一手文档:xeonlive.ru《AMD EPYC 9966:192 核 Venice 服务器 CPU 与 SP7 平台详解》(俄文)、AMD 官方新闻稿与 EPYC 9966 产品页、Supermicro SUM 用户指南与官方产品页。本文是面向集群运维的二次解读,推算值与抓取替代方式均已标注。

开场警告:SP7 没有"万能 BIOS"

AMD EPYC 9006 系列处理器与 SP7 插槽官方渲染图(斜视)
AMD EPYC 9006 系列处理器与 SP7 插槽官方渲染图(斜视)

俄文技术站 xeonlive 对 EPYC 9966 的评测里有一句值得抄进运维手册的话:对 EPYC 9966,不存在一块适配所有 SP7 主板的通用 BIOS 版本。BIOS 只能来自具体 SP7 系统厂商的验证版本,官方没有发布"所有主板通用的最低版本";CPU 微码经由服务器固件与操作系统更新下发,tray OPN 100-000002189 的最低微码修订号并未公开确立。

背景是:AMD 于 2026 年 11 月 10 日宣布第六代 EPYC(Zen 6,代号 Venice)SP7 处理器全面上市,OEM/ODM 系统开始出货。新插槽、新内存代际、新 PCIe 代际同时到来,意味着固件栈整体换血。先看官方规格(AMD 产品页):EPYC 9966 为 192 核 384 线程、基础 2.9GHz/加速最高 4GHz、768MB L3、默认功耗 600W(可配置 400–600W)、SP7 插槽、PCIe 6.0 x96、16 通道 DDR5,RDIMM 最高 8000MT/s、MRDIMM 最高 12800MT/s,每插槽带宽 1024/1638GB/s,千颗单价 14,079 美元。这些数字决定了固件要训练什么、枚举什么、压住什么。

固件基线四件套:BMC、BIOS、微码、NIC+SSD

AMD EPYC 9006 系列官方芯片图:Zen 6 CCD 小芯片布局(官方产品页)
AMD EPYC 9006 系列官方芯片图:Zen 6 CCD 小芯片布局(官方产品页)

xeonlive 给出的投产基线是四件套:最新经过验证的 BMC 与 BIOS 固件、受支持的 Linux 内核或虚拟化平台、最新微码包、网卡与 SSD 固件。四者各管一摊,缺一不可。

BMC 是管理平面:传感器、远程开关机、Redfish/IPMI 接口都靠它,BMC 固件过旧会让带外管理本身成为故障源。BIOS/UEFI 负责内存训练、PCIe 枚举、NUMA 拓扑与安全缓解措施默认值——SP7 的 16 通道加 MRDIMM,内存训练复杂度高于上一代平台(原理分析),厂商验证版本的意义就在这里。微码修复 CPU 勘误,经由 BIOS 或操作系统延迟加载两条路径下发,两个路径的版本必须对得上。NIC 与 SSD 固件则决定 PCIe Gen6 链路稳定性与兼容性,新代际链路训练问题往往先表现在外设固件上。

另有两个容易踩的坑,xeonlive 都点了名:Venice 的新指令集需要新的用户态工具链与内核支持,老软件靠兼容性运行,但要用新指令必须升级软件栈;MRDIMM 不是"DDR5 插上就行",必须查具体服务器的 QVL,通道组织与 rank 支持都要匹配。9966 以 tray 形式供货、不带原装散热器,散热由整机系统定义——文中提到 Supermicro H15 已支持 600W EPYC 9006 风冷,GIGABYTE 展示了 1U SP7 闭式液冷方案。

刷完 BIOS,为什么必须重跑性能

xeonlive 的提醒很具体:更新之后要重新验证性能,因为功耗模式、NUMA 与 mitigations 的变化都可能改写结果。展开说(原理分析):NUMA 每插槽分区设置改变内存局部性,数据库与虚拟化负载对此极其敏感;功耗上限与确定性模式改变频率行为;微码更新可能新增或调整推测执行缓解措施,系统调用密集型负载会因此回退;BIOS 更新后内存重新训练,时序也可能变化。

顺手算一笔资源账(推算,xeonlive 亦给出同口径数字):RDIMM 8000 下每插槽 1024GB/s,除以 192 核约 5.33GB/s 每物理核;MRDIMM 12800 下 1638GB/s,约 8.53GB/s 每核。这不是单线程保证带宽,而是配置对比用的资源密度指标——升级前后各跑一遍内存带宽、延迟敏感负载与功耗封顶测试,才有资格说"更新没影响"。

集群固件统一与台账

xeonlive 对大集群的要求只有一句话:同一生产组内所有节点固件必须一致。原因不难推导(原理分析):微码不一致意味着缓解措施与性能特征不一致,调度器会看到"同型不同速"的节点;虚拟化集群里 CPUID 特征不齐还会影响迁移与兼容性掩码。

台账建议至少记录(本文建议):节点序列号、主板型号、BMC/BIOS 版本、微码修订号、NIC/SSD 固件版本、更新日期、操作人、验证结果与回滚点。工具层面,Supermicro 官方 SUM(Supermicro Update Manager)是现成答案:面向 X10 及以上主板的 CLI 工具,支持从集中管理服务器并行下发;OOB 带外通道经 BMC/IPMI 通信,不依赖被管机操作系统,甚至无 OS 也能执行;另有 In-Band 带内通道;支持 Linux、ARM Linux、Windows、FreeBSD,部分功能需 TAS,每个目标节点需 SFT-DCMS-SINGLE 或 SFT-OOB-LIC 许可。功能覆盖 BIOS/BMC 更新与配置读写、信任根管理、证明(attestation)、GPU/CPLD/RAID/NVMe 固件更新;注意 NIC 固件更新仅支持 PLDM 设备。

SUM 用户指南的两个细节(据官方 PDF 的搜索索引摘要,原文抓取被拒,见文末说明):capsule 固件文件与平台强绑定,X13 的 capsule 不能用于其他平台;capsule 更新时 --backup、--preserve_setting 等选项会被忽略——也就是说,刷完 BIOS 设置可能不保留,必须重新下发配置。

安全更新步骤与回滚

Supermicro 手册的警告值得原文引用(转译):除非系统存在固件相关问题,否则不要升级固件;刷入错误固件可能造成不可修复的损坏;更新过程中严禁关机或复位。据此给出操作序列(本文综合建议):

先读厂商 release notes 与安全公告,用 SUM 的 GetBiosInfo 等命令快照当前版本与 BIOS 设置,留好上一版固件镜像;在非生产节点做金丝雀更新并完整重测;生产更新走 OOB 通道,确认供电稳定(UPS 在位),刷写期间不碰电源;刷后核对版本号,重新应用 BIOS 设置(capsule 不保留设置),再跑性能基线;按机架/生产组滚动更新,先排空负载;回滚预案包括旧版固件与设置快照,并事先向厂商确认微码是否允许降级——部分平台微码回滚受限(一般机制,需逐平台确认)。BMC 侧同步做网络隔离、改默认口令、启用锁定模式。

对广州与珠三角的集成商,最后提醒一句:tray CPU 加自选主板的"攒机"路径在 SP7 时代风险更高,固件验证责任没有厂商替你兜底;把固件台账和季度审计写进运维 SLA,比事后救火便宜得多。

来源

说明:每核带宽 5.33/8.53GB/s 为按官方每插槽带宽除以核数的推算(已标注,与 xeonlive 同口径);操作序列与台账字段为本文原创建议,非来源原文。