本图完整展示两套差异化 SuperPod 硬件组网架构，分别适配大模型训练与在线推理两大 AI 核心业务场景，通过分层组网、差异化互联设计解决不同算力业务的网络性能需求。左侧下方为有收敛比 Online Inference 在线推理架构，以 SU-01 至 SU-08 算力单元为基础，采用多层交换机分级互联，链路存在合理收敛设计。该架构兼顾成本与吞吐，可承载高并发实时推理任务，链路分层分流降低单点拥堵，适配日常线上 AI 服务、低延迟生成式推理等业务。右侧主体为无收敛比大模型训练专用架构，覆盖 SU-01 至 SU-08 全算力单元，所有服务器通过无损高速直连链路组网，无链路带宽收敛损耗，配套 SU 节点算力配置统计表，清晰标注 SU 数量、GPU 规模、交换机层级与 Cube 组网参数。全互联无收敛设计保障海量 GPU 间低时延、高带宽数据互通，消除分布式训练通信瓶颈，支撑超大规模 LLM、多模态大模型并行预训练与微调工作。图中同步补充配套交换机硬件示意、上层网络互联拓扑，完整呈现从底层 GPU 机柜、SU 单元到上层汇聚交换的全链路层级，两套架构硬件单元可按需灵活扩容拆分，参数表格直观量化集群算力与网络规格，便于方案设计、机房部署与运维复盘。本架构图纸适用于 AI 算力架构工程师、超算机房运维、大模型研发团队、云计算基础设施规划师、AI 项目架构 PMO。