“骄阳Q1”TPU，是团队基于骄阳指令集，专为大规模AI训练与推理，打造的专用张量处理单元！
专注于高密度低延迟推理。
其同样采用了中心N+1工艺，总晶体管数量达150亿！
AI计算单元占比，高达96%！
核心架构方面，其采用了基于“骄阳架构”衍生的“骄阳脉动阵列架构”。
其中集成了65536个并行处理单元，呈256×256矩阵排列，采用“数据加载→矩阵计算→结果存储”三级流水设计。
指令执行效率，较骄阳500提升40%！
此外，由于其同样是基于骄阳指令集开发，可完全兼容骄阳500的96条AI专用指令，支持模型无缝迁移！
这意味着，二者可以混合部署，构建“训练-推理”一体化AI基础设施！
并且，基于与骄阳500同源的“存算一体3.0”架构，骄阳Q1的计算单元与存储单元，物理距离同样低至200nm！
带宽高达8TB/s！
片上权重访问延迟，低至0.8ns，彻底解决“内存墙”问题！
较谷歌TPU v3的200ns，快250倍！
且数据搬运能耗降低85%！
比TPU v3低了24%！
核心算力指标方面。
骄阳Q1的INT8算力，约为380TOPS。
FP16算力，约为158TFLOPS。
整体而言，稍逊于谷歌TPU v3。
其INT8算力为420TOPS，FP16算力为180TFLOPS。
虽说，极光在AI芯片领域深耕多年，但前期精力都集中在算力卡领域，ASIC专用芯片研发，起步相对较晚。
反观谷歌TPU，已经迭代了三轮，从架构到制程，都已经过多轮优化。
极光的初代TPU，就能追到这种程度，已经算是很不错了。
况且，依托于纯自主架构与算法协同的优势，骄阳Q1在能效比方面，依旧有着不小的领先。
其INT8能效比，高达2400TOPS/W！
轻松碾压谷歌TPU v3的1050TOPS/W！
在轻负载推理场景下，骄阳Q1功耗更是低至25W！
比TPU v3低93%！
这意味着，相同预算下，极光可部署3倍数量的骄阳Q1！
总体推理性能，大幅反超TPU v3集群！
而随着骄阳500和骄阳Q1的成功面世，极光的“万卡集群计划”，最后一块算力拼图，也终于得以补全！
此前提到过，早在16年，骄阳400面世后，团队便已完成了“超节点”预部署。
并构建起一套，“超节点+胖树拓扑”四层集群架构设计，为“万卡集群”打好了地基。
在过去的近3年里，团队又将该架构，进一步升级为，“超节点异构融合+胖树拓扑”架构，将骄阳Q1也纳入其中。
并在硅光通信模块、超节点管理、全局算力调度、容错机制、分布式存储集群、统一资源视图、“训练-推理自动流转”等多个核心领域，实现了从“单点技术优化”，到“全链路协同适配”的系统性突破！
可以说，除了最核心的算力密度上限之外，一切皆已准备就绪！
骄阳400确实很不错，即便放到现在也很能打。
但仍远不足以支撑起，万亿参数级大模型的全流程训练。
而骄阳500和骄阳Q1，则完美补全了最后一块短板！
整体方案，大致可分为三个部分。
其一，硬件架构，采用“分区异构+超节点双芯融合”设计。
管理调度层。
采用“极光智算V5.0”，搭配128颗“星枢X3”管理芯片，支持异构资源统一视图。
训练-推理任务智能路由，跨区切换延迟＜1s！
互联层，采用“硅光通信模块+RoCE+独立管理网”三平面互联设计。
跨区通信延迟≤5μs！
计算层，分为“骄阳500训练区”和“骄阳Q1推理区”。
前者共包含28个超节点，合计7168张算力卡，负责大模型预训练与复杂任务处理。
后者则包含3072张骄阳Q1，专门负责高密度推理与实时响应。
二者按7:3配比，形成“训练-推理”黄金组合。
既保证了训练的算力冗余，又通过Q1的低功耗特性，控制了集群整体能耗。
属于兼顾性能与成本的最优解！