概述

我校正寻求采购一批cxl设备，需技术成熟且有相关案例。

需求详情

一、需求背景​在科研与教学不断向纵深发展的进程中，上海交通大学在人工智能、大数据处理、高性能计算等前沿领域的探索持续深入，对计算性能的要求呈指数级增长。传统计算架构下，CPU、内存、加速器等组件间的通信效率已成为制约系统整体性能提升的关键瓶颈，现有设备难以满足大规模数据快速处理、复杂模型高效训练等任务需求。​二、现有问题描述​通信延迟高：当前系统中，设备间数据传输依赖传统互连方式，延迟严重，导致 CPU 等待数据时间过长，计算资源利用率低下。例如在深度学习模型训练时，频繁的数据交互使得训练周期大幅延长。​内存扩展性受限：受主板插槽数量、内存类型及容量限制，单台服务器内存扩展能力不足，面对日益增长的大模型训练、海量数据存储分析等工作，内存时常捉襟见肘，无法灵活扩充以适应业务需求。​资源孤岛现象：计算、存储、网络设备各自独立，缺乏高效协同机制，不同设备资源利用率不均衡，部分设备负载过高，而部分设备资源闲置，整体资源利用率远低于预期。​三、预期目标​提升系统性能：构建基于 CXL 技术的高效计算架构，大幅降低设备间通信延迟，提升数据传输带宽，使系统整体计算性能提高数倍，显著缩短科研项目运行时间，如将复杂科学计算任务的处理速度提升 50% 以上。​增强内存扩展能力：实现内存的灵活扩展与池化管理，单台服务器内存容量可按需扩展至 PB 级，降低内存采购成本，同时提升内存资源利用率至 80% 以上，有效应对大内存需求场景。​优化资源协同：打破资源孤岛，促进 CPU、内存、加速器等设备间的高效协同，实现计算资源的动态分配与共享，使整个计算集群的资源利用率提升 30% 以上，提高教学与科研资源的综合利用效率。​四、需达到的技术指标​协议标准：全面支持 CXL 3.0 及以上协议，确保与现有及未来设备的兼容性与扩展性。​物理层特性：基于 PCIe 6.0 物理层标准，提供高达 64GT/s 的传输速率，保障数据高速传输。​缓存一致性：支持 CXL.cache 协议，实现 CPU 与加速器间缓存一致性，减少数据重复加载，降低数据访问延迟 50% 以上。​内存扩展与池化：支持 CXL.mem 协议，可实现内存的扩展与共享，内存扩展卡单卡容量不低于 1TB，支持内存池化功能，能将多台服务器内存资源整合为统一资源池，动态分配给不同计算任务。​设备连接与管理：支持 CXL Switch，可实现多层级联，灵活连接多个 CXL 主机及设备，支持设备热插拔、电源管理及全面的错误处理机制，保障系统稳定运行，错误恢复时间小于 1 秒 。​