大模型狂奔，網絡掉隊？兩會熱議：AI算力的下一個瓶頸在“連接”

隨着2026年全國兩會召開，智能經濟成爲代表委員熱議的焦點。政府工作報告明確提出要“打造智能經濟新形態”，並將“實施超大規模智算集羣”列爲新型基礎設施建設重點方向。

毋庸置疑，這一戰略部署背後，隱含着對人工智能基礎設施更高層次的需求。在業界持續聚焦芯片算力提升的同時，一個更爲基礎性的技術瓶頸也浮出水面——網絡的承載能力。

當前，人工智能模型參數已進入萬億級規模，訓練任務從單卡向萬卡甚至十萬卡集羣演進，帶來的是對網絡通信能力的極限挑戰。大模型訓練要求在微秒級時間內完成海量參數同步，對網絡的延遲、丟包率和可擴展性提出了前所未有的要求：網絡延遲過高將直接導致算力閒置；數據丟包則可能導致訓練任務中斷，造成巨大的資源浪費。

騰訊光網絡架構師付思東指出，從2016年的Pascal架構到2024年的Blackwell架構，AI算力在八年內實現約1000倍增長，而網絡帶寬同期僅提升4倍。這種“算力如火箭攀升，網絡如步行前進”的失衡狀態，正在倒逼產業界重新審視網絡技術的戰略價值。

在此背景下，如何實現“以網強算”成爲產業界亟待破解的命題。

近期，NVIDIA發佈的2026財年報告爲業內提供了參考樣本。數據顯示，NVIDIA網絡業務迎來空前爆發——全年收入突破310億美元，相比2021財年收購邁絡思(Mellanox)時增長超10倍。單第四季度，網絡業務營收達110億美元，同比增長263%。

這一增長背後，是InfiniBand(IB)技術在超大規模AI集羣中的深度滲透。IB網絡以其獨特的基於信用的流控機制，可以在傳輸前確保接收端資源充足，從根本上杜絕擁塞與丟包，交換延遲低至100納秒，是目前高性能計算領域公認的標杆方案。

但對國產智算集羣來說，其核心技術由NVIDIA長期壟斷，供應鏈高度集中。在信創戰略持續推進下，國產IB仍然存在明顯的市場空白。

相較之下，RoCE方案試圖在通用以太網架構上實現IB類似的無損傳輸能力，成本優勢較強。然而，深入分析當前主流RoCE方案可知，儘管交換機品牌國產化進展不慢，但其核心交換芯片仍主要依賴博通(Broadcom)，網卡芯片則由邁絡思(Mellanox)主導。

在200G及以上高速互聯領域，RoCE相關的I/O環節技術能力尚處於追趕階段(目前僅能支持100G級別)，與IB網絡主流的400G方案存在代際差距，很難滿足大算力集羣互聯需求。

這也意味着，AIDC高端互聯領域核心技術仍未脫離海外廠商掌控，想要高位對接超大規模智算集羣需求，必須直面IB技術路線國產化難關。

“NV網絡業務爆發印證了一個基本事實：在超大規模智算集羣時代，高性能網絡已經拿到主角劇本”。有業內人士認爲，IB技術路線因其原生一體化設計和對極致性能的追求，成爲全球頭部AI集羣的高配選擇。

他指出，在國產智算基礎設施發展初期，RoCE不啻於一種務實方案，但在大集羣網絡互聯中，僅依靠嫁接於通用以太網的技術路徑，很難從根本上突破性能天花板。

因此，推動IB網絡自主化建設，已不僅僅是一項技術命題，更是AI大算力時代的戰略任務。其意義不侷限於現有國產技術體系的局部優化，而是真正錨定高性能網絡這一核心短板，建立起兼顧自主可控和高效可用的技術底座，打造真正具備國際競爭力的智能算力新基建。

兩會期間對超大規模智算集羣的政策引導，既是對人工智能產業發展的強力推動，也向產業鏈上下游遞出一份更嚴格的考卷。在AI算力競爭日益白熱化當下，網絡連接能力正成爲決定集羣效能的核心變量之一。打通智算集羣的“任督二脈”，亟需在覈心網絡技術上實現從外部依賴到自立自強的躍遷。這條路可能艱難且漫長，但卻是叩響AI時代大門的關鍵一步。