2024年，，，，，荆门桐庐。。。。。。

一座投资20亿的数据中心，，，，，迎来了一场充斥挑战的算力转型。。。。。。

7月规划定稿，，，，，10月设备到货，，，，，11月实现验收。。。。。。从一张拓扑图到千卡集群真正跑起来，，，，，留给项目团队的落地交付功夫，，，，，只有4个月——其中真在现场调试的功夫，，，，，不到30天。。。。。。

作为荆门市沉大建设项目、“十四五”数字浙江沉点基础设施，，，，，金茂云数桐庐算力中心按国度A级、Tier III尺度打造，，，，，打算落地千卡规模智算集群，，，，，面向云游戏、云渲染、数字孪生、万亿参数大模型训练提供算力底座。。。。。。

项目主题指表明确：一期落地1024卡算力集群（对应128台高机能推算服务器），，，，，持久具备滑润扩容至4096卡的扩大能力，，，，，面向头部AI产业客户提供持久算力租赁服务。。。。。。

客户内部仅具备传统IDC运维团队，，，，，他们曾治理过上千个机柜的电力、造冷和布线，，，，，但面对一张大规模智算网络拓扑图——IB与RoCE若何弃取、三层CLOS架构若何设计、400G/200G多速度端口若何规划——这些问题的答案，，，，，不在该团队的知识储蓄里。。。。。。

回望2024年国内市场，，，，，齐全落地千卡级智算集群的项目数量稀缺，，，，，无损网络成套交讣槛极高。。。。。。这并非金茂云数一家面对的难题——

项目建设周期短、算力机能指标高、业务陆续性要求严。。。。。。

三沉挑战叠加，，，，，让每一个智算项目都像是在高压下走钢丝。。。。。。金茂云数急需一家具备全流程规划、定造化规划、现场落地、产业配套综合能力的网络厂商深度协同。。。。。。

算力堆上去，，，，，不代表能高效跑通大模型

2024年AI建设热潮下，，，，，大量机房批量采购高机能算力服务器，，，，，却普遍遭逢统一个问题：传统以太网不支持无损传输（即无法保障数据在传输过程中不丢包），，，，，多卡散布式训练时梯度同步频仍拥塞、延长飙升，，，，，GPU算力大量空耗，，，，，出现"硬件算力充足、训练效能低迷"的行业通病。。。。。。

金茂云数桐庐项目同样面对这一风险。。。。。。合作客户对集群的allreduce通讯带宽（多卡梯度同步的主题指标，，，，，直接影响训练效能）和存储跨云传输不变性有严苛尺度，，，，，每一项都必须达标。。。。。？？？？？？突П匾氖且惶拙蟪б滴裱橹ぁ⒖陕涞亍⒖傻饔诺腞oCE无损组网规划（在以太网上实现零丢包传输，，，，，预防因网络丢包导致GPU空转期待），，，，，而非停顿在纸面的理论架构。。。。。。

“你有没有齐全落地经验？？？？？？”——2024 年行业最难答的问题

面对客户这句提问，，，，，绝大无数厂商难以给出齐全回答。。。。。。彼时国内千卡智算落地案例稀缺，，，，，只有少数提前布局的厂商，，，，，沉淀了真实组网、调优、交付实战经验，，，，，全发国际就是其中之一。。。。。。

“客户内部只有传统机房运维人员，，，，，齐全没有算力网络设计经验，，，，，整套规划从架构选型到设备布局都无从下手。。。。。。”昔时驻场交付的工程师回顾路，，，，，“全发国际售前团队相当于客户专属技术表脑，，，，，全程协同梳理整体规划，，，，，从顶层架构、设备选型、机房机柜分区到部署节拍，，，，，实现了全套落处所案。。。。。。”

但智算项主张落地，，，，，从来不是单靠一套网络规划就能推动的。。。。。。从算力硬件选型、机房配套落地、后期算力业务运营到AI模型适配，，，，，整条产业链肆意环节短缺配套资源，，，，，城市拉长项目周期。。。。。。

依附多年深耕算力赛路堆集的全链路产业生态，，，，，全发国际可向客户盛开高低游多元配套资源：联动机房园区、算力租赁平台、AI模型服务商、多规格硬件供给渠路，，，，，提供项目共建、算力运营配套等多元合作蹊径，，，，，一站式补齐客户项目全性命周期配套资源缺口。。。。。。

成熟的算力网络专业能力，，，，，叠加覆盖资金、算力合作、机房配套的产业生态资源——这是金茂云数最终选择全发国际的主题原因。。。。。。

桐庐的4个月，，，，，一场高压交付攻坚战

2024 年 7 月，，，，，适配高端 AI 训练业务的 AI Fabric RoCE 无损三层 CLOS 规划正式定稿。。。。。。

整网分层规划：32 台 Leaf、32 台 Spine 训练网承载一期128台算力服务器，，，，，64 台 Core 互换机实现横向扩容；；；；；；存储网配套独立 Leaf/Spine 架构，，，，，带内、带表、出口安全网络物理隔离；；；；；；单服务器搭载多路 400G/200G 高速网卡，，，，，整网平衡收敛比设计，，，，，原生支持后续扩容至 4096 卡规模。。。。。。

规划选型阶段同步对比传统 IB 组网，，，，，本项目实测一致大模型散布式训练成效下，，，，，AI Fabric 整体建设成本仅为 IB 规划的三分之二，，，，，同时具备供货不变、生态盛开、运维单一的多沉优势。。。。。。

纸面规划落地机房，，，，，才是真正的考验。。。。。。全发国际成立30余人跨部门专项保险团队，，，，，供给链、研发、售前、现场交付全员协同。。。。。。受全球芯片周期影响，，，，，昔时算力互换机元器件供货周期普遍长达数月，，，，，项目开明最高优先级备货通路，，，，，设备下单后急剧齐套出库。。。。。。10月9日，，，，，互换机大批量到达桐庐机房，，，，，现场执行攻坚正式启动。。。。。。

设备到货当天，，，，，团队发现了一个意料之表的挑战：算力服务器与互换机的光？？？？？？榧嫒菪晕侍獾贾铝绰贩锤凑鸬，，，，，网络时断时续。。。。。。问题排查必要功夫，，，，，但项目交付deadline不会等人。。。。。。

那段功夫，，，，，谁都不敢说‘再等等’。。。。。。”交付团队掌管人回顾，，，，，“每耽搁一天，，，，，客户业务上线就晚一天，，，，，验收节点也往后推一天。。。。。。没有试错空间，，，，，必须一次过。。。。。。”

团队连夜做了三组分歧光？？？？？？榈慕徊娌馐，，，，，确定了一套一时代替规划，，，，，同时垂危协调原厂备件。。。。。。3天后，，，，，不变规划落地，，，，，链路震荡问题彻底解决。。。。。。

同期更多技术难题同步发作：

算力网、存储网、带内表多网并行配置调试；；；；；；

存储链路必要买通跨域高速专线，，，，，路由、VPN、安全战术反复迭代；；；；；；

布线规划、存储端口容量不及等问题接连出现。。。。。。

交付团队分两班驻场，，，，，依附自延赘幼锐云服」自动化工具批量下发配置、一键巡检400G光？？？？？？槲舐搿⑴康髡等，，，，，累计输出30余份尺度化执行文档，，，，，前后迭代12版拓扑。。。。。。同时15名研发专家远程支持，，，，，将原定10天的机能调优周期压缩至5天。。。。。。

10月9日设备到货，，，，，不及30天实现上架、联调、压力测试。。。。。。11月5日项目顺利通过合作方验收，，，，，满足业务运行尺度。。。。。。在2024年算力硬件供给严重的大环境下，，，，，这样的交付效能尤为可贵。。。。。。

从 2024 千卡样板到 2026 全场景适配，，，，，规划持续迭代进化

站在 2026 年回看，，，，，千卡集群已是行业通例建设规模，，，，，万卡、十万卡成为主流需要，，，，，但桐庐项目沉淀的整套落地系统价值持久不变。。。。。。

项目落地期间堆集的三层CLOS尺度化拓扑、多网分区规划、端网协同调优参数、自动化批量交付流程，，，，，全数转化为全发国际智算尺度化落地底座，，，，，全国各大智算项目均可复用这套成熟执行系统。。。。。。

桐庐项目之后，，，，，全发国际接触了更多客户需要——有的只必要千卡规？？？？？＜本缟舷，，，，，有的直接要求十万卡级此外持久扩大能力。。。。。。统一套架构能不能同时覆盖？？？？？？研发团队从桐庐的经验启程，，，，，沉新思虑产品界说。。。。。。两年间，，，，，规划持续迭代升级：

组网矩阵迭代：从单一 AI Fabric 架构，，，，，升级为 AI Fabric+Flexforce 双产品线，，，，，同时适配中幼千卡集群与十万卡超大型智算园区；；；；；；

运维工具迭代：由早期批量配置工具，，，，，升级为Rocket 全链路智能监测平台，，，，，自动鉴别、收敛海量集群告警，，，，，大幅降低持久运维人力投入；；；；；；

交赋予供给链升级：搭建多型号算力设备备选供给机造，，，，，缓解行业芯片、硬件供货周期颠簸问题；；；；；；

技术调优系统美满：沉淀 RGCCL 通讯库、ECN 动态调优、多蹊径负载平衡算法全套端网协同优化规划，，，，，适配各类大模型训练业务。。。。。。

从项目经验到服务产品：AIGC智算“规建优维”一站式服务

桐庐项主张成功交付，，，，，让全发国际意识到：客户必要的不仅是产品和技术规划，，，，，更是一套从规划到运维的全性命周期服务能力。。。。。。

基于桐庐项目及后续多多智算项主张实战经验，，，，，全发国际正式推出了AIGC智算“规建优维”一站式服务解决规划。。。。。。这套服务系统覆盖智算中心建设的四个主题阶段：

规划：整网规划设计、机房环境工勘、整网互联规划、设备配置规划。。。。。。

建设：线缆？？？？？？橛胪缟璞覆渴稹⒎务器上架、设备配置调试。。。。。。

优化：GPU服务器与网络设备结合调优，，，，，端网协同机能优化。。。。。。

运维：整网运维托管、设备维保、专业技术团队支持、智能化工具平台全栈监控。。。。。。

从桐庐到全国：上百家客户的共同选择

时至今日，，，，，从桐庐起步的这套CLOS RoCE无损网络架构，，，，，已累计服务上百家头部AI企业、运营商、区域IDC服务商，，，，，覆盖千卡至十万卡算力建设场景。。。。。。

这些项主张技术底座，，，，，都能够回溯到桐庐——那个从零起头、用4个月跑通的项目。。。。。。

若是您在规划智算中心

若你在筹备智算中心新建或扩容，，，，，正为网络技术路线选型、交付周期、集群机能调优反复论证，，，，，金茂云数桐庐样板项目可提供齐全的落地参考。。。。。。

迎接联系全发国际网络，，，，，相识AIGC智算“规建优维”一站式服务解决规划，，，，，领取AI Fabric智算中心齐全规划资料，，，，，也可预约销售团队上门造访互换。。。。。。

←立即点击链接，，，，，征询智算中心规划或预约销售团队上门造访互换