技术博客
沉淀 AI 算力、无损网络、高速互联、集群验收和 AIDC 工程实践，帮助团队更快识别问题、验证方案和复用经验。
NVIDIA DGX B300 集群布线方案详解：InfiniBand 与 RoCE 网络部署指南
本文以搭载 ConnectX-8 网卡的 NVIDIA DGX B300 AI 集群为对象，分别介绍 InfiniBand 与 RoCE 两种网络架构下计算网、存储网的 Leaf-Spine 全光布线设计，对比了两套方案的交换机、光模块、光纤选型及 8SU 规模下节点与光缆配置，指出两种方案光纤组件需求量大，部署时需结合集群规模、传输距离与机房现有条件综合选型。
不选最贵，只选最适合！5款主流AI GPU选项指南
很多团队在租GPU时真正的问题不是“性能不够”，而是性能远超需求、成本却长期买单。本文从业务场景出发，解析RTX 5090、RTX Pro 6000、H100、H200、B300五款主流AI算力卡的选型逻辑，帮助个人开发、初创团队与企业级用户做出最适合的决策。
如何为 AI 集群选择网络交换机？五个关键步骤
将GPU集群投入生产时，网络是容易被低估的一环。本文把AI集群网络交换机的选型拆解为五个关键步骤——从明确工作负载、确定网络拓扑、推导交换机规格，到评估功能特性与落地约束，帮助决策者系统性地完成交换机选型。
英伟达 Feynman 架构深度解析：1.6nm芯片如何改写AI算力规则？
英伟达 Feynman（费曼）架构基于台积电 A16（1.6nm）工艺与背面供电技术，通过 3D 堆叠 LPU、异构存储体系和低延迟推理优化，为大模型时代提供高效能、低功耗的下一代 AI 算力基础。
深入解析OCS：基于光层直连的交换技术
深入分析 OCS（Optical Circuit Switch）在AI训练和高性能计算数据中心中的应用价值，探讨其光层直连技术、低时延与高带宽优势，以及在补充传统电交换网络、优化大规模集体通信中的潜力和局限。
224G SerDes 如何在不增加通道数量的前提下实现 1.6T 网络能力
224G SerDes是1.6T网络实现的关键技术，通过将单通道速率从112G提升至224G，在不大幅增加通道数量和系统复杂度的前提下实现带宽翻倍，为AI数据中心迈向更高带宽、更高密度和更高能效提供基础支撑。
消除数据与算力壁垒 积极拥抱智能体时代
当企业全面拥抱自主智能系统与持续机器推理时代，行业赢家不会是拥有最多 GPU 的公司，而是能够以最少架构壁垒，快速将数据转化为实际业务动作的企业。  
1.6T 网络为何成为下一代 AI 集群核心
随着大模型训练与推理规模持续扩大，800G网络已接近带宽瓶颈。本文从224G/lane SerDes、51.2T交换芯片、光互联技术到散热方案，系统解析1.6T网络如何成为支撑下一代AI集群扩展与高效运行的关键互联能力。
MRC协议开源：两层交换机如何连起13万块GPU
OpenAI联合NVIDIA、AMD、微软、Broadcom和Intel正式开源MRC协议，通过多平面网络、自适应包喷射和SRv6源路由三大机制，仅需两层交换机即可扩展至约13.1万块GPU，重构超大规模AI集群的网络架构。