10月29日消息，YouTube視頻博主 ServeTheHome 首次曝光了埃隆·馬斯克 （Elon Musk）旗下人工智能企業xAI的Colossus  AI 超級計算機集群，其集成了100000個英偉達（NVIDIA）H100 GPU，號稱是目前全球最強大的AI超級計算機集群。

早在今年7月下旬，馬斯克就在“X”平臺上宣布，自己已經啟動了“世界上最強大的 AI 集群”。這座AI集群從開始建設到完成組裝僅花了122天就完成了，目前已經上線運行了約3個月。

根據ServeTheHome曝光的信息來看，龐大的Colossus  AI超級計算機集群采用的是超威電腦（Supermicro）的服務器，其基于NVIDIA HGX H100方案，每個服務器中擁有8個H100 GPU，封裝在 Supermicro 的 4U 通用 GPU 液冷系統內，為每個 GPU 提供簡單的熱插拔液冷。這些服務器裝載在機架內，每個機架可容納 8 臺服務器，也就是說每個機架內有 64 個 GPU。1U 歧管夾在每個 HGX H100 之間，提供服務器所需的液體冷卻。每個機架的底部是另一個 Supermicro 4U 單元，這次配備了冗余泵系統和機架監控系統。

△四組 xAI 的 HGX H100 服務器機架，每組可容納八臺服務器。（圖片來源：ServeTheHome）

△xAI Colossus GPU 服務器的后部訪問。每臺服務器有 9 根以太網電纜，每臺服務器有 4 個電源。電源和液體冷卻軟管也可見。（圖片來源：ServeTheHome）

這些機架以 8 個為一組配對，每個陣列有 512 個 GPU。每臺服務器都有四個冗余電源，GPU 機架的后部露出三相電源、以太網交換機和一個提供所有液體冷卻的機架大小的歧管。Colossus 集群中有超過 1500 個 GPU 機架，或近 200 個機架陣列。據英偉達首席執行官黃仁勛稱，這 200 個陣列的 GPU 僅用了三周時間就完成了安裝。

由于 AI 超級集群不斷訓練模型的高帶寬要求，xAI 在其網絡互連性方面提供了超大的帶寬。目前每個顯卡都有一個 400GbE 的專用 NIC（網絡接口控制器），每臺服務器還有一個額外的 400Gb NIC。這意味著每臺 HGX H100 服務器都有每秒 3.6 TB 的以太網速率。整個集群都在以太網上運行，而不是 InfiniBand 或其他在超級計算領域標配的連接。

△仰望一大片的黃色以太網電纜，將 xAI Colossus 集群連接在一起。多層過寬的電纜線路嵌入天花板中。（圖片來源：ServeTheHome）

△xAI 的 Colossus CPU 計算服務器，看起來與該站點中也廣泛使用的 Supermicro 存儲服務器完全相同。（圖片來源：ServeTheHome）

當然，像 xAI 旗下Grok 3 聊天機器人這樣基于訓練 AI 模型的超級計算機需要的不僅僅是 GPU 才能運行。Colossus集群當中的存儲和 CPU 計算機服務器的詳細信息仍未曝光，不過這些服務器也大多采用 Supermicro 機箱。一波又一波的 NVMe 轉發 1U 服務器內部帶有某種 x86 平臺 CPU，可容納存儲和 CPU 計算，還具有后入式液體冷卻功能。

另外，在該超級計算機集群的外面，還可以看到一些大量捆綁的特斯拉 Megapack 電池（每個最多可容納 3.9 MWh）。該電池陣列的是為了應對突發停電的臨時備用電源，其可以在毫秒之間快速提供供電，相比柴油發電機反應要快得多，可以使得有足夠時間去啟動其他備用電源。