行行查
行业研究数据库
人工智能行业研究:Scaleup和Scaleout组网示意图图表9:Scaleup需要更高
- 人工智能
- 半导体
- 芯片
两种主流的算力集群扩展方式——Scale Up与Scale Out的组网结构及其性能特征。左侧图表8清晰对比了二者架构:Scale Up采用集中式设计,通过HBD交换机将多台GPU服务器(含GPU、NIC)紧密互联,强调单节点内高密度集成;Scale Out则为分布式架构,依赖叶脊(Leaf-Spine)网络拓扑,由叶交换机连接各计算节点,脊交换机负责跨叶转发,具备更强横向扩展能力。
右侧图表9进一步揭示其性能权衡:横轴为互联规模(GPU数量),纵轴为互联带宽(Tbps),右上角标注互联时延(ns)。图中显示,PCIe总线互联(小规模)带宽低(约1 Tbps)、时延短(<100 ns);Scale Out互联(大规模,如万卡级)带宽可达10 Tbps以上,但时延升至微秒级(~10K ns);而GPU间通信需求(Scale Up互联)处于中间位置——需10 Tbps级带宽,但要求时延控制在百纳秒级(~100 ns),对网络性能提出极高挑战。这说明,Scale Up适合低时延、高带宽的紧耦合计算场景(如大模型训练中的All-to-All通信),而Scale Out更适配可分割、松耦合的大规模分布式任务,二者在扩
关联报告






| 标题 | 时间 | 页数 | 目录 | 下载 |
|---|---|---|---|---|
| 人工智能系列(二):AI驱动下的电子行业新周期 | 2026-10-24 | 35 | ||
| 人工智能行业专题(24):AI短剧:注意力经济新兴市场,AI赋能工业化生产 | 2026-10-26 | 32 | ||
| 人工智能对广域网的影响:思科报告2026 | 2026-10-27 | 26 | ||
| 电力设备与新能源行业周报:特斯拉Optimus量产继续推进,全面实施“人工智能+”行动 | 2026-10-27 | 15 | ||
| 《人工智能能力建设普惠计划》进展报告(2026) | 2026-10-27 | 22 | ||
| 人工智能的物理竞赛:对电力、水和关键矿产的控制正成为人工智能领导地位的决定性因素 | 2026-10-27 | 16 | ||
| 人工智能主线周报:智元发布具身模型,看好智能化 | 2026-11-02 | 19 | ||
| 人工智能行业专题:2026Q3海外大厂CapEx和ROIC总结梳理 | 2026-11-02 | 25 | ||
| 通信及人工智能组行业光互连系列报告(一):FAU,CPO/NPO驱动量价双升 | 2026-11-03 | 22 | ||
| 人工智能及计算机行业行业月报:国家数据集团正式成立,物理AI迎奇点时刻 | 2026-11-07 | 27 |

行研数据库
创投数据库
证券数据库
商业数据库










