行行查
行业研究数据库
人工智能行业研究:传统网络架构VS胖树拓扑
- 人工智能
高性能计算网络主要存在两种典型的拓扑架构:Fat-Tree(胖树)与2D Torus(二维环面)。
Fat-Tree架构常见于InfiniBand集群,如英伟达DGX SuperPOD。它采用经典的三层树状设计,包含核心层、汇聚层(Spin)和叶节点层(Leaf),最终下联至服务器机架。其核心优势在于“无阻塞”特性,拥有全量的分割带宽。这意味着每条通信路径都具备专用容量,节点间数据传输互不竞争,能够保证极高的吞吐效率。
相比之下,2D Torus架构则被Google TPU Pods所采用,表现为一种带有回环连接的网格结构。其节点呈矩阵排列,边缘首尾相接。这种架构的分割带宽仅为O(√N),随网格边缘规模变化。由于所有节点间流量都需经过中间的分割切口,带宽瓶颈较为明显。因此,在该架构下,工作负载的“局部性”放置至关重要,必须将通信频繁的节点部署在物理相邻位置,以减少长距离传输带来的性能损耗。
简言之,胖树架构胜在带宽充裕、无竞争,适合通用高并发场景;而Torus架构则更依赖任务调度的优化,以应对带宽随规模扩展的限制。
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










