微软打造首个全球规模的 AI 超级工厂

微软正式发布位于美国乔治亚州亚特兰大的 Azure AI 数据中心 Fairwater 站点。全新的数据中心将与威斯康星州的首个 Fairwater 站点、前几代 AI 超级计算机以及全球 Azure 数据中心深度互联，共同构建首个全球规模的 AI 超级工厂#Fairwater#。 

为了满足激增的 AI 计算需求，微软重新定义了 AI 数据中心的架构设计和系统运行方式。Fairwater 打破传统云数据中心模式，采用单一扁平网络架构，可以将数十万颗最新的 NVIDIA GB200、GB300 GPU 组建成一台真正意义上的超级计算机。这些创新源于微软在数据中心与网络设计上的数十年积累，以及支撑全球最大规模 AI 训练任务的深厚经验。

Fairwater 不仅适用于下一代前沿模型训练，还在设计之初就考虑到了多场景弹性调度。模型训练包含预训练、微调、强化学习、合成数据生成等多种不同类型的工作负载。

微软还为此部署了专用的 AI WAN 广域网骨干，把每个 Fairwater 站点连成一个高度弹性的整体，实现跨站点的动态算力调度，让不同任务都能高效运行，最大化整个系统的 GPU 利用率。

接下来，我们将带您深入了解 Fairwater 背后的关键技术创新——从数据中心的建造方式，到站点内部及跨站点的网络设计，全面解读“AI 超级工厂”的技术秘密。

现代 AI 基础设施的性能正面临物理定律的挑战，光速延迟正在成为限制加速器、计算与存储深度整合的关键因素。Fairwater 的设计核心，就是把算力密度做到极致，在机架内部、机架之间尽可能缩短延迟，从而将整体系统性能推到新的高度。

想要实现这种算力密度，冷却技术是关键。Fairwater 数据中心采用全场液冷系统，并通过闭环循环设计 —— 冷却液在初次注入后会被持续循环使用，不会蒸发流失，实现高效与可持续。初始注水量仅相当于 20 户家庭一年的用水量，且可持续使用 6 年以上，仅在水质监测异常时更换。

液冷不仅提升散热效率，还让机架功率达到约 140kW/机架，1,360kW/排。先进冷却技术确保在高负载下保持稳定性能，让超大规模训练任务高效运行。

图为：机架级直液冷

为了进一步提升算力密度，Fairwater 还采用了双层数据中心建筑设计。原因很简单：因为 AI 工作负载对延迟极度敏感，哪怕是线缆长度的微小差异，都可能影响集群性能。

在 Fairwater中，每一块 GPU 都需要与其他 GPU互联。通过三维空间布局，双层设计让机架分布更紧凑，显著缩短线缆长度，从而带来更低延迟、更高带宽、更强可靠性以及更优成本控制。

图为：双层网络架构

为了支撑前所未有的算力需求，Fairwater 不仅在网络架构上创新，还在供电模式上突破传统。亚特兰大站点选址基于电网韧性，能以 3×9 成本实现 4×9 可用性，无需传统冗余方案（如现场发电、UPS、双路配电），降低客户成本并加快交付。

同时，微软与行业伙伴联合开发电力管理解决方案，应对大规模 AI 任务带来的电网波动：

• 软件层面：在低负载时段自动引入补充性任务，平滑电力波动

• 硬件层面：让 GPU 自主控制功率阈值，抑制瞬时冲击

• 现场储能系统：通过本地储能吸收波动，而无需额外消耗电力

这些方案让 Fairwater 能在 AI 需求持续攀升的情况下保持平稳运行。

Fairwater 的强大性能，来自于专为 AI 打造的服务器架构、先进加速器和全新的网络系统。

• 单一扁平网络：突破传统 Clos 网络限制，支持数十万 GPU 互联

• 机架级互联：每机架最多容纳 72 块 Blackwell GPU，通过 NVLink 实现超低延迟通信

• 极致算力密度：支持 FP4 等低精度格式，提升 FLOPS 与内存效率

• 带宽与内存：每机架提供 1.8TB GPU 间带宽，每块 GPU 可访问 14TB 共享内存

图为：采用应用驱动网络技术的密集型 GPU 机架

为了让数十万块 GPU 像一台超级计算机一样高效运作，Fairwater 采用横向扩展网络架构，将机架扩展为 Pod 和集群，实现最少跳数、最低延迟的互联。

核心技术亮点

• 双层以太网后端架构：支持超大规模集群，GPU 间互联速率高达 800Gbps

• SONiC 网络操作系统：微软自研，避免单一供应商锁定，降低成本，支持通用硬件

• 网络优化技术：多层面重构性能，实现拥塞控制、快速重传和智能负载均衡，保障超低延迟与高可靠性

即便有这么多创新，面对动辄万亿参数的大模型训练，单个数据中心的电力和空间仍难以承载不断上升的算力需求。为此，微软打造了一个专用的 AI WAN 光网络，将 Fairwater 的纵向扩展与横向扩展网络进一步向外延伸。

依托微软多年的超大规模基础设施经验，我们仅在过去一年内就在全美铺设了 12 万英里的新光纤，全面增强 AI 网络的覆盖与稳定性。

凭借这条高性能、高可用的骨干网络，我们可以把不同世代的超级计算机跨地域联成一个整体——打造真正意义上的 AI 超级工厂（AI Superfactory）。

开发者可以根据任务需求，在单站点内部的 scale-up / scale-out 网络之间灵活切换，也可以跨站点通过 AI WAN 调度算力资源。

这与过去所有流量都必须走同一个横向扩展网络的模式截然不同。如今，任务可以基于需求选择最适合的网络路径，不仅提升效率，也让整个基础设施更灵活、更高利用率。

全新的亚特兰大 Fairwater 站点，是 Azure AI 基础设施迈出的又一大步，也是微软多年支撑全球最大规模 AI 训练经验的成果总结。

它融合了突破性的算力密度设计、高效可持续的能源体系以及世界领先的网络架构，并与全球各地的 Azure AI 数据中心深度互联，共同构成首个全球规模的 AI 超级工厂。

对企业与开发者而言，这意味着更容易将 AI 融入现有工作流、更快把想法变成现实、更轻松构建出曾经难以实现的创新型 AI 应用。