Lenovo lança o Super Nó Wentian, com capacidade de computação FP8 de 40 placas superior a 28 PFLOPS

De acordo com pt.wedoany.com-A Lenovo realizou ontem uma conferência em Pequim. Chen Zhenkuan, vice-presidente da Lenovo Group e gerente geral do grupo de negócios de Infraestrutura da China, anunciou que, em 2027, o grupo de infraestrutura da Lenovo China estabelecerá uma meta de 100 bilhões de yuans e almejará o primeiro lugar no mercado de servidores da China.

Na conferência, a Lenovo lançou a solução de computação de super nó Wentian. Um único nó pode acomodar 40 GPUs, com capacidade de computação FP8 superior a 28 PFLOPS e memória HBM superior a 5,76 TB, atendendo às necessidades de treinamento e inferência de modelos de parâmetros de trilhões. A largura de banda total de acesso à memória excede 80 TB/s, com latência unidirecional P2P de chip em nível de cem nanossegundos, resolvendo o gargalo de comunicação em clusters de dezenas de milhares de placas. Um único nó suporta 40 placas, expansão horizontal Scale-out do cluster e é compatível com configurações de 32 placas, atendendo a treinamento, inferência e desenvolvimento/teste de várias escalas. Adota uma arquitetura de montagem ortogonal direta sem cabos, compatível com gabinetes padrão de 19 polegadas, reduzindo o ciclo de implantação do cluster para algumas horas e diminuindo significativamente a barreira de entrada para clusters de computação em larga escala.

A Lenovo também lançou a plataforma de computação heterogênea Wanquan V5.0, com duas principais atualizações principais. A tecnologia de aceleração de treinamento e inferência em cluster, por meio de tecnologias principais como arquitetura de separação PD em camadas e otimização de cache compartilhado KV Cache, alcança uma liderança abrangente no desempenho de treinamento e inferência de grandes modelos, melhorando significativamente a utilização de recursos do cluster. A tecnologia de otimização de compilação de modelo de chip realiza a correspondência adaptativa de gráficos de computação para diferentes modelos e a geração automática de operadores, adaptando-se profundamente ao ecossistema de chips de computação diversificados, melhorando a eficiência computacional de todo o processo de treinamento e inferência.