万卡集群越建越大，最怕的可能是网络堵车
中科曙光最近牵头了一项RDMA高速网络国家标准，乍看是挺专业的技术新闻，但背后的问题其实很容易理解：AI芯片越来越多，芯片之间怎么高效交换数据？
以前大家聊算力，喜欢数GPU有多少张、单卡性能有多强。可一旦上万张卡同时工作，情况就不同了。
好比一个城市，汽车再多、发动机再好，道路天天堵车，运输效率照样上不去。
大规模AI训练也类似。不同计算节点需要频繁交换数据，网络延迟和拥塞会直接影响整体效率。
中科曙光今年推出的scaleFabric，采用400G原生RDMA高速网络，端到端通信时延低于1微秒。此次牵头制定标准，重点还包括网络配置、运行监测和故障定位。
这说明行业开始重视一个问题：网络既要跑得快，也得容易管理、出了故障能及时处理。
当然，网络性能只是影响集群效率的一部分，实际表现还取决于计算、存储和软件协同。
但算力规模越大，高速互连的重要性恐怕越难忽视。曙光在这个方向持续投入，值得关注。
中科曙光 国产算力 RDMA scaleFabric AI基础设施