基于 openUBMC 实现 PCIe Switch 多 GPU 自发现

应用背景

随着大模型训练场景规模化落地，行业对单机高密度算力、低延迟互联、高稳定部署的需求持续提升。传统 CPU 直出架构受原生 PCIe 通道物理限制，难以满足海量 GPU 挂载、高效算力互联的业务需求，存在带宽瓶颈、通信延迟高、组网灵活性不足、硬件设计成本高、故障易扩散等痛点，无法适配 AI 训练场景对服务器高性能、高可靠、高灵活的严苛要求。

*该图仅用来解释switch的作用，并非实际拓扑

解决方案

神州鲲泰基于openUBMC 开源开放架构，依托其完善的硬件适配能力与标准化扩展框架，完成 PCIe Switch 板深度适配，实现 AI 服务器多 GPU 智能自发现、统一管控与全链路硬件监控，打造适配高密度算力场景的 AI 服务器硬件管理方案。

客户价值

1. 突破硬件瓶颈，支撑高密度算力部署
   突破 CPU 原生 PCIe 通道物理上限，通过 PCIe Switch 实现通道高效拓展，满足单机海量高性能 GPU 挂载需求，完美支撑大模型训练的算力规模要求。
2. 优化算力互联，大幅提升训练效率
   实现 GPU 点对点低延迟直连通信，减少 CPU 中转带来的带宽损耗与数据延迟。相较传统 CPU 中转模式，带宽从 25GB/s 提升至 42GB/s，提升幅度约 70%，有效增强多卡算力协同效率，全面优化 AI 模型训练效果。
3. 架构灵活可靠，适配多元业务需求
   支持基于 PCIe Switch 的硬件拓扑灵活定制，可根据客户算力规模、业务场景、成本预算等差异，快速调整链路分配与总线规划，高效匹配多样化部署诉求。
4. 简化硬件设计，降本增效
   简化服务器主板 PCIe 高速走线设计，降低信号干扰与硬件故障风险，减少整机研发与生产成本，提升服务器规模化交付能力。