培训对象： 

1.数据中心运维工程师 

2.服务器硬件维修技术人员 

3.人工智能算力中心维护团队 

4.硬件开发/测试工程师（需基础电子知识） 

培训大纲： 

Day 1：服务器架构与H100模组基础理论 

模块1：超微8核服务器架构解析 

- CPU-GPU协同机制： 

- PCIe 5.0通道分配（x16/x8/x4拓扑对GPU性能的影响） 

一、带宽理论与性能瓶颈 

1. PCIe 5.0 x16 通 道 理 论 带 宽 达 512GB/s （ 16GT/s×128b/130b 编 码 ） ， x8/x4 分 别 降 至 

256GB/s/128GB/s，不足时导致 GPU 数据吞吐瓶颈。 

二、典型应用场景影响 

1. 深度学习训练中，x4 通道因带宽不足（如 ResNet-50 模型数据加载）导致 GPU 利用率从 90% 降至 

60% 以下。 

2. 4K/8K 图形渲染时，x8 通道的纹理传输延迟使帧率从 60FPS 降至 45FPS，x4 则进一步降至 30FPS 

以下。 

三、多 GPU 拓扑与资源竞争 

1. 多 GPU 通过 PCIe Switch 共享 CPU 通道时，x8 拓扑需通过流量调度避免 NVLINK 与 PCIe 带宽 

争抢（如 8 卡 H100 集群分配 4x8 通道）。 

2. PCIe 5.0 x4 拓扑在 NVMe SSD 与 GPU 混用时，因双向带宽不足导致深度学习数据预处理延迟增加 

20%。