寫這個(gè)源自我在清華同窗一個(gè)技術(shù)八卦群聊起了nvlink的若干技術(shù)，然后就打算寫一寫我作為一個(gè)旁觀者所見并試圖還原的nvlink的歷史。 ? 首先申明，我沒有在NVIDIA工作過一天，也沒有獲取一些非正常渠道的秘密信息或文檔，但這不妨礙我把所有從公開渠道獲得的零碎信息組裝成一個(gè)相對完備的邏輯………… 大多數(shù)歷史都是官方潤色過的并故意隱藏掉細(xì)節(jié)的，nvlink也不例外。 正如一個(gè)博主所說，我們在談到馬嵬坡的時(shí)候，往往想到的歷史就是楊玉環(huán)、李白、《妖貓傳》，還有山口百惠，但是真正能夠讓我們以史為鑒知興替的，是為什么是在馬嵬坡？這一切究竟是怎么發(fā)生的？禁軍的榮譽(yù)感和忠誠度呢？為什么面臨帝國內(nèi)亂，他們想到的第一件事情不是逃難，不是反攻，而是干掉一個(gè)叫做楊國忠的人？為什么干掉楊國忠那么重要？ 甚至于最近的，為什么是那個(gè)廚子？ ? 這個(gè)世界沒有什么下大棋，歷史的真相如果當(dāng)局者沒有總結(jié)，后人或者旁觀者都只能通過一個(gè)個(gè)小故事的細(xì)節(jié)和關(guān)系，梳理總結(jié)成完整的邏輯。我希望通過推測盡可能看到Nvlink歷史上的若干細(xì)節(jié)故事，還原出它的部分真實(shí)。

nvlink的誕生

Nvlink誕生于超算 ：） 是的，超算。 在AI出盡風(fēng)頭之前，IT領(lǐng)域真正的技術(shù)探索其實(shí)都是依賴于超算驅(qū)動的，這是一個(gè)類似于攀登珠穆朗瑪峰并沿途下蛋的持續(xù)性技術(shù)改良的模式 ：） 和當(dāng)下AI驅(qū)動技術(shù)動輒就顛覆的模式相差蠻大，說不上誰優(yōu)誰劣，最終都是優(yōu)勝劣汰吧。 Nvlink的初始技術(shù)相當(dāng)大部分來源于IBM，是的，IBM幾乎是一切技術(shù)的源頭。考慮到IBM那些年在美國的超算市場逐漸下滑，曾經(jīng)的Blue Gene黯然失色，而Nvidia又恰好想在技術(shù)上更進(jìn)一步，他們的結(jié)合以IBM的高傲大概率是Nvidia主動貼上去的，但也算得上郎有情妾有意，不過分手的時(shí)候也大概率Nvidia賺得最大。 IBM和Nvidia曾經(jīng)是有過一段如膠似漆的日子。最簡單的，你看業(yè)界的文檔標(biāo)注IO帶寬的時(shí)候，只有兩家是乘以二把TX和RX算到一起的，例如正常我們談200G網(wǎng)口的時(shí)候，這網(wǎng)口就是8組25Gbps的Serdes，但I(xiàn)BM和Nvidia是唯二把這個(gè)IO標(biāo)成400G的 ：） 后來被NVIDIA收養(yǎng)的Mallenox應(yīng)該很不習(xí)慣。 Nvidia GPGPU的片上總線NoC看上去也有很多IBM的影子，我經(jīng)常把IBM的NOC論文中的行為套到Nvidia上，幾乎都對。 應(yīng)該還有很多，我們能夠找到關(guān)于這段感情遺留的痕跡。 嗯，回到Nvlink，它提出的主旨很簡單，就是突破PCIe的屏障，達(dá)成GPU-GPU及CPU-GPU的高效數(shù)據(jù)交互，當(dāng)年正是intel把持pcie最惡劣的情況，PCIe device之間的數(shù)據(jù)直通需要經(jīng)過CPU才行(基于所謂訪問安全的約束)。所以，那是2016年的秋天，橙黃橘綠，IBM的Power8和Nvidia的P100完成了基于Nvlink的靈與肉的結(jié)合，2+4，沒有PCIe，產(chǎn)品是HPC。

Nvlink的演進(jìn)

- Pascal的Nvlink1.0的IO速率是20Gbps，8Lane per Port，每個(gè)Port 320Gbps（雙向），這其實(shí)是一代不完全成熟的產(chǎn)品，因?yàn)檫@個(gè)Port的速率很獨(dú)特，GPGPU內(nèi)部微架構(gòu)團(tuán)隊(duì)可能也還沒有完全接納。

- Volta的Nvlink2.0的IO速率是25Gbps，8Lane per Port，每個(gè)Port 400Gbps（雙向），從此時(shí)開始，GPGPU對這個(gè)數(shù)字就鎖定了。

- Ampere的Nvlink3.0的IO速率是50Gbps，4Lane per Port，每個(gè)Port 400Gbps（雙向）。

- Hopper的Nvlink4.0的IO速率是100Gbps，2Lane per Port，每個(gè)Port 400Gbps（雙向）。

- Blackwill的Nvlink5.0，沒發(fā)布，但以此類推，大致就是IO速率200Gbps，1Lane per Port，每個(gè)Port 400Gbps。

我就好奇大了，Blackwill Next咋辦呢？IO速率400Gbps？1/2 Lane per Port ？ P：V：A：H：B的Port數(shù)量依次是4：6：12：18：24，以此遞增芯片帶寬160GB/s：300GB/s：600GB/s：900GB/s：1200GB/s。 很多人對單個(gè)Port速率固定，每代增加Port數(shù)量的方式不太理解：） 這其實(shí)是一個(gè)芯片快速設(shè)計(jì)的技巧，即每個(gè)Port的MAC在逐代演進(jìn)中可以做到幾乎不變或只是不斷精細(xì)化打磨。 至于多個(gè)端口之間帶寬怎樣分配？其實(shí)也是解耦的，Nvidia采用了Swizzle隨機(jī)+地址求模的方式均衡Port間的帶寬（從這里你能看到Nvlink是多路徑亂序的協(xié)議）。 ? ?

DGX和HGX

大狗熊和黑狗熊，很多人傻傻分不清。

Nvidia最初推出的是DGX，2016年發(fā)布的第一代DGX-1，這玩意兒其實(shí)是一個(gè)單機(jī)，嚴(yán)格來講，小型機(jī)。雖然當(dāng)年數(shù)據(jù)中心建設(shè)雖然如火如荼，但Nvidia還是希望能以一個(gè)硬件system的模式，把一個(gè)Box賣給客戶，并獲得足夠高的利潤。君不見，這玩意兒渾身內(nèi)外都涂滿中東土豪的金色，差點(diǎn)就想告訴你你買了一塊大金磚。 ? DGX-1差不多是15萬美元左右，到DGX-2則到了40萬美元，相比買單卡的溢價(jià)非常高，買到即虧到。 DGX并不適合世界上最大的IT采購商：Cloud，缺乏彈性，我猜它賣得并不那么好，當(dāng)然作為旗艦產(chǎn)品撐場子是絕對合格。 簡單的說，DGX V100的CPU連塊網(wǎng)口都沒配置，更不用提符合Cloud Service的DPU。 其實(shí)Nvidia也是到了Ampere的時(shí)代，才理解了數(shù)據(jù)中心的OVS ：） 其標(biāo)識在于CPU開始配置獨(dú)立網(wǎng)卡CX6并支持VPI。 大狗熊和黑狗熊長得是很像 ：） 但細(xì)節(jié)展開差別蠻大的。 今天講Nvlink，那以V100 DGX vs HGX為參考，DGX的跨板Nvlink是通過背板互聯(lián)的，而HGX的跨板Nvlink是通過線纜互聯(lián)的。 就這么個(gè)點(diǎn)，至少就決定了DGX只能整機(jī)在Nvidia購買，而HGX是可以賣獨(dú)立器件再OEM給浪潮、Dell制造組裝的（后者是大型互聯(lián)網(wǎng)客戶的典型采購模式）。 其實(shí)呢，互聯(lián)網(wǎng)的同學(xué)們也是騙自己，還在假裝自己是買到了最便宜的白盒Device，然后做了高難度的DIY呢 ：）

NvSwitch的演進(jìn)

Nvlink至今到Hopper發(fā)展了四代，而Nvswitch至今有三代 ：） 也就是說第一代Pascal時(shí)期其實(shí)是沒有Switch的，當(dāng)年的一機(jī)八卡，是一種類似Cube的直連系統(tǒng)。 多卡系統(tǒng)做Reduce怎么都是跑不掉的，oh，holy shit，當(dāng)年分析Cube直連系統(tǒng)，算Ring Reduce的路徑覆蓋最大化可真玩死哥了。我感覺應(yīng)該很多人和我一樣，紛紛給Nvidia留言了“fxxk”、“Damn”等信息，握爪。

Nvidia受不了了，既然這么多程序員的數(shù)學(xué)都是體育老師教的，那還是暴力全交換吧。 所以在Volta to Ampere之間的2018年，Nvidia推出了基于NvSwitch的DGX-2（HGX和DGX差別在于硬件設(shè)計(jì)，邏輯上兩者是一樣的）。

- Pascal只有DGX-1

- Volta有DGX-1和DGX-2

- Ampere及Hopper只有DGX-2

- 什么時(shí)候會有DGX-3呢？

nvlink2.0對應(yīng)的Nvswitch1.0支持18個(gè)Port，每個(gè)port x8，IO速率25G，交換能力就是400x18 =3.6Tbps nvlink3.0對應(yīng)的NvSwitch2.0支持36個(gè)Port，每個(gè)Port x4，IO速率50G，交換能力就是400x36 = 7.2Tbps Nvlink4.0對應(yīng)的Nvswtch3.0支持64個(gè)Port，每個(gè)Port x2，IO速率100G，交換能力就是400x64 = 12.8Tbps 嗯，對數(shù)字敏感的同學(xué)有沒有覺得很奇怪 ：） 為什么是18？不是16 = 2^4 ? 不是說好一機(jī)八卡嗎？ 因?yàn)閻郯。。。?這多余的兩個(gè)Port是為IBM留著的，其他人都不配。 你不信？你打開你買到的DGX V100/A100的機(jī)框看看，所有的NvSwitch芯片，都只連接了16個(gè)Port，無論誰家買的，都有2個(gè)Port在哪兒，多情自古空余恨啊。Nvidia翹首以盼，整整等了兩代，IBM都無法再次崛起重新入主超算領(lǐng)域，反而迎來了AI的爆發(fā)。我們從IBM流出的一張圖可以看到，支持Nvlink3.0（Nvswitch2.0）的Power9原本是在計(jì)劃中的(HC30)，但最終，IBM，那個(gè)男人，他沒有做到他的承諾。

? Nvidia固然從IBM得到了很多，但是最終它并沒有辜負(fù)這段感情。

Nvlink-Network的誕生

Nvlink-Network和Nvlink是兩個(gè)東西，是兩個(gè)東西，是兩個(gè)東西。 為什么好好的有Nvlink了，還搞Nvlink-Network ？ 這個(gè)問題的源頭來自HGX的形態(tài)，為什么DGX/HGX-2 V100有8P和16P兩種機(jī)器銷售？但DGX/HGX-2 A100卻只有8P唯一形態(tài) ？下圖是Nvidia官方的Nvswitch互聯(lián)圖。

下圖是A100的HGX單板，黃教主端在手上，注意看最右側(cè)，六顆NvSwitch芯片的右端，是跨板的Nvlink端口，通過這一組端口你可以將兩張8P的A100單板組合成一個(gè)16P的HGX系統(tǒng)。 OTT負(fù)責(zé)基礎(chǔ)設(shè)施的老板們啊，中國那花10億美元購買A100的那個(gè)公司啊，打開你的機(jī)箱看一看，你定制的HGX A100單板，Nwswitch芯片的外側(cè)端口，是不是懸空的？ ? ? 為什么？難度微軟給OpenAI提供的是一機(jī)八卡的HGX做訓(xùn)練，所以中國做AI的所有人，所有人都認(rèn)為只能做一機(jī)八卡了？ 哦，你畫了幾十萬美元買的A100八卡板，他的NvSwitch3.0芯片，都在哭o(╥﹏╥)o啊，18個(gè)Port，其中兩個(gè)Port永遠(yuǎn)地留給了那個(gè)男人，但是還有8個(gè)Port是懸空的啊，懸空的啊。 嗯，中國購買的所有NvSwitch3.0芯片，都只使能了8/18的Port。。。。。。。老板，快開除那些不上進(jìn)的家伙。 這個(gè)世界上根本就沒有16P的A100，對吧？不對啊，有一家有，如下，Google的A2-MegaGPU-16g實(shí)例，這是我在世上唯一找到官方的A100 16P系統(tǒng)。

Google Machine Type a2-megagpu-16g https://gcloud-compute.com/a2-megagpu-16g.html ? 微軟和AWS都沒有看到A100的16P實(shí)例，先不忙裁人，這事必有蹊蹺 ：） 我不是Nvidia的架構(gòu)師，不知道詳情是什么。我只能猜測一個(gè)答案。 Nvlink這個(gè)協(xié)議其實(shí)不適合跨Board，對Cable不適。 大概率，Nvlink是做Nvidia做計(jì)算的同學(xué)主導(dǎo)的，類似Intel的UPI，做計(jì)算的人做IO，往往都圖個(gè)簡單粗暴，沒有做強(qiáng)大的糾錯碼，也沒有出錯重傳的設(shè)計(jì)，遇到丟包直接全機(jī)藍(lán)屏。 勇敢地說，我是計(jì)算的，我做互聯(lián)也是這德行 ：） Nvlink1的速率是20G，Nvlink2的速率是25G，Nvlink3的速率是50G，Nvlink4的速率是100G，真的都是整數(shù)哦，你看，只有做計(jì)算的人才干的出來，網(wǎng)絡(luò)的人不會這么莽的。 做網(wǎng)絡(luò)的同學(xué)會用26.5625G、53.125G、106.25G，這種完全無厘頭的頻點(diǎn)，這也是大多數(shù)Cable和Optical Fiber的頻點(diǎn)。 此外，16P的A100系統(tǒng)，兩個(gè)單板之間需要互聯(lián)64x6 = 384 Lane需要互聯(lián)，無論是cable還是Connector，大致上都有非常巨大的工程問題。 為什么Google搞定了？為什么技術(shù)不能復(fù)制到全世界？不知道。 但我猜Mallenox的同學(xué)被Nvidia包養(yǎng)之后，來了IO的同學(xué)，一看，這隊(duì)友是在送人頭 ？扶了一把。 所以，就有了Nvlink-Network。 Nvlink-NetWork大致上是按照網(wǎng)絡(luò)的方法做了協(xié)議改造，對，你打開Hopper驅(qū)動，歷歷在目，100G頻點(diǎn)之外，多了一個(gè)106.25G，IB的Sharp也被融合到Nvlink-Network放到了Nvswitch內(nèi)部（驅(qū)動都沒變）。 收購Mallenox是Nvidia最成功的聯(lián)合了吧。雖然從近期GH200的故事來看，Nvlink-Network的領(lǐng)域在逐步擴(kuò)大，已經(jīng)到了256，下一跳，肉眼可見的范圍內(nèi)，Nvlink-Network會吃掉IB。以色列人可能也無所謂吧，畢竟股票賺了那么多。。。。。。。 ? 最后露一個(gè)值個(gè)幾萬塊的Nvlink-Network的秘密 ：） Hopper的Nvlink帶寬是900GB，要在這么巨大的帶寬上同時(shí)滿帶寬支持Nvlink-Network需要的特性，包括重傳、糾錯、編碼等，GPU寶貴的Silicon面積會被耗掉非常多，至少1000個(gè)CUDA Core起步吧 ：） 我給的答案是：只有GPGPU+Nvswitch才能組合出完整的Nvlink-Network，懂的自然懂。

Nvlink-C2C的誕生

先說結(jié)論：Nvlink-C2C是個(gè)錯誤的技術(shù)路徑。 我仿佛記得Nvlink-C2C的主架構(gòu)師Wei wei是我大學(xué)同學(xué) ？有這么個(gè)模糊印象。 如果單純從技術(shù)的角度，Nvlink-C2C真的是一個(gè)恰到好處的設(shè)計(jì)，挺佩服的。增之一分則太長，減之一分則太短，信號速率低了，PCB會變貴，信號速率高了，功耗會變高。 但是Nvlink-C2C從系統(tǒng)來講，并不是個(gè)好選擇。 總遇到有些人，把NVIDIA當(dāng)作宗教信仰一樣崇拜，把黃教主說的就當(dāng)做圣言。 嗨。

- 為什么要綁定Grace+Hopper的1:1配比？那下一代Grace+Blackwell也是1:1 ？

- 為什么每個(gè)GPU只能配搭500GB DDR容量？GPU這么貴，就不能一顆GPU搭兩顆CPU帶1TB DDR嗎？

- 為什么要配搭高價(jià)銷售？愛馬仕賣中國人就一定要配貨銷售嗎？

- 為什么不就用Nvlink？Nvlink C2C是900GB帶寬，也就x36Lane的Nvlink4罷了。

- 資源池化、池化、池化知道不？

嗯，你會說，Nvlink-C2C功耗低啊，號稱是PCIe的1/5啊，話是沒錯，可這省的功耗大致是多少？算一算啊，不到10W！ 你明白了嗎？在一個(gè)700W功耗的GPU上，有一個(gè)技術(shù)省了10W，作為一種噱頭，高價(jià)賣給你，你是不是賺大了？ ? 你已經(jīng)回顧了Nvlink的整個(gè)歷史，你的心中應(yīng)該有一個(gè)正確的答案，最佳的搭配，應(yīng)該是IBM+Nvidia那種，讓CPU和GPU都支持Nvlink，然后通過NvSwitch應(yīng)該做非2^N的Port數(shù)量，方便搭配，GPU和CPU基于NvSwitch做全交換。當(dāng)前Nvlink-C2C所號稱的所有好處，DVM、Cache Coherence，都是能夠拿到的。 為什么不呢？我猜Nvidia收購ARM最終沒有成功，雖然魔改了ARM的NoC，但是想在ARM的Memory Model中加入Nvlink接口，水平不夠。 嗯，我上我可以的。^_^

這些大致是截至2023-06的Nvlink的歷史了，從最初的超算想要脫離PCIe的束縛為起點(diǎn)，到現(xiàn)在不僅僅自身不斷在前進(jìn)，還不斷侵蝕周邊，向上打IB，向下吃Chiplet，都是可以載入人類計(jì)算機(jī)體系結(jié)構(gòu)的歷史。 但這些大概率都不是其誕生的第一天就規(guī)劃好的，他更是像一個(gè)活物，隨著環(huán)境的變化和各種機(jī)緣巧合的事件觸發(fā)，不斷膨脹、進(jìn)化、吞噬，螺旋上升，但天下并無長生不滅者，有生之年，一起扶階而上吧，希望我們可以看至終章吧。

編輯：黃飛

?