超大规模集群时代,国产算力提前锁定“入场券”
2026-11-16 11:12:01
  • 0

过去,我们谈论算力集群,习惯地问“有多少卡”,用“卡数”来丈量算力;现在,产业聚焦整体效率,用“算力产出”来评估价值。

Epoch AI的追踪数据表明,全球顶尖AI集群算力性能每九个月翻一番,采购成本和电力成本每十二个月翻一番。所以,当AI集群的规模不断提升,整个算力系统的评价体系也随之改变:即万卡集群成为常态的趋势下,算力集群的高效协同与有效产出将成为重要的评价标尺。

那么,当AI集群奔向万卡、十万卡乃至百万卡之际,如何让如此庞大的算力集群像一支训练有素的交响乐团那样高效协作,而不是沦为一盘散沙式的"算力堆砌"?在第八届中国超级算力大会(ChinaSC 2026)上,产业界一致给出重要答案:高速互联已然成为算力集群规模扩展和高效实用的关键一环。

其中,中科曙光更是从系统工程创新、曙光8000超集群组网以及真实场景应用实践等维度,深度解读了scaleFabric国产高速互联技术如何让算力集群算、存、传高效协同,进而实现高效、安全和稳定的算力产出。

当“堆卡”不再线性,网络成为新瓶颈

在基础设施领域,其瓶颈总是随着规模的跃迁而悄然转移。

相关数据显示,截至2025年底,全国已建成42个万卡级智算集群。对于算力集群而言,万卡是一个重要分水岭。一旦规模迈过万卡,网络就成为“卡脖子”的重要环节,网络拥塞、跨节点数据交换开销、硬件故障率与调度复杂度随之呈指数级上升,"堆卡"不再能线性地产出有效算力。

大会期间发布的《万卡级智算集群网络技术发展与国产化报告》(以下简称《报告》)更清晰指出,MoE的大规模并行训练中,仅 0.1% 的丢包就将使 GPU 利用率下降13%;丢包率达到1%时,GPU的有效计算时间已不足5%;在 1.6 万卡以上集群,网络拥塞造成的浪费周期达 35–42%。

同时,需求侧的压力还在不断增大,并且迅速传导到算力基础设施层,让网络瓶颈进一步放大。例如,大模型参数规模迈向十万亿级别,后训练、强化学习成为模型能力提升的关键手段;而智能体的涌现,则大幅激发大规模、高通量的推理需求。无疑,随着集群规模的跃升,高速互联网络的构建与优化,往往比算力的堆砌更为关键,决定算力集群能否被高效利用。

“万卡集群时代,算力基础设施走向集约化和规模化,并且呈现出多元融合的趋势。高速互联的网络设计必须进入整个系统架构层面,才能应对网络速率、互联密度带来的各种信号、链路延迟的挑战。”中科曙光高速网络互联产品部总工程师万伟指出。

高速互联设计须进入系统架构层面

众所周知,超大规模算力集群的高速互联,不能简单按“网卡+交换机”来理解,它至少横跨三个层级:Scale-Up(纵向扩展)、Scale-Out(横向扩展)与跨域协同。

在Scale-Up层面,超节点已成为智算集群的标配。Scale-Up的高速网络是超节点内加速器紧耦合通信,需要在超节点内部通过高带宽、低时延互联构建协同计算域,承接张量并行、专家并行等高频数据交换。尤其是随着模型参数增加、MoE EP并行度上升和收益甜点上移,超节点并不是越大越好,延迟与带宽同样重要,这无疑将持续考验网络的性能、扩展性等能力。

在Scale-Out层面,网络需要连接集群中的多个超节点和服务器,承接数据并行、流水并行、存储访问与任务调度等需求。目前来看,随着SerDes112G走向448G,端口从400G走向800G、1.6T,以及更大交换容量、拥塞控制、拓扑感知通信优化、细粒度网络监控、故障快速检测恢复等需求,层次化、超大规模高速互连网络结构已成为必需品。

更加关键的是,随着智算集群规模的扩展,高速互联呈现出系统层级的约束条件,受到应用需求、芯片规格、供电、散热、高速信号可靠性、布线成本、可维护性等诸多条件约束,互联设计必须从芯片、器件、整机、协议、软件到运维一体考虑,才能覆盖超大规模智算集群的需求。

因此,随着超大规模智算集群向十万卡乃至百万卡演进,高速互联不再是一个孤立的通信子系统,而必须进入系统架构层面,实现自动化配置、性能压测、全栈可观测、故障诊断自愈,以同时应对规模、可靠性、物理边界与运维管理的四重挑战。

“高速互联是一个软硬结合的工程化领域,它就像超大规模智算集群的‘神经网络’。中科曙光的解决思路是围绕集网络架构、核心芯片、通信优化和管理平台进行系统层面的串联,以系统级的创新来解决有效算力的充分释放。”万伟如是说。

以系统级创新应对瓶颈挑战

将高速互联以系统层面的维度来设计与创新,考验的不仅仅是厂商战略的前瞻性,还包括长期主义的研发耐力。

事实上,仔细回顾中科曙光近年来一系列布局与突破,恰恰呈现出清晰的"从单点突破到系统级创新"的战略脉络。

首先是芯片层面的协同与联动,中科曙光从系统层面实现了国产处理器、GPU加速器、PCIe 5.0交换芯片、scaleFabric 400交换芯片、400G网卡芯片与国产片间互联交换芯片等集群全链路的覆盖,尤其是交换芯片、400G网卡芯片等高速互联核心组件的研发突破,为智算集群的一体化紧密协同构筑起强大的“高速公路”。

有了高速互联核心组件的突破,中科曙光在产品层面的创新也随之节节开花。例如,在scale-up层面,中科曙光在超节点产品中实现一级Clos全互连,支撑8卡、40卡乃至192卡的多级互连规模。其中,scaleX40是全球首款无线缆箱式超节点,采用正交无线缆一级互连设计,单箱容纳40张加速卡,把超节点从复杂的机房工程变成标准化的机柜插件。

同样,在scale-out层面,scaleFabric是国内首款全栈自研的400G原生RDMA无损高速网络,实现从从112G SerDes IP、交换与网卡芯片,到整机、驱动与管理软件,实现全链路自主可控。scaleFabric的端口速率、密度、交换容量、交换时延等性能参数全面领先。例如,scaleFabric端口密度达到80×400G,交换容量达64Tb,端到端时延控制在0.9微秒以内,链路故障恢复达到毫秒级,且组网综合成本较传统方案降低约30%。

在高速网络之上的运维层,中科曙光还为scaleFabric定制研发了Fabricview管理平台,可集中纳管百万量级设备、端口与光模块,把故障定位与恢复从人工驱动转向智能驱动,将故障修复时间从小时级压缩到分钟级。

更加值得肯定的是,中科曙光的全栈自研是基于开放生态的基础上。在部件—系统—基础设施—软件—数据”五层开放架构中,中科曙光围绕高速联网领域一直有着一系列生态动作,不仅牵头联合十余家产学研单位起草的《智能计算集群 高速网络管理技术规范》,推动国内首个RDMA高速网络国家标准的建设,还积极推动产业链伙伴加入到开放生态之中。

不难看出,中科曙光的系统级创新,本质上是长期研发在时间维度上的复利,围绕复杂集群系统的互联每一个环节,在底层技术、产品创新、系统协同和产业标准方面不断深耕,从而厚积薄发,在真实复杂场景中从容处理网络洪流。

十万卡的真实考场:scaleFabric成功“毕业”

实验室里的指标再漂亮,也只能算半场胜利。高速互联的最终考场,是7×24小时运行的真实业务场景中的“压力测试”。

今年7月,首个全国产十万卡AI超集群曙光8000(登峰)在郑州正式投入运营。这个包含约30亿颗元器件、1600公里互连线缆的"超级集群",覆盖FP64至INT8全精度算力,将高精度科学计算与低精度AI训练融合为同一系统,不仅是scaleFabric高速网络、ParaStor分布式存储、浸没式相变液冷等技术集大成者,更是中科曙光在高速互连领域创新成色的试金石。

据悉,曙光8000(登峰)投入运营以来,日均处理作业超15万个,已支撑300余个重点应用的深度优化,覆盖30多个科研与产业领域;既包括多个国产大模型的万卡级训练与高通量推理任务,也有气象预测、分子动力模拟、数字孪生脑探索等AI4S场景,其承载真实训练、推理与科学计算的生产网络,经受住高密度部署、长周期运行、混合流量与故障恢复的严苛检验。

以可靠性为例,曙光8000十万卡的集群规模,意味着高速链路数量是10W+,再考虑到单条链路每小时故障概率,如此大规模的集群每小时约会出现2.7次链路传输错误。此时,高速互联的故障修复就至关重要。曙光8000通过scaleFabric的链路故障路由快速恢复技术,能够实现毫秒级链路故障切换,且恢复时间不随规模增长而增长,真正让曙光8000从容应对严苛的多任务混合应用压力。

无疑,曙光8000的成功,充分证明了:高速互联不是算力的附属品,而是把算力转化为产出的关键基础设施。

写在最后

算力产业是一个以"快"为荣的行业:模型以月为单位迭代,算力以九个月为周期翻倍,Token调用量以千倍为单位增长。但支撑这一切"快"的,恰恰是最需要"慢"的功夫:把成千上万条网络链路的每一次误码当作系统工程来治理,把一张网络从芯片、协议、整机做到标准和生态,把高速互联网络在十万卡乃至百万卡集群中的真实负载去完成检验与淬火。

面向未来,随着超大规模智算集群的不断涌现,超大规模高速互联网络结构的含金量还将进一步显现,因为它不仅连接的是算力节点,更让系统级协作的价值得以充分显现:真正让每一份算力都被看见、被信任、被调用和被充分应用。

 
最新文章
相关阅读