深入解析 Azure Maia 300 架构 | Microsoft Azure 博客
微软详解第三代 Azure Maia 300 加速器系统架构,其面向云规模智能体推理进行软件、芯片、机架、网络与数据中心协同设计。Maia 300 单机架含 96 个加速器,superpod 可扩展至 12,288 个加速器;每个加速器配备 8 个 HBM4 堆栈、288 GB 容量和 18 TB/s 带宽。
微软详解第三代 Azure Maia 300 加速器系统架构,其面向云规模智能体推理进行软件、芯片、机架、网络与数据中心协同设计。Maia 300 单机架含 96 个加速器,superpod 可扩展至 12,288 个加速器;每个加速器配备 8 个 HBM4 堆栈、288 GB 容量和 18 TB/s 带宽。
文章分析AI对数据中心入口、前端、数据中心互联和后端四类子系统在供电、冷却、延迟、部署速度及地理位置方面的影响,并提出布线基础设施应对方案。入口子系统面临高芯数光缆增加和灰空间受限问题,快速模块化部署成为关键;后端AI集群则依赖高密度连接与浸没冷却,Leviton STRATA方案每机架单元最高支持3,456芯光纤,TORRENT方案用于介电冷却液环境。
纪源资本科普光模块的光电转换原理、光纤与铜缆的适用边界,以及GBIC、SFP、QSFP、OSFP等可插拔封装演进。AI集群中数万张GPU协同训练推动光模块端口速率从400G、800G向1.6T、3.2T演进,高功耗正促使行业改变光模块封装和部署方式。
尚航科技依托粤港澳1号基地(广州)与深圳横岗智算中心双节点布局,为华南企业提供经实际业务验证的同城双活基础设施方案。广深光纤直连端到端时延通常为1.5-3毫秒,两地分属不同市级电网调度单元,并具备独立的等保测评与数据监管属地化通道。方案按10-50柜、50-200柜、200柜以上三类规模给出部署路径,部署周期分别为2-4周、1-3个月、3-6个月。
AI 数据中心正遭遇电网容量、热耗散与 GPU 互连的多重物理瓶颈。现代 GPU 机柜功率已达 50–100 kW 以上,传统风冷与液冷难以应对,迫使运营商转向 direct-to-chip 冷板和两相浸没式冷却,后者可降低冷却能耗最多达 40%。
某地方综合型科技企业在私有云数据中心升级建设项目中,采用 Spine-Leaf 扁平化架构、SDN 控制器与 VXLAN 虚拟化技术重构网络,替换传统三层架构。
杰富瑞在OCP峰会前指出,AI机架升级已进入"系统效率争夺战"阶段,数据中心需求变化正沿三条主线重塑硬件价值分配:近封装光学(NPO)与共封装光学(CPO)改变器件价值分配,推理负载推动内存架构扩展,以及400V/800V直流供电重塑机架电力系统。报告同时提到1.6T光模块放量是该升级周期的关键承载。
第24届光通信大会(IFOC 2026)9月8日在深圳举办,主论坛圆桌派《光启智算·共赢生态——AI算力浪潮下的光通信产业协同与创新》由讯石首席专家吴军主持,Omidia、纳真科技、阿里云、中国联通、光迅科技、Marvell六方嘉宾围绕光通信3.0时代产业变革、NPO与CPO技术路线及产业链协同展开讨论。
是德科技(Keysight)推出 AI Scale Out Solutions,面向 AI 数据中心提供端到端验证,覆盖从 1.6T 互连网络到收发器的全链路可靠性测试,以支撑 AI 规模负载下的网络部署需求。该方案聚焦 1.6T 网络在 AI 算力扩展场景下的互连可靠性验证。
CPO光电共封装技术以AI智算中心为核心应用场景,下游需求高度集中。其核心落地场景为十万卡级超大规模AI训练集群,主打超高带宽与低功耗的算力互连。文末标题未给出明确的发布主体,全产业链深度解析涵盖CPO光电共封装产业链上下游相关环节。
Sterlite Technologies(STL)集团CTO Badri Gomatam表示,空芯光纤最大优势是可容忍更高光功率、延长传输距离,但制造难度大、拉丝速度慢,规模化是其下一道坎;多芯光纤因更接近现有熔接与连接方式,更易在近期通过客户认证并在数据中心内部落地。
超节点正成为国产AI算力从单卡性能比拼转向系统级协同的关键形态。华为昇腾960DT预计2027年一季度就绪,灵衢互联架构支撑Scale-up密度路线;阿里平头哥真武V900性能约为上代M890三倍、216GB显存,ICN全栈支持千卡级全互联与单集群50万卡扩展。浪潮元脑SD200 Ultra单机跑通2.8万亿参数Kimi K3模型,新华三UniPoD S81000 X1实现40卡全互联统一编址。
Marvell Technology 推出面向 AI 数据中心的 Scale Across 与数据中心互联(DCI)方案,核心运行于 Marvell 相干硅光芯片。Scale Across 用于将分散的数据中心连接起来,从而支撑 AI 算力突破单站点限制。两条方案均依赖同一相干硅光平台。
格罗方德(GlobalFoundries)以硅光子、硅锗和BCD等特色工艺切入AI数据中心与汽车电子需求。在数据中心侧,机架内部出现"铜退光进",单通道速率从100Gbps向200Gbps、400Gbps演进,供电向800V高压直流发展,格罗方德凭借自身硅光子业务及2025年收购的新加坡Advanced Micro Foundry(AMF)布局相关产能。
中国信通院近日正式发布AI Fabric智能算网体系,作为国家一体化算力网络在AI场景下的专用落地形态,它以网络为纽带将算力、存储、加速硬件全域统一编排调度,构建算存网智深度协同的一体化AI底座。
国外超大规模智算集群在向更大规模、更高能效方向发展过程中,仍面临内存墙、通信墙、能耗散热与生态壁垒等挑战。
数据中心本质上是一座"把计算机工业化、集中化之后形成的数字工厂",由电、冷、算、网四套核心系统以及机房建筑、消防、BMS/DCIM/EPMS等管理与监控系统组成。
OpenAI 推出面向大规模 AI 训练集群的超级计算机网络协议 MRC(Multipath Reliable Connection),并通过 OCP 发布,用于提升网络韧性与性能。该协议聚焦多路径可靠连接,适用于大型 AI 训练集群场景。