📢 Gate廣場 #MBG任务挑战# 發帖贏大獎活動火熱開啓!
想要瓜分1,000枚MBG?現在就來參與,展示你的洞察與實操,成爲MBG推廣達人!
💰️ 本期將評選出20位優質發帖用戶,每人可輕鬆獲得50枚MBG!
如何參與:
1️⃣ 調研MBG項目
對MBG的基本面、社區治理、發展目標、代幣經濟模型等方面進行研究,分享你對項目的深度研究。
2️⃣ 參與並分享真實體驗
參與MBG相關活動(包括CandyDrop、Launchpool或現貨交易),並曬出你的參與截圖、收益圖或實用教程。可以是收益展示、簡明易懂的新手攻略、小竅門,也可以是現貨行情點位分析,內容詳實優先。
3️⃣ 鼓勵帶新互動
如果你的帖子吸引到他人參與活動,或者有好友評論“已參與/已交易”,將大幅提升你的獲獎概率!
MBG熱門活動(帖文需附下列活動連結):
Gate第287期Launchpool:MBG — 質押ETH、MBG即可免費瓜分112,500 MBG,每小時領取獎勵!參與攻略見公告:https://www.gate.com/announcements/article/46230
Gate CandyDrop第55期:CandyDrop x MBG — 通過首次交易、交易MBG、邀請好友註冊交易即可分187,500 MBG!參與攻略見公告:https://www.gate.com/announcements
AI時代網路需求爆發 探尋行業創新與投資機遇
AI時代的網路:需求源頭與創新方向
網路在AI大模型時代扮演着關鍵角色。隨着大模型規模的快速增長,網路設備如光模塊、交換機等迎來需求爆發和迭代加速。本文將從原理出發,探討網路爲何成爲AI時代的新焦點,並討論產業變化中網路側的創新與投資機會。
1. 網路需求的來源
進入大模型時代,模型規模與單卡上限差距迅速擴大,多服務器集羣成爲解決模型訓練的必然選擇,這構成了AI時代網路重要性提升的基礎。與過去單純用於數據傳輸不同,網路現在更多用於同步顯卡間的模型參數,對網路密度和容量提出了更高要求。
1.1 日益龐大的模型規模
訓練耗時 = 訓練數據規模 × 模型參數量 / 計算速率 計算速率 = 單設備計算速率 × 設備數 × 多設備並行效率
在對訓練數據規模和參數的雙重追求下,只有加速提升計算效率,才能縮短訓練耗時。單設備計算速率的提升存在週期和限制,因此如何利用網路擴大"設備數"和"並行效率"直接決定了算力水平。
1.2 多卡同步的復雜溝通
在大模型訓練過程中,將模型切分至單卡後,每次計算後單卡之間都需要進行對齊。在NCCL等通信原語中,All-to-All等操作較爲常見,這對網路傳輸和交換提出了更高要求。
1.3 昂貴的故障成本
大模型訓練往往持續數月,中斷後需回到斷點重新訓練。網路中任一環節的故障或高延遲都可能導致中斷,增加成本和延長進度。現代AI網路已發展成堪比飛機、航母等的復雜系統工程。
2. 網路創新的方向
經過兩年發展,全球算力投資規模已達數百億美元級別。模型參數持續擴張,巨頭間競爭依然激烈。當前,"降本"、"開放"和算力規模平衡成爲網路創新的主要議題。
2.1 通信介質的更迭
光、銅與硅是主要傳輸介質。AI時代,光模塊在追求更高速率同時,也通過LPO、LRO、硅光等方案降低成本。銅纜憑藉性價比和低故障率佔據機櫃內連接優勢。Chiplet、Wafer-scaling等新技術正在探索硅基互聯的上限。
2.2 網路協議的競爭
片間通信協議與顯卡強綁定,如NVLINK、Infinity Fabric等,決定了單節點算力上限,是巨頭間的激烈戰場。IB與以太網的競爭則是節點間通信的主旋律。
2.3 網路架構的變化
當前節點間網路普遍採用葉脊架構,具有便捷、簡單、穩定等優勢。但隨着單集羣節點數增多,葉脊架構在超大集羣中顯得冗餘,帶來較大網路成本。Dragonfly架構、rail-only架構等新方案有望成爲面向下一代超大集羣的演進方向。
3. 投資建議
通信系統核心環節:中際旭創、新易盛、天孚通信、滬電股份。
通信系統創新環節:長飛光纖、中天科技、亨通光電、盛科通信。
4. 風險提示