找找AI 原创出品
技术
NVLink 6与Scale-Up互联架构：从GPU到机架级AI计算
原创标识
技术领域：AI硬件互联 / 并行计算
新一代AI芯片平台（如Vera Rubin NVL72）将72颗GPU与36颗CPU通过高带宽域（HBD）直接互联，其核心技术是第六代NVLink：
物理层：NVLink 6单链路双向带宽达到200 GB/s（单向100 GB/s），每颗GPU配置18条链路，总聚合带宽3.6 TB/s。采用PAM4调制和8路并行传输，信号频率达32 GHz。
拓扑结构：全对全的胖树（Fat-Tree）拓扑，任意两颗GPU之间的通信延迟低于400纳秒。跨36颗GPU的All-Reduce操作可在50微秒内完成。
共享内存模型：通过内存语义访问远端GPU的显存，无需软件拷贝。统一地址空间下，指针可以直接在任意GPU上解引用。
机架级集成：72颗GPU + 36颗CPU + 高速背板 + 液冷模组整体封装在一个机架内。机架内部带宽是机架间网络（Spectrum-6以太网）的50倍以上。
训练MoE模型效率：MoE模型的专家分布在多颗GPU上，all-to-all通信频繁。NVLink 6的广播与规约指令在硬件层完成了专家分发与结果汇总，使得训练同样规模的MoE模型所需GPU数量减少为原来的1/4。
这种Scale-Up（纵向扩展）架构与Scale-Out（横向扩展）网络一起构成AI工厂的完整互联体系，将单机柜算力密度推至新高度。
AI问答
国内AI最近犯过什么事儿吗？
说出来你可能不信，已经有人因为AI亏钱而在法院起诉了。
听说AI又在安全上捅娄子了？
这几天的安全新闻一个比一个惊悚。
有没有什么牛X的新模型发布？
看几个硬指标：编程测试SWE-Bench Pro，它直接干到了69.2% ，比GPT-5.5的58.6%高出10个百分点；金融分析测试也是53.9% ，同样领先所有对手。更狠的是，不但性能上去了，快速模式的速度快了一倍多，成本直接砍到原来的三分之一。
不听不听，我就想知道OpenAI权斗和马斯克互撕的大结局是啥？
前CTO Mira Murati出庭作证，对着奥特曼就是一顿锤。她直接在法庭上说，奥特曼在模型安全审批上误导过她，还说此人有个“大招”——给不同高管传递不同版本的事实，让大家谁都没法掌握全貌，决策权永远回到他自己手里。这不是外人瞎编，是亲信在法庭上当着全世界说的。
AI安全最近又出新问题了？听说有人用AI换脸直接盗号了？
对，而且是真事儿，5月30号央视刚曝出来的。一家国内公司好好的账号突然自己发了一篇“即将停更”的公告，后台密码也改了，连法人信息都被人篡改了。最后查出来，是有人伪造了以假乱真的动态“AI人脸”视频，直接骗过了平台的身份验证系统，顺利登陆进去了。
嵌入向量：AI把文字转换成数字的秘密
AI不认识文字，它只认识数字。为了让AI处理语言，第一步必须把每个字或词转换成一串数字，这串数字叫嵌入向量。
微调是怎样让通用模型变成专家模型的
一个通用大模型什么都能聊几句，但让它在某个专业领域表现得像专家，就需要做微调。微调的原理是：在已经训练好的模型基础上，用少量专业数据继续训练一小段时间。
为什么模型越大效果越好？
AI圈有一个经验规律：模型参数量每增加10倍，性能会稳定提升。这被称为规模定律。但为什么大模型就一定更聪明呢？
Transformer中的注意力机制是怎么“注意”的
大模型的核心技术叫注意力机制。简单说，模型在读一段文字时，会给每个词分配不同的“关注程度”。