走进 Prometheus：Meta 千兆瓦级超级计算集群建设内幕

Meta 于 2026 年 10 月 19 日公布 Prometheus 超级计算集群建设进展，首阶段已完成，并计划扩展至约 100 万块 GPU；其价值在于展示前沿模型训练对算力、网络与数据中心工程的综合要求。

• 集群位于美国俄亥俄州 New Albany，由多座数据中心建筑和快速部署结构组成，采用专用 GPU 网络连接。
• Meta 称，Prometheus 首阶段已用于训练 Muse 系列模型，并实现超过 85% 的预训练 goodput 和超过 90% 的强化学习 goodput。
• 官方披露，训练期间平均中断间隔约为 4.7 万 GPU 小时，经过固件修复后提升至超过 5.4 万 GPU 小时。
• 集群采用闭环液冷、分层 Ethernet 网络和跨建筑聚合网络，目标是减少大规模训练中的通信等待与单点故障影响。
• 这些性能数据来自 Meta 自身工程披露，尚未构成独立第三方评测，因此更适合用于理解系统设计与运营目标。
• 影响/看点：Prometheus 可能提高 Meta 训练大型模型时的资源利用率，但其实际优势仍取决于 GPU 供给、网络稳定性、能源基础设施和后续模型训练结果。资料依据:
• Meta Engineering Blog（2026-10-19）：https://engineering.fb.com/2026/10/19/data-center-engineering/inside-prometheus-meta-gigawatt-scale-supercluster/

本内容由 AI 生成，仅供参考，请注意甄别