昨日铁岭市“最美青年”评选新闻发布会举行

 人群专属课程：运维工程师、网络工程师、开发工程师

深入硬件架构：GPU、集群部署、网络结构、虚拟化

1. 课程的主题是什么？为什么这么重要？

• 本课程主题聚焦于 AI 大模型硬件架构以及 GPU 相关技术，包含从 GPU 基础架构、服务器架构，到分布式训练 IO 体系、GPU 集群网络设计与算力调度等多方面内容。

• 在当今 AI 快速发展的时代，硬件是支撑大模型训练与运行的关键。了解 GPU 架构与相关技术，能让学员明白硬件性能瓶颈所在，有针对性地进行优化。掌握算力调度技术可提升硬件资源利用率，降低成本。对于从事 AI 开发、数据中心运维等领域的人员，这些知识是构建高效、稳定系统的基础，对推动 AI 技术在各行业的落地应用具有重要意义 。

2. 课程适合哪些人？

• 适合运维工程师。课程中关于 GPU 服务器设计与实现总结、管理 GPU 集群（BMC 与 IPMI 的实现）、GPU 集群的专线与互联网访问等内容，能帮助运维工程师深入了解硬件架构与集群管理方式，更好地进行服务器日常运维、故障排查以及资源管理，提升运维效率和系统稳定性。

• 网络工程师也能从课程中受益。分布式训练 IO 体系、GPU 集群的网络设计与实现（三张网与两套方案）等知识，涉及多种网络连接方式、通信协议，如 RDMA 实现方式等，可助力网络工程师进行更合理的网络规划与部署，优化网络性能，保障 GPU 集群间高效通信。

• 对于开发工程师而言，课程提供了丰富的底层硬件知识。从英伟达 H100 等 GPU 架构解析，到 GPU 与用户内存通信（GPUDirectSharedMemory）原理等内容，有助于开发工程师在开发过程中更好地利用硬件资源，优化算法与程序，提升软件与硬件的适配性，开发出更高效的应用程序 。

3. 学完这堂课能解决哪些问题？

• 硬件知识缺失问题。学员能全面了解 AI 大模型硬件架构，包括英伟达 H100 等多种 GPU 架构、不同服务器架构特点。

• 性能优化问题。掌握提升 GPU 计算效率的方法，如 TMA 原理等，明白如何通过优化缓存机制、通信方式等提升硬件性能。

• 资源管理问题。学会 GPU 多组用户实现方法，以及 GPU 板卡级算力调度技术，有效管理硬件资源，提高利用率。

• 集群部署与通信问题。解决分布式训练 IO 体系搭建、GPU 集群网络设计与实现问题，包括多种通信协议、连接方案的应用。

4. 课程的内容有哪些？

• GPU 架构：英伟达 H100 基本架构、核心详解、SM 流式多处理器内部架构、缓存机制、提升计算效率原理。

• 服务器架构：传统 AI 服务器（Apollo6500）、英伟达 DGX 服务器、AMD 晓龙处理器（ROME7742）架构解析。

• 连接技术：PCIE-Switch、NVLink-Switch 应用，多个 A100 连接方式。

• 分布式训练与通信：分布式训练 IO 体系（MagnumIO），GPU 与用户内存通信（GPUDirectSharedMemory），多种 GPU Direct 通信原理及 RDMA 实现方式。

• GPU 集群管理：网络设计与实现（三张网与两套方案），DGXA100 不同连接方案，管理 GPU 集群（BMC 与 IPMI 实现），集群访问方式。

• 算力调度与模式：GPU 板卡级算力调度技术，KVMPCI-e 直通模式，KVM 直通模式租户独占 GPU 过程，K8s 容器独占模式。

5. 学完这堂课，同学可以运用在哪些场景？

• 数据中心运维场景：运维工程师可依据所学的 GPU 服务器架构知识，如传统 AI 服务器（Apollo6500）、英伟达 DGX 服务器架构解析等内容，更高效地进行服务器硬件维护、故障排查与性能优化。在管理 GPU 集群时，利用 BMC 与 IPMI 的实现方法以及 GPU 板卡级算力调度技术，合理分配资源，确保集群稳定运行，提升数据中心整体运维效率。

• 网络部署与优化场景：网络工程师学习了分布式训练 IO 体系、GPU 集群的网络设计与实现等知识后，能够在构建和优化数据中心网络时，根据不同需求选择合适的网络连接方式，如三张网与两套方案、DGXA100 的 IB 网与以太网方案等。掌握 RDMA 实现方式等通信协议原理，有助于优化网络性能，降低延迟，保障 GPU 之间以及 GPU 与其他设备之间的高速稳定通信。

• AI 开发与应用场景：开发工程师通过对英伟达 H100 等 GPU 架构的深入理解，以及 GPU 与用户内存通信原理、提升计算效率的方法（如 TMA 原理解析）等知识的掌握，在开发 AI 应用程序时，能够更精准地利用硬件资源，针对不同 GPU 特性进行算法优化。在进行分布式训练时，结合课程中的分布式训练 IO 体系知识，合理设计数据传输与计算方案，提高模型训练速度和效率。

• 云计算资源管理场景：在云计算环境中，借助课程所学的 KVMPCI - e 直通模式、KVM 直通模式 - 租户独占 GPU 全过程以及 K8s 容器独占模式等内容，云服务提供商可以更灵活地为租户分配 GPU 资源，实现资源的高效利用与隔离，满足不同租户对 GPU 计算资源的需求，提升云计算服务的质量和竞争力。