据TechRadar报道，Meta正与韩国初创公司Panmnesia合作设计一种面向人工智能的数据中心架构，目标让数千个处理器在同一一致环境中运行。该方案使用Compute Express Link（CXL）连接多个机架中的CPU、加速器和内存，而不依赖传统网络链路；按其公布的设计，最多可将约960个AI加速器纳入一个一致性域，接近1000个GPU作为一个系统工作。

这项设计针对的是AI训练系统扩展到数百或数千个加速器后愈发突出的问题。每个加速器都必须按重复的计算阶段推进，一个组件延迟就可能迫使其他设备等待。研究人员因此把重点放在减少机架间不可预测的通信延迟上。通常，跨出单机系统的连接由以太网或InfiniBand网络承担，这些网络需要数据包处理和软件协调，当工作负载扩展到更多服务器时，可能带来更大的延迟波动。CXL则提供共享一致性机制，使处理器、加速器和内存处于同一个互联资源环境。该架构还加入专用硬件，以便在更大的互联结构中保持通信路径和处理行为更一致。

据TechRadar报道，Panmnesia的设计使用高扇出交换机、链路加速单元和结构控制器管理系统流量。这些组件被组织成托盘、Pod和互联结构，借鉴了半导体芯片内部功能模块的排布原则。公司称，其结构控制器和链路加速单元已完成硅验证，交换机也已完成制造；随着开发走向商用产品，预发布硅片正在供应。

该方案将自身与英伟达的GB200 NVL72作比较。在GB200 NVL72中，一个CPU通过NVLink-C2C直接协调两个加速器；而在Panmnesia的架构中，一个CPU可协调16个加速器，相当于参考配置的八倍。按照公布设计，约60个这样的组合可构成一个包含约960个加速器的一致性域。跨机架访问可能从微秒级降至数百纳秒，约减少一个数量级。该架构还允许更换单个故障设备，而不必让整台服务器退出服务，这种分离可能减少故障时被移除的正常硬件数量，但实际运营收益取决于具体实现。

Panmnesia首席执行官Myoungsoo Jung在发布时表示：“CXL能让整个数据中心作为单一计算系统运行。”该架构仍受物理限制：在128 GT/s速率下使用两个重定时器时，电信号CXL的传输距离只有约7米。Panmnesia因此提出用光学CXL链路覆盖更长距离，并称已完成该方案的硬件概念验证。