• Das UALink-Konsortium stellt die Spezifikation 200G 1.0 vor, die eine effiziente Verbindung von 1.024 KI-Beschleunigern ermöglicht.
  • Der neue Standard reduziert die Latenz und verbessert die GPU-Kommunikation für KI-Workloads.

Was ist passiert? UALink stellt die Spezifikation 200G 1.0 vor

The Ultra Accelerator Link(UALink)-Konsortium hat die Spezifikation UALink 200G 1.0 veröffentlicht, einen offenen Standard zur Verbesserung der GPU-Interkonnektivität und der Leistung von KI-Computing. Die Spezifikation ermöglicht es, dass bis zu 1.024 KI-Beschleuniger mit hohen Geschwindigkeiten innerhalb von Computing-Clustern kommunizieren, was eine wettbewerbsfähige Alternative zur proprietären NVLink-Technologie von Nvidia darstellt. Das Konsortium, das im vergangenen Sommer gegründet wurde, besteht aus Branchenführern wie AMD, Intel und Microsoft, die daran arbeiten, Standards zur Verbesserung der GPU-Konnektivität zu schaffen.

Die UALink 200G 1.0-Spezifikation zielt darauf ab, die Effizienz der verbundenen Chips, die KI-Aufgaben ausführen, zu verbessern und gleichzeitig die Abhängigkeit von NVLink zu verringern. Sie etabliert ein Switching-Ökosystem für Beschleuniger, das die Hardware-zu-Hardware-Kommunikation zwischen Systemknoten ermöglicht, um Multi-Node-KI-Anwendungen zu unterstützen. Die Spezifikation zielt auch darauf ab, die Latenz in Computing-Clustern zu reduzieren und bietet ein einfaches Load/Store-Protokoll, das die Ethernet-Geschwindigkeit erreicht und gleichzeitig die Latenz von PCIe-Switches beibehält.

Lesen Sie auch:Tech-Giganten schließen sich zusammen, um Nvidia mit einem neuen KI-Standard herauszufordern
Lesen Sie auch:Zscaler entdeckt GPU-residente Malware 'CoffeeLoader'

Warum es wichtig ist

Die UALink 200G 1.0-Spezifikation ist bereit, KI-Workloads zu revolutionieren, indem sie eine effizientere Methode zur Verbindung von Beschleunigern bietet. Die Spezifikation zielt darauf ab, die Latenz zu reduzieren und die Kommunikation innerhalb von KI-Computing-Clustern zu beschleunigen, was die Entwicklung von Multi-Node-Systemen für KI-Anwendungen erleichtert. Angesichts der steigenden Nachfrage nach KI-Rechenleistung verspricht der neue offene Standard, die nächste Generation von KI/ML-Anwendungen zu beschleunigen und die Abhängigkeit von Nvidias proprietären Technologien zu verringern.