架构帮助你在保持低延迟和高带宽的同时，实现最高性能的 AI 基础设施。

“NVIDIA Networking 是我们 AI 超级计算基础设施可扩展性的核心所在，”NVIDIA 网络事业部高级副总裁 Gilad Shainer 表示，“NVIDIA X800 交换机是端到端的网络平台，让我们能够实现对新一代 AI 基础设施至关重要的万亿参数级生成式 AI。”

你可以在下表中直观地看到差异：

特性Quantum-X800上一代（Quantum-2）
最大支持 GPU 数量10,000+N/A
架构两级胖树N/A
带宽最高 800Gb/sN/A
带宽容量提升5 倍N/A

NVIDIA Quantum-X800 采用基于遥测的拥塞控制和增强型自适应路由。这些功能帮助你在多人共享 AI 专用基础设施时仍然有效管理带宽并保持高性能。你可以并行运行多个任务并支持多租户，而不会显著拖慢工作负载。

  • 该平台实现了端到端 800Gb/s 吞吐量。
  • 网络内计算性能提升 9 倍，在 SHARPv4 支持下达到 14.4 TFLOPS。
  • 架构支持在 800Gb/s 下超过 10,000 个主机连接，为多租户环境提供可扩展性。

驱动生成式 AI 与超级计算

如果你希望训练万亿参数级的生成式 AI 模型，NVIDIA Quantum-X800 能帮助你实现这一目标。该平台为大规模 AI 应用和超级计算工作负载提供所需的性能和效率。与上一代相比，你获得 9 倍的网络内计算能力，这意味着你可以更快地处理和分析数据，这对高性能 AI 引擎和极致性能的 AI 基础设施至关重要。

NVIDIA Quantum-X 光子网络交换机使 AI 工厂和超级计算中心能够大幅降低能耗和运营成本。

该平台专为万亿参数级生成式 AI 而打造。你可以将其部署在云环境中的 AI 专用基础设施或本地数据中心中。平台支持 Stargate 的 64,000 台 GB200 系统以及 Oracle 的 131,000 GPU Z 级超算集群，这些案例都表明，你可以将 AI 工作负载扩展到前所未有的高度。

特性描述
高级网络内计算利用 NVIDIA SHARP v4 和可编程内核，在网络内部实现更强的计算能力。
超高连接性提供 800Gb/s 连接并具备超低延迟。
可扩展性为 AI 计算网络提供 2 倍速度和 5 倍可扩展性。
能效能效提升 3.5 倍，可靠性提升 10 倍。
端口到端口延迟亚 100 纳秒延迟，实现快速数据传输。
网络内计算性能提供 14.4 TFLOPS 的网络内计算能力。

你可以信赖 NVIDIA Quantum-X800，为你提供构建极致性能 AI 基础设施所需的平台。该平台支持大规模 AI，帮助你在性能、效率和可扩展性方面达到新高度。你可以依托这项技术，驱动下一代 AI 与科学发现。

NVIDIA AI 网络发展的演进

从传统方案走向 Quantum-X800

随着 AI 的快速发展，你已经见证了需求的暴涨，但传统网络方案却常常成为瓶颈。这些旧有系统在应对现代 AI 工作负载时捉襟见肘，在带宽扩展、能效和集成方面都存在不足。高延迟和可靠性问题使得构建大规模 AI 基础设施变得更加困难。你需要的是一种能够支持更大集群和更复杂 AI 模型的新型技术。

下面是传统网络解决方案的主要局限：

局限描述
带宽扩展传统方案在大规模 GPU 集群中，难以有效扩展带宽。
能效网络组件功耗高，严重影响整体系统效率。
集成难度依赖电互连，使得先进网络技术的集成更加困难。
延迟问题在大规模环境下，高尾延迟和故障域问题愈发突出，影响性能。
成本与可靠性以电互连为主，在成本与可靠性方面都难以与光互连解决方案相比。

你需要一种全新的路径。NVIDIA Quantum-X800 在 AI 网络方面实现了飞跃式进步。该技术采用先进的 InfiniBand 架构，突破传统系统的限制，让你获得更高的带宽、更强的可扩展性以及更好的集成体验，从而打造面向未来的 AI 基础设施。

应对 AI 基础设施挑战

你希望 AI 基础设施能够轻松承载大规模工作负载并实现平滑扩展。NVIDIA Quantum-X800 InfiniBand 通过多项关键特性来应对这些挑战。与上一代相比，你可以获得每端口两倍的带宽。系统支持多种机箱配置，便于构建大型 AI 和 HPC 网络结构。在 Q3400 系统中，你可以获得高达 115.2 Tb/s 的交换吞吐量。

以下特性可帮助你解决基础设施难题：

特性描述
带宽与 Quantum-2 相比，每端口带宽翻倍，提供每端口 800G。
可扩展性支持多种机箱配置，以构建大规模 AI 和 HPC 网络结构。
吞吐量在 Q3400 系统中可提供最高 115.2 Tb/s 的交换吞吐量。

现在，你可以构建真正符合现代技术需求的 AI 基础设施。NVIDIA 为你提供扩展 AI 集群、提升效率、降低延迟的工具。你能获得更佳的集成与可靠性，从而不断突破 AI 技术的边界。

提示：当你升级至 NVIDIA Quantum-X800 时，你将为 AI 基础设施解锁全新的性能与可扩展性水平。

NVIDIA Quantum-X800 InfiniBand 架构

800G 带宽与超低延迟

借助 NVIDIA Quantum-X800 InfiniBand，你将体验到连接能力的大幅跃升。这项技术提供最高 800Gb/s 网络能力，让你能够更快地处理数据并支撑更大规模的 AI 工作负载。与以往代际相比，你可以获得五倍的带宽容量提升。胖树拓扑确保整个 AI 集群在高带宽下仍能保持稳定连接和低延迟。你会注意到端到端延迟低于 100 纳秒，这有助于加速训练过程，缩短分布式训练的完成时间。NVIDIA Quantum-X800 InfiniBand 支持超过 10,000 个主机连接，非常适合大规模计算环境。

提示：对于高效训练大型 AI 模型而言，低延迟和高带宽至关重要。借助 NVIDIA Quantum-X800 InfiniBand，你可在竞争中抢占先机。

特性Quantum-X800 InfiniBand上一代方案
吞吐量最高 800Gb/s低于 800Gb/s
带宽容量提升5 倍N/A
计算能力提升9 倍N/A
网络计算性能14.4 TFLOPSN/A

网络内计算与效率

借助 NVIDIA Quantum-X800 InfiniBand，你可以充分受益于先进的网络内计算能力。SHARP 协议优化了集合通信操作，这对于 AI 和科学计算尤为关键。你会看到部分任务被卸载到网络交换机中执行，从而减少数据传输量并尽量降低延迟。这项技术显著提升了训练和高计算密集型工作负载的性能。你可以获得 9 倍的计算能力提升，总计达到 14.4 TFLOPS。NVIDIA Quantum-X800 InfiniBand 同时提供超低延迟与高带宽，为 AI 工作负载和科学计算带来更高效率。

  • SHARP 协议优化通信效率。
  • 网络交换机承担集合操作任务。
  • 减少数据传输并尽量降低延迟。
  • 提升训练和分布式训练性能。

大规模 AI 集群支持

通过 NVIDIA Quantum-X800 InfiniBand，你可以轻松扩展 AI 集群。该平台支持超过 10,000 张 GPU，并提供 800Gb/s 网络能力，实现大规模连接。你可以利用多种机箱配置构建庞大的 AI 和 HPC 网络结构。NVIDIA Quantum-X800 InfiniBand 集成了共封装光学（CPO）技术，进一步提升能效并降低互连功耗。你可以摆脱传统可插拔光模块，进而减少延迟和功耗。采用液冷机柜可改善散热管理，支持 AI 数据中心的可持续扩展。NVIDIA 的 PCF 显示，在大规模 AI 工作负载场景中，碳足迹可减少约 24%。

注意：借助 NVIDIA Quantum-X800 InfiniBand，你可以打造更高密度、散热更高效的系统设计，并在大规模部署中节省数十甚至上百兆瓦的功率。

证据描述对环境效率的影响
集成共封装光学（CPO）技术提升能效并降低互连的功率开销，在大规模部署中有望节省数十甚至上百兆瓦的电力。
取消传统可插拔光模块降低延迟与功耗，有助于实现更高密度且散热更高效的系统设计。
转向液冷机柜通过改善散热和能效，支持 AI 数据中心的可持续扩展。

你可以利用 NVIDIA Quantum-X800 InfiniBand 构建高性能 AI 基础设施。在实际工作负载中，你将获得更好的连接性、更低的延迟以及更高效的计算能力。借助 NVIDIA 技术，你可以为下一代 AI 与科学探索提供强劲动力。

真实部署与对比

AI 超级计算机与企业级应用场景

你会看到，NVIDIA 技术正在为全球一些最大规模的 AI 超级计算机提供动力。许多机构利用 NVIDIA 网络技术构建高性能计算集群，以支持前沿研究与创新。例如，Microsoft Azure 使用 NVIDIA 网络方案扩展其 AI 云与企业基础设施。你可以在云环境、研究实验室以及企业数据中心中看到 NVIDIA 解决方案的身影。

借助 NVIDIA，你可以获得多方面收益：

  • 更低的功耗，为大规模 AI 数据中心带来直接的运营成本节省。
  • 在 AI 工作负载上获得更好的性能与可扩展性。
  • 更易与现有云和企业系统集成。

早期用户对 NVIDIA 网络技术给出了积极反馈：

  • NVIDIA 网络事业部高级副总裁 Gilad Shainer 表示：“NVIDIA Networking 是我们 AI 超级计算基础设施可扩展性的核心所在。”
  • Microsoft Azure AI 基础设施副总裁 Nidhi Chappell 指出：“AI 是将数据转化为知识的强大工具。在这一变革背后，是数据中心向高性能 AI 引擎演进，对网络基础设施提出了更高需求。”

你可以采用 NVIDIA 网络方案来支撑 AI 云和企业基础设施，从而满足不断增长的 AI 和高性能计算集群需求。

Quantum-X800 与其他方案对比

如果你想了解 NVIDIA 与其他网络方案相比有何不同，答案主要体现在高性能、低延迟和高能效上。你可以获得最高 800Gb/s 的带宽，这远高于许多替代方案。同时，你还能享受到带宽容量提升五倍、网络计算性能提升九倍的优势。

下表给出了一个对比示例：

特性NVIDIA Quantum-X800其他方案
带宽最高 800Gb/s更低
功耗更低更高
可扩展性10,000+ 张 GPUGPU 数量更少
集成能力更易与云环境集成集成更复杂
性能高中等

当你在 AI、云计算和企业级工作负载中需要可靠性能时，NVIDIA 是理性之选。在 AI 超级计算和大规模部署中，你可以获得更好的结果，同时节省运营成本，使 NVIDIA 成为构建 AI 基础设施的明智投资。

你会看到 NVIDIA 正在推动新一代 AI 技术的发展。Quantum-X800 平台为网络与计算树立了更高标准。你能够获得更快的速度、更好的能效和更高的可靠性。NVIDIA 帮助你构建易于扩展且能长时间稳定运行的 AI 系统。你还能明显感受到能耗与运营成本的下降。下表展示了下一代技术的预期进步：

特性描述
能效相较于传统系统提升 3.5 倍
信号完整性得到增强，以确保数据传输可靠稳定
可靠性韧性提升 10 倍，应用运行时间延长 5 倍
端到端吞吐量800Gb/s，是前代系统带宽的两倍
网络内计算计算能力提升 9 倍
SHARPv4 技术最大限度降低 GPU 间通信开销
FP8 精度加速万亿参数级模型的训练
能源消耗显著降低运营成本

通过采用 NVIDIA 解决方案，你可以为未来 AI 发展趋势提前做好准备。在 AI 持续演进并不断提高基础设施要求的过程中，你始终保持领先。

常见问题

NVIDIA Quantum-X800 相比旧有网络方案有何不同？

你可以获得 5 倍的带宽以及更低的延迟。Quantum-X800 采用先进的 InfiniBand 架构，在可扩展性和能效方面表现更佳。这项技术能够支撑超大规模 AI 集群，同时降低运营成本。

Quantum-X800 如何提升 AI 训练速度？

凭借 800Gb/s 带宽和超低延迟，你可以在 GPU 之间快速传输数据。训练任务的完成时间大幅缩短，同时还能轻松处理更大规模的模型。

Quantum-X800 能否用于现有数据中心？

可以。Quantum-X800 易于与现有云环境和企业系统集成。你无需对基础设施进行大规模改造，即可顺利完成升级，从而更方便地扩展 AI 工作负载。

Quantum-X800 在环保方面有什么优势？

借助共封装光学和液冷技术，你可以显著降低能耗并减少碳排放，从而构建更绿色、更高效的 AI 数据中心。

Quantum-X800 是否适用于 AI 和科学计算？

当然可以！你可以在 AI、机器学习以及科学研究等多种场景中使用 Quantum-X800。其高带宽与低延迟能够满足多种高要求工作负载，为不同应用提供稳定可靠的性能。