商汤大装置 SenseCore 与昇腾 384 超节点近日完成全面适配，在功能与性能验证中达到预期目标。

超节点是一种通过高速互联技术整合多个 GPU / NPU 的新型架构，解决 AI 大模型训练中的算力协同和通信效率问题。

昇腾 384 超节点（Atlas 900 A3 SuperPoD）是华为推出的业界最大规模超节点方案，采用“全对等架构”实现高速互联总线的扩展，将 CPU、NPU、DPU、存储和内存等资源整合为统一的“超级计算机”，提供更高的算力密度和互联带宽。

基于双方技术特点，联合团队在调度优化、系统稳定性、故障恢复等方面实现多项创新：

在调度优化方面，SenseCore 支持 POD 内单机、多机调度，跨 POD 多机调度，亲和性调度等能力，并配合模型并行策略实现逻辑超节点自动划分，使 EP / TP 等通信策略充分利用灵衢网络，提升训练效率。

在跨 POD 训练稳定性方面，SenseCore 团队提交多个 MR，修复多 POD 场景下 master / work 任务 rank 乱序问题，从根本上解决跨 POD 训练任务概率性失败的问题。

在故障检测与恢复方面，系统覆盖从服务器硬件、高速互联总线、RoCE 网络到任务、进程等软硬件层面的检测，并结合检测结果实现 Job / Pod / 进程多级恢复机制，提升昇腾 384 超节点在训练场景下的可靠性与容错性。

未来，双方将继续探索大模型推理加速、智能体应用部署、垂直行业大模型训练与推理优化等应用场景，推动 SenseCore 与昇腾 384 超节点在更多行业的应用落地。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。