AI大模型的军备竞赛正在重塑数据中心的网络架构。与传统服务器组网不同，AI服务器新增了GPU模组间的后端网络互联需求。2023年AI/ML部署使RDMA市场激增至60亿美元以上，预计2028年突破220亿美元。IB网络仍主导AI后端，但以太网根基深厚、生态开放，AWS、Meta等头部云厂商已在万卡集群中验证了RoCE网络的可行性。以太网在RDMA中的份额有望持续提升，2027年或将成为主流方案。
AI新增后端组网——从0到1的增量需求
传统数据中心网络面向业务场景，主要连接服务器与存储，数据南北向流动。而AI智算中心面向任务场景，GPU集群间需要频繁的参数同步，数据以东西向流量为主。AI服务器比传统服务器多了GPU模组——以8卡SXM GPU模组为例，对应8个高速网络端口，分别上联8台Leaf交换机。这种架构上的根本变化，使AI服务器组网相比传统服务器增加了后端网络需求，每台AI服务器的网络端口数量大幅提升。
从组网架构看，胖树（Fat-Tree）拓扑是AI集群的主流方案。下联和上联带宽采用1:1无收敛设计，即32个800G下联端口对应32个800G上联端口。以DGX B200搭配64端口400G交换机为例，31台服务器（248个GPU）组成1个节点，对应12台计算网络交换机。随着集群规模从千卡向万卡、十万卡拓展，组网层数从2层向3层、4层演进，交换机需求呈指数级增长。
RDMA技术——IB与以太网的两强格局
RDMA（远程直接内存访问）是AI集群网络的核心技术，可绕过操作系统内核实现服务器间直接内存访问，时延比传统TCP/IP改善数十倍。RDMA包含IB、RoCE和iWARP三种实现方式，当前主流是IB和RoCEv2。
IB网络是RDMA的鼻祖（1999年IBTA提出），从硬件层面保证数据无损，基于credit信令机制确保不丢包。但IB生态单一封闭，以英伟达为主，交换机成本远高于以太网。RoCEv2将RDMA技术应用到传统以太网，依靠PFC、ECN等协议实现无损网络，生态开放、厂商众多，组网性价比显著。
性能上IB端到端时延更低，但RoCEv2已足以满足绝大多数AI训练场景需求。组网规模上IB可支持万卡集群，RoCEv2在千卡规模表现良好且持续优化中。成本和生态上RoCE优势明显——这是以太网份额有望持续提升的根本原因。
以太网生态崛起——超以太网联盟与国内GSE/ETH+协议
超以太网联盟（UEC）2023年成立，旨在创建一个适用于AI/HPC场景的完整以太网通信堆栈架构，成员涵盖AMD、Arista、博通、思科、华为、新华三、锐捷网络、Meta、微软、BAT等。UEC的目标是优化以太网以实现高性能AI网络，最大限度地保持以太网互操作性。
国内方面，中国移动主导GSE（全调度以太网）推进计划，已有中国移动、中国联通、腾讯、华为、中兴、锐捷、新华三、盛科通信等加入，GSE1.0已在中国移动智算中心（哈尔滨）超万卡集群实现商用。阿里云联合中科院、平头哥、盛科通信、腾讯、字节等发布ETH+协议1.0，实现有效载荷比74%提升、集合通信性能提升30%以上。多方合力下，以太网在AI后端网络的竞争力持续增强。
RDMA市场规模与交换机需求（亿美元）| 年份 | RDMA总市场 | 交换机占比 | 以太网占比 |
|---|
| 2021年前 | 4-7（HPC驱动） | ~50% | 较低 |
| 2023年 | 60+ | ~60% | 提升中 |
| 2028E | 220+ | ~60% | 有望超50% |
