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。
携手英伟达 VAST Data 构建面向大规模 AI 的全新内存层级
实际上，KV cache 已演变为长效内存，系统性能取决于 KV cache 的管理效率与上下文复用能力。推理上下文离 GPU 越远，推理成本就越高，
AI数据中心网络交换机选购指南：面向低延迟、高吞吐的网络架构
本文系统梳理AI网络交换机的两大核心性能指标、两条技术路线、完整选型参数体系，以及网卡与光模块的配套选型逻辑，帮助工程师与决策者在技术迭代加速的背景下做出经得起未来验证的硬件选择。
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。