科技巨头联合成立促进会，拟制定 AI 芯片互联新行业标准

作者｜王艺

编辑｜赵健

看不下去英伟达的垄断，科技巨头们联合出手了。

据科技媒体最新消息，英特尔、谷歌、微软、Meta、AMD、惠普、博通、思科联合成立了一个新的行业组织——促进会（the Ultra Link Group，超级加速器链接促进会），该组织正在提议制定一项新的行业标准，应用于数据中心里AI芯片之间的互联。

提议标准的第一个版本 1.0将通过单个计算“Pod（舱，服务器中的一个或者多个机架）”连接多达1024个AI芯片（仅限GPU）。据促进会称， 1.0基于包括AMD的 在内的“开放标准” ，将允许在连接到的AI芯片的内存之间进行直接加载和存储，与现有互连规范相比，可以提高速度并降低数据传输延迟。

同时，该组织表示，将在今年第三季度成立“联盟”，以监督规范未来的发展； 1.0将在同一时间向加入该联盟的公司提供，带宽更高的更新规范 1.1则将于今年第四季度推出。

1.一切都怪英伟达

的名单中，没有英伟达。

这或许和英伟达长期垄断数据中心市场的“霸权”有关——英伟达目前是世界上最大的AI数据中心制造商，约占全球80%-95%的市场份额。凭借着其专有的互联技术、 （）和，英伟达实现了AI芯片和数据中心之间的高速数据传输：

是一种专为GPU与CPU之间高速数据传输设计的互连技术，相较于传统的PCIe接口，它提供了更宽的带宽和更低的延迟，极大提升了GPU密集型应用如深度学习、科学模拟和大数据分析的性能；

第五代极大地提高了大型多GPU系统的可扩展性，单个 Core GPU支持多达18个 100 GB/s连接，总带宽为1.8TB/s，比上一代带宽高2倍，比PCIe Gen5带宽高14倍以上（图源：）

是英伟达开发的一种高速交换机技术，它扩展了的概念，可以将多个GPU和CPU节点在更大范围内连接起来，形成更为复杂的互连网络。拥有多个端口，能够在一个系统内实现任意两个GPU之间的直接通信，这对于构建大规模GPU加速的超级计算机和数据中心架构尤为重要；

图源：

可在一台NVL72中实现130TB/s的GPU带宽，以实现大型模型并行； NVL72可以支持的GPU数量是单个八GPU系统的9倍

与此同时，英伟达通过收购 ，将高速网络解决方案纳入麾下，进一步巩固了其在数据中心生态的影响力。以其极高的数据传输速度和低延迟特性，成为高性能计算集群和数据中心内部通信的优选方案，尤其适合大规模并行计算和存储架构。

图源：

网络由交换机和路由器组成，数据包使用串行方式发送，可以同时发送多个数据通道。

这三者的结合，使得英伟达能够提供端到端的高速数据通路，从GPU到CPU，再到整个网络基础设施，这种垂直整合能力极大地优化了数据处理流程，不仅提升了用户在人工智能、科学模拟、数据分析等领域的计算能力，还极大地增强了英伟达在高性能计算市场的竞争力，确立了其作为行业标准制定者的角色，进一步扩大了其在技术前沿的垄断地位。

英伟达最新财报（2025财年第一财季）显示，英伟达第一季度总营收260亿美元（创历史新高）；其中，数据中心业务贡献了英伟达的绝大部分营收，收入达226亿美元，同比增长427%，环比增长23%。如果英伟达继续保持目前增长势头，或许将在今年某个时候超越苹果成为全球第二大市值的公司。

在披露财报的同时，英伟达CFO Kress还表示，“大型云服务提供商大约占据数据中心收入的45%左右”。钱都被英伟达赚了，科技巨头们难免不高兴，因此组团成立定义新的行业标准，试图在英伟达的“垄断”体系下突围。而英伟达不支持基于竞争对手技术的规范也无可厚非。

2.第二次围攻

的成立，是科技巨头们对英伟达的“第二次围攻”。

早在2023年7月，Linux基金会就联合博通、思科等多家公司成立了一个“超级以太网联盟（Ultra ）”，通过使用针对AI和HPC工作负载优化的新拥塞控制方法（如晶片堆栈和硅光技术），以实现比或RoCE网络更高效、更具可扩展性的互联网络，从而打破的垄断。

而2023年12月，促进会就有了初步的苗头。当时AMD和博通发表了一个联合声明，表示博通未来的PCI-交换机将支持xGMI和 协议，使用NUMA架构，用于AMD的 GPU和CPU之间的相互连接。这一最新交换机被命名为“Atlas 4”，遵循PCI- 7.0规范，将于2025年上市。

但PCI-不是唯一的互联， xGMI也不是唯一的协议。AMD为贡献了范围更广的 共享内存协议，而所有其他参与者都同意使用 作为数据中心互连的标准协议。英特尔高级副总裁兼网络和边缘事业部总经理 Katti表示，促进会正在考虑使用以太网第1层传输层，并在其上采用 ，以便将GPU内存粘合到类似于CPU上的NUMA的巨大共享空间中。

很少有人想过将多个不同供应商的GPU连接到一个机箱内，或者是连接到一个Pod（舱）内。但就在试图这么做——

GPU和加速舱（图源：The Next ）

使用以太网将Pod链接到更大的集群（图源：The Next ）

使用，可以将一个带有AMD GPU的Pod，一个带有Intel GPU的Pod，和另一个带有若干AI芯片的其他品牌供应商的舱连接在一起。就像Meta和微软发布的开放加速器模块 (OAM) 规范允许系统板上加速器插槽的通用性一样，也在互连层面上实现了服务器设计的通用性。

据介绍，Ultra 仍将用于扩展到更多节点，博通可能会在的Thor产品中推出一款早期的Ultra NIC，但仅根据规范标准化的程度，可能还需要一代才能获得完整的UEC支持。

对于AMD和英特尔等公司来说，为其提供了一条复制和、并与其他公司共享开发成果的途径。此外， 也让博通这样的公司制造交换机来帮助其他公司扩大规模。

“行业需要一种能够快速推进的开放标准，这种开放标准允许多家公司为整个生态系统增加价值”，在外媒的采访中，AMD数据中心解决方案总经理 表示，“这种标准需要允许创新不受任何一家公司的束缚，快速推进”。

3.微软、Meta、谷歌或成最大受益者

的最大受益者可能是微软、谷歌以及Meta，它们总计花费了数十亿美元购买英伟达的GPU和服务器来训练其大模型，因此他们迫切地想要摆脱对于英伟达硬件的依赖。

比如谷歌于2020年就在自家的数据中心上部署了当时的最强AI芯片“TPU v4”，去年在Cloud Next 2023大会上推出了新款自研AI芯片TPU v5e，并推出了搭配英伟达（）H100 GPU的 “A3超级计算机”GA（通用版）；今年的Cloud Next 2024上，谷歌又宣布推出基于Arm架构的CPU Axion。其性能比通用Arm芯片高30%，比英特尔生产的当前一代x86芯片高50%；

微软于去年11月推出了Azure Maia AI芯片和Azure CPU，Maia是为满足微软服务的特定性能要求而定制的，可以显著减少能耗； CPU则基于Arm架构构建，以其能效和性能而闻名；此外，微软和也计划投入1000亿美元建造超级计算机用于训练大模型，该超级计算机将配备未来版本的和Maia芯片，而恰好可以将它们连接起来；

而Meta则在2021年和2022年分别推出了模型训练平台和Grand Teton，又在今年在3月宣布设计了两个新的AI计算集群，每个集群包含24576个GPU。这些集群基于Meta的Grand Teton硬件平台，其中一个集群目前被Meta用于训练其下一代Llama 3模型。Meta还致力于框架实现，试图用并行化算法，将初始化时间从“有时数小时缩短到数分钟”。

在众多科技巨头的努力下，一个可以与英伟达分庭抗礼的新的互联行业标准，或许离我们不远了。