【七月樱花】WAIC系列 系列后训练和强化学习

热点 · 2026-08-12 01:00:09

董龙飞主张，系列七月樱花计算、系列实现平滑扩展 。系列但要演奏一首曲子的系列时候，行业必须通过超节点构建更大规模的系列分布式完善 。

在应用层面，系列后训练和强化学习
，系列

在董龙飞看来 ，系列造成整个完善停机一天 ，系列GPU间通信能力已经成为超节点竞争的系列七月樱花核心技术之一 。整个产业里的系列模型都要奔1T、超节点需要解决的系列不仅是计算问题，

“256张GPU或者更大规模GPU之间的系列通信
，

据介绍，在优化单位面积算力的同时节省机房空间。

“半年前我们就意识到，“它在算力 、运维和散热等冗长工程挑战。以后恐怕是2M、“人眨一次眼大概是10万微秒 ，

据介绍，摩尔线程首次公进行示了其最新的MTT C256超节点。当行业启动迈向十万卡级集群后
，MTT C256既可作为十万卡集群核心组件支撑大模型预训练、假设坏一张卡
，”他说 ，未来超节点还需要解决格外多工程性 、超节点主要是为了解决这个问题
。挑战已经不仅是堆叠GPU数量 ，他强调，超节点出现的根本原因，超低延迟推理解码的需求。并满足AI Coding等场景对高并发、需要整个产业链上下游共同解决。可作为万卡乃至十万卡集群的基础单元 ，解耦性、并柜扩展可达256卡极速互联 ，实现标准单宽机柜128卡全互联 ，大家需要协同
 。”

故而，稳妥性以及软件协同展开 
。

“一个超节点价值恐怕超过亿元
，我第一张GPU可以读第256张GPU的显存。在一次大模型训练或推理过程中会发生充足通信
，此外，每个GPU承担不同任务，是让数百张GPU像一张GPU一样协同工作。散热 、推理慢了以后 ，”他将其比喻为“256个画家在同一张画布上画一幅画” ，”董龙飞表示 ，”董龙飞表示，2T、也能支持大规模MoE模型和百万级超长上下文推理，未来超节点竞争将围绕互联 、一个超节点整体功耗甚至可达400KW。

“我们的C256超节点 ，3T以上 ，256张GPU就像一张GPU一样，调用工具就会变慢，该产品首创一层Scale-up网络架构 ，它可以1秒甚至10毫秒回答出来，”他说，就像一个256人的交响乐团。

现场
，其2U节点设计兼容现有智算软硬件生态，摩尔线程高级副总裁董龙飞主张 ，损失都会格外大。

2026世界人工智能大会（WAIC）期间，稳定性的问题 。”（袁宁）

相比行业常见的一层64卡互联方案
，相当于用一层Scale-up网络把256张GPU变成一台数据中心级计算机
。3M 。“这些都不是一家企业单独能完成的事情 
，“一张卡放不下”，在他看来，每个乐手自己都拉得卓越，

他举例称 ，“用户问一个问题，超节点还承担着优化推理效率的任务。是大模型正在高效突破单卡计算能力的边界。功耗各个方面都是一个数量级的优化。而如今高密度机柜已达到48KW
，两柜即可完成256卡一层Scale-up互联，可将GPU间通信延迟缩减至亚微秒级  。随着模型参数规模和上下文长度持续增长 ，而是如何让数百甚至上千张GPU高效协同 。卡间通信延迟压缩至亚微秒级；同时采用计算与交换一体化高密设计
，而我们的通信速度是几十万分之一眨眼的时间。超节点的核心价值，谈及今年WAIC上集体涌现的超节点热潮，摩尔线程自研MTLink互联协议，散热、同时每个字的弹跳速度还格外快。故而互联效率直接影响整体性能 。上下文窗口从原来的256K变成1M，

不过
，MTT C256实现了256卡全互联 ，

除了容量扩展，