Persian
WhiteFiber نتایج اولیه تحقیق و توسعه را برای Project Redwood، یک معماری ابرخوشه GPU توزیع شده که مراکز داده جغرافیایی جداگانه را در بر می گیرد، رونمایی کرد. آزمایش میدانی هفته گذشته با سرعت 111.2 ترابیت بر ثانیه در فیبر تاریک 83 کیلومتری با تاخیر 0.9 میلی ثانیه ای تضمینی رفت و برگشت انجام شد.
WhiteFiber خاطرنشان می کند که تاخیر در 8٪ از حد انتشار فیزیکی نظری فیبر است. این آزمایش تنها از بخشی از طیف فیبر موجود استفاده کرد، اما تقریباً دو برابر ظرفیت آزمایشهای میدانی رقابتی منتشر شده با طیف کامل ارائه شد. این شرکت قصد دارد تا قبل از عرضه تجاری سه ماهه سوم 2026، طیف کامل را فعال کند.
پروژه WhiteFiber Redwood
تحقیقات مشترک با DriveNets و WEKA تکمیل شد. DriveNets پارچه هوش مصنوعی اترنت بین سایتی را ارائه می دهد، در حالی که WEKA NeuralMesh به لایه های حافظه و ذخیره سازی متقابل خوشه ای قدرت می دهد. WhiteFiber درخواست های ثبت اختراع مربوطه را برای این طرح ثبت کرده است.
یکپارچه سازی چندین سایت در یک خوشه GPU منطقی
این معماری دو مرکز داده را قادر میسازد تا بهعنوان یک ابرخوشه GPU منطقی، متمایز از غلافهای جداگانهای که از طریق پیوندهای استاندارد DCI به هم متصل شدهاند، کار کنند. این تفاوت برای بارهای کاری آموزش هوش مصنوعی و استنتاج بسیار مهم است، جایی که همگام سازی بین GPU، ارتباطات جمعی و دسترسی به داده های مشترک به طور مستقیم حداکثر مقیاس خوشه را محدود می کند.
بارهای کاری هدف شامل استقرارهایی است که توسط برق یک سایت، خنک کننده، فضای کف، قوانین انعطاف پذیری یا الزامات حاکمیت داده، در کنار موارد استفاده از لبه، مخابرات و هوش مصنوعی مستقل محدود می شود.
DriveNets راهاندازی سختافزاری را تأیید کرد: این پارچه دو خوشه گرافیکی WhiteFiber NVIDIA H200 را در فاصله 52 مایلی از هم به هم متصل میکند و اولین ابرخوشه صنعتی در مقیاس تولیدی در مقیاس بلندمدت است که در محیطهای آزمایشگاهی معتبر تأیید شده است. معیارهای مقایسه عملکرد درون رک و بین سایتی در کاغذ سفید DriveNets به تفصیل آمده است.
DriveNets AI Fabric Architecture
فیبر تیره اضافی جفت شده با DriveNets AI Fabric، GPU و ترافیک ذخیره سازی را بین امکانات حمل می کند. بهجای برنامههای افزودنی اترنت طولانی مدت، اترنت برنامهریزیشده را که برای ارتباطات هوش مصنوعی توزیعشده ثابت ساخته شده است، استفاده میکند.
لایه متقاطع از DriveNets Fabric Scheduled Ethernet روی سوئیچ های 9300F، 5300R و 5301R خود استفاده می کند. متعادلسازی بار مبتنی بر سلول، صف خروجی مجازی سرتاسر و اتصالات بافر عمیق، جهشهای ترافیک هوش مصنوعی همگام را جذب میکنند تا ازدحام بین لینکها را حذف کنند. این طراحی اتصال بین سایتی بدون تلفات و قابل پیش بینی را ارائه می دهد که استفاده از GPU بالایی را در مقایسه با استقرارهای تک تسهیلات حفظ می کند.
این مکانیسمها تأخیر ارتباط جمعی را در طول مسافت تثبیت میکنند در حالی که یک بافت ذخیرهسازی محاسباتی یکپارچه با جداسازی چند مستاجر بومی تشکیل میدهند. پیوند فیبر به عنوان یک بخش یکپارچه از پارچه هوش مصنوعی به جای یک لوله حمل و نقل مستقل عمل می کند و عملکرد و شکاف های عملیاتی ناشی از مرزهای مرکز داده فیزیکی را به حداقل می رساند.
تمایز از NVIDIA Spectrum-XGS
بستر آزمایش WhiteFiber از نظر معماری با NVIDIA Spectrum-XGS متفاوت است، اما با فشار صنعت گستردهتر به سمت زیرساختهای هوش مصنوعی در مقیاس همخوانی دارد.
در Hot Chips 2025، Jensen Huang، مدیر عامل NVIDIA، تقاضا برای پیوندهای مراکز داده بین شهری، بین کشوری و بین قاره ای برای ساخت کارخانه های هوش مصنوعی در مقیاس بزرگ را برجسته کرد. Spectrum-XGS به کنترل تراکم آگاه از فاصله، تنظیم تأخیر دقیق و تله متری برای ترافیک توزیع شده ثابت GPU، با CoreWeave به عنوان اولین پذیرنده، متکی است.
WhiteFiber نسبت به دادههای عمومی Spectrum-XGS NVIDIA، معیارهای میدانی در مقیاس مترو را منتشر کرده است. آزمایش 83 کیلومتری آن 111.2 ترابیت بر ثانیه و تأخیر رفت و برگشت 0.9 میلی ثانیه را نشان میدهد، اگرچه معماریهای متفاوت از مقایسه عملکرد مستقیم کنار هم جلوگیری میکنند.
پیشرفت های آموزشی هوش مصنوعی چند سایتی در سطح صنعت
راه اندازی WhiteFiber همزمان با توسعه زیرساخت های موازی هوش مصنوعی چند سایتی در میان فروشندگان بزرگ ابری و سخت افزاری است.
Oracle Cloud Infrastructure و NVIDIA آموزش LLM را در امکاناتی با فاصله 1000 کیلومتری از طریق NeMo Framework و Megatron-Core نشان دادند و از طریق ارتباط بین مرکز دادهای سلسله مراتبی کاهشیافته و تقسیمبندی شده، به بیش از 96 درصد مقیاسپذیری آموزشی دست یافتند. این کار به جای معیارهای حمل و نقل مترو بر روی اعتبار سنجی نرم افزار و سیستم متمرکز است.
Google TPU Multislice را برای جمعآوری چند تکه TPU در استخرهای آموزشی توزیعشده یکپارچه بر روی شبکههای نوری مرکز داده داخلی ساخته است. آموزش Gemini از چندین سایت پراکنده جغرافیایی استفاده کرد، با پلتفرم که پارتیشن بندی حجم کار را مدیریت می کند و تحمل خطا در مقیاس بزرگ.
WhiteFiber قصد دارد ارکستراسیون متقابل سایتی قابل مقایسه را به پشته های ابری GPU بیاورد و اتصال مترو با پهنای باند فوق العاده بالا و تاخیر کم را در اولویت قرار دهد. مشخصات معماری بیشتر و جدولهای زمانی راهاندازی را تا سه ماهه سوم ۲۰۲۶ منتشر میکند.
پکن Qianxing Jietong Technology Co., Ltd.
سندی یانگ / مدیر استراتژی جهانی
WhatsApp / WeChat: +86 13426366826
ایمیل: yangyd@qianxingdata.com
وب سایت: www.qianxingdata.com/www.storagesserver.com
تمرکز تجاری:
توزیع محصول ICT/یکپارچه سازی سیستم و خدمات/راه حل های زیرساخت
با بیش از 20 سال تجربه توزیع فناوری اطلاعات، ما با برندهای پیشرو جهانی برای ارائه محصولات قابل اعتماد و خدمات حرفه ای همکاری می کنیم.
«استفاده از فناوری برای ساختن جهانی هوشمند» ارائهدهنده خدمات مورد اعتماد شما در زمینه فناوری اطلاعات و ارتباطات!
سندی یانگ / مدیر استراتژی جهانی
WhatsApp / WeChat: +86 13426366826
ایمیل: yangyd@qianxingdata.com
وب سایت: www.qianxingdata.com/www.storagesserver.com
تمرکز تجاری:
توزیع محصول ICT/یکپارچه سازی سیستم و خدمات/راه حل های زیرساخت
با بیش از 20 سال تجربه توزیع فناوری اطلاعات، ما با برندهای پیشرو جهانی برای ارائه محصولات قابل اعتماد و خدمات حرفه ای همکاری می کنیم.
«استفاده از فناوری برای ساختن جهانی هوشمند» ارائهدهنده خدمات مورد اعتماد شما در زمینه فناوری اطلاعات و ارتباطات!