TPU与GPU集群通信原理
giffmana · x · 2026-07-15
这篇博客深入讲 TPU 和 GPU 集群里的 collective communication，目标是帮助读者理解训练和推理扩展背后的核心原语。
作者说明，这篇内容会比 FSDP、expert parallelism、data parallelism、model/tensor parallelism 更底层，重点放在：
- TPU 集群拓扑：superpods、slices、数据中心布局等
- 训练 / 推理扩展依赖的通信机制
- MoE 和 dense transformer 在规模化时的底层协作方式
整体是偏工程与系统的深度阅读，适合想理解大模型扩展栈的人。
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
- 开源编译器 Latch 从 PyTorch 生成训练 megakernel，H100 上提速 2.75 倍 — sguada · 2026-10-27
- NVIDIA 称 HGX Rubin NVL8 每兆瓦 token 吞吐为 B200 的 10 倍 — thursdai_pod · 2026-10-27
- 要么人力商品化，要么 GPU 商品化：算力经济二选一之辩 — _AustinCalvert_ · 2026-10-27
- DeepSpeed 发布 AutoEP/AutoTP 等并行化进展并办线上答疑 — PyTorch · 2026-10-27
- 9B 本地模型干机械活,规划交给大模型:一套省 token 的编程 agent 分工法 — Electrical_Ninja3805 · 2026-10-27
- Cloudflare Durable Objects 被验证为 AI agent 高并发场景优选架构 — tristanbob · 2026-10-27