SuperNIC
3秒看懂
NVIDIA SuperNIC 不是傳統意義上的網路介面卡,而是專為 AI 資料中心內 GPU‑to‑GPU 通訊設計的網路加速處理器。它通過硬體解除安裝 RDMA、可程式設計資料路徑和 800Gb/s 埠,將訓練任務中梯度同步的通訊開銷大幅壓降——在 ConnectX‑8 SuperNIC 方案中,相較通用 RDMA 網絡卡/交換器,訓練步長時間可縮短 60%,尾部延遲接近零。SuperNIC 同時支援 Spectrum‑X 乙太網路和 Quantum‑X InfiniBand 兩種網路架構,是 NVIDIA“AI 工廠”互連拼圖的關鍵一塊。
3分鐘產業解釋
在大規模分散式 AI 訓練中,GPU 不再只是“計算卡”,它們需要頻繁交換梯度、引數和中間啟用。這個過程對網路的要求與傳統資料中心截然不同:極低延遲、極高頻寬、極少 CPU 干預。傳統網絡卡依賴作業系統核心的 TCP/IP 協議棧處理資料搬移——這不僅引入毫秒級延遲,還佔用 CPU 大量核心,導致 GPU 經常處於等待資料的“空轉”狀態。
NVIDIA SuperNIC 的位置就在 GPU 與網路之間,它把原本由 CPU 處理的通訊協議(如 RoCEv2、InfiniBand Verbs)全部下移到網絡卡硬體中完成,並允許 GPU 的視訊記憶體直接與網絡卡 DMA 引擎互動,這就是所謂的 GPUDirect RDMA。此時 GPU 節點間的資料路徑變成:GPU 視訊記憶體 → PCIe 匯流排 → SuperNIC → 線纜 → 對端 SuperNIC → PCIe → 對端 GPU 視訊記憶體,極短的路徑意味著延遲可低至微秒級,頻寬利用率從傳統方案的 65% 級別提升至 98%[來源:CSDN技術解析]。
ConnectX‑8 SuperNIC 是這一系列的最新成員,專為 Blackwell 架構設計,介面採用 PCIe 6.0 多通道組合以實現等效 ×48 通道頻寬、網路埠 800Gb/s InfiniBand XDR 或 2×400G Spectrum‑X 乙太網路,片上整合 16Tops 可程式設計資料路徑加速器(DPA)與 PCIe 交換器,單卡即可建置 64 GPU 叢集的低延遲通訊平面[來源:IT之家/新浪財經]。這意味著超大規模 AI 訓練叢集(千卡、萬卡級)的橫向擴充套件瓶頸正被系統性拆除。
15分鐘專家深入
SuperNIC 在 NVIDIA 產品棧中的定位
NVIDIA 的 AI 資料中心互連產品可以分層理解:
- 計算層 — GPU(如 H100、B200),生成資料和梯度。
- 系統互連層 — NVLink/NVSwitch,負責同一節點內 8 GPU 的高頻寬交換。
- 網路互連層 — SuperNIC + 交換器(Spectrum‑X 或 Quantum‑X),負責跨節點 GPU 通訊。
- 架構/軟體層 — NCCL、NIXL、DOCA,排程集合通訊與遠端資料搬移。
SuperNIC 處於上述第 3 層,是物理網路埠與 GPU 叢集之間的雙向加速閘道器。它與傳統 ConnectX 網絡卡的區別在於:ConnectX 主要面向通用計算、儲存和高效能運算場景;SuperNIC 則專門針對“AI 訓練”與“AI 推論”的差異化通訊需求做了管線硬化與可程式設計最佳化。
訓練與推論:兩者對網路的要求截然不同
NVIDIA 官方闡釋:AI 推論工作負載是分散式、分割槽化、時延敏感的;而 AI 訓練是同步、長時間、與外部互動較少的工作負載[來源:IT之家]。這意味著:
- 訓練 → 關心 AllReduce/AllGather 等集合通訊的完成時間,要求頻寬利用率高、流間公平性好、能容忍偶發丟包但尾延遲必須受控。
- 推論 → 請求分散在多節點、多張 GPU 上,關注微服務間訊息的首位元組延遲,負載均衡與擁塞控制極為關鍵,且常與 RDMA‑over‑Ethernet (RoCE) 部署共存。
SuperNIC 通過可程式設計資料路徑把這兩種模式均寫入硬體加速管線,同一晶片既能處理訓練的長突發 Bulk‑Transfer,也能處理推論的細粒度高併發訊息,訓練步長時間縮短 60% 便是源自這一管線最佳化[來源:IT之家/新浪財經]。
叢集規模與拓撲
SuperNIC 整合的 PCIe 交換器允許單卡連線更多 GPU(ConnectX‑8 宣傳可擴充套件至 64 GPU 叢集),這為建置 扁平化、無收斂 的東西向網路提供了物理基礎。在 ToR‑Spine‑Core 經典三層架構中,SuperNIC 部署在每個 AI 節點的“南向”位置,對上提供 800Gb/s 上行鏈路,對內部通過 NVLink 域實現多 GPU 流量彙總。扁平化意味著更少的交換器層級、更低的中間跳數與更易預測的延遲抖動。
技術原理
核心機制:硬體 RoCE 解除安裝 + GPUDirect RDMA
GPU 0 (視訊記憶體) GPU 1 (視訊記憶體)
| ^
| PCIe DMA Write | PCIe DMA Read
v |
SuperNIC 0 -- 800Gb/s 鏈路 --> SuperNIC 1
(RoCEv2 硬體狀態機) (RoCEv2 硬體狀態機)資料路徑不經過 CPU 快取,也不複製到作業系統 mbuf。SuperNIC 內部維護一張**記憶體翻譯表(MTT)**和佇列對(QP)上下文,將 GPU 視訊記憶體的物理頁直接對映到 RDMA 虛地址,執行符合 RDMA 標準的記憶體放置與訪問語義——這是 RoCE 的核心。
關鍵引數演示(源自內部測試,轉引自 CSDN 部落格):
- 延遲:RoCEv2 硬體解除安裝路徑下可低至 1.2μs(400GbE 網路),傳統 TCP/IP 路徑在 50μs 以上。
- 頻寬利用率:啟用 GPUDirect RDMA 後,4×DGX H100 節點 AllReduce 操作可達 98%,未啟用時僅約 65%。 (上述資料採自特定實驗環境,絕對值不代表所有場景,但相對改善幅度具有典型意義。)
資料路徑加速器(DPA)
ConnectX‑8 SuperNIC 搭載 16T ops 可程式設計資料路徑加速器(DPA)[來源:IT之家]。傳統網絡卡的資料路徑是固定功能 ASIC,FW 可配置但不可程式設計;SuperNIC 的 DPA 可以線上纜資料轉發的關鍵路徑上執行使用者自定義邏輯。
DPA 的程式設計模型通過 DOCA(NVIDIA 資料加速 API)暴露,開發者可在不阻斷資料流的情況下插入自定義擁塞控制演算法、選擇性重傳邏輯或特殊排程策略。這是一種“硬化管線 + 可程式設計輔助”的融合設計——效能敏感部分仍由固定功能模組以線速率處理,策略與異常處理解除安裝到可程式設計協處理器。
需要指出:DPA 的精確 ISA 細節、核心數目、可用 SRAM 容量 [未充分揭露],當前公開資料僅限 16T ops 總體算力表述。
NCCL 與網路原語對接
SuperNIC 對 NCCL(NVIDIA 集體通訊庫)是原生友好的。NCCL 呼叫底層通訊原語的流程是:
- NCCL 識別節點間拓撲,生成連線環/樹。
- 呼叫 InfiniBand Verbs 或 RoCE RDMA 介面下發佇列請求。
- SuperNIC 硬體解析佇列請求,執行 RDMA 傳輸,必要時觸發 GPU 視訊記憶體的同步語義(如先做 reduce 再搬運)。
由於 SuperNIC 高效執行 RDMA 讀寫等標準操作，配合 NCCL 的集合通訊演算法（如 AllReduce 的 Ring 與 Tree 混合演算法），且內建擁塞控制與負載均衡,因此訓練叢集在萬卡級別的收斂效能較前代 OTS RDMA 網絡卡方案有幅度顯著改善。具體 AllReduce 時延縮減的細節因模型和叢集規模而異,但與縮短 60% 訓練步長時間的結果一致[來源:IT之家]。
PCIe 後端:多通道聚合實現等效 ×48 頻寬
ConnectX‑8 SuperNIC 通過 PCIe Gen6 多通道聚合提供等效 ×48 通道的總頻寬[來源:IT之家]。Gen6 單通道速率 64 GT/s × 編碼效率,實際有效頻寬比 Gen5 提高約一倍。採用多組 PCIe 控制器組合後,雙向總頻寬可達約 750GB/s 級別(具體取決於廠商實現與訊號完整性調整),能夠輕鬆承載 800Gb/s ~ 1.6Tb/s 的網路埠到 GPU/CPU 的流量。
不過,該介面的具體通道聚合模式(如 ×16 + ×16 + ×16 或 ×8 多軌) [未充分揭露],不同廠商的系統設計會有差異。
技術演進史
NVIDIA 的網路加速器血脈源自 Mellanox ConnectX 系列,但 SuperNIC 並不是一次單純的規格升級,而是一次產品定位遷移:
- ConnectX‑5/6 時代(2017–2020):RDMA‑over‑Ethernet/RoCE 成為主流,GPUDirect RDMA 首次引入,但網絡卡仍主要定位為 HPC/Cloud 通用 NIC。
- ConnectX‑7 時期(2022):400Gb/s 埠、PCIe 5.0、硬體 RoCEv2 加速成熟,AI 負載開始佔據較高份額,但網絡卡管線仍兼顧儲存、VM 遷移等多種用例。
- SuperNIC 概念提出(2024 前後):NVIDIA 明確將網路加速器分為“通用 NIC”與“SuperNIC”兩條線。SuperNIC 只服務於 AI 叢集東西向流量,強調可程式設計資料路徑與硬體‑軟體協同。
- ConnectX‑8 SuperNIC(2025):Blackwell 世代旗艦,PCIe 6.0 多通道聚合等效 ×48 頻寬,800Gb/s,整合 DPA 和 PCIe Switch,量產時間與 Blackwell Ultra 系列平台對齊,宣告 AI 專用互連晶片從“通用產品派生”走向“專用化設計”。
未來趨勢:結合矽光網路啟動、800G~1.6T 埠規模部署,SuperNIC 可能進一步整合矽光引擎共同封裝(CPO),將電‑光轉換從可插拔模組轉移到晶片基板層面,降低每位元功耗與延遲。具體 CPO 整合方式 [未充分揭露]。
技術路線對比(量化表)
| 對比維度 | NVIDIA ConnectX‑8 SuperNIC | 前代 ConnectX‑7 (典型 AI 部署) | 通用 OTS RDMA 網絡卡 (如 Broadcom/Intel 競品) |
|---|---|---|---|
| 定位 | AI 專用網路加速器 | 通用 HPC/Cloud NIC | 通用資料中心 NIC |
| 最大埠速率 | 800Gb/s (InfiniBand XDR) / 2×400G (乙太網路)[來源:IT之家] | 400Gb/s (InfiniBand NDR / Ethernet) | 400Gb/s ~ 800Gb/s (部分型號) |
| PCIe 介面 | Gen6 多通道聚合,等效 ×48[來源:IT之家] | Gen5 ×16 或 ×32 | Gen5 ×16 ~ ×32 |
| RoCE 硬體解除安裝 | 全硬體狀態機,可程式設計管線 | 硬體解除安裝,少量可程式設計 | 部分硬體解除安裝,大部分仍參與主機核心 |
| GPUDirect RDMA | 深度整合,頻寬利用率宣稱可達 98% [來源:CSDN 測試轉引] | 支援,實際利用率 80%~90% 級別 | 部分支援,因架構差異利用率變動大 |
| 資料路徑加速 | 16T ops 可程式設計 DPA[來源:IT之家] | 無使用者可程式設計 DPA | 一般無 DPA,或僅有固定功能解除安裝 |
| 擁塞控制與負載均衡 | 片載硬體實現,與交換器聯動 | 依賴交換器 ECN 與主機側演算法配合 | 標準 DCQCN 等,需大量主機側調參 |
| 典型訓練步時間改善 | 相較 OTS 網絡卡方案縮時 60%[來源:IT之家] | 相較傳統網絡卡典型提升 30%~40% | 基線 |
| 尾部延遲 | 接近零[來源:IT之家] | 較傳統網絡卡顯著降低但仍有碎峰 | 常有毫秒級尾部延遲 |
| 軟體棧 | Verbs、NCCL、NIXL、DOCA[來源:IT之家] | Verbs、NCCL、部分 DOCA | 通常依賴 Linux RDMA 子系統與 OFED |
注:上表效能資料來源自有標註的實驗環境或廠商宣傳,絕對值會受叢集規模、模型、拓撲影響;表中標註“宣稱”字樣的是廠商宣告,標註 [估計] 或對比類描述的是基於產業慣例的定性推斷。
上下游
上游 — 核心技術與供應商
- 晶片 IP — PCIe 6.0 PHY、SerDes、可程式設計資料路徑核心 IP,通常為 NVIDIA 自研或與其合作 IP 商定製。
- 晶圓製造與封裝 — 網絡卡 ASIC 本身工藝節點 [未充分揭露],但可通過 Blackwell 世代推斷在 4nm~5nm 級別(為推測,非官方揭露)。封裝方案可能涉及 FCBGA 或 Chiplet 互連,以適應多通道 SerDes 引出。
- 矽光與可插拔光學模組 — SuperNIC 配合的 800Gb/s 埠目前多采用可插拔光模組(如 OSFP 1.6T、QSFP‑DD800),未來向 CPO 演進,光學引擎供應商(如 Lumentum、Coherent、旭創等)為潛在受益環節。
下游 — 系統整合與終端客戶
- 伺服器 OEM/ODM — Supermicro、Dell、HPE、聯想、浪潮等,負責將 SuperNIC 整合到 GPU 伺服器的 PCIe 板上,並針對 NVSwitch 拓撲做訊號完整性與散熱設計。
- 雲端服務商與大型網際網路企業 — Microsoft Azure、AWS、GCP、Meta、xAI 等,是 SuperNIC 的大批次終端使用者,部署在自有 AI 訓練叢集中。
- AI 系統軟體棧 — 最終面向 AI 工程師和基礎設施團隊,他們通過 NCCL/Kubernetes/Slurm 呼叫 SuperNIC 加速的集合通訊,對硬體幾乎無感。
配套交換網路
- Spectrum‑X 乙太網路交換器 — SuperNIC 的乙太網路側伴侶,提供 RoCEv2 鏈路層擁塞控制與負載均衡聯動。
- Quantum‑X InfiniBand 交換器 — 對應 InfiniBand XDR 800Gb/s 埠,提供硬體級自適應路由與低延遲 Cut‑Through 轉發。
關鍵指標
- 埠速率 — 800Gb/s InfiniBand 或 2×400G 乙太網路,決定了單節點對外總頻寬上限。
- 訊息速率 — 每秒百萬級 RDMA 訊息數,影響推論場景下 RPC/訊息處理延遲。具體速率 [未充分揭露]。
- 延遲(單跳 RDMA) — 硬體 RoCE 路徑下宣稱 < 2μs(400GbE 下)級別。
- PCIe 匯流排頻寬 — Gen6 多通道聚合等效 ×48,約 750GB/s 雙向量級,直接決定網路埠能向 GPU/CPU 總吞吐的上限。
- 可程式設計性 — 16T ops 可程式設計 DPA 提供線速可程式設計能力,該數值為峰值算力,應用效率取決於 DOCA 程式設計實現。
- 功耗 — 網絡卡本身 TDP [未充分揭露],但 800Gb/s 級別網絡卡通常功耗在 100~200W 量級,CPO 版本有望顯著降低。
- 叢集擴充套件性 — 單卡支援 64 GPU 交換域[來源:IT之家],多卡組網可擴充套件至萬級,具體線性度取決於交換器能力與拓撲。
供需與市場資料
當前公開渠道關於 SuperNIC 出貨量的具體數字極為有限,以下是基於產業報告與供應鏈線索的定性判斷:
- AI 叢集建設對 800Gb/s 互連需求的增長極為確定。媒體多次報道,隨著 NVIDIA 下一代 Rubin Ultra 平台逼近釋出,800G 與 1.6T 高速互連及矽光技術已開啟主要增長視窗。
- ConnectX‑8 SuperNIC 與 Blackwell 架構深度繫結,Blackwell 系列 GPU (B200/B100) 在 2025-2026 年的出貨節奏可能直接錨定 SuperNIC 的採購量。量產時間與 Blackwell Ultra 平台大致同步,當前處於供應商送樣與系統驗證階段。
- 行業估算 AI 專用網絡卡市場規模到 2028 年將達到數十億美元級別(此為行業共識區間,非 SuperNIC 精確數字)。SuperNIC 憑藉繫結 NVIDIA 自家 GPU 的生態優勢,可能佔據 AI 訓練網絡卡市場的主要份額;在推論場景,它面臨來自其他商用 RDMA 網絡卡和 DPU 的競爭。
代表公司與資本對映
直接受益 — NVIDIA
- SuperNIC 是 NVIDIA DPU/NIC 產品線的新增值點,配合 GPU + NVSwitch + 交換器形成全棧捆綁。相比過去僅賣 GPU,現在網路端單節點貢獻的營收顯著提升,並強化客戶粘性。
- 技術決策者重點關注:NVIDIA 網路部門(原 Mellanox)的營收增長、InfiniBand 與 Spectrum 乙太網路的份額變化,以及 DPA 在 DOCA 生態下的開發者採用率。
間接受益 — 光模組/矽光供應鏈
- 800Gb/s~1.6T 可插拔光模組與矽光晶片供應商有望受 SuperNIC 大規模部署拉動。
- 代表性企業:Coherent、Lumentum、中際旭創、新易盛、Marvell、Broadcom(光 DSP)等。營收增量可能來自提速到 800G 的單價提升與總量增長。
系統整合商/OEM
- Supermicro 已宣佈推出搭載 NVIDIA 認證系統的 AI 平台,強調 1:1 GPU 與網路卡比率[來源:電子創新網]。Supermicro、Dell、HPE 等將直接受益於 AI 伺服器 ASP 提升與置換需求。
潛在競爭格局
- Broadcom — 自研 Thor 系列網絡卡結合 Tomahawk/Jericho 交換器,構成開放乙太網路方案,可能在某些雲端廠商內部自研叢集中獲得份額。
- Intel IPU — 更偏向基礎設施解除安裝,與 AI 訓練加速有重疊但並非直接競對。
- AMD Pensando — 同樣側重於 DPU/智慧交換器方向,在 AI 領域的介入相對較淺。
- 微軟/AWS 自研方案 — 超大規模客戶已經開始自研 RDMA 網絡卡與自研協議,長期存在替代風險,但短期受限於與 GPU 生態的整合深度。
投資邏輯
核心邏輯 1 — 網路彈性是 AI 算力的釋放槓桿
當 GPU 規模從百卡走向萬卡、十萬卡,通訊瓶頸指數量級惡化。SuperNIC + 同代交換器構成的 NVIDIA 全棧網路方案,可以最大化 GPU 叢集的有效算力利用率(MFU)。MFU 每提升 1 個百分點,對雲端廠商意味數百萬美元級的 TCO 最佳化;因此,客戶對高價網路加速器的支付意願甚至高於對額外 GPU 的比例溢價——這是“網路貴過計算”可能發生的基礎。
核心邏輯 2 — 全棧捆綁抬高資本支出門檻,減弱競爭壓力
NVIDIA 以 GPU 為基礎,CUDA+NCCL+DOCA 為軟體層,再整合 NVSwitch、SuperNIC、交換器,提供完整系統參考設計。這種捆綁極大地抬高了競爭對手(包括第三方網絡卡)的准入門檻——客戶若選擇別的網絡卡,不僅面臨軟體適配與效能不確定性,還可能破壞整個叢集拓撲的時延一致性。SuperNIC 實質上是 NVIDIA 生態的“入口收費處”。
核心邏輯 3 — 週期彈性與第二代產品風險
SuperNIC 尚處於迭代早期,ConnectX‑8 是該概念的第一代大規模量產品,訊號完整性、散熱、與不同平台主機板的互操作性仍有量產早期風險。從投資角度看,2025-2026 年是 SuperNIC 滲透率快速攀升的視窗期:若量產順利,將推動股價估值進一步上調;若出現與某些雲端廠商主機板的相容性問題,可能造成臨時性訂單延遲,但不太可能逆轉網路加速獨立化的根本趨勢。
前瞻指標關注點
- 每季度 NVIDIA 網路業務營收(原 Mellanox)變化趨勢。
- 中國區 AI 叢集是否受出口管制而無法獲得 800Gb/s 等級 SuperNIC,若受限則國內可能轉向自研網絡卡替代方案。
- 雲端廠商資本支出展望中對“網路基礎設施”撥款的佔比變化。
常見誤讀糾偏
誤讀 1:“SuperNIC 就是最快的網絡卡,主要賣點是頻寬高”
糾偏 → 頻寬升級只是表象。核心價值在於專用管線硬體解除安裝 + 可程式設計資料路徑。傳統網絡卡速率也可以達到 400G/800G,但因為沒有針對 AI 集合通訊的管線硬化,實際訓練步長耗時長、尾部延遲高。SuperNIC 的競爭壁壘不是“位元每秒”,而是“訓練步時間縮短 60%”這類負載級指標。
誤讀 2:“有 GPUDirect RDMA 之後,交換器不再重要”
糾偏 → GPUDirect RDMA 解決了端側(網絡卡→GPU)的 CPU 旁路問題,但網路中間節點的擁塞控制、負載均衡、自適應路由依然要由交換器和 SuperNIC 聯動完成。當叢集規模擴大到千卡以上,交換器的緩衝區管理不善會導致全線 PFC 風暴與擁塞擴散,進而拉低整體叢集效能。SuperNIC 是鏈條的關鍵一環,但並非萬能藥。
誤讀 3:“SuperNIC 只適合訓練,推論不需要這麼複雜的網路解除安裝”
糾偏 → NVIDIA 在 ConnectX‑8 設計時已將推論流量納入考量。推論的通訊特徵類似微服務網格,訊息細小、連線數巨大。SuperNIC 能通過 DPA 程式設計處理此類流量,使其在推論叢集中同樣有效——其“尾部延遲接近零”的宣告尤其適用於低延遲推論場景[來源:IT之家/新浪財經]。
誤讀 4:“ConnectX‑8 的 16T ops DPA 是一個通用計算單元”
糾偏 → 該 DPA 定位為“資料路徑加速器”,並非通用 CPU 引擎。它的算力(16T ops)主要用於在資料轉發關鍵路徑上執行可程式設計演算法(如自定義擁塞控制、線上遙測、安全過濾),不能等價於 16 TOPS 的 AI 推論算力或通用處理器效能。
學習路徑
Step 1:理解 RDMA 與 RoCEv2 基礎
- 學習 IB Verbs/RDMA 協議原理,重點:Queue Pair (QP)、Memory Region、RDMA 記憶體語義、RoCEv2 的封裝與擁塞管理(DCQCN)。
- 推薦資料:RFC 5040(IB Arch Spec 概述);Mellanox RDMA Awareness 白皮書。
Step 2:掌握集合通訊原語與 NCCL 簡要實現
- 掌握 AllReduce、AllGather、ReduceScatter、All-to-All 的幾種拓撲演算法(Ring, Tree, Recursive Halving)。
- 閱讀 NCCL 官方文件:拓撲檢測、Channel、Ring 建立過程。
Step 3:理解 GPU 直接記憶體訪問(GPUDirect RDMA)的核心路徑
- 閱讀 NVIDIA GPUDirect RDMA 技術白皮書,重點:物理頁固定與對映、同節點內 NVLink 與跨節點 PCIe+GDR 的路徑差異。
Step 4:深入 DOCA 與可程式設計資料路徑
- 閱讀 NVIDIA DOCA SDK 文件,尤其是 Flow 抽象與 DPU/NIC 側程式設計範例。
- 理解 DPA 與固定功能 ASIC 的職責劃分。
Step 5:研究大規模 AI 叢集網路架構案例
- 閱讀 Meta、Microsoft 等釋出的訓練叢集網路拓撲論文(如 Meta 的 Research SuperCluster 網路設計),理解 fat tree、rail‑optimized 等拓撲。
- 對比 InfiniBand 與 Spectrum‑X 乙太網路在成本、時延、運維上的取捨。
一句話總結
NVIDIA SuperNIC 是一款為分散式 AI 工作負載量身定做的網路‑GPU 直連加速器,通過硬體 RoCE 解除安裝、GPUDirect RDMA 和可程式設計資料路徑,將萬卡叢集的通訊瓶頸系統性降到最低,讓網路從“效能瓶頸”變成“算力釋放槓桿”。
延伸閱讀與來源
- NVIDIA SuperNIC技術解析:AI網路加速器的革命性突破 – CSDN部落格 — 提供 SuperNIC 的核心技術優勢、RoCE 延遲對比及 GPUDirect 利用率實測資料。
- 輝達推ConnectX‑8 SuperNIC:PCIe 6.0介面,800 Gb/s傳輸速度 – IT之家/新浪財經 — 報道 ConnectX‑8 關鍵規格及訓練步長時間縮時 60% 的效能宣告。
- Supermicro 擴大適用 NVIDIA Ampere 架構的企業級 AI GPU 產品系列 – 電子創新網 — 提及 Supermicro 系統中 GPU 與網路卡的 1:1 比率設計。
- 關於 AI 資料中心 800G/1.6T 互連與矽光演進趨勢的多家媒體報道。
- NVIDIA 官方開發者網站 — Grace CPU 基準測試指南、NVIDIA 認證計劃網路研討會等,提供補充背景資訊。
免責宣告:本頁面所含技術資料與效能數字均引自標註的公開來源或研究機構測試,未標註來源的定性判斷為筆者基於產業常識的分析,不可作為任何投資決策的唯一依據。市場有風險,投資需審慎。