/記得星標我/

比大部分人早一步看見未來

大模型訓練正式進入萬卡、十萬卡規模化時代，算力競爭的核心邏輯已經發生根本性轉變。單純堆疊GPU芯片不再是集群性能的決勝因素，高速互聯網絡的質量，才是決定整體算力利用率、模型訓練速度、集群穩定性的關鍵瓶頸。

行業實測數據顯示，稠密大模型訓練的通信耗時占比超過30%，MoE稀疏模型通信占比更是突破50%，網絡微小抖動、延遲波動、偶然丟包，都會造成大規模GPU空轉等待，直接導致集群算力利用率大幅下滑。

在行業長期深陷進口IB價格高昂、RoCE大規模不穩的兩難格局下，中科曙光scaleFabric全棧自研國產IB已實現批量出貨與大規模商用落地，憑借原生無損RDMA架構，徹底打破傳統技術路線桎梏，成為當前萬卡、十萬卡智算集群的最優組網選擇。

萬卡時代網絡困局：兩條傳統路線均存在致命短板

萬卡級超大規模集群依托高頻All-Reduce通信、張量并行、流水線并行等機制完成分布式訓練，數萬GPU實時高頻數據交互，對網絡的延遲、抖動、丟包、帶寬穩定性提出極致要求。任何細微的網絡問題，都會在大規模并行場景中指數級放大，最終拉長訓練周期、浪費巨額算力成本。但長期以來，國內智算集群僅能選擇進口IB或以太網RoCE兩條路線，但就目前看來，二者均無法同時滿足高性能、低成本、高穩定、自主可控的產業化需求。

進口InfiniBand技術成熟、性能領先，但在國內規模化落地過程中，壟斷帶來的成本問題與供應鏈風險愈發突出。成本層面，進口400G IB網卡單價高達數千美元，800G光模塊、高速DAC線纜價格翻倍增長，一套萬卡集群的網絡硬件投入動輒上億元，大幅抬高智算基建門檻。供應鏈層面，高端IB設備被納入出口管制清單，供貨周期普遍拉長至3至6個月，斷供風險持續存在。同時海外廠商長期采用軟硬件捆綁銷售模式，采購高端GPU必須配套采購其網絡設備，企業喪失自主選型與議價能力，國產算力集群建設高度依賴海外供應鏈。

RoCE方案憑借硬件采購成本僅為進口IB一半的優勢，成為國內中小規模集群的主流選擇，適配千卡以下實驗訓練、常規推理等輕量化場景。但該方案屬于以太網補丁式改造，先天架構缺陷無法通過軟件調優根治，一旦集群規模突破千卡、邁向萬卡級別，各類性能問題會集中爆發。對于持續數十天的大模型預訓練任務，一次故障回滾、重啟訓練帶來的算力損耗與時間成本，足以抹平RoCE的硬件價格優勢。除此之外，RoCE運維難度極高，沒有通用適配參數，需要運維團隊根據模型類型、流量特征、集群規模持續迭代水線閾值、擁塞控制、隊列調度等參數，高度依賴資深專家經驗。

國產IB批量商用落地：全棧自研打破性能成本不可能三角

針對行業長期存在的高性能必高價、低成本不穩定、自研方案缺性能的行業痛點，中科曙光歷經三年核心技術攻堅，推出scaleFabric 400G原生無損RDMA高速網絡。目前該產品已實現穩定批量出貨，完成大規模商用交付，實現從底層112G PAM4 SerDes IP、交換芯片、高速網卡，到驅動程序、全網管理軟件的全棧自研，徹底擺脫海外技術依賴，在國內率先實現國際級性能、RoCE級成本、全鏈路自主可控的三重突破，徹底打破高速網絡行業的不可能三角。

我們先來看技術架構層面，scaleFabric對標國際主流NDR技術標準，采用先進ADC-DSP架構，針對性解決超高速長距傳輸的信號衰減、噪聲干擾、信號失真等核心難題。

在信號優化方面，自研電感峰化補償技術搭配FFE/DFE聯合均衡算法，有效補償PCB鏈路、高速線纜帶來的高頻信號損耗，保障跨節點、長距離傳輸的信號完整性。

在抗干擾方面，搭載反射補償與噪聲白化DSP算法，精準抵消鏈路阻抗不匹配產生的信號反射，將不規則有色噪聲均勻化處理，大幅降低系統誤碼率，適配機房復雜電磁環境與布線工況。

在穩定性保障方面，通過高性能LDO電源凈化設計，過濾電源紋波與電壓波動，為高速信號處理、時鐘系統提供穩定供電，從硬件底層筑牢傳輸穩定性。相較于RoCE的被動流控機制，scaleFabric沿用原生IB信用流控機制，傳輸前校驗接收端緩沖區資源，先確認后發送，從根源杜絕丟包與緩沖區溢出問題，無需依賴PFC調控，徹底規避大規模集群的PFC風暴風險。最終實現260納秒交換機轉發時延、0.9微秒端到端通信時延，核心性能全面對標國際一線產品。

再來看看實地應用的表現，目前scaleFabric已在國家超算互聯網鄭州核心節點深度部署，支撐三套萬卡級超算集群穩定運行。依托極簡自研架構優勢，整套3萬卡規模集群從設備上電、組網調試到業務全線開通，僅耗時36小時，相較于RoCE集群數周的調優周期，部署效率提升十倍以上，大幅縮短大型智算集群建設周期。

截至目前，該商用節點已穩定運行超10個月，累計承載十萬級AI訓練、超算仿真作業，全程無網絡故障、無訓練中斷、無大規模算力閑置，完全適配7×24小時不間斷高強度算力調度需求。

在集群擴展能力上，scaleFabric突破傳統IB規模上限，單子網可支持11.4萬卡集群擴展，是傳統進口IB的2.33倍，可無縫適配未來十萬卡級超大規模智算集群迭代升級。同時產品端口密度較行業主流提升25%，單芯片支持80個400G端口或40個800G端口，高集成度有效減少交換機、光模塊、高速線纜用量，精簡組網架構，降低硬件堆疊帶來的運維壓力與能耗損耗。

批量出貨帶來的規模化效應，徹底重構了行業高速網絡的成本體系。相較于同規格進口IB設備，scaleFabric整體組網成本降低30%以上，硬件建設成本與國產高端RoCE方案完全持平，徹底改寫了國產高速網絡高價小眾的固有認知。

規模化商用價值：性能、穩定性、自主可控全方位升級

scaleFabric批量交付落地，不只是單一產品的商業化落地，更是國產高端高速網絡產業的里程碑突破。長期以來，國內萬卡級高端智算網絡被海外廠商壟斷，國產方案始終無法兼顧性能、穩定性與安全性。scaleFabric的規模化應用，徹底填補國產原生無損RDMA網絡的技術空白，從性能表現、運行穩定性、供應鏈安全三大維度，解決制約國產AI算力規模化發展的核心瓶頸。

在性能層面，完美適配高端算力場景極致需求。大模型預訓練、氣象仿真、流體力學、AI for Science等高端場景，對網絡延遲一致性、帶寬穩定性、傳輸精度要求極高，微小的網絡波動都會直接影響模型收斂速度與仿真結果精度。scaleFabric依托原生RDMA架構，無需CPU內核調度介入，實現硬件級直接內存傳輸，延遲更低、抖動更小。在大規模All-Reduce高頻通信場景中，能夠有效縮短梯度同步耗時，加速模型迭代收斂。實測數據顯示，同等GPU配置與訓練任務下，scaleFabric集群的訓練吞吐與收斂速度較RoCE集群提升15%以上，長期訓練累積的效率優勢顯著，可有效縮短訓練周期、降低算力能耗成本。

在穩定性層面，原生架構適配超大規模長期運行。區別于RoCE后天改造的模擬無損機制，scaleFabric從協議底層規避PFC風暴、網絡死鎖、路由震蕩等高頻故障，網絡穩定性不會隨集群規模擴張衰減。在數萬卡高并發、高負載極端工況下，性能平滑下降，不會出現RoCE式斷崖式崩盤。同時搭載自研鏈路質量診斷與快速自愈系統，可全網實時監測鏈路狀態、精準定位故障節點，毫秒級完成路由切換與故障修復，全程無需人工干預，實現即插即用、長期免維護，完美適配超大規模集群不間斷運行需求。

在安全層面，全棧自研筑牢算力基建底座。當前高端算力設備出口管制持續收緊，算力基礎設施自主可控已成為國家戰略剛需。以往國產高端集群依賴進口IB設備，不僅成本高昂，更面臨斷供、技術封鎖、生態綁定等風險。scaleFabric實現芯片IP、硬件設備、軟件棧全鏈路國產自研，無海外核心技術依賴，穩定批量供貨的能力，徹底打破海外壟斷，擺脫卡脖子困境。同時產品深度適配國產CPU、國產GPU、國產加速卡等全品類自研算力硬件，全面兼容國產算力生態，為東數西算、超算互聯網等國家級算力工程提供安全可控、可迭代的高速網絡底座。

在生態層面，極低遷移門檻助力行業普及。行業對國產自研產品的核心顧慮集中在兼容性差、遷移成本高、生態不完善。scaleFabric完全兼容國際標準IB協議，PyTorch、TensorFlow、NCCL、OpenMPI等主流AI框架與通信庫無需代碼修改即可無縫遷移，原有業務、模型、運維習慣完全復用，大幅降低替換成本。同時中科曙光聯合科大訊飛、中興通訊等數十家產業鏈企業，依托光合組織成立高速網絡專項工作組，持續推進國產高速網絡標準制定、場景適配與技術迭代，構建完整國產化產業生態，推動國產IB從可用向好用、規模化可用升級。

- 04 -

行業選型邏輯重構：國產IB成為萬卡集群最優解

scaleFabric的成熟商用與批量落地，徹底重構了國內智算集群的網絡選型邏輯。過去行業只能在“高價穩定的進口IB”和“低價不穩的RoCE”之間被動取舍，二元對立的選型困境長期制約國內算力基建高質量發展。如今國產IB的技術成熟與規模化落地，打破了固有矛盾，形成了適配不同集群規模、不同業務場景的科學化選型體系，實現性能、成本、穩定性、安全性的全方位平衡。

從細分場景來看，100卡以下小型實驗、推理集群，業務并發壓力小、網絡故障風險低，RoCE的低成本優勢依然適用，可作為優先選型。100至500卡中型混合業務集群，可采用“前端RoCE+后端國產IB”的混合組網模式，兼顧前端業務的兼容性與后端核心訓練的高穩定、低時延需求。

對于500卡以上大型集群，尤其是萬卡、十萬卡級大模型訓練、高性能計算核心場景，國產IB已是行業唯一最優解。此類場景對網絡無損傳輸、超低時延、長期穩定性存在剛性需求，RoCE的架構缺陷會被無限放大，無法支撐長期穩定訓練；進口IB則存在高昂成本與供應鏈安全隱患。而scaleFabric憑借持平RoCE的成本、對標國際的性能、自主可控的供應鏈與成熟的商用落地經驗，成為超大規模智算集群的無可替代的組網方案。

站在行業發展視角，AI大模型規模化迭代已成必然趨勢，智算集群正向十萬卡級別快速演進，高速網絡將取代單純算力堆疊，成為決定集群算力釋放能力的核心核心要素。中科曙光scaleFabric的批量商用，不僅實現了國產高速網絡的跨越式技術突破，更重新定義了超大規模智算集群的性價比標準與選型規則。

依托全棧自研技術、十萬級作業驗證的穩定性、普惠化成本優勢與自主安全的供應鏈體系，國產IB徹底改寫了國內高端智算網絡的市場格局。未來，隨著技術持續迭代、產業生態不斷完善，國產IB將成為超大規模智算集群的主流組網方案，持續賦能國產大模型研發、高端科學計算與全國一體化算力網絡建設，助力國內算力產業實現高水平科技自立自強。