在大模型与超算时代，单张GPU早已不堪重负。但当我们将几十、上百张GPU堆在一起，你是否想过这样一个问题：GPU之间的数据传输，真的够快吗？

在早期的“多卡协作”模式中，数据交互必须经过一条漫长的路径：源GPU显存 → 主机内存 → CPU调度 → 目标GPU显存。这种“GPU-内存-GPU”的中转模式，就像寄同城快递却要先绕道外省，不仅产生了极高的延迟，还占用了宝贵的CPU资源和PCIe总线带宽。在大规模训练中，通信开销甚至能占到总耗时的40%以上，导致“多卡空转，算力浪费”。

为了填平这个坑，GPU点对点（P2P）通信技术应运而生。

• 技术原理：拆除“中转站” 

GPU P2P技术的核心逻辑非常简单：让GPU直接对话。依托CUDA 统一虚拟地址（UVA），系统为所有GPU显存分配了统一的寻址空间，GPU之间不再需要CPU“翻译”地址；再配合DMA直连机制，数据可以在显存之间直接搬运，全程无需CPU介入。这就好比把“快递驿站”撤掉，让两个邻居直接串门，效率自然天差地别。不过需要注意的是，早期P2P的高效通常局限于同一CPU节点下的GPU设备。跨节点通信或消费级显卡往往会受到硬件限制，无法跑满性能。

• 性能飞跃：从PCIe到NVLink

经过十余年迭代，P2P技术已形成两条主要赛道：

通用型（PCIe P2P）： 这是大多数服务器和消费级设备的标配。PCIe 4.0 x16的双向带宽约为63GB/s，PCIe5.0则提升至126GB/s。它解决了有无问题，但在多卡并发时容易遭遇总线争抢。

性能型（NVLink P2P）： 这是高端数据中心的"专属高速公路"。以H100为例，NVLink 4.0单卡带宽高达900GB/s，最新的NVLink6.0更是飙升至3.6TB/s。配合NVSwitch芯片，它能实现多卡无阻塞全速互通，在 NVSwitch 全互联拓扑下，8 卡集群的加速比可趋近线性。

延迟：传统中转约15-18微秒 → PCIe P2P降至5-6微秒 → NVLink进入亚微秒级（~1μs）。

带宽：相比传统模式，NVLink提供了数十倍的吞吐能力。

• 应用场景：算力基建的基石

P2P技术早已不是实验室里的概念，而是支撑现代AI的底层设施：

1、大模型训练：这是P2P最核心的战场。无论是数据并行还是模型并行，千亿乃至万亿参数在多卡间同步梯度、更新权重，全靠P2P提供的高速通道，才能让NCCL等通信库高效运转。

2、高性能计算（HPC）：在气象预测、流体力学仿真中，每一轮迭代都需要交换海量网格数据，P2P大幅缩短了计算等待时间。

3、云与图形：在8K视频编解码、云游戏虚拟化及图神经网络中，P2P能显著降低帧缓存转发的延迟。

• 未来展望：全域直连

展望未来，GPU P2P正朝着三个方向演进：一是速率更快，NVLink将继续升级，打造“整机统一显存池”；二是范围更广，结合RDMA技术，P2P将从单机扩展到跨节点、跨机房，支撑万卡集群；三是国产化加速，算力基础设施国产化浪潮全面提速。

智猩猩主办的2026中国AI智能体大会7月2-3日杭州举行，大会设有开幕式，企业级AI智能体、AI智能体产品创新2场论坛，以及Coding Agent、自进化智能体、深度研究智能体、Computer-Use Agent、多智能体协同、Agent Skills、Agent Harness7场技术研讨会。最终议程已公布。