DoNews12月3日消息，據(jù)微軟方面公布，微軟正式發(fā)布位于美國喬治亞州亞特蘭大的 Azure AI 數(shù)據(jù)中心 Fairwater 站點。
全新的數(shù)據(jù)中心將與威斯康星州的首個 Fairwater 站點、前幾代 AI 超級計算機以及全球 Azure 數(shù)據(jù)中心深度互聯(lián)，共同構(gòu)建首個全球規(guī)模的 AI 超級工廠 Fairwater 。
重新定義 AI 數(shù)據(jù)中心架構(gòu)
為了滿足激增的 AI 計算需求，微軟重新定義了 AI 數(shù)據(jù)中心的架構(gòu)設(shè)計和系統(tǒng)運行方式。Fairwater 打破傳統(tǒng)云數(shù)據(jù)中心模式，采用單一扁平網(wǎng)絡(luò)架構(gòu)，可以將數(shù)十萬顆最新的 NVIDIA GB200、GB300 GPU 組建成一臺真正意義上的超級計算機。
這些創(chuàng)新源于微軟在數(shù)據(jù)中心與網(wǎng)絡(luò)設(shè)計上的數(shù)十年積累，以及支撐全球最大規(guī)模 AI 技術(shù)訓(xùn)練任務(wù)的深厚經(jīng)驗。
靈活應(yīng)對多樣化 AI 技術(shù)工作負載Fairwater 不僅適用于下一代前沿模型訓(xùn)練，還在設(shè)計之初就考慮到了多場景彈性調(diào)度。模型訓(xùn)練包含預(yù)訓(xùn)練、微調(diào)、強化學(xué)習(xí)、合成數(shù)據(jù)生成等多種不同類型的工作負載。
微軟還為此部署了專用的 AI WAN 廣域網(wǎng)骨干，把每個 Fairwater 站點連成一個高度彈性的整體，實現(xiàn)跨站點的動態(tài)算力調(diào)度，讓不同任務(wù)都能高效運行，最大化整個系統(tǒng)的 GPU 利用率。
極致算力密度：突破物理極限的 Azure AI 架構(gòu)
現(xiàn)代 AI 技術(shù)基礎(chǔ)設(shè)施的性能正面臨物理定律的挑戰(zhàn)，光速延遲正在成為限制加速器、計算與存儲深度整合的關(guān)鍵因素。Fairwater 的設(shè)計核心，就是把算力密度做到極致，在機架內(nèi)部、機架之間盡可能縮短延遲，從而將整體系統(tǒng)性能推到新的高度。
想要實現(xiàn)這種算力密度，冷卻技術(shù)是關(guān)鍵。Fairwater 數(shù)據(jù)中心采用全場液冷系統(tǒng)，并通過閉環(huán)循環(huán)設(shè)計 —— 冷卻液在初次注入后會被持續(xù)循環(huán)使用，不會蒸發(fā)流失，實現(xiàn)高效與可持續(xù)。初始注水量僅相當于 20 戶家庭一年的用水量，且可持續(xù)使用 6 年以上，僅在水質(zhì)監(jiān)測異常時更換。
液冷不僅提升散熱效率，還讓機架功率達到約 140kW/機架，1,360kW/排。先進冷卻技術(shù)確保在高負載下保持穩(wěn)定性能，讓超大規(guī)模訓(xùn)練任務(wù)高效運行。
圖為：機架級直液冷
為了進一步提升算力密度，F(xiàn)airwater 還采用了雙層數(shù)據(jù)中心建筑設(shè)計。原因很簡單：因為 AI 技術(shù)工作負載對延遲極度敏感，哪怕是線纜長度的微小差異，都可能影響集群性能。
在 Fairwater 中，每一塊 GPU 都需要與其他 GPU 互聯(lián)。通過三維空間布局，雙層設(shè)計讓機架分布更緊湊，顯著縮短線纜長度，從而帶來更低延遲、更高帶寬、更強可靠性以及更優(yōu)成本控制。
圖為：雙層網(wǎng)絡(luò)架構(gòu)
高可用，低成本供電
為了支撐前所未有的算力需求，F(xiàn)airwater 不僅在網(wǎng)絡(luò)架構(gòu)上創(chuàng)新，還在供電模式上突破傳統(tǒng)。亞特蘭大站點選址基于電網(wǎng)韌性，能以 3×9 成本實現(xiàn) 4×9 可用性，無需傳統(tǒng)冗余方案（如現(xiàn)場發(fā)電、UPS、雙路配電），降低客戶成本并加快交付。
同時，微軟與行業(yè)伙伴聯(lián)合開發(fā)電力管理解決方案，應(yīng)對大規(guī)模 AI 技術(shù)任務(wù)帶來的電網(wǎng)波動：
軟件層面：在低負載時段自動引入補充性任務(wù)，平滑電力波動
硬件層面：讓 GPU 自主控制功率閾值，抑制瞬時沖擊
現(xiàn)場儲能系統(tǒng)：通過本地儲能吸收波動，而無需額外消耗電力
這些方案讓 Fairwater 能在 AI 技術(shù)需求持續(xù)攀升的情況下保持平穩(wěn)運行。
尖端加速器與網(wǎng)絡(luò)系統(tǒng)
Fairwater 的強大性能，來自于專為 AI 技術(shù)打造的服務(wù)器架構(gòu)、先進加速器和全新的網(wǎng)絡(luò)系統(tǒng)。
單一扁平網(wǎng)絡(luò)：突破傳統(tǒng) Clos 網(wǎng)絡(luò)限制，支持數(shù)十萬 GPU 互聯(lián)
機架級互聯(lián)：每機架最多容納 72 塊 Blackwell GPU，通過 NVLink 實現(xiàn)超低延遲通信
極致算力密度：支持 FP4 等低精度格式，提升 FLOPS 與內(nèi)存效率
帶寬與內(nèi)存：每機架提供 1.8TB GPU 間帶寬，每塊 GPU 可訪問 14TB 共享內(nèi)存
圖為：采用應(yīng)用驅(qū)動網(wǎng)絡(luò)技術(shù)的密集型 GPU 機架
為了讓數(shù)十萬塊 GPU 像一臺超級計算機一樣高效運作，F(xiàn)airwater 采用橫向擴展網(wǎng)絡(luò)架構(gòu)，將機架擴展為 Pod 和集群，實現(xiàn)最少跳數(shù)、最低延遲的互聯(lián)。
核心技術(shù)亮點
雙層以太網(wǎng)后端架構(gòu)：支持超大規(guī)模集群，GPU 間互聯(lián)速率高達 800Gbps
SONiC 網(wǎng)絡(luò)操作系統(tǒng)：微軟自研，避免單一供應(yīng)商鎖定，降低成本，支持通用硬件
網(wǎng)絡(luò)優(yōu)化技術(shù)：多層面重構(gòu)性能，實現(xiàn)擁塞控制、快速重傳和智能負載均衡，保障超低延遲與高可靠性
行星級規(guī)模
即便有這么多創(chuàng)新，面對動輒萬億參數(shù)的大模型訓(xùn)練，單個數(shù)據(jù)中心的電力和空間仍難以承載不斷上升的算力需求。為此，微軟打造了一個專用的 AI WAN 光網(wǎng)絡(luò)，將 Fairwater 的縱向擴展與橫向擴展網(wǎng)絡(luò)進一步向外延伸。
依托多年的超大規(guī)?；A(chǔ)設(shè)施經(jīng)驗，微軟僅在過去一年內(nèi)就在全美鋪設(shè)了 12 萬英里的新光纖，全面增強 AI 技術(shù)網(wǎng)絡(luò)的覆蓋與穩(wěn)定性。
憑借這條高性能、高可用的骨干網(wǎng)絡(luò)，我們可以把不同世代的超級計算機跨地域聯(lián)成一個整體——打造真正意義上的 AI 超級工廠（AI Superfactory）。
開發(fā)者可以根據(jù)任務(wù)需求，在單站點內(nèi)部的 scale-up / scale-out 網(wǎng)絡(luò)之間靈活切換，也可以跨站點通過 AI WAN 調(diào)度算力資源。
這與過去所有流量都必須走同一個橫向擴展網(wǎng)絡(luò)的模式截然不同。
如今，任務(wù)可以基于需求選擇最適合的網(wǎng)絡(luò)路徑，不僅提升效率，也讓整個基礎(chǔ)設(shè)施更靈活、更高利用率。
下一代 Azure AI 基礎(chǔ)設(shè)施的躍遷
全新的亞特蘭大 Fairwater 站點，是 Azure AI 基礎(chǔ)設(shè)施邁出的又一大步，也是微軟多年支撐全球最大規(guī)模 AI 技術(shù)訓(xùn)練經(jīng)驗的成果總結(jié)。
它融合了突破性的算力密度設(shè)計、高效可持續(xù)的能源體系以及世界領(lǐng)先的網(wǎng)絡(luò)架構(gòu)，并與全球各地的 Azure AI 數(shù)據(jù)中心深度互聯(lián)，共同構(gòu)成首個全球規(guī)模的 AI 超級工廠。
對企業(yè)與開發(fā)者而言，這意味著更容易將 AI 技術(shù)融入現(xiàn)有工作流、更快把想法變成現(xiàn)實、更輕松構(gòu)建出曾經(jīng)難以實現(xiàn)的創(chuàng)新型 AI 技術(shù)應(yīng)用。
