OpslagReview. com

UALink Consortium finaliseert 1.0-specificatie voor AI Accelerator Interconnects

AI  ◇  Enterprise

Het UALink Consortium heeft officieel de Ultra Accelerator Link 200G1.0-specificatie geratificeerd, waarmee een gestandaardiseerde aanpak voor het op grote schaal verbinden van AI-acceleratoren wordt vastgesteld. Deze open standaard is bedoeld om het huidige, door propriëtaire oplossingen gedomineerde landschap te hervormen.

Brancheleiders verenigen zich achter open standaarden

Het UALink Consortium, opgericht in oktober 2024, vertegenwoordigt meer dan 85 aangesloten bedrijven, waaronder technologiegiganten AMD, Apple, Alibaba, AWS, Cisco, Google, HPE, Intel, Meta, Microsoft en Synopsys. Het consortium is opgericht om een ​​open industriestandaard te creëren voor opschaalbare AI-interconnectieoplossingen die kunnen voldoen aan de groeiende eisen van moderne AI-workloads.

Technische specificaties en mogelijkheden

Technisch diagram van UALink 1.0

De specificatie definieert een interconnect met lage latentie en hoge bandbreedte die tot 1,024 accelerators binnen één AI-computer ondersteunt. De verbinding levert 200 GT/s per baan, met signalering op 212.5 GT/s om de overhead te compenseren. UALinks kunnen worden geconfigureerd in single-lane (x1), dual-lane (x2) of quad-lane (x4) configuraties, waarbij een vierbaansconfiguratie een bidirectionele doorvoer van 800 GT/s bereikt. Het systeem is geoptimaliseerd voor kabellengtes korter dan 4 meter, wat een retourlatentie van minder dan 1 microseconde mogelijk maakt.

De architectuur implementeert vier hardware-geoptimaliseerde lagen: Fysieke laag (maakt gebruik van aangepaste Ethernet-componenten), Data Link-laag (verpakt 64-byte flitsers in eenheden van 640 bytes), Transactielaag (implementeert gecomprimeerde adressering) en Protocollaag (maakt directe geheugenbewerkingen tussen accelerators mogelijk).

UALink 1.0 volledige stack

UALink biedt aanzienlijke voordelen ten opzichte van bestaande bedrijfsspecifieke oplossingen, waaronder prestatieoptimalisatie (het bereiken van 93% effectieve piekbandbreedte met deterministische prestaties), efficiëntieverbeteringen (lager stroomverbruik, kleiner chipoppervlak en hogere bandbreedte-efficiëntie) en ingebouwde beveiligingsfuncties via UALinkSec. Het ondersteunt ook Virtual Pod-partitionering voor multi-tenant workloads.

UALink 1.0 versus concurrerende oplossingen

De UALink-specificatie vormt een directe uitdaging voor NVIDIA's eigen NVLink-technologie, die momenteel in de vijfde generatie zit. UALink 1.0 ondersteunt een indrukwekkende schaal met maximaal 1,024 accelerators per pod, terwijl NVLink 5 verbindingen tot 576 GPU's mogelijk maakt in een two-tier switching-architectuur. Wat betreft de ruwe bandbreedte levert UALink 1.0 een totale bidirectionele doorvoer van 819.2 TB/s over het hele systeem, wat lager is dan de 5 TB/s van NVLink 1036.8. De huidige specificatie lijkt concurrerender dan de vorige NVLink 4-generatie, waarbij UALink nog steeds de kloof in bandbreedte per GPU en totale systeemdoorvoer moet dichten om te kunnen concurreren met NVIDIA's nieuwste aanbod. 

Industrie-impact en toekomstperspectief

Naarmate AI zich in ongekend tempo ontwikkelt, neemt de vraag naar schaalbare computerinfrastructuur toe, met name voor inferentiewerklasten die enorme rekenkracht vereisen tijdens testfases, met nieuwe "redeneringsmodellen" in opkomst. Opschaalbare interconnectoplossingen moeten snel evolueren om aan deze exponentieel groeiende AI-werklastvereisten te voldoen. 

Met de steun van meer dan 85 grote technologiebedrijven, waaronder chipfabrikanten, cloudproviders en systeemintegratoren, is de UALink-standaard strategisch gepositioneerd om propriëtaire interconnecttechnologieën uit te dagen. Deze brede industriële steun creëert een robuust ecosysteem dat gesloten oplossingen zou kunnen overtreffen dankzij collaboratieve innovatie en concurrerende prijzen. Naarmate de aangesloten bedrijven actief producten ontwikkelen op basis van deze specificatie, zal de markt binnenkort een divers aanbod aan UALink-compatibele oplossingen zien, die AI-toepassingen van de volgende generatie mogelijk maken. Het open karakter van de standaard maakt snellere iteratie en verbetering mogelijk, wat de concurrentiepositie ten opzichte van gevestigde propriëtaire technologieën in de komende generaties mogelijk zal versterken.

Neem contact op met StorageReview

Nieuwsbrief | YouTube | Podcast | iTunes / Spotify | Instagram | Twitter | TikTok | RSS-feed

Divyansh Jain

Machine learning engineer, homelabber en technologieliefhebber. Bij StorageReview leid ik het testen van AI en opkomende workloads, waarbij ik inzichten en prestatieanalyses lever.