前几年聊国产高速网络,问得最多的是"能不能连得上";这次CNCC,中科曙光已经把话题变成"管不管得好"。这个变化,本身就是国产算力成熟的信号。
scaleFabric做十万卡级的无损RDMA,解决的是"连"——单子网十万卡往上,这是把计算节点连成网的本事;而这次新发布的Fabricview,能纳管百万量级设备、让故障自己定位恢复,解决的是"管"——网络不是连上就完事,规模一大,管理才是命门。一头一尾接上,说明国产网络从"能用",往"好用、好运维"走了。
这背后是系统工程能力的成熟。单点产品谁都能做,今天能做出一张网,明天也能做出一块卡,但把网络、计算、存储、运维捏成一个能长期稳定跑的系统,才是真门槛。尤其网络这种环节,出一次大故障,整个集群停摆,损失不是买几台设备能补回来的。
网络这块一直是卡脖子的重灾区,早年国产是"能凑合着用",现在曙光靠FabricView把"管理"这层也补上了,等于填了最后一块短板。别小看这个变化,智算规模越大,管理越是命门。谁把运维这关过了,谁才有资格说自己是规模化智算的基础设施。
国产算力 Fabricview
