Wiki budowy

Baza wiedzy

Seria referencyjna o budowie, sieciach, zasilaniu i eksploatacji infrastruktury obliczeniowej AI — dla kupujących i integratorów dobierających kolejny zestaw 4-GPU, serwer 8-GPU lub laboratorium robotyki.

Każdy artykuł powstaje na bazie rzeczywistych wdrożeń Kentino. Bez wypełniaczy. Stanowczy tam, gdzie wymaga tego inżynieria. Uczciwy wobec ograniczeń.

49artykułów online 9ścieżek tematycznych 2nowe tygodniowo · wt. + czw.

Podstawy serwera AI seria W

Jeśli specyfikują Państwo zestaw z wieloma GPU, prosimy zacząć od tych tekstów. Pamięć, PCIe, zasilanie, termika, przestrzeń dyskowa i krótka lista GPU.

W01RAM i VRAM: jak się ze sobą wiążą w serwerze AIZestaw 4-GPU ze 192 GB VRAM i 32 GB RAM jest wadliwy. Właściwa proporcja zależy od tego, co rzeczywiście się uruchamia.
W02Linie i topologia PCIe w serwerze AI z wieloma GPU„PCIe x8 kontra x16 nie ma znaczenia dla inferencji” jest w większości prawdą — tyle że powtarzający to zwykle nie wiedzą dlaczego.
W03Risery GPU: kiedy są potrzebne i co się psujeGdzie po cichu umiera integralność sygnału, łącza niezauważenie wracają do Gen3, a stanowiska, które przeszły testy, zaczynają gubić po jednym GPU dziennie.
W04Dobór zasilacza i konfiguracje z dwoma zasilaczamiObliczenia, realia formatów i uczciwe ujęcie zasilania zestawów 4-GPU oraz 8-GPU.
W05Termika i przepływ powietrza w serwerach AI z wieloma GPUCztery GPU po 450 W to 1.8 kW ciepła w jednej obudowie. Przepływ front-to-back, ciśnienie statyczne i dlaczego „ma wentylatory” to nie jest plan chłodzenia.
W06Warstwy przestrzeni dyskowej w serwerze AIModel, zbiór danych, scratch, checkpoint — cztery obciążenia o czterech wzorcach dostępu. Jedna warstwa NVMe nie obsłuży dobrze żadnego z nich.
W07Dobór GPU: 5090, 4090, RTX Pro 6000, L40, L4Uczciwe porównanie z realnymi wynikami, kompromisami i ścieżką decyzyjną, której faktycznie używamy w rozmowach z klientami.

Ekonomia tokenów seria T

Matematyka kosztów. Tokeny za euro, koszt miliona tokenów on-prem kontra chmura i moment, w którym każdy z modeli naprawdę wygrywa.

T01Tokeny na sekundę za euroJedyny wskaźnik wartości GPU, który ma znaczenie przy inferencji. Realne tokeny/s za euro dla 5090, 4090, RTX Pro 6000, L40 i L4.
T02Koszt miliona tokenów: on-prem kontra chmuraOn-prem kontra chmura, policzone w euro. Gdzie leży punkt przecięcia i dlaczego rachunek z chmury wygrywa, dopóki nagle nie przestanie.
T03Ekonomia inferencji ciągłej i skokowejStała inferencja 24/7 i skokowe zadania wsadowe mają przeciwną ekonomię. Kiedy wygrywa on-prem, a kiedy ratuje chmura.

Linux / system / oprogramowanie seria L

Warstwa oprogramowania pod GPU. Przypinanie sterowników, konfiguracja CUDA, strojenie jądra, systemy plików i monitoring.

L01Przypinanie Ubuntu i zarządzanie sterownikami NVIDIAPrzypiąć jądro, przypiąć sterownik — albo patrzeć, jak apt upgrade wyłącza GPU. Zarządzanie sterownikami, które przetrwa restart.
L02CUDA, cuDNN i NVIDIA Container ToolkitRozsądna ścieżka instalacji. Wersjonowanie CUDA kontra sterownik kontra toolkit oraz droga kontenerowa, która kończy piekło zależności.
L03Strojenie jądra Linuksa pod serwery AICo naprawdę robi różnicę przy obciążeniach AI — hugepages, NUMA, IRQ affinity — a co jest myśleniem magicznym.
L04Wybór systemu plików dla serwerów AIXFS, ZFS, ext4 — i dlaczego Btrfs nie trafia na listę dla serwerów AI. System plików dobrany do wzorca dostępu.
L05Stos monitoringu: Prometheus, Grafana, DCGM, LokiTemperatury GPU, VRAM, błędy ECC i awarie zadań widoczne, zanim zniszczą trening.

Sieci seria N

Realia NVLink, topologie klastrów (leaf-spine, fat-tree, dragonfly, bezprzełącznikowe), analiza opóźnień, routing i RDMA w praktyce.

N03NVLink i NVSwitch: kiedy mają znaczenieMarketing DGX chwali się terabajtami na sekundę pasma NVLink. Przy większości obciążeń Kentino nie jest to w ogóle potrzebne.
N04Topologie z przełącznikami: fat-tree, leaf-spine, Dragonfly, TesseractKażdy schemat klastra zaczyna się tak samo. Prawdziwy wybór to topologia, poziom oversubskrypcji i prędkość na port.
N05Topologie bez przełączników: mesh, ring, direct-connect32-portowy przełącznik 400 GbE kosztuje w połowie 2026 roku €40k–€80k. Przy 2–4 węzłach nie jest potrzebny.
N06Analiza opóźnień: gdzie znika każda mikrosekundaSieci wymiaruje się wykresami przepustowości. Potem benchmark allreduce pokazuje wynik daleki od prędkości łącza.
N07Routing: ECMP, routing adaptacyjny, DCQCNCo dzieje się ponad kablami, kartami sieciowymi i przełącznikami: jak pakiety znajdują trasę i co chroni fabric przed zapaścią przy all-reduce.
N08RDMA w praktyce + projekt uplinku klastraPraktycznie: instalacja sterowników, weryfikacja ścieżki, włączenie GPUDirect, walidacja NCCL, a następnie projekt uplinku całego klastra.

Klastry seria K

Gdy jeden węzeł nie wystarcza. Decyzja o skalowaniu, trening rozproszony, klastry inferencyjne, współdzielona przestrzeń dyskowa, harmonogramowanie i obsługa awarii.

K01Jeden węzeł z wieloma GPU kontra wiele węzłów: kiedy skalować wszerzNajdroższym błędem jest rozbicie budżetu na GPU na dwa węzły, gdy jeden większy załatwiłby sprawę.
K02Trening rozproszony w 2026: DDP, FSDP2, DeepSpeed, MegatronCztery stosy open source, pięć osi równoległości i wskazanie, który wybrać do którego zadania.
K03Klastry inferencyjne: vLLM tensor parallel, pipeline parallelModel 70B nie mieści się na jednym GPU z użytecznym cache KV. Model 405B nie mieści się na jednym węźle. Sposób cięcia modelu decyduje o koszcie.
K04Przestrzeń dyskowa klastra: NFS, BeeGFS, Lustre, magazyny obiektoweWspółdzielona przestrzeń dyskowa to element klastra, o którym nikt nie myśli, dopóki przez niego GPU nie stoją przy 40% wykorzystania.
K05Harmonogramowanie zadań: SLURM, Kubernetes, RaySLURM, Kubernetes, Ray — i świadomość, kiedy żaden z nich nie jest potrzebny. Scheduler dobrany do wielkości zespołu.
K06Obsługa awarii w klastrach AICo naprawdę psuje się w klastrze GPU i jak to odzyskać — checkpointy, kontrole kondycji i wyłączanie wadliwych węzłów.

Integracja seria I

Wszystko razem — konfiguracja serwera inferencyjnego, budżety sieci i zasilania laboratorium, build referencyjny oraz wdrożenie floty.

I01Architektura edge AI: robot ↔ lokalny serwer inferencyjnyArtykuł wzorcowy. Kupiony humanoid to tylko połowa systemu; tu opisujemy drugą połowę i sposób połączenia obu.
I02Konfiguracja serwera inferencyjnego: vLLM, llama.cpp, SGLangInstalacja, uruchomienie usługi i benchmark. Który silnik do którego modelu i do jakiego celu opóźnień.
I03Topologia sieci dla laboratorium robotyki i AIOkablowanie laboratorium robotyki i AI — łącza robotów, uplinki serwera inferencyjnego i miejsca, w których ukrywa się opóźnienie.
I04Budżet zasilania i chłodzenia laboratorium robotyki i AIWymiarowanie zasilania i chłodzenia mieszanego laboratorium robotyki i AI, zanim zostanie podpisana umowa najmu.
I05Build referencyjny: laboratorium robotyki i AI w jednej szafie rackKompletne laboratorium robotyki i AI w jednej szafie rack — lista BOM, układ i kompromisy, które sami byśmy wdrożyli.
I06Wdrożenie floty: wiele robotów, współdzielone obliczeniaWiele robotów, współdzielone obliczenia. Jak wymiarować i harmonogramować inferencję dla floty, a nie dla demonstracji.

Zasilanie seria P

Czysta energia do szafy rack. Fazy, PDU, bilansowanie, zabezpieczenia, UPS i generatory dla infrastruktury AI.

P01Zasilanie jednofazowe kontra trójfazoweKiedy zestaw 4-GPU przerasta pojedynczy obwód 16 A i co naprawdę daje trójfaza w szafie AI.
P02Typy PDU: basic, metered, switched, ATSCo każdy z nich robi i który jest naprawdę potrzebny w szafie GPU.
P03Bilansowanie faz w szafach AIRównomierne obciążenie trzech faz albo wybity bezpiecznik w najgorszym momencie. Jak działa bilansowanie w szafach AI.
P04Dobór zabezpieczeń i prąd rozruchowyObciążenie ciągłe, prąd rozruchowy i reguła 80%. Dobór zabezpieczeń dla serwerów GPU, które nie wybijają bez powodu.
P05Dobór UPS dla infrastruktury AITopologia, chemia akumulatorów, czas podtrzymania i pułapka kVA kontra kW, przez którą połowa zasilaczy UPS w laboratoriach AI jest zbyt mała.
P06Generator i przełącznik zasilaniaGdy czas podtrzymania z akumulatorów nie wystarcza. Dobór generatora i podstawy przełączników zasilania dla laboratoriów AI.

Robotyka seria R · blog

Nowoczesny humanoid to sześć czy siedem dziedzin inżynierii zespolonych w jedno. Anatomia, sensory, rozmieszczenie mocy obliczeniowej, SDK, sieci, zakupy i najnowszy stos modeli świata opartych na VLM.

R01Anatomia nowoczesnego humanoidaSześć czy siedem dziedzin inżynierii zespolonych w jedno. Co naprawdę znajduje się w nowoczesnym humanoidzie.
R02Anatomia robota czworonożnegoCzworonogi wymieniają zasięg na stabilność i czas pracy na akumulatorze. Anatomia mechaniczna i obliczeniowa tego roboczego formatu.
R03Stos sensorów robotaKamery, głębia, LiDAR, IMU, czujniki siły i momentu — co daje każdy sensor i ile kosztuje w mocy obliczeniowej.
R04Obliczenia na robocie kontra poza robotemCo działa na robocie, a co na serwerze. Kompromis między opóźnieniem a możliwościami, którego nie uniknie żadne wdrożenie.
R05SDK robotów, ROS 2 i symulacjaROS 2, SDK producentów i środowiska symulacyjne — oprogramowanie, na którym pracuje się przed dostawą sprzętu.
R06Sieci dla robotów: Wi-Fi, tethery, 5GWi-Fi, tethery, 5G — i dlaczego o możliwości odciążenia robota decyduje opóźnienie, a nie przepustowość.
R07Zakup robota: terminy, cło, wsparcieZakup sprzętu robotycznego do UE to nie to samo co zakup stacji roboczej. Jak naprawdę wyglądają terminy, odprawa celna i wsparcie posprzedażowe.
R08Dlaczego roboty potrzebują własnych obliczeń edgeArgument o opóźnieniu. Dlaczego model ukryty za API w chmurze psuje dokładnie ten scenariusz, na którym zależy klientowi.
R09Autoetykietowanie z modelami świata opartymi na VLMNajnowszy stos percepcji — Qwen2.5-VL, Grounded-SAM 2, Florence-2, NVIDIA Cosmos — zastosowany do danych referencyjnych w robotyce.

Studia przypadków seria C · blog

Prawdziwe wdrożenia Kentino z realnie zmierzonymi liczbami. Zdjęcia, listy BOM, benchmarki i uczciwe podsumowania.

C01Studium przypadku: stacja robocza AI z 4× RTX 4090EPYC 7542, 512 GB DDR4 ECC, 4× RTX 4090. Zmierzone 651.6 TFLOPS. 179.3 tok/s w pracy ciągłej na vLLM. Szczyt 73°C. Realne liczby z dostarczonego zestawu.

Nowe artykuły w każdy wtorek i czwartek

Ta baza wiedzy stale rośnie — nowe artykuły o budowie, sieciach, klastrach, zasilaniu i robotyce ukazują się przez cały 2026 rok, a każdy powstaje na bazie rzeczywistego wdrożenia Kentino. Jeśli chcą Państwo, aby konkretny temat potraktować priorytetowo, prosimy o wiadomość na adres info@kentino.com.