# AI-Infra-Compute · 精选电子书书单

> 面向售前技术（有 Python/API 基础，重底层概念与取舍）。可合法免费获取的资料直接列官方链接。
> 时效性事实核实日期：2026-07-09（依据见 raw-data/2026-07-09-联网核实笔记.md）。

| # | 书名 | 作者/机构 | 类型 | 一句话简介 | 覆盖子主题 | 获取方式 |
| --- | --- | --- | --- | --- | --- | --- |
| 1 | 《The Ultra-Scale Playbook: Training LLMs on GPU Clusters》 | Hugging Face（nanotron 团队） | 🛠️实践 | 万卡训练工程的开放教科书：从单卡显存账一路讲到 5D 并行与通信开销，每个结论都有实测支撑 | GPU 解剖, 显存账, Scale-up/out 互联 | 🔗 官方免费下载：https://huggingface.co/spaces/nanotron/ultrascale-playbook（在线版：huggingface.co/spaces/nanotron/ultrascale-playbook） |
| 2 | 《How to Scale Your Model》 | Google DeepMind | 🛠️实践 | 教你"算带宽账"的系统思维：roofline、互联瓶颈、并行通信量的估算方法，TPU 视角补齐 NVIDIA 之外的世界 | GPU 解剖, 互联, 算力经济学 | 🔗 免费在线阅读：https://jax-ml.github.io/scaling-book/ |
| 3 | NVIDIA GB200/GB300 NVL72 官方架构文档 | NVIDIA | 🛠️实践 | 机柜级 scale-up 的一手规格（NVLink 5、130TB/s NVLink 域、液冷机柜），客户问 NVL72 直接引用 | Scale-up 互联, 芯片格局 | 🔗 官方页面：https://www.nvidia.com/en-us/data-center/gb200-nvl72/ |
| 4 | AI Neocloud Playbook and Anatomy | SemiAnalysis | 🛠️实践 | GPU 云的完整解剖：从机柜 BOM 到租赁定价，售前算 TCO、判断 GPU 云报价是否合理的弹药库 | 算力经济学, 存储, 网络 | 🔗 免费篇：https://newsletter.semianalysis.com/p/ai-neocloud-playbook-and-anatomy |
| 5 | Building Meta's GenAI Infrastructure | Meta Engineering | 🛠️实践 | 2×24k H100 真实集群建设复盘，同规模双网络方案（RoCE vs InfiniBand）对照实验是最有说服力的选型案例 | Scale-out 网络, 存储 | 🔗 官方博客：https://engineering.fb.com/2024/03/12/data-center-engineering/building-metas-genai-infrastructure/ |
| 6 | 《The Llama 3 Herd of Models》（基础设施章节） | Meta（arXiv 2407.21783） | 🛠️实践 | 论文但看它是为了拿一手工程数据：16k 卡集群拓扑、并行配置、54 天 466 次中断的故障统计，讲容错和网络绕不开 | Scale-out 网络, 容错, 存储 | 🔗 官方免费下载：https://arxiv.org/abs/2407.21783 |
| 7 | 《Fire-Flyer AI-HPC: A Cost-Effective Software-Hardware Co-Design》 | DeepSeek（arXiv 2408.14158） | 🛠️实践 | "花小钱建集群"的完整设计：A100 万卡集群如何用软硬协同压成本，与 Meta 豪华路线成对照，客户预算有限时的参照系 | 集群设计, 算力经济学, 存储 | 🔗 官方免费下载：https://arxiv.org/abs/2408.14158 |
| 8 | Ultra Ethernet Specification 1.0.2 + Arista《Demystifying Ultra Ethernet》 | Ultra Ethernet Consortium / Arista | 🛠️实践 | 以太网阵营挑战 InfiniBand 的正式标准；规范当工具书查，Arista 导读文章先看 | Scale-out 网络 | 🔗 官方免费下载：https://ultraethernet.org/wp-content/uploads/sites/20/2026/01/UE-Specification-1.0.2-1.pdf（规范总入口 https://ultraethernet.org/ 现已出 1.0.3）；导读：https://blogs.arista.com/blog/demystifying-ultra-ethernet |
| 9 | 《The Datacenter as a Computer》第 3 版 | Google（Barroso 等） | 📖理论·可选读 | 数据中心设计经典：供电、冷却、PUE、故障率的全貌，想从"机柜"抬头看"整座楼"再读 | 数据中心, 算力经济学 | 🔗 出版方官方页（Springer，第 3 版 2018）：https://link.springer.com/book/10.1007/978-3-031-01761-2 |
| 10 | 《Programming Massively Parallel Processors》第 4 版 | Hwu / Kirk / El Hajj | 📖理论·可选读 | CUDA 编程模型的标准教材，想真懂 SM/warp/内存层次的代码级细节再啃 | GPU 解剖 | 🔗 正规渠道购买：https://www.elsevier.com/books/programming-massively-parallel-processors/hwu/978-0-323-91231-0 |

## 阅读建议

1. **客户问得最多的先读**：#1 Ultra-Scale Playbook 第一部分（显存账）+ #3 NVL72 官方文档——"训练 70B 要多少卡""NVL72 到底是什么"这两问覆盖了硬件侧客户问题的一半。
2. **要帮客户做网络选型**：先 #5 Meta 博客（RoCE vs IB 实测对照），再 #8 的 Arista 导读；UEC 规范只当字典查，别通读。
3. **要算 TCO / 报价合理性**：#4 SemiAnalysis Neocloud Playbook 是唯一把"每 GPU 每小时成本"拆到 BOM 级的公开资料，配合讲义第 8 章速查表用。
4. **客户预算有限、问性价比方案**：#7 DeepSeek Fire-Flyer——用它讲"不是只有堆最贵的卡一条路"。
5. **理论两本（#9、#10）都可跳过**，被问到数据中心级话题（供电/冷却/PUE）时再翻 #9 对应章节。

> 链接探活：2026-09-05（逐条打开验证；被反爬拦的页面以官方佐证核实）。