GPU集群内部光互联网络拓扑结构优化与拥塞控制机制.docx

PAGE2

GPU集群内部光互联网络拓扑结构优化与拥塞控制机制

摘要

本报告聚焦于GPU集群内部光互联网络拓扑结构与拥塞控制机制这一前沿领域，系统分析了AI大模型训练对超大规模算力互联的核心需求。随着参数规模迈向万亿级别，传统电互联在带宽、功耗与延迟方面遭遇物理极限，光互联技术成为突破集群性能瓶颈的关键路径。

报告核心发现包括：Fat-Tree拓扑在中小规模集群中保持性价比优势，但在万卡级以上集群中，其扩展成本与布线复杂度呈非线性增长；Dragonfly拓扑凭借直径短、全局带宽高的特性，在超大规模集群中展现出显著的性能优势，但对自适应路由与拥塞控制提出了极高要求。光互联的引入使单链路带宽