文章总结： 本文讲述国产十万卡AI超集群曙光8000面临的三大硬仗：网络传输错误、存储读写压力、液冷散热。通过智能交换、独立通道、金刚石铜焊接等创新方案解决，强调算力取决于系统短板而非芯片本身。
综合评分： 72
文章分类： 解决方案
国产十万卡，真正的硬仗不在芯片
原创
大表哥吆
大表哥吆
kali笔记
2026年9月26日 20:54
甘肃
在小说阅读器读本章
去阅读
在公众号小说中沉浸阅读
中秋假期的晚上，外面月亮挺圆，我没出门赏月，反而在家看完了一集纪录片——央视《超级工程》的第二集《探极境》。
说实话，一开始我是抱着”又是那种宏大叙事”的心态点开的。但看到一半，我发现这次有点不一样：镜头没对着芯片讲”我们多牛”，反而老老实实地拍了一群工程师，怎么被三个看似不起眼的难题折腾到几乎崩溃。
主角是”曙光8000″——中国首套全国产的十万卡AI超集群。十万卡是什么概念？就是十万块AI芯片协同干活。但片子里给出的答案很”反常识”：决定这台机器能不能跑起来的，早就不只是芯片本身了。真正卡脖子的，是网络、存储、液冷这三样东西。
看完我才明白，原来算力的战争，早就不是拼谁的单核更强，而是拼谁能把系统里每一块”短板”都补齐。
第一场硬仗：网络。错误不是偶然，是必然
十万卡集群，每小时会出现2.7次传输错误。
这个数字第一次听到的时候，我愣了一下。2.7次，听着不多对吧？但你想想，网络传输本来是个概率事件，可当设备和链路多到十万级别，再小的概率也会被基数放大到”必然发生”。
更扎心的是纠错。传统办法是中心调度：哪里坏了，调度中心排查、重新规划路径。一万卡的时候，这个过程要30秒；到了十万卡，可能长达5分钟。5分钟对一台正在跑大任务的机器意味着什么？意味着整套算力都得停下来干等。
总架构师万伟的解法，来自一次过马路的观察。北京繁华的路口，没有人站在中间统一指挥，但每个人看着眼前的情况，向左一步、向右一步、快一点慢一点，人流照样有序通过。
于是他们给交换芯片植入”智能开关”，给地址预设备用路径，让设备在毫秒级内自主切换，不用等调度中心发指令。
纪录片里有个镜头我印象特别深：中科曙光的工程师当着镜头手动拔掉一根网线，监控画面只短暂抖了一下，就迅速恢复。那一瞬间我甚至有点起鸡皮疙瘩——这不就是”让设备自己先活下来”吗。
第二场硬仗：存储。全球第一，也得从头再来
存储团队刚拿下全球权威榜单IO500第一。按理说，这已经是最顶级的队伍了。
结果面对十万卡级别的读写压力，他们自己喊出了”扛不住”。
负责人郭照斌打了个比方：几十亿个请求同时涌进来，快的先走，慢的不断拖累整体；共享通道里的争抢，就像十几辆货车同时堵在仓库门口，谁也进不去。
所以，全球第一又怎样？榜单证明了他们的能力，却替不了这套新系统要面对的新问题。这句话挺戳我的——很多时候我们以为”我已经够强了”，但换个量级、换个场景，之前的经验全得推倒重来。
破局的灵感，来自自动化物流仓库：不同方向的机器人各走各的独立通道，互不争抢。他们把这种思路搬进存储，做了个”超级隧道”，让每一条数据请求都找到离自己最近的CPU和硬盘，走专属路径。
说白了就一句话：别让所有货车都去挤一条主路，给每条数据都留一条自己的车道。
第三场硬仗：液冷。把金刚石焊到芯片上
这个是最让我破防的部分。
曙光8000的刀片服务器，厚度只有六十多毫米，里面塞了5层主板、20颗芯片。单颗芯片的满载功耗，是办公电脑CPU的5倍以上。
片子里算了笔账：十万颗芯片全速跑一年半，放出的热量足以让西湖的水瞬间沸腾。
散热，成了这台机器能不能活下来的底线。他们试了几十种材料，最后留下的是金刚石粉——把金刚石和铜结合成”金刚石铜”，散热能力是铜的两倍。
但换了材料，问题没自动解决。满载测试还是没达标，而距离交付只剩6个月。设计师常乾坤给了个近乎疯狂的做法：去掉芯片的金属上盖，砍掉中间好几层导热介质，把散热器直接焊到芯片裸片上。
代价是焊接时容易产生空洞，导热性能会急剧变差。量产一度被按下暂停键。为了抢时间，团队白天在工厂做样件，晚上坐卧铺把样件送到焊接厂，工艺反复打磨了十几二十次。
50天极限攻关，焊接参数才终于锁定。
我特别在意”坐卧铺”这个细节。在动不动就谈”国产替代””弯道超车”的宏大叙事里，真正的主角其实是这些赶火车、熬通宵、一遍遍试错的具体的人。他们不会出现在聚光灯中央，但托住十万卡算力的，恰恰是他们。
写在最后
看完这集，我最大的感受是：我们太习惯看”结果”了，看芯片、看参数、看榜单，却很少去看那些藏在阴影里的子系统。
可片子结尾那句话说得对——十万卡时代，算力的高低不再由最长的那块木板决定，而是由最短的那块决定。当系统里每一个环节都能在极限工况下”自己活下来”，算力才真正从参数表上的数字，变成了能托付重任的生产力。
中秋夜，别人在赏月，我在这群工程师的故事里，看到了另一种”圆满”。
免责声明：
本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。
任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。
本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。
本文转载自：kali笔记 大表哥吆
大表哥吆《国产十万卡，真正的硬仗不在芯片》