徽声在线记者 | 林宇
徽声在线编辑 | 陈晓薇

当你推开机房的大门，首先映入眼帘的是一排排整齐排列的算力服务器，同时，耳边会传来持续不断的轰鸣声，这是为降低服务器温度而持续运转的风扇发出的声音。

近日，徽声在线实地探访了位于上海松江的智算中心，这里拥有国内首批“万卡集群”。该项目由上海国企仪电集团牵头成立的上海智能算力科技有限公司（简称智算科技）投资建设。

所谓“万卡集群”，是指通过高速网络与软硬件系统，将一万张甚至更多的GPU（图形处理器）连接起来，形成一个统一调度的计算中枢。这可以被看作是人工智能领域的“发电厂”。目前，国内已经建成了42个“万卡集群”，数量在全球处于领先地位。

自松江智算中心投入使用以来，其算力一直处于满负荷状态。这背后是人工智能行业需求的迅猛增长，导致算力资源变得异常稀缺。据国家数据局的统计，今年3月，国内日均Token（词元）调用量超过了140万亿，相比2024年初增长了1000多倍。

为了应对这一挑战，上海正在积极筹划扩大算力基础设施，明确将围绕浦东、金山、松江、临港和青浦等重点区域，大力部署智能算力，提升集群规模。

预计到2027年，上海的算力规模将提升至20万PFLOPS（每秒千万亿次浮点运算）。而根据今年1月的数据，上海的算力规模已经突破了12万PFLOPS。

智算科技总经理孙跃解释说，上海拥有众多垂类人工智能应用，这些应用需要就近布局算力资源，以便快速响应任务需求，降低网络延时等。同时，上海也集聚了芯片、大模型等大量人工智能上下游企业，在本地布局“万卡集群”有利于执行技术攻关任务。

对于“万卡集群”来说，算力卡无疑是核心部件。然而，在先进算力卡被限制进口的背景下，设备采购面临一定难度。但孙跃认为，“建设‘万卡集群’是一个庞大的系统工程，购买算力卡可能并不是最难的环节。”

智算中心需要高效的通讯网络和相应的存储设备，才能让算力卡以集群的形态高效运转。一个“万卡集群”如果拆解开来，零部件数量可达到数十万个，种类超过百种。

在智算科技系统工程中心总监胡宝群看来，“万卡集群”建设过程中，一个容易被忽视却又极为关键的风险点是灰尘。他称之为“万卡集群”建设的入门第一课。

在组成“万卡集群”的百余种零部件中，光模块是极为重要的一种。通常情况下，一个集群需要配备上万个光模块，但这种火柴盒大小的电子元器件对灰尘极度敏感。胡宝群告诉徽声在线，光模块只要接触到非常小的灰尘，就会影响对应算力卡的运行，甚至可能导致整个“万卡集群”无法稳定工作。

因此，在松江智算中心的建设和运行过程中，智算科技的团队都在想方设法防范灰尘带来的潜在影响。例如，在光模块安装环节，规定其暴露在空气中的时间必须控制在三秒以内。

此外，松江智算中心所在四层建筑的楼道内，还专门安放了有粘性的地毯，用于吸附人走过时鞋底的污物，减少空气中的灰尘来源。

松江智算中心，图片来源：仪电集团

搭建“万卡集群”被认为是一项复杂的系统工程，其难度可与卫星发射相媲美。孙跃提及，“在发射卫星过程中，任何一个零部件故障都会导致整个任务失败，‘万卡集群’也类似，对每个环节都有很高的可靠性要求。”

同样具有高难度的，是让“万卡集群”能够7*24小时不间断地高效运转，为用户提供稳定的算力服务。在人工智能模型训练过程中，智算中心的任何故障都可能导致整个任务中断。而在一套由数十万个零部件组成的“万卡集群”中，设备故障的发生几乎无可避免。

但通过技术和架构层面的冗余设计，松江项目的“万卡集群”能够实现即使故障发生，也不影响模型训练任务的执行，并且能够在数分钟甚至数秒内完成故障定位，便于下一步的故障排除。

在人工智能时代，算力被认为会像水和电一样，成为每个人都能方便取用的资源。“万卡集群”的稳定运行，将是实现这项设想的关键一环。

智算科技系统平台部负责人翟雨佳表示，“我们的目标是让‘万卡集群’能够像供水和供电那样稳定，让用户在使用过程中感受不到算力的存在。”