AI时代，网络定义数据中心

在生成式AI时代，数据中心的性能提升不再局限于计算芯片，网络逐渐成为关键因素。特别是当模型参数突破万亿级时，单个GPU难以胜任，需数千、数万张GPU并行协同。这不仅凸显了网络的重要性，还标志着以太网正朝着AI专用互连方向迈进。

Meta和Oracle两大科技巨头选择了NVIDIA Spectrum-X以太网交换机及相关技术，此举被视为以太网向AI专用互连的重要一步。这也反映了英伟达正在加速向开放以太网生态渗透，绑定云巨头与企业客户。

Spectrum-X：以太网的AI化

过去几十年，以太网在数据中心广泛应用。然而，在AI为核心的时代，挑战在于分布式架构下的协同效率。训练模型需跨节点同步海量梯度参数，速度取决于最慢节点，这就是“尾延迟”问题的根源。

因此，AI网络设计需确保极端情况下也不拖后腿，这对网络延迟、丢包率等提出更高要求。为此，英伟达推出了Spectrum-X，首个专为AI优化的以太网解决方案。

那么，Spectrum-X具体做了哪些改进呢？在《Networking for the Era of AI: The Network Defines the Data Center》中，英伟达详细介绍了其改进。

第一、打造无损以太网。在传统以太网中，丢包与重传被视为“可接受成本”。但在AI训练中，任何丢包都可能导致GPU空闲、同步失败或能耗激增。Spectrum-X通过RoCE技术实现CPU旁路通信，PFC+DDP确保端到端无损传输，与SuperNIC联动实现硬件级拥塞检测与动态流量调度。

GPU-to-GPU通信的RDMA实现图（来源：英伟达）

这使得以太网首次具备接近InfiniBand的传输确定性。

第二、自适应路由与分包调度。AI工作负载与传统云计算不同，它产生少量但极庞大的“象流”。这些流量易在网络中形成热点，造成严重拥塞。Spectrum-X采用包级自适应路由与分包喷射技术，通过实时监测链路负载，动态选择最优路径，并在SuperNIC层完成乱序重排。

NVIDIA Spectrum-X以太网自适应路由实现图示（来源：英伟达）

第三、解决拥塞控制问题。传统ECN拥塞控制响应延迟高。Spectrum-X通过硬件级In-band Telemetry实时上报网络状态，SuperNIC据此立即执行Flow Metering，实现亚微秒级反馈闭环。

第四、性能隔离与安全。AI云需在同一基础设施上运行不同用户或部门的训练任务。Spectrum-X通过共享缓存架构确保不同端口公平访问缓存，配合BlueField-3 DPU提供多重安全隔离与加密。

可以说，Spectrum-X让以太网有了“AI基因”，这也赢得了Meta和Oracle的青睐。二者虽采用不同策略优化自身业务，但共同点在于：当算力持续呈指数级增长时，网络层决定了这些“理论上的算力”能否转化为“实际可用的吞吐与业务价值”。

Spectrum-X的杀伤力几何？

从产业链竞争格局分析，NVIDIA Spectrum-X的推出确实是一场对以太网网络行业结构的“降维打击”。

首先要理解，Spectrum-X不是单独产品，而是一种系统战略。它将以下三个组件绑定为一个“软硬一体”生态：Spectrum-X交换机ASIC、SuperNIC、BlueField-3 DPU。

• 实现无损以太网与自适应路由；
• 负责包级重排、拥塞控制与遥测反馈；
• 提供安全隔离与RoCE优化。

这意味着NVIDIA将原本独立的三层网络生态（交换机、网卡、加速器）整合为垂直闭环。这一战略几乎撼动了整个以太网生态。

这意味着过去依靠以太网标准生存的网络公司都被迫进入新的博弈：要么融入NVIDIA的AI网络体系，要么被边缘化。

InfiniBand稳坐高性能计算的王座

如果说Spectrum-X是以太网的AI化，那么Quantum InfiniBand则是AI原生的超级网络。

InfiniBand追求极致的确定性与零损传输，早在1999年便作为HPC领域的数据互连标准登场。凭借三大特性——无损传输、超低延迟、原生RDMA与网络内计算——InfiniBand在过去二十余年间始终稳居性能巅峰。