NVIDIA ConnectX-8 SuperNIC C8180-DT0 800G High-Density AI Fabric dla dużych klastrów GPU

Szczegóły Produktu:

Nazwa handlowa: Mellanox
Numer modelu: C8180 (900-9x81e-00ex-DT0)
Dokument: connectx-datasheet-connectx...1).pdf

Zapłata:

Minimalne zamówienie: 1 szt
Cena: Negotiate
Szczegóły pakowania: Pudełko zewnętrzne
Czas dostawy: Na podstawie zapasów
Zasady płatności: T/T
Możliwość Supply: Dostawa według projektu/partii
Najlepsza cena Kontakt

Szczegóły informacji

Nr modelu: C8180 (900-9x81e-00ex-DT0) szybkość transmisji: 400GBE
Porty: Podwójny port Funkcjonować: LACP, stosy, wsparcie VLAN
Technologia: Infiniband Interfejs hosta: Gen6 x16
Typ interfejsu: QSFP112 Znak firmowy: Mellanox
Podkreślić:

NVIDIA ConnectX-8 SuperNIC 800G

,

Karta sieciowa wysokiej gęstości AI Fabric

,

Karta sieciowa klastra GPU z gwarancją

opis produktu

NVIDIA ConnectX-8 SuperNIC C8180-DT0 800G Wysokogęstościowa Sieć AI
Model: 900-9X81E-00EX-DT0 | Multi-Host | Wysoka Gęstość | Zoptymalizowany pod kątem Fabryk AI
Wariant DT0 (Density / Hyperscale) jest przeznaczony dla fabryk AI obsługujących ponad 10 000 procesorów GPU. Posiada technologię NVIDIA Multi-Host (do 4 hostów na adapter), zaawansowane zarządzanie energią (poniżej 28 W typowo) i sterowanie ruchem oparte na telemetrii dla przewidywalnej wydajności na dużą skalę.
Przegląd Produktu - Edycja Hyperscale
NVIDIA ConnectX-8 SuperNIC C8180-DT (900-9X81E-00EX-DT0) jest specjalnie zaprojektowany dla operatorów AI w skali hyperscale. W przeciwieństwie do standardowych SKU dla przedsiębiorstw, wariant DT0 zawiera możliwości Multi-Host PCIe, pozwalające pojedynczemu adapterowi obsługiwać do czterech niezależnych procesorów hosta — zmniejszając liczbę kart sieciowych na szafę i obniżając całkowity koszt posiadania. Ulepszona telemetria i programowalne sterowanie ruchem zapewniają spójne opóźnienia końcowe w tysiącach węzłów GPU.
Zalety Hyperscale
  • Konsolidacja 4:1 Multi-Host (4 hosty na kartę sieciową)
  • <28W typowego poboru mocy przy pełnym obciążeniu 800G
  • Zaawansowana telemetria: opóźnienie na przepływ, głębokość kolejki, oznaczanie ECN
  • Obsługa adaptacyjnego routingu dla równoważonych obciążeń sieciowych
  • Redukcja w sieci SHARPv3 dla operacji zbiorczych
Metryki Skalowalności
  • Obsługuje klastry AI o wielkościPonad 100 000 procesorów GPU
  • 16 milionów kanałów I/O na adapter
  • Do 8 portów logicznych za pomocą kabli rozdzielających
  • Zerowa utrata pakietów przy prędkości linii (PFC + ECN)
  • RDMA over Converged Ethernet v2 (RoCEv2)
Architektura Multi-Host
Konfiguracja Obsługiwane Hosty Całkowita przepustowość na Host Przypadek Użycia
1 Host 1 800 Gb/s Maksymalna przepustowość pojedynczego hosta
2 Hosty 2 400 Gb/s każdy Zrównoważona gęstość dwu-węzłowa
4 Hosty 4 200 Gb/s każdy Maksymalna gęstość szafy
Docelowe Wdrożenia - Fabryki AI Hyperscale
  • Klastry treningowe dużych modeli językowych (skala GPT-5)
  • Infrastruktura treningowa dla pojazdów autonomicznych
  • Platformy chmurowe GPU-as-a-service
  • Krajowe centra superkomputerowe
  • Farmy symulacyjne dla projektowania półprzewodników AI
Optymalizacja Mocy i Termiczna
Wariant DT0 posiada ulepszone bramkowanie mocy i dynamiczne skalowanie napięcia, osiągając 25-28W typowo przy prędkości linii 800 Gb/s — o 15% wydajniejszy niż poprzednia generacja. Chłodzenie pasywne wystarczające dla serwerów 1U z odpowiednim przepływem powietrza od przodu do tyłu.
NVIDIA ConnectX-8 SuperNIC C8180-DT0 800G High-Density AI Fabric dla dużych klastrów GPU 0
Hong Kong Starsurge Group Co., Limited
Jako wyspecjalizowany dostawca sprzętu sieciowego od 2008 roku, Starsurge obsługuje klientów hyperscale w regionach APAC, Ameryki Północnej i Europy. W przypadku zakupu hurtowego C8180-DT (ponad 500 sztuk), skontaktuj się z naszym zespołem ds. hyperscale w celu uzyskania niestandardowych cen i logistyki.

Chcesz dowiedzieć się więcej o tym produkcie
Jestem zainteresowany NVIDIA ConnectX-8 SuperNIC C8180-DT0 800G High-Density AI Fabric dla dużych klastrów GPU czy mógłbyś przesłać mi więcej informacji, takich jak rodzaj, rozmiar, ilość, materiał itp.
Dzięki!
Czekam na Twoją odpowiedź.