策略大赢家 Google集群拆解

今天分享的是：Google集群拆解

报告共计：41页

Google集群核心架构与技术特性总结

本文围绕Google集群的Scale up（纵向扩展）与Scale out（横向扩展）两大核心方向，详细拆解了其TPU集群的架构设计、光互联技术、组件占比及行业对比等关键内容。

在Scale up架构方面，Google TPU集群采用3D结构设计，Ironwood架构下的TPU集群以机架为基础单元，一个机架包含16个TPU Tray、64个TPU芯片，通过芯片间互连（ICI）网络实现高效通信。TPU V4 Superpod由64个机架组成，集成4096个芯片，共享256TiB HBM内存，总计算性能超1 ExaFLOP；TPU V7 Superpod则扩展至144个机架、9216个芯片，通过ICI网络实现9.6 Tb/s的连接速度，可访问高达1.77 PB的HBM内存。光互联是Scale up的关键，光路交换机（OCS）通过二维MEMS微镜阵列实现光束精准切换，配合光纤准直器和透镜阵列保障信号传输，TPU V4和V7的光路交换机占比分别为1.1%和0.52%，光模块比例均为1.5。

Scale out扩展方面，Google通过数据中心网络（DCN）实现多个Superpod的互联，可构建包含数十万个TPU的大型集群。OCS技术在此发挥重要作用，作为动态可重构架构，能绕过中断保障服务连续性。对比InfiniBand、NVIDIA Spectrum-X、Broadcom Tomahawk5三种互联方案，十万卡规模集群中，NVIDIA Spectrum-X和Broadcom Tomahawk5的交换机占比均为3.2%，光模块/GPU比例为2.6，在成本控制上更具优势；InfiniBand方案虽交换机占比达9.6%，但在部分性能指标上有其特点。

展开剩余74%

此外，文档还对比了NVIDIA和AMD GPU的相关技术，NVIDIA从Hopper到Blackwell架构持续升级NVLink技术，带宽从900GB/s提升至1.8TB/s；AMD MI400系列通过UALink实现1.8TB/s的Scale up网络带宽，搭配3张800G网卡支持2.4Tb/s的Scale out网络传输。

整体来看，Google集群通过3D拓扑结构、光路交换机与光模块的优化配置，实现了Scale up与Scale out的高效协同，其架构设计在芯片密度、互联带宽、冷却效率等方面形成显著特性，为大规模AI计算提供了强大的硬件支撑，也为行业集群建设提供了重要参考。

要不要我帮你整理一份Google集群与NVIDIA、AMD架构核心参数对比表？

以下为报告节选内容

发布于：广东省

倍顺网配资提示：文章来自网络，不代表本站观点。