Akselererer bilindustriell innovasjon i Europa med Cornelis Networks CN5000® og Hammer

Europeisk bilforskning og -utvikling er i et sprintløp: elektrifiseringsprogrammer, programvaredefinerte kjøretøy, ADAS/AV-validering og digitale tvillinger av fabrikker presser alle simulering og AI-arbeidsbelastninger til større GPU/CPU-klynger med strammere iterasjonssykluser.

Den skjulte begrensningen er ikke lenger datakraft. Det er nettverksstrukturen—å flytte gradienter, sensordatasets, masker og MPI-meldinger raskt nok til at team ikke stoppes av hale-latens, overbelastning eller uforutsigbar ytelse under belastning.

Det er her Cornelis Networks CN5000 passer inn: en spesialbygd, ende-til-ende-forbindelse designet for tapsfri, overbelastningsfri trafikk på 400G med sub-mikrosekunds MPI-latens-høydepunkter og overbelastningshåndtering på fabrikknivå, bygget på Omni-Path-arkitekturen.

Og kombinert med Hammers Europa-fokuserte distribusjons- og integrasjonsevner, blir det en praktisk vei for bilorganisasjoner til å distribuere og støtte høytytende nettverk på tvers av flerstedes ingeniørteam. 

Hvorfor bilindustriens innovasjon nå avhenger av nettverket

Biltekniske arbeidsflyter blir stadig mer koblede og iterative:

• Kollisjons- og sikkerhetssimulering (store MPI-jobber, mange små meldinger, følsomme for latens og halelatens)
• CFD, aero- og termisk analyse (store domenedekomposisjoner med all-til-all-kommunikasjon)
• Batteri- og kraftelektronikkmodellering (multifysikk, store ensembler)
• ADAS-persepsjon og sensorfusjonstrening (distribuert AI-kollektiv kommunikasjon)
• Digitale tvillinger av kjøretøy og anlegg (kontinuerlige datafeeder, rask scenariotesting)

Når klynger skaleres, er “god gjennomsnittlig båndbredde” ikke lenger tilstrekkelig.. Bilteam trenger:

• Forutsigbar ytelse under belastning
• Lav halelatens (slik at den tregeste rangen/arbeideren ikke dominerer stegtiden)
• Overbelastningshåndtering som holder i virkelige blandede bruksforhold—ikke bare best-case trafikkmønstre

CN5000 på ett minutt

CN5000 er posisjonert som et tapsfritt, kongestjonsfritt skaleringsnettverk for AI og HPC, designet for å holde ytelsen stabil etter hvert som du vokser.

Med et blikk:

• 400G båndbredde per port
• < 1 µs MPI-latens (Switch- og SuperNIC-høydepunkter)
• Arkitektoniske byggeklosser inkluderer:
  • Kredittbasert flytkontroll
  • Retransmisjoner på koblingsnivå
  • Køhåndtering på fabric-nivå

Multipath-rutingFin granulert adaptiv ruting (FGAR) og incast-bevisst strømningskontroll nevnt som en del av kongestjonshåndteringsmetoden

Med mer enn 240 ingeniører og teknologer dedikert til å fremme nettverksinnovasjon, er Cornelis og Hammer fokusert på å frigjøre større effektivitet i datasentre. Vår komplette portefølje av SuperNIC-er og svitsjer bygger på vår arv som oppfinnerne av Omni-Path, en arkitektur designet for å levere høytytende nettverk i skaleringsæraen og et grunnleggende funksjonssett for Ultra Ethernet. Vi leverer bransjeledende ytelse, inkludert ultralav latens, høye meldingsrater og optimalisert applikasjonsytelse.

Eksempel på kundepåvirkning:
Forbedret gjennomstrømning i aerodynamikksimuleringer for bil- og mekaniske team, som gir opptil 2× økning i gjennomstrømning av designiterasjoner samtidig som avhengigheten av kostbare fysiske prototyper og vindtunneltesting reduseres.

• • CN5000 Switch:
    • 48 × 400G-porter

38.4T full-dupleks båndbredde. Administrasjonsfunksjoner inkludert OpenBMC-basert administrasjon og Redfish-støtte.Implementeringsmerknad:

Cornelis beskriver CN5000 som en ende-til-ende-arkitektur—noe som betyr at designintensjonen “tapfri, uten overbelastning” er knyttet til bruk av CN5000-elementene –– svitsjer, SuperNIC-er og programvare––heller enn å blande og matche vilkårlig.

CN5000 vs InfiniBand vs RoCEv2 Ethernet (sammenligning fokusert på bilindustrien)

Hva “tapfri, kongestjonsfri” betyr i daglige ingeniørresultater

Raskere løser-gjennomløpstid -

I store MPI-simuleringer kan jobbtiden domineres av kommunikasjonsfaser (halo-utveksling, reduksjoner, synkronisering). CN5000 legger vekt på meldingsrate- og latensoptimalisering sammen med køhåndtering—sikter mot forutsigbar ytelse under belastning.

Effekt: Kortere veggklokketid per designiterasjon, færre “mystiske nedbremsinger” ved topputnyttelse, og bedre skalerings-effektivitet når noder legges til.

Bedre effektivitet for distribuert AI-trening (ADAS/AV og autonomi-stakker)

CN5000 posisjonerer seg som en fabric designet for AI-trening og inferens som opprettholder gjennomstrømning under belastning ved å minimere overbelastningshendelser og tail-latens.

Hvor du vil merke det: høyere GPU-utnyttelse (mindre tid ventet på kollektiver), mer stabile trinntider, forbedret tid-til-trening for nye sensordomener eller modellvarianter.

Praktisk kontroll gjennom telemetri (ikke gjetting)

Når flere team deler samme plattform, kan trafikkmønstre endres fra time til time. CN5000 fremhever telemetri og sanntidssynlighet for å støtte arbeidslastbevisst trafikkstyring.

Hvor du vil merke det: raskere rotårsak for ytelsesvariasjon og tydeligere kapasitetsplanlegging, spesielt i klynger med blandet bruk. 

Designe CN5000 inn i ekte automotive HPC- og AI-klynger

Behandle overbelastning som det normale tilfellet, ikke et unntakstilfelle

Bilplattformer er nesten alltid i blandet bruk: CAE om morgenen, trening om ettermiddagen, digitale tvillingrørledninger i bakgrunnen, og alle presser på med “en kjøring til” før en milepæl. CN5000 fremhever styring av overbelastning på fabrikknivå, flytkontroll som er bevisst på incast, og adaptiv ruting for å opprettholde ytelse under belastning.

Behold din “tapsfrie” historie ende-til-ende

Cornelis beskriver “tapfritt, kongestjonsfritt overføring” som en arkitektonisk egenskap ved CN5000 (Switch + SuperNIC + ruting/strømningskontroll). I praksis: spesifiser det som et system, valider det som et system.

Vil du vite mer?