NVIDIA AI Factory 五大网络支柱

1、Scale-Up
同一个机柜里面，几十块 GPU 紧紧抱团，当成一块超级大芯片用。
Rubin 的 NVL72 就是这个，GPU 之间高速互传数据，大模型拆分运算、低延迟，单机柜内部核心互联。

2、Scale-Out
把很多个GPU 机柜互相连起来，拼成一个超大算力池。
一个机房里几百 / 上万块 GPU 协同干活，就是这套，对应 Spectrum-X 交换机、NPO 光引擎，我们之前重点跟踪的光模块、正交背板主要服务它。

3、Scale-Across
不同城市、不同数据中心的算力大集群远程打通。
比如珠海机房和上海机房的算力协同调度，长距离高速互联。

4、Context Memory（CMX，上下文共享缓存）
给大模型开一个公共 “共享记忆库”。
很多用户同时提问时，模型不用反复重新加载历史对话内容，直接读取公共缓存，大幅提升推理速度，专门适配 Agent 智能体高并发场景。

5、Scale-In
算力集群的 “大门+门卫+物流通道”。
外面用户、智能体、知识库、存储数据，要进出算力集群，全部走这套。
用 DPU 单独扛下权限校验、加密、数据搬运工作，不占用 GPU 主机资源，不让算力被杂活拖累。