AI 算力中心全景认知：物理节点、逻辑平面与节点角色到底怎么分？

很多人在规划智算中心时都会遇到一个困惑控制平面、数据平面、算力平面……网关节点、运营节点、管理节点……这些词到底谁包含谁一个标准 AI 算力中心到底有哪些东西其实只要抓住三个核心概念整个体系就会立刻清晰物理节点看得见、摸得着的硬件设备。逻辑平面按功能或流量划分的逻辑区域。节点角色一台物理设备在某个平面里承担的具体职责。一句话概括物理节点是“躯体”逻辑平面是“功能系统”节点角色是“器官职责”。一、先别急着记节点先理解“逻辑平面”“平面”不是硬件分类而是逻辑功能域或流量域。一个标准 AI 算力中心通常不止三个平面。以常见的企业级智算中心参考架构来看至少包含以下九大平面逻辑平面核心职责典型组件接入平面对外入口、SSL、限流、防护CDN、WAF、Nginx、API 网关数据平面实际业务流量转发与执行API 网关、vLLM、推理服务算力平面GPU/NPU 资源池跑训练和推理B300/H100 节点、vLLM、SGLang控制平面集群管理、调度、编排、策略GPUStack Server、K8s Master、Slurm、Run:AI管理平面配置、固件、电源、带外管理BMC、Redfish、Ansible、堡垒机运营平面监控、日志、告警、计费、成本Prometheus、Grafana、Loki、计费系统存储平面模型权重、数据集、checkpoint、日志并行文件系统、对象存储、NVMe-oF网络平面业务网、计算网、存储网、管理网、OOB 网IB/RoCE 交换机、25G/100G 以太网安全平面防火墙、IAM、密钥、审计、合规防火墙、WAF、KMS、堡垒机其中“算力平面”并不是严格标准术语它通常可以看作数据平面中的计算子集。所以标准算力中心不是只有三个平面而是“控制 数据 算力”为核心再叠加管理、运营、存储、网络、安全、接入等支撑平面。二、再看“物理节点”一个标准算力中心有哪些硬件物理节点就是实际存在的服务器、交换机、存储设备等。常见类型如下物理节点主要硬件典型角色/软件所属逻辑平面GPU 算力节点B300×8、H100×8 等vLLM、SGLang、训练框架算力平面、数据平面、管理平面控制/管理节点x8616C/64GGPUStack Server、K8s Master、Slurm控制平面、管理平面接入/网关节点x8616C/64G/25G 双网卡Nginx、API 网关、keepalived接入平面、数据平面运营节点x8616C/64G/2-4TB SSDPrometheus、Grafana、日志、计费运营平面、管理平面存储节点存储服务器、全闪阵列并行文件系统、对象存储存储平面网络设备IB/RoCE 交换机、以太网交换机Spine/Leaf、OOB 管理网网络平面安全设备防火墙、WAF、堡垒机安全策略、审计、入侵防护安全平面带外管理设备BMC、Redfish、IPMI远程开关机、固件升级管理平面数据库/中间件节点x86PostgreSQL、MySQL、Redis控制平面、运营平面登录/开发节点x86SSH、编译、任务提交管理平面、控制平面备份/归档节点存储服务器备份软件、归档存储平面、运营平面基础服务节点x86DNS、NTP、LDAP/AD管理平面、控制平面注意一台物理节点可以同时属于多个逻辑平面。例如一台 B300 推理服务器跑 vLLM → 属于算力平面 数据平面被 GPUStack 管理 → 属于控制平面的受管对象有 BMC 网口 → 属于管理平面有监控 agent → 属于运营平面三、节点角色物理节点在平面里“干什么”“节点角色”是逻辑概念不是物理概念。同一个物理节点可以承载多个角色。常见角色举例角色职责通常部署在GPUStack Server管理 Worker、部署模型、调度实例控制/管理节点GPUStack Worker跑 vLLM执行推理GPU 算力节点Nginx / API 网关SSL、路由、限流、白名单接入/网关节点Prometheus / Grafana指标采集、可视化、告警运营节点BMC / Redfish带外管理、电源、固件所有服务器K8s Master / Slurm容器编排、任务调度控制节点并行存储客户端模型加载、checkpoint 读写算力节点、存储节点所以“管理节点”是一个广义统称它可能包含控制平面角色GPUStack Server、K8s Master管理平面角色Ansible、堡垒机、BMC运营平面角色Prometheus、Grafana、计费而网关节点不是管理节点它属于接入平面 数据平面是流量入口。运营节点广义上算管理节点但更准确地说它属于运营平面。四、一张图看懂标准 AI 算力中心外部用户 / 互联网 ↓ [接入平面] CDN / WAF / Nginx / API 网关 ↓ [数据平面] 路由、鉴权、限流、推理请求 ↓ [算力平面] GPU 节点vLLM / SGLang / 训练框架 ↑ │ 受控于 [控制平面] GPUStack Server / K8s Master / Slurm / Run:AI ↑ │ 监控于 [运营平面] Prometheus / Grafana / 日志 / 计费 ↑ │ 管理于 [管理平面] BMC / Redfish / Ansible / 堡垒机 ↑ │ 支撑于 [存储平面] 并行文件系统 / 对象存储 / checkpoint [网络平面] IB/RoCE / 以太网 / OOB 管理网 [安全平面] 防火墙 / IAM / KMS / 审计五、典型流量路径推理请求怎么走以你文档中的 Token 工厂为例用户请求 ↓ Nginx 网关节点SSL、VIP、限流 ↓ API 网关 / 模型路由 ↓ B300 推理节点上的 vLLM ↓ GPU 计算流式返回 Token而 GPUStack Server 通常不在这个请求路径上。它负责GPUStack Server控制平面 ↓ 下发部署、调度、扩缩容、策略 B300 Worker算力平面 ↓ 执行推理 返回结果所以GPUStack Server 挂了已运行的 vLLM 可能继续服务但不能部署新模型、扩缩容、改配置。Nginx 网关挂了所有外部 API 入口中断影响最大。运营节点挂了监控、日志、计费中断推理本身不一定中断。B300 推理节点挂了对应模型容量下降由网关或 GPUStack 摘除。六、你文档里的角色重新定位一下文档角色逻辑平面物理节点类型是不是管理节点16 台 B300×8 推理节点算力平面 数据平面GPU 算力节点不是是算力/数据节点2 台 x86 网关节点接入平面 数据平面接入/网关节点不是是数据面入口1 台 x86 运营节点运营平面 管理平面运营节点广义算管理节点GPUStack Server控制平面 管理平面控制/管理节点是核心管理节点存储未列但需要存储平面存储节点不是是存储节点BMC/OOB管理平面 网络平面带外管理设备是底层管理七、常见误区把控制平面等同于管理节点控制平面只是管理的一部分管理还包括带外、配置、固件、电源。把网关节点当管理节点网关节点是数据面入口属于接入平面不是控制平面。认为一个节点只属于一个平面一台 B300 同时属于算力、数据、管理、运营等多个平面。认为算力中心只有三个平面生产级算力中心至少有接入、数据、算力、控制、管理、运营、存储、网络、安全九大平面。忽略带外管理、存储、网络、安全这些是算力中心稳定运行的基石不是可选项。八、总结一句话记住物理节点是硬件逻辑平面是功能节点角色是职责。一个标准 AI 算力中心 多类物理节点 九大逻辑平面 多种逻辑角色。控制平面管调度、编排、策略 → GPUStack Server、K8s Master。数据平面管请求转发和实际计算 → Nginx、vLLM。算力平面数据平面里的 GPU 计算子集 → B300 节点。接入平面对外入口 → 网关节点。运营平面监控、日志、计费 → 运营节点。管理平面配置、带外、电源 → BMC、Ansible、堡垒机。存储平面模型、数据、checkpoint → 存储节点。网络平面IB/RoCE、以太网、OOB → 交换机。安全平面防火墙、IAM、审计 → 安全设备。把这套框架记住再回头看任何智算中心方案你都能快速判断哪些是物理节点哪些是逻辑平面哪些是节点角色。