Europæisk bilindustri F&U er i et sprint: elektrificeringsprogrammer, softwaredefinerede køretøjer, ADAS/AV-validering og digitale tvillinger af fabrikker presser alle simulering og AI-arbejdsbelastninger til større GPU/CPU-klynger med strammere iterationscyklusser.
Den skjulte begrænsning er ikke længere beregning. Det er netværksstrukturen—at flytte gradienter, sensordatasæt, masker og MPI-beskeder hurtigt nok, så teams ikke bliver bremset af tail-latens, overbelastning eller uforudsigelig ydeevne under belastning.
Det er her Cornelis Networks CN5000 passer ind: en specialbygget, end-to-end interconnect designet til tabsfri, overbelastningsfri trafik ved 400G med sub-mikrosekund MPI-latens-højdepunkter og fabric-niveau overbelastningsstyring, bygget på Omni-Path-arkitekturen.
Og kombineret med Hammer’s Europa-fokuserede distributions- og integrationskapaciteter bliver det en praktisk vej for bilindustriens organisationer til at implementere og understøtte højtydende netværk på tværs af multi-site ingeniørteams.
Hvorfor bilindustriens innovation nu afhænger af netværket
Bilindustriens ingeniørarbejdsgange er i stigende grad koblede og iterative:
- Kollisions- & sikkerhedssimulering (store MPI-job, mange små meddelelser, følsom over for latenstid og hale-latenstid)
- CFD, aero- og termisk analyse (store domænedekompositioner med all-to-all-kommunikation)
- Modellering af batteri og kraftelektronik (multi-fysik, store ensembler)
- ADAS-perception og sensorfusionstræning (distribueret AI kollektiv kommunikation)
- Digitale tvillinger af køretøjer og fabrikker (kontinuerlige datafeeds, hurtig scenarietest)
Når klynger skaleres, er “god gennemsnitlig båndbredde” ikke længere tilstrækkeligt.. Automotive-teams har brug for:
- Forudsigelig ydeevne under belastning
- Lav halelatens (så den langsomste rang/worker ikke dominerer trintiden)
- Trængselshåndtering, der holder i virkelige blandede brugsscenarier—ikke kun i bedste tilfælde trafikmønstre
CN5000 på ét minut
CN5000 er positioneret som et tabsfrit, kongestionsfrit scale-out-netværk til AI og HPC, designet til at holde ydeevnen stabil, når du vokser.
Kort fortalt:
- 400G båndbredde pr. port
- < 1 µs MPI-latens (Switch- og SuperNIC-højdepunkter)
- Arkitektoniske byggesten inkluderer:
- Kreditbaseret flowkontrol
- Genoverførsel på linkniveau
- Kongestionsstyring på fabric-niveau
Multipath-routingFin-kornet adaptiv routing (FGAR) og incast-bevidst flowkontrol nævnt som en del af kongestionsstyringstilgangen
Med mere end 240 ingeniører og teknologer dedikeret til at fremme netværksinnovation, er Cornelis og Hammer fokuseret på at frigøre større datacenter-effektivitet. Vores komplette portefølje af SuperNIC'er og switches bygger på vores arv som opfinderne af Omni-Path, en arkitektur designet til at levere højtydende netværk i scale-out-æraen og et fundamentalt funktionssæt til Ultra Ethernet. Vi leverer brancheførende ydeevne, herunder ultralav latenstid, høje meddelelsesrater og optimeret applikationsydelse.
Eksempel på kundeeffekt:
Forbedret aerodynamisk simulationsgennemstrømning for bil- og mekaniske teams, hvilket giver op til en 2× stigning i designiterationsgennemstrømning, samtidig med at afhængigheden af dyre fysiske prototyper og vindtunneltest reduceres.
-
- CN5000 Switch:
- 48 × 400G porte
- CN5000 Switch:
38,4T fuld duplex-båndbredde. Administrationsfunktioner inklusive OpenBMC-baseret administration og Redfish-support.Implementeringsnote:
Cornelis beskriver CN5000 som en end-to-end-arkitektur—hvilket betyder, at designintentionen om “tabfri, uden overbelastning” er knyttet til brugen af CN5000-elementerne –– switches, SuperNIC'er og software––frem for vilkårlig blanding og matchning.
CN5000 vs InfiniBand vs RoCEv2 Ethernet (sammenligning fokuseret på bilindustrien)
|
Hvad du’sammenligner |
Cornelis Networks CN5000 (Omni-Path) |
InfiniBand NDR 400 (f.eks. Quantum-2) |
400G Ethernet med RoCEv2 |
|
Primært formål |
Specialbygget scale-out-fabric til AI + HPC med et tabsfrit, kongestionsfrit designfokus. |
HPC/AI-fabric med adaptiv routing og overbelastningskontrol som en del af platformens værdi. |
Open-standard Ethernet tilpasset til lav-latens AI/HPC ved hjælp af “lossless”-teknikker (ofte PFC + ECN + end-to-end overbelastningskontrol såsom DCQCN). |
|
Linkhastighedsklasse |
400G pr. port (Switch- og SuperNIC-muligheder). |
400Gb/s pr. port (NDR 400). |
Almindeligvis 400G Ethernet; RoCEv2 bruges til RDMA (afhænger af design/leverandør). |
|
1U switch porttæthed (eksempel) |
48 × 400G Switch; 38.4T fuld duplex. |
Ofte 64 × 400Gb/s i 1U (modelafhængigt). |
Varierer meget; adfærd afhænger i høj grad af ASIC/leverandør og dine valg for QoS/buffer/ECMP/telemetri og tuning. |
|
Trængsel / tabsfri tilgang (højt niveau) |
Kreditbaseret flowkontrol, link-niveau videretransmissioner, fabric-niveau overbelastningsstyring, multipath-routing—rettet mod forudsigelig ydeevne og reduceret tail-latens. |
Platformsniveau overbelastningskontrol, QoS/virtuelle baner, adaptiv routing; kan omfatte accelerationsfunktioner i netværket (platformspecifikt). |
“Lossless Ethernet” bruger typisk PFC for at undgå pakketab plus ECN for at markere overbelastning og signalere hastighedsreduktion; operationel succes afhænger af konfigurationsdisciplin. |
|
Driftsmæssige forbehold |
Behandl det som et end-to-end-system (Switch + SuperNIC + software) for at være i overensstemmelse med den tilsigtede arkitektur. |
Stærkt valg, hvor IB-økosystemet/værktøjerne og eksisterende arbejdsgange er veletablerede. |
RoCEv2-resultater afhænger i høj grad af korrekt PFC/ECN-design og løbende driftsdisciplin; fejlkonfigurationer kan skabe alvorlig trængsel/latensadfærd. |
Hvad “Tabsfri, Kongestionsfri” Betyder i Hverdagens Ingeniørresultater
Hurtigere solver-gennemløbstid -
I store MPI-simulationer kan jobtiden domineres af kommunikationsfaser (halo-udveksling, reduktioner, synkronisering). CN5000 lægger vægt på optimering af message-rate og latenstid sammen med håndtering af overbelastning—med henblik på forudsigelig ydeevne under belastning.
Effekt: Kortere væg-ur-tid pr. designiteration, færre “mystiske opbremsninger” ved spidsbelastning og bedre skalerings-effektivitet, når noder tilføjes.
Bedre effektivitet i distribueret AI-træning (ADAS/AV og autonomi-stakke)
CN5000 positionerer sig selv som et fabric designet til AI-træning og inferens, der opretholder gennemstrømning under belastning ved at minimere overbelastningshændelser og tail-latens.
Hvor du vil mærke det: højere GPU-udnyttelse (mindre tid brugt på at vente på kollektiver), mere stabile trintider, forbedret tid til træning for nye sensordomæner eller modelvarianter.
Praktisk kontrol gennem telemetri (ikke gætværk)
Når flere teams deler den samme platform, kan trafikmønstre ændre sig fra time til time. CN5000 fremhæver telemetri og realtidsindsigt for at understøtte workload-bevidst trafikstyring.
Hvor du vil mærke det: hurtigere rodårsagsanalyse for ydeevnevariation og klarere kapacitetsplanlægning, især i klynger med blandet brug.
Design af CN5000 i rigtige automotive HPC- og AI-klynger
Behandl overbelastning som det normale tilfælde, ikke en grænsetilfælde
Automotive-platforme er næsten altid blandet brug: CAE om morgenen, træning om eftermiddagen, digital twin-pipelines i baggrunden, og alle presser på med “endnu en kørsel” før en milepæl. CN5000 fremhæver fabric-niveau congestion management, incast-bevidst flowkontrol og adaptiv routing for at opretholde ydeevnen under belastning.
Bevar din “tabsfri” historie end-to-end
Cornelis beskriver “tabfri, kongestionsfri transmission” som en arkitektonisk egenskab ved CN5000 (Switch + SuperNIC + routing/flowkontrol). I praksis: specificér det som et system, valider det som et system.
Vil du vide mere?
