AMD 与 Cornelis 扩大高性能计算合作，GWDG 部署 EMMY P4

AMD 与 Cornelis 正在扩大双方的高性能计算合作，将 AMD 处理器和加速器与 Cornelis 网络技术相结合，帮助科研机构将规模更大的科学计算工作负载投入生产。德国 GWDG 的一项部署提供了具体实例：EMMY P4 超级计算机由约 300 个配备双路 AMD EPYC 9745 处理器的节点组成，并采用 Cornelis CN5000 Omni-Path 网络。

双方的合作不止于销售兼容组件。两家公司正在建立联合市场推广计划，通过现有制造商和系统集成商，涵盖系统设计、应用基准测试、验证、验收测试和生产部署。客户还可以在确定配置之前，前往 AMD 位于慕尼黑的高性能计算卓越中心测试自己的应用。

这种做法针对的是超级计算领域长期存在的问题：购买更多处理器，并不意味着科研速度就会相应提升。应用必须能够足够迅速地在处理器之间传输数据，才能让它们持续运转。

为什么网络与计算能力同样重要

科学模拟通常会将一个大型问题拆分到多台服务器上。每台服务器负责计算部分结果，然后与其他服务器交换信息。例如，计算流体力学需要模拟流场中相邻区域在计算过程中共享更新后的状态。

这些数据交换使网络延迟、消息处理能力和拥塞状况都变得至关重要。无论处理器的算术运算速度有多快，如果它在等待另一个节点的数据，就无法发挥多少实际计算作用。消息传递接口（MPI）是一种广泛使用的软件接口，用于协调这类分布式计算。

Cornelis 提供连接各节点的互连网络，AMD 则提供计算能力。扩大后的合作计划旨在结合具体应用对这些组件进行验证，而不是将网络带宽和处理器规格视为足以证明系统性能的依据。

Cornelis 首席执行官 Lisa Spelman 表示，每一代新款 EPYC 处理器都会增加需要接入网络的核心数量。她指出，如果通信能力跟不上，新增的计算能力就可能让昂贵的资源闲置，因此必须针对具体工作负载进行验证。

GWDG 的 EMMY P4 有何特点

位于 Göttingen 的科学计算机构 GWDG 为 NHR@Göttingen 提供支持；后者是德国九个国家级高性能计算中心之一。其用户运行的应用涵盖生命科学、物理学、量子研究、人工智能和人文学科。Cornelis 表示，更广泛的计算环境每年处理约 350 万个高性能计算任务。

AMD 的 EPYC 9745 规格显示，每颗处理器拥有 128 个物理核心，因此每个双路节点共有 256 个核心。要让数百个节点上的这么多核心保持高效运转，通信效率就成为系统层面的关键问题。

GWDG 的安装文档介绍了首批 252 个节点：每个节点配备 768 GiB DDR5 内存和 3.8 TiB 本地 NVMe 存储，并通过 CN5000 适配器以 200G 链路互连。公告则称，规模更大的 EMMY P4 部署约有 300 个节点。

区分这套 CPU 部署与合作计划中的 GPU 工作十分重要。EMMY P4 展示了 EPYC 处理器和 Cornelis 网络技术在科学计算环境中的应用；这并不意味着公告所述的 CPU 节点配备了 AMD Instinct 加速器。

应用测试不止于兼容性验证

Cornelis 表示，CN5000 已通过生产应用认证，可搭配 AMD EPYC 9005 处理器使用，并已在北美和欧洲的 25 种以上平台配置中完成验证。两家公司还将 CN5000 的认证范围扩展至 AMD Instinct MI350X 系列加速器。

对采购方而言，应用测试可以揭示某种架构是否适合其组织实际运行的工作负载。需要频繁同步的大型模拟，与主要在加速器内核中运行的人工智能工作负载，表现可能大不相同。内存容量、软件库、节点配置和网络表现都会影响结果。

Cornelis 报告称，在选取的 132 个 CONVERGE 计算流体力学工作负载中，四节点配置的平均吞吐量比采用 NVIDIA NDR InfiniBand 的对照配置高 20%。该公司还报告称，在采用 EPYC 9755 处理器运行的一个 STAR-CCM+ 工作负载中，节点数从 1 个增加到 8 个，性能扩展接近 9 倍。

这些是供应商针对特定测试配置报告的应用结果。有关测试条件，应参阅相关的 Cornelis 技术白皮书；这些数据并不能证明所有代码或集群都能获得同样的优势。慕尼黑测试计划的实际价值，在于客户可以参照这些结果评估自己的工作负载。

面向更大型 CPU 和 GPU 系统的路线图

两家公司也在为下一代硬件做准备。Cornelis将即将推出的CN6000定位为采用800G适配器和PCIe 6.0 x16接口的产品；预计搭载CN6000和AMD EPYC 9006处理器的OEM系统将于2027年第一季度推出。这些系统属于路线图规划，与已部署的基于CN5000的EMMY P4基础设施是两回事。

AMD的加速器战略还包括ROCm软件栈，它为GPU计算提供工具和库。要支持科学领域的AI，除了处理器和网络，还需要这一软件层：研究人员需要能够协同工作的应用程序、数学库和通信软件。

传统科学计算同样非常重视双精度（FP64）运算。这与许多AI工作负载采用的低精度计算不同，因此，评估一个平台是否适用，不能只看其醒目的AI性能指标。

AMD与Cornelis扩大合作，最终是为了让完整的研究系统更便于评估和部署。GWDG提供了CPU与网络组合在生产环境中的实例，而联合应用测试和未来的加速器支持则拓宽了潜在应用场景。对研究中心而言，关键的衡量标准是经过验证的系统能多快完成有用的工作，而不是它包含多少处理器。