AI大模型參數(shù)規(guī)模持續(xù)增長，單卡算力與顯存的物理上限，正倒逼AI訓(xùn)練集群規(guī)模持續(xù)擴(kuò)容。在這場AI算力軍備競賽中，網(wǎng)絡(luò)性能早已成為決定集群算力釋放效率的關(guān)鍵。對于超大參數(shù)規(guī)模的AI模型而言，更高的網(wǎng)絡(luò)帶寬，能夠直接大幅壓縮模型訓(xùn)練的完成周期。

01

AI算力釋放的技術(shù)底座：RDMA

要突破AI集群的網(wǎng)絡(luò)性能瓶頸，RDMA技術(shù)已成為行業(yè)公認(rèn)的解決方案，而這一切的起點，源于GPU通用計算時代的通信瓶頸破局。

GPU Direct RDMA是2009年由Nvidia和Mellanox共同研發(fā)的軟硬件協(xié)同創(chuàng)新技術(shù)。當(dāng)時GPU已經(jīng)從圖形渲染轉(zhuǎn)向通用計算（GPGPU），成為HPC的核心加速器。GPU計算能力雖然在持續(xù)提升，但因為集群中不同節(jié)點之間的GPU間傳輸數(shù)據(jù)，仍需要CPU負(fù)責(zé)，通信存在瓶頸，所以GPU的計算能力的優(yōu)勢受其拖累不能完全發(fā)揮，從而導(dǎo)致集群整體效率不高。NVIDIA當(dāng)時清晰地認(rèn)識到必須解決這個問題，所以開始與合作伙伴Mellanox一起探索GPU與網(wǎng)卡的直接通信的解決方案GPU Direct over InfiniBand。后續(xù)該技術(shù)方案逐漸成熟，并于2012年隨Kepler架構(gòu)GPU和CUDA 5.0一起發(fā)布，并被正式命名為GPU Direct RDMA。

在此之前，傳統(tǒng)數(shù)據(jù)中心的數(shù)據(jù)傳輸，始終受困于TCP/IP架構(gòu)的原生缺陷。在傳統(tǒng)傳輸方案中，內(nèi)存數(shù)據(jù)訪問與網(wǎng)絡(luò)數(shù)據(jù)傳輸分屬兩套語義集合，數(shù)據(jù)傳輸?shù)暮诵墓ぷ鞲叨纫蕾嘋PU：應(yīng)用程序先申請資源、通知Socket，再由內(nèi)核態(tài)驅(qū)動程序完成TCP/IP報文封裝，最終通過NIC網(wǎng)絡(luò)接口發(fā)送至對端。數(shù)據(jù)在發(fā)送節(jié)點需要依次經(jīng)過Application Buffer、Socket Buffer、Transport Protocol buffer的多次拷貝，到達(dá)接收節(jié)點后，還要經(jīng)過同等次數(shù)的反向內(nèi)存拷貝，完成解封裝后才能寫入系統(tǒng)物理內(nèi)存。

這種傳統(tǒng)傳輸方式，帶來了三個問題：一是多次內(nèi)存拷貝導(dǎo)致傳輸時延居高不下；二是TCP/IP協(xié)議棧的報文封裝全靠驅(qū)動軟件完成，CPU負(fù)載極高，其性能直接成為傳輸帶寬、時延等性能的瓶頸；三是應(yīng)用程序在用戶態(tài)與內(nèi)核態(tài)之間的頻繁切換，進(jìn)一步放大了數(shù)據(jù)傳輸?shù)臅r延與抖動，嚴(yán)重制約網(wǎng)絡(luò)傳輸性能。

RDMA（Remote Direct Memory Access，遠(yuǎn)程直接內(nèi)存訪問）技術(shù)，正是為破解上述痛點應(yīng)運而生。它通過主機卸載與內(nèi)核旁路技術(shù)，讓兩個應(yīng)用程序能夠在網(wǎng)絡(luò)上實現(xiàn)可靠的直接內(nèi)存到內(nèi)存數(shù)據(jù)通信：應(yīng)用程序發(fā)起數(shù)據(jù)傳輸后，由RNIC硬件直接訪問內(nèi)存并將數(shù)據(jù)發(fā)送至網(wǎng)絡(luò)接口，接收節(jié)點的NIC則可將數(shù)據(jù)直接寫入應(yīng)用程序內(nèi)存，全程無需CPU與內(nèi)核的深度介入。

憑借這些特性，RDMA已成為高性能計算、大數(shù)據(jù)存儲、機器學(xué)習(xí)等對低延遲、高帶寬、低CPU占用有嚴(yán)苛要求的領(lǐng)域，核心的互聯(lián)技術(shù)之一。而RDMA技術(shù)協(xié)議的標(biāo)準(zhǔn)化，也為不同廠商設(shè)備的互聯(lián)互通提供了統(tǒng)一規(guī)范，推動技術(shù)從概念走向規(guī)?；逃?。目前，RDMA主流實現(xiàn)方案分為三類：InfiniBand協(xié)議、iWARP協(xié)議，以及RoCE協(xié)議（含RoCE v1與RoCE v2兩個版本）。

隨著AI模型參數(shù)從數(shù)十億級躍升至數(shù)萬億級，單GPU內(nèi)存容量持續(xù)擴(kuò)容的同時，服務(wù)器間的數(shù)據(jù)傳輸效率，已成為決定系統(tǒng)擴(kuò)展能力、模型訓(xùn)練目標(biāo)能否實現(xiàn)的關(guān)鍵要素。RDMA技術(shù)的價值也愈發(fā)凸顯，能否高效訪問其他服務(wù)器的內(nèi)存與資源，直接決定了系統(tǒng)的可擴(kuò)展性，而直接訪問遠(yuǎn)端內(nèi)存的能力，能直接提升AI模型的整體訓(xùn)練性能。正是借助RDMA技術(shù)，數(shù)據(jù)才能快速送抵GPU，最終有效縮短作業(yè)完成時間（Job Completion Time，簡稱JCT）。

02

InfiniBand和以太網(wǎng)之爭

在AI智算網(wǎng)絡(luò)的發(fā)展歷程中，機柜間互聯(lián)最早采用成熟的以太網(wǎng)方案，而隨著低時延需求的升級，InfiniBand憑借性能優(yōu)勢快速崛起。作為原生RDMA協(xié)議的代表，InfiniBand由NVIDIA子公司Mellanox主導(dǎo)推動，能提供低于2微秒的極低傳輸時延，同時實現(xiàn)零丟包，堪稱RDMA領(lǐng)域的性能領(lǐng)導(dǎo)者。

為了將InfiniBand的RDMA優(yōu)勢遷移至以太網(wǎng)生態(tài)，RoCE協(xié)議應(yīng)運而生。其中RoCE v1僅能在二層子網(wǎng)內(nèi)運行，而RoCE v2通過IP/UDP封裝實現(xiàn)了跨子網(wǎng)路由，大幅提升了部署靈活性，盡管約5微秒的時延仍高于原生InfiniBand，卻讓以太網(wǎng)具備了支撐AI訓(xùn)練高帶寬、低延遲需求的能力。

為了撼動InfiniBand在AI領(lǐng)域的主導(dǎo)地位，2025年6月，博通、微軟、谷歌等行業(yè)巨頭聯(lián)合推出UEC 1.0規(guī)范，旨在重構(gòu)以太網(wǎng)協(xié)議棧，使其性能逼近InfiniBand，標(biāo)志著以太網(wǎng)對InfiniBand發(fā)起了全面反擊。超以太網(wǎng)聯(lián)盟（Ultra Ethernet Consortium，UEC）明確，UEC 1.0規(guī)范能在包含網(wǎng)卡、交換機、光纖、電纜組成的全網(wǎng)絡(luò)堆棧層級，提供高性能、可擴(kuò)展、可互操作的解決方案，從而實現(xiàn)多供應(yīng)商無縫集成，加速全生態(tài)創(chuàng)新。該規(guī)范不僅適配以太網(wǎng)與IP的現(xiàn)代RDMA能力，還支持?jǐn)?shù)百萬級設(shè)備的端到端可擴(kuò)展性，同時徹底規(guī)避了供應(yīng)商鎖定的問題。

目前，阿里巴巴、百度、華為、騰訊等國內(nèi)科技企業(yè)均已加入UEC聯(lián)盟，共同推進(jìn)標(biāo)準(zhǔn)落地。除了參與全球標(biāo)準(zhǔn)化建設(shè)，國內(nèi)企業(yè)還在同步研發(fā)自主可控的橫向擴(kuò)展架構(gòu)，均以低延遲、零丟包為核心目標(biāo)，直接對標(biāo)InfiniBand的性能表現(xiàn)。

從產(chǎn)業(yè)落地的維度來看，兩條技術(shù)路線的優(yōu)劣勢十分清晰。RoCE v2方案依托以太網(wǎng)架構(gòu)，不僅具備RDMA高帶寬、低時延的傳輸性能，還擁有極強的設(shè)備互聯(lián)兼容性與適配性，部署靈活且成本優(yōu)勢顯著。相比InfiniBand，基于以太網(wǎng)的RDMA方案，在低成本、高可擴(kuò)展性上擁有巨大優(yōu)勢。

網(wǎng)絡(luò)可用性直接決定GPU集群算力的穩(wěn)定性，而AI技術(shù)的爆發(fā)，正推動數(shù)據(jù)中心交換機向更高速率持續(xù)迭代。AI大模型參數(shù)量的指數(shù)級增長，帶來了算力需求的規(guī)?；嵘?，但大集群并不等同于大算力。為了壓縮訓(xùn)練周期，大模型訓(xùn)練普遍采用分布式訓(xùn)練技術(shù)，而RDMA正是繞過操作系統(tǒng)內(nèi)核、降低卡間通信時延的核心，目前主流落地的正是InfiniBand與RoCE v2兩大方案。其中InfiniBand方案時延更低，但成本偏高，且供應(yīng)鏈高度集中于英偉達(dá)。根據(jù)Dell‘Oro Group的預(yù)測，到2027年，以太網(wǎng)在AI智算網(wǎng)絡(luò)的市場占比將正式超越InfiniBand。

03

超節(jié)點爆發(fā)，高端交換機迎來黃金發(fā)展期

隨著 AI 大模型參數(shù)規(guī)模邁入萬億量級，算力需求已從單純 GPU 堆疊，轉(zhuǎn)向全維度系統(tǒng)架構(gòu)重構(gòu)。受單芯片物理功耗密度、互連帶寬及內(nèi)存容量瓶頸制約，算力增長邊際效益持續(xù)遞減。當(dāng)前研究與工程實踐均表明，系統(tǒng)級協(xié)同架構(gòu)（如高帶寬域互聯(lián)）是突破單芯片性能上限的主要技術(shù)路徑，其根本動因在于單芯片物理極限已成為制約算力發(fā)展的核心瓶頸。

當(dāng)模型規(guī)模遠(yuǎn)超單芯片算力與顯存容量，傳統(tǒng)分布式訓(xùn)練面臨通信開銷激增、算力利用率大幅下滑等難題。在此背景下，依托高速無損互聯(lián)技術(shù)，將數(shù)十乃至上百顆 GPU 芯片邏輯整合為統(tǒng)一計算單元，形成對外等效的 “超級計算機”，已成為全球主流 AI 基礎(chǔ)設(shè)施廠商與科研機構(gòu)公認(rèn)的下一代算力架構(gòu)突破方向。

AI 超節(jié)點的爆發(fā)，為交換機市場打開全新增量空間。相較于傳統(tǒng)服務(wù)器，AI 服務(wù)器新增 GPU 模組，需通過專用網(wǎng)卡與服務(wù)器、交換機實現(xiàn)高效互聯(lián)，完成節(jié)點間高速通信。這使得 AI 服務(wù)器組網(wǎng)在傳統(tǒng)架構(gòu)基礎(chǔ)上，新增后端網(wǎng)絡(luò)（Back End）層級，單臺服務(wù)器網(wǎng)絡(luò)端口數(shù)量顯著提升，直接拉動高速交換機、網(wǎng)卡、光模塊、光纖光纜等全產(chǎn)業(yè)鏈需求。

與此同時，超節(jié)點規(guī)?；渴?，加速網(wǎng)絡(luò)架構(gòu)橫向擴(kuò)展（Scale out）。萬卡、十萬卡乃至百萬卡級別的超大集群組網(wǎng)，催生海量高速交換機需求。隨著 AI 模型參數(shù)持續(xù)擴(kuò)容，集群規(guī)模從百卡、千卡級快速向萬卡、十萬卡級躍遷，推動組網(wǎng)架構(gòu)從 2 層向 3 層、4 層持續(xù)演進(jìn)，進(jìn)一步放大高速交換機市場缺口。

全球AI產(chǎn)業(yè)的高速發(fā)展，讓AI集群網(wǎng)絡(luò)對組網(wǎng)架構(gòu)、網(wǎng)絡(luò)帶寬、網(wǎng)絡(luò)時延提出了前所未有的嚴(yán)苛要求，也推動以太網(wǎng)交換機這一核心通信設(shè)備，朝著高速率、多端口、白盒化、光交換機等方向持續(xù)迭代升級。而以太網(wǎng)本身深厚的產(chǎn)業(yè)根基與龐大的生態(tài)廠商陣容，也讓其在AI網(wǎng)絡(luò)中的市場占比擁有持續(xù)提升的空間。盡管目前InfiniBand憑借低延遲、擁塞控制、自適應(yīng)路由等機制，仍主導(dǎo)著AI后端網(wǎng)絡(luò)市場，但隨著以太網(wǎng)部署方案的持續(xù)優(yōu)化，以及超以太網(wǎng)聯(lián)盟的生態(tài)加速完善，未來以太網(wǎng)方案的市場占比將持續(xù)攀升，直接帶動以太網(wǎng)交換機的需求增長。

04

全行業(yè)入局，國內(nèi)外廠商搶灘AI交換機賽道

AI交換機的巨大市場機遇，吸引了全球科技巨頭與國內(nèi)廠商的全面布局，從芯片到整機、從傳統(tǒng)設(shè)備商到互聯(lián)網(wǎng)企業(yè)，一場圍繞AI交換機的技術(shù)與市場爭奪戰(zhàn)已然打響。

國際巨頭中，英偉達(dá)的布局最為激進(jìn)。其推出的Spectrum-x平臺，是一套專為超大規(guī)模集群場景優(yōu)化的以太網(wǎng)方案，憑借這一產(chǎn)品，英偉達(dá)僅用不到三年時間，便在交換機這一傳統(tǒng)IT賽道實現(xiàn)了跨界突破。同時，英偉達(dá)已將下一代Rubin AI平臺全面轉(zhuǎn)向CPO（共封裝光學(xué)）架構(gòu)，并宣布進(jìn)入量產(chǎn)階段，讓CPO從實驗室概念，正式成為未來AI數(shù)據(jù)中心的“標(biāo)準(zhǔn)配置”。

博通也在去年推出了全球首款102.4 Tbps 交換機芯片 Tomahawk 6。該系列單芯片提供 102.4 Tbps 的交換容量，是目前市場上以太網(wǎng)交換機帶寬的兩倍。Tomahawk 6 專為下一代可擴(kuò)展和可擴(kuò)展 AI 網(wǎng)絡(luò)而設(shè)計，通過支持 100G / 200G SerDes 和共封裝光學(xué)模塊（CPO），提供更高的靈活性。它提供業(yè)界最全面的 AI 路由功能和互連選項，旨在滿足擁有超過一百萬個 XPUs 的 AI 集群的需求。

國內(nèi)傳統(tǒng)設(shè)備廠商也快速跟進(jìn)，接連推出旗艦級產(chǎn)品。

華為于2025年發(fā)布了兩款旗艦產(chǎn)品：業(yè)界最高密的128×800GE 100T盒式以太交換機CloudEngine XH9330，憑借行業(yè)領(lǐng)先的高密端口設(shè)計，突破了AI集群的規(guī)模上限；業(yè)界首款128×400GE 51.2T液冷盒式以太交換機CloudEngine XH9230，助力企業(yè)打造綠色節(jié)能、超大規(guī)模的全液冷算力集群。

紫光股份旗下新華三，于2024年率先發(fā)布1.6T智算交換機H3C S98258C-G，支持全光網(wǎng)絡(luò)3.0解決方案，單端口速率突破1.6T，整機交換容量達(dá)204.8T，可滿足3.2萬臺AIGC節(jié)點的通信需求。該產(chǎn)品搭載自研智算引擎，時延可低至0.3微秒，通過了谷歌等國際客戶的驗證，成為其OCS整機核心供應(yīng)商。此外，公司還推出了全球首款51.2T 800G CPO硅光數(shù)據(jù)中心交換機，為1.6T產(chǎn)品的技術(shù)迭代奠定了基礎(chǔ)。

銳捷網(wǎng)絡(luò)完成了基于CPO技術(shù)的51.2T交換機商用互聯(lián)方案演示，該方案憑借超高集成度、顯著的能效提升與可維護(hù)性設(shè)計，完美適配AI訓(xùn)練及超大規(guī)模計算集群的高速互聯(lián)需求，為未來800G和1.6T網(wǎng)絡(luò)升級提供了可行路徑。其51.2T CPO交換機采用博通Bailly 51.2Tbps CPO芯片，在4RU空間內(nèi)實現(xiàn)了128個400G FR4光交換端口，大幅提升了設(shè)備端口密度與帶寬容量，核心亮點在于通過光引擎與交換芯片的共封裝，大幅縮短電互聯(lián)路徑，降低信號衰減與傳輸功耗。

中興通訊推出了國產(chǎn)超高密度230.4T框式交換機，以及全系列51.2T/12.8T盒式交換機，性能處于行業(yè)領(lǐng)先水平，已在運營商、互聯(lián)網(wǎng)、金融等領(lǐng)域的百/千/萬卡智算集群實現(xiàn)規(guī)模商用。

除了傳統(tǒng)交換機廠商，互聯(lián)網(wǎng)企業(yè)也紛紛下場，開啟了自研交換機的進(jìn)程，成為賽道中不可忽視的重要力量。

騰訊早在2022年便啟動了CPO交換機的研發(fā)，同年推出并點亮業(yè)界首款25.6T CPO數(shù)據(jù)中心交換機——Gemini。該產(chǎn)品集成12.8T光引擎，提供16個800G光接口，剩余12.8T交換容量通過面板32個QSFP112可插拔接口提供。

字節(jié)跳動在火山引擎正式上線102.4T自研交換機，以此支撐新一代HPN 6.0架構(gòu)，可滿足十萬卡級GPU集群的高效互聯(lián)需求。該交換機實現(xiàn)全端口LPO支持，在4U空間內(nèi)部署了128個800G OSFP端口。

阿里巴巴在云棲大會展出了自研的102.4T國產(chǎn)交換機，率先將3.2T NPO技術(shù)應(yīng)用于新一代國產(chǎn)四芯片交換機。該設(shè)備單機集成4顆25.6T國產(chǎn)交換芯片，總交換容量達(dá)102.4T，還可通過升級至4×102.4T芯片，平滑演進(jìn)至409.6T平臺。

相比線性驅(qū)動可插拔光模塊（LPO），近封裝光學(xué)（NPO）能提供更高的帶寬密度，同時降低對主芯片SerDes性能的要求，更利于產(chǎn)業(yè)生態(tài)發(fā)展；而相比共封裝光學(xué)（CPO），NPO采用標(biāo)準(zhǔn)LGA連接器，保留了光模塊的開放解耦特性，避免了主芯片與光引擎的綁定，更易被終端用戶采納。

05

為什么互聯(lián)網(wǎng)企業(yè)要做交換機？

互聯(lián)網(wǎng)企業(yè)紛紛下場自研交換機，并非偶然，而是技術(shù)趨勢與市場需求的共同驅(qū)動。

技術(shù)層面，交換機白盒化的發(fā)展，為互聯(lián)網(wǎng)企業(yè)自研提供了基礎(chǔ)。白盒交換機實現(xiàn)了硬件與軟件的解耦，硬件由開放化組件構(gòu)成，軟件則可由用戶或第三方自由選擇、定制，具備高靈活性、高可擴(kuò)展性、低采購與運維成本的優(yōu)勢，目前已在互聯(lián)網(wǎng)廠商與運營商網(wǎng)絡(luò)中廣泛應(yīng)用，產(chǎn)業(yè)生態(tài)日趨成熟。銳捷網(wǎng)絡(luò)作為白盒交換機領(lǐng)域的早期布局者，便與阿里、騰訊、字節(jié)跳動等互聯(lián)網(wǎng)企業(yè)深度合作，通過JDM（聯(lián)合設(shè)計制造）模式參與下一代交換機研發(fā)，2024年接連中標(biāo)多家頭部互聯(lián)網(wǎng)客戶的研發(fā)標(biāo)，推動白盒交換機在互聯(lián)網(wǎng)數(shù)據(jù)中心的規(guī)?；渴?。而白盒交換機的軟硬件解耦特性，大幅降低了自研的技術(shù)門檻，也成為大型互聯(lián)網(wǎng)企業(yè)降低建網(wǎng)成本的關(guān)鍵。

市場層面，超大規(guī)模數(shù)據(jù)中心運營商面臨著與傳統(tǒng)企業(yè)完全不同的網(wǎng)絡(luò)需求：一方面，阿里、騰訊、字節(jié)等企業(yè)擁有數(shù)萬甚至數(shù)十萬級的服務(wù)器規(guī)模，對網(wǎng)絡(luò)的可擴(kuò)展性、可運維性有極致要求；另一方面，AI訓(xùn)練集群尤其是萬卡級GPU集群，對網(wǎng)絡(luò)的低延遲、高帶寬有著嚴(yán)苛的定制化需求。傳統(tǒng)交換機廠商提供的標(biāo)準(zhǔn)化產(chǎn)品，難以完全匹配這些個性化、極致化的業(yè)務(wù)需求，最終促使互聯(lián)網(wǎng)企業(yè)走向自研之路。

而自研交換機不僅能深度適配自身業(yè)務(wù)場景，實現(xiàn)網(wǎng)絡(luò)能力的定制化優(yōu)化，又能大幅降低集群建設(shè)的總體擁有成本（TCO），在AI算力軍備競賽中，掌握網(wǎng)絡(luò)底層能力的主動權(quán)。