Quantum

3 秒看懂

NVIDIA Quantum InfiniBand 是 NVIDIA 為萬卡至百萬卡級 AI 工廠打造的專用高效能互連平台。它不是通用乙太網路，也不是量子計算裝置，而是從物理層到傳輸層全棧自研的“封閉式高速專用通道”。核心理念是將 GPU 間通訊延遲壓至亞微秒級、端到端頻寬推至 800 Gb/s，同時通過硬體級的遠端直接記憶體訪問和網內計算能力，讓 CPU 資源專注於計算而非網路協議處理。Quantum InfiniBand 是支撐萬億引數級大型模型分散式訓練的關鍵互連基石。

3 分鐘產業解釋

如果將訓練數千億乃至萬億引數大型模型的過程比作一項規模空前的並行工程，那麼NVIDIA Quantum InfiniBand 就是施工現場一條完全獨立的高速鐵路專線。普通的乙太網路方案——即便是支援 RDMA 的融合乙太網路——如同改造後的城市道路，雖能承載 RDMA 流量，卻受制於複雜流控、訊號衰減和共享鏈路帶來的擁塞風險。Quantum InfiniBand 則是一開始就為極致效能鋪設的全封閉高鐵系統：它擁有獨立的交換器、智慧網絡卡、物理線纜和一套完整的私有協議棧，所有通訊操作在硬體層面被處理，CPU 的參與度極低。在 2024 年 GTC 大會上釋出的 Quantum‑X800 平台，率先實現端到端 800 Gb/s 吞吐量，直接面向 Blackwell 架構 GPU 的互連需求，可支撐萬億引數生成式 AI 模型的分散式訓練。到 2025 年，NVIDIA 進一步推出 Quantum‑X Photonics 共封裝光學交換器，將電訊號傳輸損耗從約 22 dB 大幅壓縮至約 4 dB，單埠功耗下降約 3.5 倍，訊號完整性提升 60 倍以上，為未來跨資料中心、百萬 GPU 級別的互連掃清了物理層瓶頸。

技術原理

獨立協議棧與硬體解除安裝模型

InfiniBand 採用一套與乙太網路/IP 完全解耦的四層協議棧。通訊雙方在進行任何資料傳輸之前，首先建立稱為佇列對（Queue Pair，QP）的通訊通道，每個 QP 包含獨立的傳送佇列和接收佇列。實際資料搬運由主機通道介面卡（Host Channel Adapter，HCA，即智慧網絡卡）直接執行。CPU 的工作僅僅是將工作請求提交到 QP 中，後續的報文封裝、流控、擁塞管理均由 HCA 和專用交換器在硬體層面完成。這一設計本質上建置了一個硬體解除安裝的非同步通訊模型，將 CPU 從繁重的網路協議棧處理中徹底解放出來。

端到端 800 Gb/s 與網內計算加速

NVIDIA Quantum‑X800 系列交換器將單埠速率提升至 800 Gb/s（來源：GTC 2024 官方釋出）。配合同等速率的 ConnectX 系列 HCA，形成端到端 800 Gb/s 無瓶頸通道。更為關鍵的是其網內計算能力：SHARP 技術允許交換器在執行 AllReduce 等集合通訊操作時，直接在網路內部完成歸約運算——例如求和、最大值或最小值——無需將所有資料彙總到某個節點再處理。這種技術大幅減少了跨 GPU 的資料搬運量和通訊步數，對於大型模型訓練中頻繁出現的同步操作意義重大。

共封裝光學突破物理極限

在傳統的交換器架構中，訊號從交換晶片出發，經印刷電路板佈線到達光模組，僅這一過程在單通道 200 Gb/s 速率下就會產生約 22 dB 的電氣損耗，導致單埠功耗高達約 30 W（來源：NVIDIA 公開技術文件）。Quantum‑X Photonics 將光學引擎與交換晶片進行共封裝，電氣路徑極短，損耗被壓縮至約 4 dB，單埠功耗隨之降至約 9 W。綜合能效提升約 3.5 倍，訊號質量提升 60 倍以上，網路彈性提升 10 倍，網路部署速度提升約 30%。這一突破使得在未來建置百萬 GPU 級互聯叢集在物理上變得可行，成本也進入可控區間。

通訊模型與訓練對映

在 Megatron 等架構的張量並行模式下，GPU 之間需要高頻率執行 AllReduce 或 ReduceScatter 操作，這些集合通訊對延遲和頻寬高度敏感。Quantum InfiniBand 通過 RDMA 提供 GPUDirect 支援，允許 GPU 視訊記憶體直接讀寫 HCA 的緩衝區，無需經過系統記憶體中轉，路徑極短。對於混合專家模型中的 All‑to‑All 通訊，Quantum InfiniBand 則依賴高頻寬、低延遲和自適應路由能力來保障效能，交換器不進行硬體級的聚合處理。兩種通訊模式在 InfiniBand 平台上都能獲得確定性的高效能表現。

   [GPU 0] ←→ [HCA] ←→ [IB Switch] ←→ [HCA] ←→ [GPU 1]
      ↑                                       ↑
      └── RDMA via GPUDirect ────────────────┘
   (CPU 僅負責控制面，資料面全程由硬體解除安裝處理)

關鍵引數

埠速率與交換器容量

當前旗艦產品 Quantum‑X800 提供單埠 800 Gb/s 速率。單臺 Quantum‑X800 交換器可配置 144 個 800 Gb/s 埠，總交換容量達到 115.2 Tb/s（來源：GTC 2024）。若按 200 Gb/s 埠配置，單機可支援 512 個埠。在多交換器叢集場景下，網路總聚合頻寬可擴充套件至 400 Tb/s 級別。公開資料未見 NVLink 與 InfiniBand 之間的頻寬對比公開數字，兩者在系統內承擔不同層級的互連角色。

延遲與訊息速率

InfiniBand 網路端到端延遲可低於 1 微秒（定性指標，實際值受訊息大小和拓撲跳數影響），訊息速率達到數億條每秒量級，支撐細粒度資料同步。這一水平為大規模 GPU 叢集維持近線性擴充套件效率提供了基礎。

共封裝光學減損

傳統電互聯方案的交換晶片至光模組路徑損耗約 22 dB，埠功耗約 30 W。Quantum‑X Photonics 共封裝光學方案將損耗降至約 4 dB，埠功耗降至約 9 W，訊號完整性提升 60 倍以上，網路彈性提升 10 倍（來源：NVIDIA 2025 年釋出資料）。

安全特性

支援硬體根信任、通道級加密和多租戶隔離，滿足 AI 工廠環境下對資料安全與資源隔離的剛性需求（來源：NVIDIA 安全白皮書，定性描述）。公開資料未見具體加密演算法吞吐量損耗的量化數字。

技術路線

演進歷程

InfiniBand 的技術演進可大致劃分為五個階段：

早期 InfiniBand（2000 年代初）：誕生於高效能運算領域，提供 2.5 Gb/s 單通道速率，奠定了基於 QP 的通訊模型基礎。
Mellanox 時代（2010‑2019）：行業主力推動者，相繼釋出 FDR（56 Gb/s）、EDR（100 Gb/s）、HDR（200 Gb/s）等代際產品，並率先引入 SHARP 網內計算技術，ConnectX 系列智慧網絡卡成為 HPC 領域事實上的標準。
NVIDIA 整合期（2019‑2020）：NVIDIA 於 2019 年宣佈以約 69 億美元收購 Mellanox（來源：NVIDIA 2019 年年報），InfiniBand 技術正式併入 NVIDIA 資料中心解決方案體系，與 CUDA 軟體生態開始深度融合。
Quantum 品牌確立（2021‑2023）：NVIDIA 釋出 NDR 400 Gb/s InfiniBand 平台，並正式啟用 Quantum‑2 品牌命名，配套 BlueField DPU 和 ConnectX‑7 智慧網絡卡，引入硬體級安全隔離和多租戶支援。
Quantum‑X800 與 CPO 時代（2024‑2025）：2024 年推出全球首個端到端 800 Gb/s 平台 Quantum‑X800，微軟 Azure、Oracle Cloud 等成為首批公開客戶；2025 年釋出 Quantum‑X Photonics，共封裝光學技術實現物理層跨越。

與 Spectrum 乙太網路的互補定位

NVIDIA 在資料中心網路領域版面配置兩條主力產品線：Quantum InfiniBand 面向追求極致效能、低延遲和確定性的 AI 訓練超級叢集，是“效能優先”的選擇；Spectrum 乙太網路則面向雲端化多租戶、大規模通用計算場景，追求生態相容和靈活擴充套件。兩條路線各有側重，並不構成內部替代關係。

上游

核心器件與供應鏈

Quantum InfiniBand 涉及的上游核心器件包括：

交換晶片：NVIDIA 自研 Quantum 系列 ASIC，由台積電等晶圓代工廠商製造，公開資料未見具體工藝節點確認資訊。
共封裝光學引擎：Quantum‑X Photonics 的核心元件，涉及矽光子整合技術、雷射器、光學介面等，公開資料未見單一供應商的確認資訊。
智慧網絡卡晶片：ConnectX 系列 HCA，由 NVIDIA 自研設計。
物理互連：包含有源銅纜、無源銅纜和光纖佈線，依賴多家線纜元件供應商。
晶圓製造與先進封裝：高階交換晶片依賴先進製程晶圓代工，共封裝光學則需要 2.5D/3D 先進封裝能力。公開資料未見 NVIDIA 與具體封測廠商的合作細節。

CPO 的供應鏈聯動

共封裝光學技術的推進帶動了矽光整合器件、雷射器、光學耦合元件等細分領域的需求預期。A 股市場中有部分光通訊領域公司被市場分析報告列為潛在間接參與者，但公開資料未見其與 NVIDIA 的直接供貨關係確認，投資者需關注資訊可靠性。

下游

核心應用場景

AI 訓練超級叢集：Quantum InfiniBand 最主要的落地場景，支撐萬卡乃至數十萬卡規模的 GPU 橫向擴充套件，已完成多個實際部署（見“最新事件”部分）。
高效能運算中心：延續 InfiniBand 在傳統 HPC 領域的深厚積累，支撐大規模科學模擬、氣候模擬等計算任務。
雲端端 AI 服務：微軟 Azure 及 Oracle Cloud 已將 Quantum InfiniBand 作為高階 AI 訓練例項的網路底座，並向外部客戶提供算力服務。

在市場中扮演的角色

在單叢集 GPU 數量突破萬卡的階段，InfiniBand 已成為保障集合通訊效率和訓練穩定性的關鍵選項。當模型引數規模從千億向萬億演進，節點間通訊量呈超線性增長，非專用網路方案在效能和穩定性的矛盾上面臨更大挑戰。這一背景使得 Quantum InfiniBand 在當前高階 AI 訓練市場中佔據顯著地位。

受益公司

NVIDIA

目前 Quantum InfiniBand 方案的唯一完整供應商，提供涵蓋交換器、HCA 網絡卡、BlueField SuperNIC 和 DOCA 軟體架構的全棧產品。網路業務已構成 NVIDIA 資料中心營收的支柱板塊之一，其營收增速在多份季度財報中被列為核心增長驅動因素（來源：NVIDIA FY2024 及 FY2025 季度財報揭露，網路業務連續多個季度年增率增長超過 100%）。

雲端服務客戶

微軟 Azure：作為 Quantum‑X800 的早期公開客戶之一，將 InfiniBand 網路作為其 Azure AI 超級計算例項的核心賣點，面向大型語言模型訓練負載。
Oracle Cloud（OCI）：同樣公開採用 Quantum InfiniBand 建置 AI 訓練叢集，公開資料稱其為部分大規模訓練任務提供了高性價比的網路環境。

OEM 與系統整合

浪潮、HPE、戴爾等伺服器 OEM 廠商在其 GPU 伺服器產品中整合 InfiniBand 解決方案，向下遊的 AI 實驗室和企業客戶交付全棧 AI 訓練叢集。這些廠商的參與擴大了 InfiniBand 在市場中的覆蓋面。

市場規模

行業整體趨勢

InfiniBand 市場年複合增長率預估在 30% 以上（來源：行業諮詢機構對 HPC/AI 互連市場的估算，具體報告名稱公開資料未見）。增長主要受大型模型分散式訓練需求驅動。全球 AI 訓練叢集對高頻寬、低延遲專用網路的需求處於快速上升期，單叢集的 GPU 數量和網路裝置價值量同步攀升。

細分領域與份額

在高階 AI 訓練交換器領域，NVIDIA Quantum 產品線佔據領先地位，公開資料未給出精確市佔率數字，但行業普遍認為其在該細分市場具有明顯優勢。Dell’Oro Group 等機構釋出的資料中心網路市場報告可提供進一步參照，具體份額數字、統計口徑和基準年份，建議讀者查閱其付費報告獲取精確資訊。

產能與供需

當前高階 Quantum InfiniBand 交換器（尤其是基於 CPO 的型號）面臨較高的交付壓力。多家行業分析指出，400 Gb/s 和 800 Gb/s 產品的需求持續超過供應能力，部分客戶的部署週期因此延長。NVIDIA 正通過擴大與合作伙伴的產能來緩解此狀況，但短期內供需矛盾仍值得投資者關注。公開資料未見 NVIDIA 對產能規劃和交付預期給出明確量化展望。

玩家對比

NVIDIA Quantum InfiniBand vs. NVIDIA Spectrum 乙太網路 vs. 融合乙太網路 RDMA

維度	NVIDIA Quantum InfiniBand	NVIDIA Spectrum 乙太網路	融合乙太網路 RDMA（RoCE）
協議棧	全棧自研 IB 協議，硬體解除安裝極致	標準乙太網路 + NVIDIA 增強	乙太網路 RDMA 疊加，依賴 PFC/ECN 實現無損
當前最高階口速率	800 Gb/s 端到端（來源：GTC 2024）	800 Gb/s（Spectrum‑X800 平台，來源：GTC 2024）	已有多款支援 800 Gb/s 乙太網路速率的交換器晶片和裝置公開
網內計算	SHARP 硬體級聚合，全功能	有限功能，更多依賴端側處理	不支援
物理層創新	CPO 將損耗降至約 4 dB（來源：NVIDIA 2025）	傳統光模組為主，公開資料未見等效突破	同上
延遲特徵	亞微秒級，確定性高	低於典型 RoCE，經調優後接近 IB	通常高於 IB，且因流控觸發時波動較大
多租戶安全	硬體通道級隔離	基於軟體定義與 802.1Q	依賴上層機制，無原生硬體隔離

可替代性分析

Ultra Ethernet 聯盟在推動基於乙太網路的 AI 網路方案，意圖縮小與 InfiniBand 的差距，目前尚處於標準和產品化推進階段。Google 等超大規模雲端廠商自研網路方案（如 Jupiter 架構）在自有基礎設施中部分替代了商用互連，但這類方案不具備外部可複製性。綜合評估，當前面向第三方市場的商用 AI 超級訓練叢集互連中，Quantum InfiniBand 尚無完全對等的替代選項。

風險

技術與競爭風險

乙太網路線追趕：Ultra Ethernet 聯盟持續推進標準化工作，若成功在效能和穩定性上大幅縮小與 IB 的差距，可能對有成本敏感的中端市場形成衝擊。
雲端廠商自研替代：部分超大規模雲端廠商持續投入自研網路方案，在自身內部基礎設施中減少對商用方案的依賴。但這屬於特定客戶的決策，不代表整體市場趨勢。
技術迭代風險：CPO 技術仍處於早期規模化部署階段，長期可靠性和良率爬坡情況尚待觀察。若量產環節遇到障礙，可能拖累 Quantum‑X Photonics 的交付節奏。

供應鏈與地緣風險

先進製程受限：高階交換晶片依賴先進製程代工，若外部出口管制進一步收緊，可能影響 NVIDIA 的晶片供應能力和交付週期。
供需持續偏緊：AI 訓練叢集的網路裝置需求仍在快速膨脹，CPO 交換器的產能擴張需要時間，公開資料未見短期內可完全彌合供需缺口的跡象。

市場與商業模式風險

客戶集中度：雖然 NVIDIA 的客戶群在擴大，但少數幾家大型雲端服務商的採購決策對整體營收的貢獻度較高，其資本支出節奏的波動可能傳導至網路裝置需求端。
價格與競爭壓力：隨著 AI 網路加速從“高階專屬”走向“規模標配”，客戶對單位成本的敏感度可能上升，給定價和毛利率帶來潛在壓力。

誤讀糾偏

誤讀一：“Quantum InfiniBand 就是 RDMA 網路，跟 RoCE 區別不大。”

糾偏：InfiniBand 的本質是一個完整的網路體系，RDMA 僅僅是其傳輸層能力的一部分。它從物理層到傳輸層均採用私有協議和專用硬體，原生支援無損傳輸、自適應路由和網內計算。RoCE 則是在乙太網路上通過疊加 PFC 和 ECN 等機制模擬無損環境來實現 RDMA，在超大規模下的穩定性、效能一致性和運維複雜度方面與 InfiniBand 存在實質性差距。

誤讀二：“NVIDIA Quantum InfiniBand 是做量子計算相關的裝置。”

糾偏：NVIDIA 的量子計算產品線為 NVQLink 和 CUDA‑Q 平台，與 Quantum InfiniBand 完全獨立。InfiniBand 產品線中的“Quantum”品牌名稱源自其效能的代際跨越（類似物理學中的量子躍遷概念），實際技術仍基於經典的電/光通訊體系，不涉及量子位元運算。

誤讀三：“只要升級到 800 Gb/s 埠，AI 訓練效率就會線性提升。”

糾偏：網路頻寬僅是決定分散式訓練效率的變數之一。訓練加速的實際效果還受到集合通訊演算法設計、GPU 算力利用水平、儲存 IO 頻寬、軟體棧最佳化成熟度等多方面因素的共同影響。Quantum‑X800 所提供的 SHARP 網內計算和硬體解除安裝能力才是釋放高速埠價值的關鍵要素，僅提升物理層速率而忽視上層最佳化，可能使投入的實際回報不及預期。

誤讀四：“Quantum InfiniBand 只能用於 AI 訓練。”

糾偏：雖然 AI 訓練叢集是當前最受關注的應用場景，但 InfiniBand 同樣廣泛應用於傳統 HPC 模擬、金融量化計算、大規模資料分析等對高頻寬和低延遲有極端需求的領域。Quantum InfiniBand 的定位是通用型超級計算互連平台，AI 訓練是其中一個重要的應用子集。

追蹤指標

核心產品與技術指標

NVIDIA GTC 釋出週期：關注每年 GTC 大會上 Quantum 產品線的更新節奏，包括埠速率代際提升、SHARP 功能增強、CPO 量產進展。
ConnectX 與 BlueField 配套釋出：HCA 網絡卡和 DPU/SuperNIC 的更新通常與交換器平台同步，為判斷平台代際切換的時間視窗提供參考。
CPO 良率與產量：共封裝光學的量產良率是決定 Quantum‑X Photonics 交付能力的關鍵變數，目前公開資料無明確數字，可關注供應鏈端的相關訊號。

市場與客戶訊號

主要雲端廠商資本支出：微軟 Azure、Oracle Cloud 等的季度資本支出金額與結構，是預判 Quantum InfiniBand 出貨節奏的先行指標之一。
公開客戶名單擴大：新增大型企業或國家級 AI 訓練叢集的採用資訊，可以從 NVIDIA 官方或客戶方公告中獲得。
交付週期變化：渠道調研中關於 Quantum 交換器交付週期是否縮短的資訊，可間接反映供需矛盾的緩解情況。

競爭格局指標

Ultra Ethernet 聯盟標準化進度：關注該聯盟技術規範釋出時間表和產品化落地情況，以評估乙太網路線拉近差距的進度。
雲端廠商自研網路進展：Google 等自研方案的技術代際更新和對外公開的部署規模資料。
兩端（IB 與乙太網路）份額變化：Dell’Oro Group 等第三方機構對資料中心網路市場的週期性追蹤資料，是觀察份額變化的重要參考。

信源

NVIDIA 官方新聞釋出頁面及 GTC 主題演講資料（2024 年、2025 年），涵蓋 Quantum‑X800 和 Quantum‑X Photonics 的釋出資訊與技術規格。
NVIDIA 資料中心網路解決方案官方文件及白皮書，提供 InfiniBand 技術原理、安全特性與效能指標的定性描述。
微軟 Azure 官方部落格及 Oracle Cloud 投資者關係材料，包含 Quantum InfiniBand 的客戶採用資訊。
行業分析機構 Dell’Oro Group、LightCounting 等對資料中心網路和光互連市場的週期性報告（具體報告中有關市場份額、增長率等定量資料，建議讀者查閱付費報告獲取精確版本）。
NVIDIA 向美國證券交易委員會提交的年度報告及季度報告，提供收購 Mellanox 的財務細節和網路業務營收增長資料。
A 股相關公司公開公告及投資者互動平台資訊，用於核驗供應鏈潛在受益方的官方揭露內容。