同样的 IB 网卡，能不能跑满性能，差别很大。IB 组网不是插上就能用，调试决定集群的真实性能。深圳智云时代数码科技有限公司的工程师团队长期做 IB 网络调优，下面把调试的价值讲清楚。
典型问题现象
训练集群常见几类问题：GPU 利用率上不去、多机多卡吞吐有瓶颈、IB 链路丢包、延迟抖动、NCCL 集合通信性能上不去。这些问题不是换个硬件能解决的，需要从网络层面定位。
新一代网络要验证的特性
IB 网络已进入 800G XDR 时代，新一代网络新增了 SHARP v4 网络内计算、自适应路由、遥测拥塞控制等特性，all-reduce 集合通信可以直接做进交换机。这些特性是否生效、时延是否达标，需要上机验证，而不是默认开启就能用。
调试交付物
正规的调试服务要交付可验证的结果：调优前后 benchmark 对比、压力测试报告、瓶颈定位报告、调优参数清单。有了这些，集群性能是跑满还是没跑满，一测便知。
为什么需要本地工程师
官方工具链只保证跑通，不针对具体业务做极限调优。海量开源模型和框架的组合，踩坑时间成本极高。本地工程师能现场复现问题、逐段排查，比远程沟通效率高得多。
深圳智云时代数码科技有限公司，代理商原生的资深工程师团队，覆盖 IB 网络拥塞调优、自适应路由、链路丢包误码验证、GPUDirect RDMA 生效验证、网卡与交换机配套调优，交付时提供调优前后 benchmark 对比和压力测试报告。欢迎联系做技术方案交流。
延伸阅读：IB 网卡售后服务怎么衡量？响应、备件、质保是关键 / IB 网卡供货稳定怎么保证？长期采购避断货指南