机柜间互联
3 秒看懂
机柜间互联（Scale-out Interconnect）是 AI 超级集群中连接不同机柜内计算节点、将几十到上万个 GPU 聚合成统一算力池的高性能网络。它承担着分布式训练中 All‑Reduce、All‑to‑All 等集合通信的全对全流量，直接决定了训练任务的有效带宽、尾延迟和线性加速比。没有它，再多的 GPU 也只是算力孤岛。
3 分钟产业解释
单机柜通常容纳 4～8 台 GPU 服务器，算力无法支撑千亿甚至万亿参数大模型。机柜间互联通过 Spine‑Leaf、Fat‑Tree 等拓扑将数十到数千个机柜串联成一个逻辑整体，让所有 GPU 能以接近一台巨型计算机的方式协同工作。
- 层次关系：机柜内 GPU 间使用超高带宽私有直连（NVLink、Infinity Fabric）；机柜顶交换机汇聚柜内多台服务器；机柜间互联则作为数据中心级 backbone，跨机柜连接各柜顶交换机。Scale‑out 网络的物理介质从铜缆升级为有源光缆和光模块，以支撑数十米到数百米的跨柜距离。
- 核心诉求：极致单端口带宽（端侧已进入 400 Gbps，2025 年加速转向 800 Gbps）、微秒级尾延迟、零丢包的无损传输、高效的集合通信卸载与自适应拥塞控制。
- 主流实现：InfiniBand（IB）和基于融合以太网的 RDMA（RoCEv2）。近年成立的超以太网联盟（UEC）正在设计一套以太网原生的 AI 网络协议栈，目标是打破 IB 的封闭生态。需特别注意，NVIDIA NVLink Switch 跨机柜方案虽将直连内存语义延伸至多机柜，但其本质是 Scale‑up 紧耦合统一大内存域，不在 Scale‑out 机柜间互联讨论之列。
对训练集群而言，机柜间互联就是“神经网络”，它让数千张加速卡同步呼吸、一致行动，能否在线性加速比下完成一次训练，网络往往是第一约束。
技术原理
物理层与信号速率
机柜间互联依赖 SerDes 高速串行链路。当前主流单 Lane 速率已演进至 112 Gbps PAM‑4，2024‑2025 年开始规模导入 224 Gbps PAM‑4。以 8 个 Lane 并行构成一个端口，对应 400 Gbps（4×112 Gbps）或 800 Gbps（8×112 Gbps / 4×224 Gbps）。信号从电到光转换通过光模块实现，典型封装为 QSFP‑DD 或 OSFP，传输距离从 30 m（多模）到 10 km（相干光）不等。误码率（BER）在无 FEC 条件下通常劣于 10^‑9，需靠 Reed‑Solomon 等前向纠错码使有效 BER 优于 10^‑12，实现逻辑无损。
RDMA 与协议卸载
远程直接内存访问（RDMA）是机柜间互联的基石。一台机器上的网卡可绕过对方 CPU 直接读写远端内存，将通信延迟压至 1‑3 μs，并释放主机 CPU。其核心机制是 Queue Pair（QP）、Completion Queue（CQ）和 Memory Region（MR）注册。AI 集合通信库（如 NCCL、RCCL）在初始化阶段预建全部 QP，锁定物理内存并交换远端密钥，让训练循环中的梯度同步不再触发系统调用。
InfiniBand 的自适应路由与信用流控
InfiniBand 从 L2 到传输层全为 RDMA 而生。链路层采用基于信用的流控，逐跳保证不丢包；网络层支持多路径自适应路由，可对同一流的不同包进行 spraying，极大缓解传统 ECMP 哈希的极化问题。配合 SHARP（集线器聚合归约）技术，在交换机内部完成 Reduce 操作，进一步降低跨机柜的通信数据量。
RoCEv2 的无损与 ECN
RoCEv2 将 RDMA 承载在 UDP/IP 上，复用标准以太网交换机。为达到无损，需开启优先级流控（PFC），同时借助 ECN 标记和发送端 DCQCN 或 TIMELY 等拥塞控制算法抑制发送速率。然而 PFC 易引发头阻和死锁，大规模调优复杂。UEC 正在抛弃 PFC，转而设计基于报文喷洒（packet spraying）、选择性重传和灵活排序的新传输层，力求在以太网物理层上提供 IB 级别的健壮性。
网络拓扑与集合通信映射
Fat‑Tree 是当前 AI 集群最普遍拓扑，提供 1:1 收敛比，任意一对主机间具备全线速无阻塞带宽，代价是层级多、光模块用量大。Dragonfly+ 或 Megafly 则在组内全连接、组间有限链路，借助自适应路由降低远端带宽需求，适合万卡以上规模。NCCL 的 Ring、Tree 或 CollNet 算法需与物理拓扑对齐，让 GPU 间通信链路不重叠、不拥塞，才能将有效带宽推近端口速率的 80% 以上。
关键参数
（本节所引速率、功耗区间均来自产业公开演进路径，非特定厂商指标。）
- 端口速率：2024 年主流 AI 集群以 400 Gbps 端口为主；头部云厂商已开始批量部署 800 Gbps（单端口 8×112 Gbps 或双端口 2×400 Gbps），2025 年有望导入 1.6 Tbps。来源：Omdia 2024 年数据中心网络报告、各云厂商技术发布。
- 交换机芯片带宽：单颗芯片容量已推进至 51.2 Tbps（如 Broadcom Tomahawk 5），支持 64 个 800 Gbps 端口；2025‑2026 年将迭代至 102.4 Tbps。来源：Broadcom 2023‑2024 年产品发布、各芯片官方资料。
- 端到端延迟：跨机柜一跳（网卡→交换机→网卡）典型值在 1‑3 μs（IB） 与 2‑5 μs（RoCEv2）。交换机 pipelining 延迟约 200‑500 ns，光缆传输约 5 ns/m。来源：公开测试数据及网卡/交换机厂商性能白皮书。
- 消息速率：小包（64/128 B）转发能力约 800 Mpps 以上，部分芯片突破 1 Bpps。影响集合通信中 Reduction 树的分发效率。
- 有效带宽（Goodput）：扣除协议栈负荷、重传开销后，应用可达的吞吐量。在理想拓扑对齐下可达到物理端口速率的 75‑90%；若出现拥塞或拓扑不对齐，可能骤降至 50% 以下。
- 尾延迟（P99/P99.9）：一次 All‑Reduce 的延迟取决于最慢链路。典型要求 P99 延迟不超过中位数 1.5 倍，否则同步栅栏等待将大幅拉低 GPU 利用率。
- 功耗预算：每个 800 Gbps OSFP/QSFP‑DD 光模块功耗约 13‑18 W，一台 64 端口 800 G 交换机整机功耗可达 4‑6 kW，对机架供电和散热提出严峻挑战。来源：OIF 及各光模块厂商数据表。
- 误码率与 FEC：224 Gbps PAM‑4 通道电信号 BER 在无 FEC 下约为 1×10^‑6，需依靠 KP4 或更高编码强度的 FEC，将净解码后 BER 提升至 10^‑15 量级。来源：IEEE 802.3df 任务组草案。
技术路线
| 维度 | InfiniBand（IB） | RoCEv2 / 融合以太网 | 超以太网（UEC） | NVLink 跨机柜（Scale‑up，作对比） |
|---|---|---|---|---|
| 带宽等级 | NDR 400 Gbps / NDR200 800 Gbps，路线图明确 | 随以太网代际，400 G→800 G→1.6 T，多供应商 | 基于 800 G/1.6 T 以太网物理层，传输层变革中 | 极高，专线绑定多组 NVLink 链路，可达 TB/s 级 |
| 延迟 | 极低（协议栈全硬件卸载，1‑1.5 μs 跳） | 低（2‑5 μs），但无损配置及 PFC 代价大 | 预计接近 IB，去除 PFC，通过喷洒+选择性重传实现 | 最低（nVIDIA 私有直连, <1 μs） |
| 拥塞控制 | 信用基流控 + 自适应路由 + SHARP 聚合 | PFC + ECN + DCQCN/HPCC，易触发头阻 | 多路径喷洒、包级负载均衡、接收端重排序，无 PFC | 端到端信用式，受控直连域 |
| 规模 | 已稳定支撑超 2 万节点量产集群 | 大型 RoCE 集群可达万卡，但调优复杂 | 目标 10 万级节点，信令与传输分离设计 | 限于同构平台，当前单域 256‑576 GPU |
| 生态开放性 | 封闭，依赖 NVIDIA/Mellanox 网卡和交换机 | 开放，多交换机、多网卡供应商 | 开放联盟，多家云与芯片厂商参与 | NVIDIA 私有，锁定自家 GPU 与交换机 |
| 成本 | 每 400 G 端口总拥有成本较高，IB 交换机溢价 | 以太网交换机 ASP 低 30‑50%，网卡也较便宜 | 尚在早期，预期硬件与高端以太网持平 | 与特定平台捆绑，系统成本高 |
| 典型应用 | 前沿大模型训练集群（GPT‑4、Gemini 等效） | 推理集群、中小训练、多租户云环境 | 未来一两年预计成为 AI 训练的主流开放方案 | 超大规模稠密模型训练、紧耦合内存池 |
数据来源：各厂商白皮书、UEC 2024 年技术更新、Dell’Oro Group 2024 年数据中心网络报告等；成本对比为公开装机经验区间，不作精确引用。
上游
- 交换芯片：机柜间互联的核心硅基板，集成数百路 High‑Speed SerDes、包处理引擎、大容量缓存和路由表。头部产品如 Broadcom Tomahawk 5 / Jericho3‑AI、Marvell Teralynx、Cisco Silicon One 以及国内初创芯片，决定了交换机基数和转发能力。交换芯片的代工主要依赖台积电、三星等先进制程。
- 光模块与电芯片：实现电‑光转换，对应不同传输距离（SR、DR、FR、LR）。800 Gbps 模块大量采用硅光（SiPh）或 EML 方案，并集成 DSP 芯片。上游 EML/硅光晶圆由博通、Lumentum、相干等提供，电 DSP 由 Marvell、Broadcom、MaxLinear 等主导。
- 连接器与线缆：高密 MPO‑16/MPO‑24 光纤连接器、背板连接器，以及柜顶到交换机的高速率 DAC/AOC 线缆。随着端口密度上升，连接器损耗与清洁度直接影响 BER。
- IP核与设计工具：SerDes PHY IP、FEC 逻辑、RDMA 协议栈 RTL（硬核或软核），授权商如 Synopsys、Cadence，影响芯片厂商推出新品的速度。
- 网络操作系统（NOS）：管理面软件，如 Arista EOS、Cisco NX‑OS、SONiC（社区开源）以及各厂商私有 NOS，负责路由协议（BGP‑EVPN）、遥测、自动化配置和故障定位。
下游
- 云与互联网厂商：自研或采购白盒/品牌交换机组网，运行 AI 训练和推理集群。代表性如 Google Jupiter、Amazon 自研网络、Meta 的 AI Research SuperCluster，它们是将互联需求转化为大批量采购的主力。
- AI芯片设计企业：在自家训练/推理芯片中集成高速 SerDes 和 RDMA 能力（如 Google TPU ICI、AMD Infinity Fabric、Intel Gaudi），出口对接 Scale‑out 网络，决定与网卡、交换机的耦合深度。
- 大模型企业与研究机构：对性能最敏感的一线用户（如 OpenAI、Anthropic、国内基础模型公司），提出集合通信特定优化需求，驱动网络厂商改进拥塞控制和拓扑映射。
- 系统集成商与服务商：将网络设备、光模块、光纤配线架集成到整柜，并完成布线、验证和交付，以及后续 O&M 服务。
受益公司
（仅客观梳理产业链环节及代表性公司，不构成任何买卖建议。）
- NVIDIA（含 Mellanox）：同时在 InfiniBand 和高速以太网卡/交换机两端布局。2024 财年（截至 2024 年 1 月）网络业务营收 131 亿美元，同比 +249%，IB 占据 AI 训练网络绝对主流份额。2024 年推出 Spectrum‑X 以太网平台，进军开放以太网市场。来源：NVIDIA FY2024 财报及 GTC 2024 公开信息。
- Broadcom：交换芯片领域的寡头，Tomahawk 系列和 Jericho‑AI 产品为白盒交换机厂商及 Cisco 提供核心芯片。据公司财报及行业估算，其在数据中心以太网交换芯片市场份额超过 70%（2023 年口径）。同时博通也是领先的 DSP 和光学组件供应商。来源：Broadcom 2023‑2024 年财报、Omdia 分析。
- Marvell：通过收购 Innovium 获得 Teralynx 交换芯片，并在电 DSP 和定制 ASIC 领域具备优势，为云厂商自研交换机和光模块提供全面硅方案。2024 财年数据中心相关收入快速增长。来源：Marvell FY2024 财报。
- Cisco：自研 Silicon One 芯片的 Nexus 系列交换机参与 AI Fabric，提供丰富的遥测和运维功能。尽管在超大规模纯 AI 集群中面临白盒竞争，其解决方案在企业 AI 和混合云中仍有较高份额。
- Arista：基于 Broadcom 等芯片的高端交换机，凭借 EOS 和 CloudVision 在超大规模数据中心享有高份额，2023 年来自云及 AI 客户的收入占比超 40%。来源：Arista 2023 年年报。
- 光模块厂商：中际旭创、新易盛、光迅科技、Finisar（Coherent）等，是 800 Gbps 光模块的核心供应商。据 LightCounting 2024 年报告，中际旭创在全球光模块出货量中排名领先，主要受益于 AI 驱动的高速模块需求。
- 国内综合设备商：华为、锐捷、新华三等，提供自研芯片或商用芯片的盒式/框式交换机，配套 AI 网络解决方案；同时华为自研交换芯片（如 Solar 系列）提升国产化比例。相关厂商在运营商和政企市场表现活跃，AI 集群相关收入占比正在上升。
- 铜缆与连接器：泰科（TE）、安费诺（Amphenol）、莫仕（Molex）以及国内立讯精密等，在高速背板连接器、高密光纤连接器领域占据供应链关键节点。
（以上公司列表均基于公开产业链信息，不涉及目标价或估值判断。）
市场规模
（本节数据来自第三方研究机构公开发布，已注明来源与年份。）
- 数据中心以太网交换机市场：根据 Dell’Oro Group 2024 年 7 月发布的报告，2024 年全球数据中心以太网交换机市场预计达到 265 亿美元，其中 100 Gbps 及以上端口收入占比超过 65%；受 AI 集群推动，高速端口（400/800 Gbps）出货量在 2024 年预计翻倍，推动市场规模到 2028 年突破 500 亿美元。来源：Dell’Oro Group “Ethernet Switch – Data Center 5‑Year Forecast Report, July 2024”。
- InfiniBand 网络设备市场：据 NVIDIA 财报及行业估算，2023 年 IB 市场规模约 45‑50 亿美元（主要来自 NVIDIA），受益于超大训练集群，预计 2024 年增长至 80 亿美元以上。长期份额将受以太网替代影响，但绝对值仍在提升。来源：NVIDIA FY2024 数据、Crehan Research。
- 高速光模块市场：LightCounting 在 2024 年 4 月预测，2024 年全球光模块市场达 160 亿美元，同比增长约 50%；其中 400 G 和 800 G 模块的 AI 需求贡献超过一半。预计 2029 年市场增至 300 亿美元级别，高基数光模块中 1.6 T 将成为新增长极。来源：LightCounting “High‑Speed Optics Market Forecast, April 2024”。
- AI网络（Scale‑out）综合支出：Omdia 在 2024 年 3 月估计，2024 年全球 AI 集群在交换、网卡和光模块上的总支出约为 370 亿美元，到 2028 年将提升至 620 亿美元，年复合增长率约 14%。来源：Omdia “AI Infrastructure Networking Report, March 2024”。
- 国产替代空间：国内交换机市场约 40‑50 亿美元，高速交换芯片国产化率不足 15%（2023 年），光模块国产份额较高但在核心 DSP 和 EML 芯片仍依赖进口。随着国产交换芯片和光电芯片的成熟，2025‑2026 年份额有望提升。来源：公开资料未见精确统计口径，表述为定性区间。
（公开资料如未明确注明具体数值，文中使用“约”“超过”的表述均基于上述机构报告中的区间提取，非精确统计。）
玩家对比
InfiniBand 阵营：NVIDIA 的全栈闭环
NVIDIA 借助 Mellanox 在 IB 网卡、交换机和线缆市场形成 90% 以上的份额，并通过自家 GPU 与 IB 网络的紧耦合优化（如 SHARP、nvSwitch Link）锁定了多数万卡级以上训练集群。优势在于性能稳定、部署可达“开箱即用”级别；劣势是单源供应风险和高成本。来源：公司财报，行业估算。
以太网开放阵营：Broadcom + 白盒 + Arista/Cisco
Broadcom 提供 51.2 Tbps 交换芯片，白盒厂商（如 Accton、Wistron）及 Arista/Cisco/华为等品牌厂利用该芯片构建高密度交换机。网卡侧，NVIDIA ConnectX、Intel IPU、国产芯片均可提供 RoCE 网卡。产业链分工清晰，用户不会被单一供应商锁定，总拥有成本显著低于 IB。但大规模无损 RoCE 的运维复杂度高，PFC 故障定位困难，对网络工程师能力要求高。
超以太网联盟（UEC）的颠覆性尝试
由 AMD、Intel、Meta、Microsoft、Broadcom、Arista 等联合推动，UEC 拟打造一个开放、高性能的 AI 网络标准。其关键技术：基于报文喷洒的自适应路由（无需 ECMP）、接收端重排序（去除 PFC）、传输与物理层解耦的灵活信令。UEC 1.0 规范预计 2025 年发布，多家厂商表示将在 2025‑2026 年推出第一批商用芯片和设备。如果成功，可能重塑整个 Scale‑out 互联格局，使 IB 在训练市场的占有率从当前的 70‑80% 显著下降。来源：UEC 官方发布，2024‑2025 年各成员技术演示。
云厂商自研与定制化
Google 以光电路交换机（OCS）和自研 Orion 站架构建起独有的机柜间互联；Amazon 自研 Nitro 及内部 Fabric；国内头部云厂商也在尝试自研交换机和定制化拓扑。这些自研方案多基于商用交换芯片+自研 NOS，或利用硅光技术进行简化拓扑，以降低总体成本和功耗，但其技术路线公开细节有限。来源：各云厂商公开技术博客。
对比小结
短期内，IB 在 2 万卡以上训练集群中仍具稳固地位；但随着 UEC 成熟和 800G/1.6T 以太网生态的完善，预计 2026 年后 RoCE/UEC 在新建 AI 集群中的渗透率将显著上升，形成 IB、UEC、传统 RoCE 三足鼎立。成本、供应链多样性和开放生态的力量是驱动转型的关键因素。
风险
- 技术路线不确定性：若 UEC 标准落地延迟或实际性能不及预期，以太网方案在大型训练集群的份额增长可能慢于市场预期，导致 IB 价格劣势未改善，影响下游客户的部署节奏。
- 单一供应商依赖：IB 生态高度集中于 NVIDIA，若其产能受限或调整产品策略（如限制第三方平台），将给依赖 IB 的云厂商和 AI 企业带来供应中断风险。
- 功耗与散热挑战：800G 及更高速率光模块和交换芯片功耗激增，单机架功耗可能逼近 15‑20 kW，超出大多数数据中心既有供电与散热能力，可能导致部署延迟或改造成本超预期。
- 资本开支波动：AI 集群建设具有强周期性，如果大模型需求不及预期或宏观融资环境收紧，云厂商可能削减网络采购，引起产业链库存调整和价格竞争。
- 光电芯片产能瓶颈：高速 EML 激光器、硅光晶圆和高精度 DSP 代工集中在少数供应商，任何地缘政治、自然灾害或产能分配失误都可能造成供给短缺，推升交付周期和成本。
- 运维复杂性：RoCE 大规模部署的 PFC 死锁、ECN 误触发等问题可能导致训练任务间歇性挂起，企业需要储备稀缺的网络运维专家，增加持续运营成本。
误读纠偏
- 误读 1：“机柜间互联就是 InfiniBand” IB 在大型训练集群中占据主导，但 RoCEv2 已是广泛部署的方案，且 UEC 的推出正加速以太网向训练主力身份演进。机柜间互联的本质是“为集合通信优化的高带宽无损网络”，IB 只是实现之一。
- 误读 2：“只要端口带宽足够高就没有瓶颈” 集合通信尤其是 All‑Reduce 对延迟、网络直径、拓扑对称性极敏感。即便链路带宽充裕，不当的哈希路由、拥塞控制参数或收敛比设置都会导致尾延迟剧增，使得 GPU 利用率大幅下降。“有效带宽/通信效率”远比标称端口带宽关键。
- 误读 3：“Scale‑out 和 Scale‑up 互斥” 机柜内不断增强 Scale‑up（如下一代的 NVLink 或 PCIe 6.0），减少跨柜通信量，减轻 Scale‑out 网络压力；同时 Scale‑out 网络负责承载剩余通信。两者合力扩大有效集群规模，是互补关系而非替代。
- 误读 4：“光模块速率翻倍即可平滑升级” 速率升级需要交换机芯片、背板 SerDes、光模块 DSP 和 FEC 代码全线同步迭代。此外，224 Gbps 电信号链路的信号完整性、连接器阻抗匹配等工程挑战远超纸面。实际部署中经常出现不同厂商组件的互操作性问题，需要集成测试和磨合。
- 误读 5：“AI 推理不需要高性能机柜间互联” 大模型推理逐渐采用张量并行和流水线并行分布在多 GPU/多节点上，跨节点 KV 缓存同步和模型分片通信对延迟和带宽也有较高要求。未来大规模推理集群将同样需要优化的 RoCE 甚至类 IB 性能的互联，只是要求尚不及训练极端。
最新事件
（基于公开信息截至 2025 年 3 月可溯源的行业动态。）
- UEC 1.0 草案达成里程碑：2024 年 12 月，UEC 宣布完成传输层协议核心架构，并于 2025 年 2 月发布 1.0 候选规范，涵盖基于喷洒的端到端传输、拥塞通知和重排序机制。多家成员开始开发适配的网卡和交换机 ASIC，预计 2025 年底有原型系统展示。来源：UEC 官方博客及成员通讯。
- NVIDIA 推出 Spectrum‑X800：2024 年 3 月 GTC 上，NVIDIA 发布 Spectrum‑X800 以太网平台，采用 51.2 Tbps 交换芯片和 BlueField‑3 DPU，支持自适应路由和基于遥测的拥塞控制，旨在为 AI 提供 RoCE 之上的增强以太网方案，首批部署在 Microsoft Azure 等环境。来源：NVIDIA GTC 2024 主题演讲。
- 博通推出 Jericho3‑AI：2023 年发布，2024 年规模出货的 Jericho3‑AI 架构专为 AI 设计，支持 26‑28.8 Tbps 的深层缓存和 DDC 架构，满足超大规模集群长距离无损需求。2025 年 Q1 财报显示该产品线营收年增长超过 80%。来源：Broadcom FY2024‑2025 业绩说明。
- 800G 光模块进入规模交付：2024 年下半年，800 Gbps DR8/FR8 模块出货量快速攀升，LightCounting 数据显示 2024Q4 出货超过 150 万只；多家光模块厂商表示 2025 年出货量有望再翻倍。同时 1.6 T 光模块样机开始向客户送样。来源：LightCounting 2024Q4 市场速报。
- 谷歌发布 Cloud TPU v5p 网络：2023‑2024 年间，Google 披露 TPU v5p 的 ICI 互联基于光交换机，提供 4.8 Tbps 的跨机柜聚合带宽，拓扑与传统以太网/IB 存在差异，展示超大规模云商自研互联的演进方向。来源：Google Cloud TPU 文档。
- 中国 AI 集群启动规模部署：国内主流云厂商和运营商在 2024 年开启万卡级国产 AI 集群建设，部分采用国产交换机+RoCE 方案，推动国产交换芯片和光模块的验证与上量。根据公开招标信息，2024 年 AI 高速网络采购额同比增幅显著。
跟踪指标
（指标及数据来源均为公开机构定期报告或企业财报，可连续追踪。）
- 800 Gbps 端口交换机季度出货量：Dell’Oro Group 和 Crehan Research 每季度发布，反映 Scale‑out 网络代际切换节奏。
- InfiniBand 交换机收入同比增速：NVIDIA 财务季度中“网络”分部的营收和增速，可观察 IB 的绝对规模变化。
- 高速光模块（400G/800G）季度出货量：LightCounting 每季度跟踪，可交叉验证下游需求景气度。
- 以太网交换芯片厂商收入增速（Broadcom、Marvell 相关业务）：财报披露的数据中心网络芯片业绩，体现 RoCE 方案渗透。
- UEC 规范版本与合规产品列表：UEC 官网更新，里程碑事件判断新技术的商业化进程。
- 头部云商资本开支指引：Microsoft、Amazon、Google、Meta、国内 BAT 等季报中关于 IT 基础设施和网络的投资规模，直接影响 Scale‑out 设备订单。
- 全线速交换芯片的功耗与每比特功耗（pJ/bit）：交换机/光模块厂商产品手册，衡量能效进步与散热挑战。
- 超算 TOP500 中 IB vs 以太网互联份额：统计每年 6 月和 11 月榜单，反映高性能计算领域的技术倾向，虽不完全代表 AI 集群，但可作为参考信号。
- GPU 与 Scale‑out 网络配比（如每 1000 GPU 配置的交换机端口数）：通过分析师报告或云厂商公开演讲估算，反映网络带宽富余度趋势。
信源
- InfiniBand Trade Association (IBTA)：架构规范及行业白皮书。
- Ultra Ethernet Consortium (UEC)：技术白皮书、协议草案、成员发布。
- NVIDIA 官网及 GTC 演讲：Spectrum‑X、Quantum InfiniBand、NCCL 文档。
- Broadcom、Marvell、Cisco、Arista 等企业财报及产品发布。
- Dell’Oro Group：“Ethernet Switch – Data Center” 季度与年度报告。
- Crehan Research：数据中心交换及适配器市场长期追踪。
- LightCounting：“High‑Speed Optics Market Forecast”及季度速报。
- Omdia：“AI Infrastructure Networking”系列分析。
- IEEE 802.3 以太网工作组（特别是 802.3df/802.3dj 任务组）关于高速 PHY 的讨论。
- 各云厂商技术博客：Google (Jupiter、OCS)、Meta (AI Research SuperCluster)、Microsoft (Azure 网络架构) 等。
- 中国信息通信研究院及国内相关行业研讨会公开材料，用于国产替代定性判断。
- 《NCCL: Optimized Inter‑GPU Communication》论文及 NCCL 源代码，GitHub 公开。