正しい答えは、クラスタ全体で安定性、帯域幅、および互換性を確保することです。高速なNVIDIA AIファブリックでは、光トランシーバーとアクティブケーブルは単なる受動的な要素ではなく、リンクトレーニング、信号品質動作、ファームウェア制御動作、診断、およびスイッチやアダプタとの互換性に関与します。ファブリック全体でトランシーバーのファームウェアバージョンが一致しない場合、リンクのネゴシエーションが異なったり、テレメトリが不整合になったり、断続的なエラーが発生したり、持続的なワークロードでパフォーマンスが低下したりする可能性があります。これは、NCCLコレクティブがレイテンシ、再送信、および帯域幅の変動に敏感であるため、AIトレーニングにとって非常に重要です。インベントリレポートは有用ですが、ファームウェアを整合させる主な理由ではありません。
異種混在のトランシーバーファームウェアは、検出のためだけに望ましいものではなく、トラブルシューティングを困難にする可能性があります。GPUメモリ消費量は、スイッチトランシーバーファームウェアとは無関係です。物理層検証の際には、エンジニアはファブリックを本番環境向けに承認する前に、サポートされているトランシーバーモデル、ファームウェアバージョン、リンク速度、エラーカウンタ、BER健全性、ポート安定性を確認する必要があります。ファームウェアの整合性により、AIクラスタ全体で予測可能でサポート可能なベースラインを作成できます。