TPU和GPU集群通信深度解析
gordic_aleksa · x · 2026-07-15
这篇长文深入讲 TPU 和 GPU 集群里的集体通信原语，以及它们如何支撑大模型训练和推理扩展。
文章覆盖的重点包括：
- TPU 集群拓扑：superpods、slices、DCN、PCIe、ICI
- 核心通信算子：All-Gather、Reduce-Scatter、All-Reduce、All-to-All
- MoE 中 token 分发所依赖的 All-to-All
- GPU 集群拓扑：DGX 参考架构、节点、fat tree、scalable units
- 节点内外的通信算法：rings、trees、SHARP、分层集体通信、InfiniBand
作者强调，想真正理解扩展训练/推理，不能只看 FSDP、expert parallelism 或数据并行，还要先理解底层硬件拓扑与通信算法。
所属事件:TPU与GPU集群集体通信深度长文走红(5 条相关)→
「Infra」频道最新
- 实测戳破 RTK 省钱神话:token 省了,账单分文未降 — Bartaseth · 2026-09-11
- SF Compute 创始人：现在买算力是「绝对糟糕的体验」 — IgorCarron · 2026-09-11
- 开源 SmolVM:2026 年 Agent 不止用浏览器,而是拥有整台电脑 — aniketmaurya · 2026-09-11
- PyTorch Day Korea 2026 首届线下大会启动,9月13日截止征集演讲 — PyTorch · 2026-09-11
- 本地跑 LLM 选卡:4 张 CMP-170HX 涨价 vs Mac Studio M5 — rumboll · 2026-09-11
- llama.cpp 为 RDNA4 调优 Flash Attention,大上下文提升明显 — pmttyji · 2026-09-11