10月29日消息，YouTube視頻博主 ServeTheHome 首次曝光了埃隆·馬斯克 （Elon Musk）旗下人工智能企業(yè)xAI的Colossus  AI 超級(jí)計(jì)算機(jī)集群，其集成了100000個(gè)英偉達(dá)（NVIDIA）H100 GPU，號(hào)稱(chēng)是目前全球最強(qiáng)大的AI超級(jí)計(jì)算機(jī)集群。

早在今年7月下旬，馬斯克就在“X”平臺(tái)上宣布，自己已經(jīng)啟動(dòng)了“世界上最強(qiáng)大的 AI 集群”。這座AI集群從開(kāi)始建設(shè)到完成組裝僅花了122天就完成了，目前已經(jīng)上線(xiàn)運(yùn)行了約3個(gè)月。

根據(jù)ServeTheHome曝光的信息來(lái)看，龐大的Colossus  AI超級(jí)計(jì)算機(jī)集群采用的是超威電腦（Supermicro）的服務(wù)器，其基于NVIDIA HGX H100方案，每個(gè)服務(wù)器中擁有8個(gè)H100 GPU，封裝在 Supermicro 的 4U 通用 GPU 液冷系統(tǒng)內(nèi)，為每個(gè) GPU 提供簡(jiǎn)單的熱插拔液冷。這些服務(wù)器裝載在機(jī)架內(nèi)，每個(gè)機(jī)架可容納 8 臺(tái)服務(wù)器，也就是說(shuō)每個(gè)機(jī)架內(nèi)有 64 個(gè) GPU。1U 歧管夾在每個(gè) HGX H100 之間，提供服務(wù)器所需的液體冷卻。每個(gè)機(jī)架的底部是另一個(gè) Supermicro 4U 單元，這次配備了冗余泵系統(tǒng)和機(jī)架監(jiān)控系統(tǒng)。

△四組 xAI 的 HGX H100 服務(wù)器機(jī)架，每組可容納八臺(tái)服務(wù)器。（圖片來(lái)源：ServeTheHome）

△xAI Colossus GPU 服務(wù)器的后部訪問(wèn)。每臺(tái)服務(wù)器有 9 根以太網(wǎng)電纜，每臺(tái)服務(wù)器有 4 個(gè)電源。電源和液體冷卻軟管也可見(jiàn)。（圖片來(lái)源：ServeTheHome）

這些機(jī)架以 8 個(gè)為一組配對(duì)，每個(gè)陣列有 512 個(gè) GPU。每臺(tái)服務(wù)器都有四個(gè)冗余電源，GPU 機(jī)架的后部露出三相電源、以太網(wǎng)交換機(jī)和一個(gè)提供所有液體冷卻的機(jī)架大小的歧管。Colossus 集群中有超過(guò) 1500 個(gè) GPU 機(jī)架，或近 200 個(gè)機(jī)架陣列。據(jù)英偉達(dá)首席執(zhí)行官黃仁勛稱(chēng)，這 200 個(gè)陣列的 GPU 僅用了三周時(shí)間就完成了安裝。

由于 AI 超級(jí)集群不斷訓(xùn)練模型的高帶寬要求，xAI 在其網(wǎng)絡(luò)互連性方面提供了超大的帶寬。目前每個(gè)顯卡都有一個(gè) 400GbE 的專(zhuān)用 NIC（網(wǎng)絡(luò)接口控制器），每臺(tái)服務(wù)器還有一個(gè)額外的 400Gb NIC。這意味著每臺(tái) HGX H100 服務(wù)器都有每秒 3.6 TB 的以太網(wǎng)速率。整個(gè)集群都在以太網(wǎng)上運(yùn)行，而不是 InfiniBand 或其他在超級(jí)計(jì)算領(lǐng)域標(biāo)配的連接。

△仰望一大片的黃色以太網(wǎng)電纜，將 xAI Colossus 集群連接在一起。多層過(guò)寬的電纜線(xiàn)路嵌入天花板中。（圖片來(lái)源：ServeTheHome）

△xAI 的 Colossus CPU 計(jì)算服務(wù)器，看起來(lái)與該站點(diǎn)中也廣泛使用的 Supermicro 存儲(chǔ)服務(wù)器完全相同。（圖片來(lái)源：ServeTheHome）

當(dāng)然，像 xAI 旗下Grok 3 聊天機(jī)器人這樣基于訓(xùn)練 AI 模型的超級(jí)計(jì)算機(jī)需要的不僅僅是 GPU 才能運(yùn)行。Colossus集群當(dāng)中的存儲(chǔ)和 CPU 計(jì)算機(jī)服務(wù)器的詳細(xì)信息仍未曝光，不過(guò)這些服務(wù)器也大多采用 Supermicro 機(jī)箱。一波又一波的 NVMe 轉(zhuǎn)發(fā) 1U 服務(wù)器內(nèi)部帶有某種 x86 平臺(tái) CPU，可容納存儲(chǔ)和 CPU 計(jì)算，還具有后入式液體冷卻功能。

另外，在該超級(jí)計(jì)算機(jī)集群的外面，還可以看到一些大量捆綁的特斯拉 Megapack 電池（每個(gè)最多可容納 3.9 MWh）。該電池陣列的是為了應(yīng)對(duì)突發(fā)停電的臨時(shí)備用電源，其可以在毫秒之間快速提供供電，相比柴油發(fā)電機(jī)反應(yīng)要快得多，可以使得有足夠時(shí)間去啟動(dòng)其他備用電源。