商汤大装置 SenseCore 与昇腾 384 超节点完成适配,国产 AI 算力实现 “可用” 到 “好用” 关键突破
时间:2025-09-05 来源:汽车供应商网 作者:管理员
超节点(SuperPod)是通过高速互联技术,将多个 GPU/NPU 整合为统一计算单元的新型架构,核心作用是解决 AI 大模型训练中的算力协同与通信效率难题。而华为昇腾 384 超节点作为业界最大规模超节点方案,凭借创新 “全对等架构” 实现关键突破 —— 将高速互联总线从服务器内部延伸至整机柜、跨机柜,最终把 CPU、NPU、DPU、存储、内存等资源全面互联并池化,形成一台 “超级计算机”,从而实现更高的算力密度与互联带宽。
不过,昇腾 384 超节点的全新架构对软件栈升级、平台调度优化提出了更高要求,需通过技术攻关确保其 “跑得快、跑得稳”。作为 AI 云原生平台,商汤大装置 SenseCore 主打敏捷、灵活、可靠的全栈 AI 基础设施服务,致力于以极致性价比推动大模型技术高效落地与规模化应用。基于双方技术特点,团队联合攻关,在三大方向实现行业创新:
调度优化:除支持 POD 内单机 / 多机调度、跨 POD 多机调度、亲和性调度等基础能力外,SenseCore 平台结合模型并行策略,实现逻辑超节点自动划分,让 EP/TP 等大通信策略充分利用灵衢网络,显著提升模型训练效率。
跨 POD 训练稳定性:通过提交多个 MR(代码合并请求),修复多 POD 场景下 master/work 任务 rank 乱序问题,从根源上解决跨 POD 训练任务概率性失败的痛点。
多维度故障检测与恢复:故障检测覆盖服务器硬件、高速互联总线、RoCE 网络,以及任务、进程等软硬件多维度;结合检测能力构建 Job/Pod/ 进程多级恢复机制,全面提升昇腾 384 超节点在训练场景中的可靠性与容错性。
