機櫃間互聯

3 秒看懂

機櫃間互聯（Scale-out Interconnect）是 AI 超級叢集中連線不同機櫃內計算節點、將幾十到上萬個 GPU 聚合成統一算力池的高效能網路。它承擔著分散式訓練中 All‑Reduce、All‑to‑All 等集合通訊的全對全流量，直接決定了訓練任務的有效頻寬、尾延遲和線性加速比。沒有它，再多的 GPU 也只是算力孤島。

3 分鐘產業解釋

單機櫃通常容納 4～8 臺 GPU 伺服器，算力無法支撐千億甚至萬億引數大型模型。機櫃間互聯通過 Spine‑Leaf、Fat‑Tree 等拓撲將數十到數千個機櫃串聯成一個邏輯整體，讓所有 GPU 能以接近一臺巨型計算機的方式協同工作。

• 層次關係：機櫃內 GPU 間使用超高頻寬私有直連（NVLink、Infinity Fabric）；機櫃頂交換器匯聚櫃內多臺伺服器；機櫃間互聯則作為資料中心級 backbone，跨機櫃連線各櫃頂交換器。Scale‑out 網路的物理介質從銅纜升級為有源光纜和光模組，以支撐數十米到數百米的跨櫃距離。
• 核心訴求：極致單埠頻寬（端側已進入 400 Gbps，2025 年加速轉向 800 Gbps）、微秒級尾延遲、零丟包的無損傳輸、高效的集合通訊解除安裝與自適應擁塞控制。
• 主流實現：InfiniBand（IB）和基於融合乙太網路的 RDMA（RoCEv2）。近年成立的超乙太網路聯盟（UEC）正在設計一套乙太網路原生的 AI 網路協議棧，目標是打破 IB 的封閉生態。需特別注意，NVIDIA NVLink Switch 跨機櫃方案雖將直連記憶體語義延伸至多機櫃，但其本質是 Scale‑up 緊耦合統一大記憶體域，不在 Scale‑out 機櫃間互聯討論之列。

對訓練叢集而言，機櫃間互聯就是“神經網路”，它讓數千張加速卡同步呼吸、一致行動，能否線上性加速比下完成一次訓練，網路往往是第一約束。

技術原理

物理層與訊號速率

機櫃間互聯依賴 SerDes 高速序列鏈路。當前主流單 Lane 速率已演進至 112 Gbps PAM‑4，2024‑2025 年開始規模匯入 224 Gbps PAM‑4。以 8 個 Lane 並行構成一個埠，對應 400 Gbps（4×112 Gbps）或 800 Gbps（8×112 Gbps / 4×224 Gbps）。訊號從電到光轉換通過光模組實現，典型封裝為 QSFP‑DD 或 OSFP，傳輸距離從 30 m（多模）到 10 km（相干光）不等。誤位元速率（BER）在無 FEC 條件下通常劣於 10^‑9，需靠 Reed‑Solomon 等前向糾錯碼使有效 BER 優於 10^‑12，實現邏輯無損。

RDMA 與協議解除安裝

遠端直接記憶體訪問（RDMA）是機櫃間互聯的基石。一臺機器上的網絡卡可繞過對方 CPU 直接讀寫遠端記憶體，將通訊延遲壓至 1‑3 μs，並釋放主機 CPU。其核心機制是 Queue Pair（QP）、Completion Queue（CQ）和 Memory Region（MR）註冊。AI 集合通訊庫（如 NCCL、RCCL）在初始化階段預建全部 QP，鎖定物理記憶體並交換遠端金鑰，讓訓練迴圈中的梯度同步不再觸發系統呼叫。

InfiniBand 的自適應路由與信用流控

InfiniBand 從 L2 到傳輸層全為 RDMA 而生。鏈路層採用基於信用的流控，逐跳保證不丟包；網路層支援多路徑自適應路由，可對同一流的不同包進行 spraying，極大緩解傳統 ECMP 雜湊的極化問題。配合 SHARP（集線器聚合歸約）技術，在交換器內部完成 Reduce 操作，進一步降低跨機櫃的通訊資料量。

RoCEv2 的無損與 ECN

RoCEv2 將 RDMA 承載在 UDP/IP 上，複用標準乙太網路交換器。為達到無損，需開啟優先順序流控（PFC），同時藉助 ECN 標記和傳送端 DCQCN 或 TIMELY 等擁塞控制演算法抑制傳送速率。然而 PFC 易引發頭阻和死鎖，大規模調優複雜。UEC 正在拋棄 PFC，轉而設計基於報文噴灑（packet spraying）、選擇性重傳和靈活排序的新傳輸層，力求在乙太網路物理層上提供 IB 級別的健壯性。

網路拓撲與集合通訊對映

Fat‑Tree 是當前 AI 叢集最普遍拓撲，提供 1:1 收斂比，任意一對主機間具備全線速無阻塞頻寬，代價是層級多、光模組用量大。Dragonfly+ 或 Megafly 則在組內全連線、組間有限鏈路，藉助自適應路由降低遠端頻寬需求，適合萬卡以上規模。NCCL 的 Ring、Tree 或 CollNet 演算法需與物理拓撲對齊，讓 GPU 間通訊鏈路不重疊、不擁塞，才能將有效頻寬推近埠速率的 80% 以上。

關鍵引數

（本節所引速率、功耗區間均來自產業公開演進路徑，非特定廠商指標。）

• 埠速率：2024 年主流 AI 叢集以 400 Gbps 埠為主；頭部雲端廠商已開始批次部署 800 Gbps（單埠 8×112 Gbps 或雙埠 2×400 Gbps），2025 年有望匯入 1.6 Tbps。來源：Omdia 2024 年資料中心網路報告、各雲端廠商技術釋出。
• 交換器晶片頻寬：單顆晶片容量已推進至 51.2 Tbps（如 Broadcom Tomahawk 5），支援 64 個 800 Gbps 埠；2025‑2026 年將迭代至 102.4 Tbps。來源：Broadcom 2023‑2024 年產品釋出、各晶片官方資料。
• 端到端延遲：跨機櫃一跳（網絡卡→交換器→網絡卡）典型值在 1‑3 μs（IB） 與 2‑5 μs（RoCEv2）。交換器 pipelining 延遲約 200‑500 ns，光纜傳輸約 5 ns/m。來源：公開測試資料及網絡卡/交換器廠商效能白皮書。
• 訊息速率：小包（64/128 B）轉發能力約 800 Mpps 以上，部分晶片突破 1 Bpps。影響集合通訊中 Reduction 樹的分發效率。
• 有效頻寬（Goodput）：扣除協議棧負荷、重傳開銷後，應用可達的吞吐量。在理想拓撲對齊下可達到物理埠速率的 75‑90%；若出現擁塞或拓撲不對齊，可能驟降至 50% 以下。
• 尾延遲（P99/P99.9）：一次 All‑Reduce 的延遲取決於最慢鏈路。典型要求 P99 延遲不超過中位數 1.5 倍，否則同步柵欄等待將大幅拉低 GPU 利用率。
• 功耗預算：每個 800 Gbps OSFP/QSFP‑DD 光模組功耗約 13‑18 W，一臺 64 埠 800 G 交換器整機功耗可達 4‑6 kW，對機架供電和散熱提出嚴峻挑戰。來源：OIF 及各光模組廠商資料表。
• 誤位元速率與 FEC：224 Gbps PAM‑4 通道電訊號 BER 在無 FEC 下約為 1×10^‑6，需依靠 KP4 或更高編碼強度的 FEC，將淨解碼後 BER 提升至 10^‑15 量級。來源：IEEE 802.3df 任務組草案。

技術路線

維度	InfiniBand（IB）	RoCEv2 / 融合乙太網路	超乙太網路（UEC）	NVLink 跨機櫃（Scale‑up，作對比）
頻寬等級	NDR 400 Gbps / NDR200 800 Gbps，路線圖明確	隨乙太網路代際，400 G→800 G→1.6 T，多供應商	基於 800 G/1.6 T 乙太網路物理層，傳輸層變革中	極高，專線繫結多組 NVLink 鏈路，可達 TB/s 級
延遲	極低（協議棧全硬體解除安裝，1‑1.5 μs 跳）	低（2‑5 μs），但無損配置及 PFC 代價大	預計接近 IB，去除 PFC，通過噴灑+選擇性重傳實現	最低（nVIDIA 私有直連, <1 μs）
擁塞控制	信用基流控 + 自適應路由 + SHARP 聚合	PFC + ECN + DCQCN/HPCC，易觸發頭阻	多路徑噴灑、包級負載均衡、接收端重排序，無 PFC	端到端信用式，受控直連域
規模	已穩定支撐超 2 萬節點量產叢集	大型 RoCE 叢集可達萬卡，但調優複雜	目標 10 萬級節點，信令與傳輸分離設計	限於同構平台，當前單域 256‑576 GPU
生態開放性	封閉，依賴 NVIDIA/Mellanox 網絡卡和交換器	開放，多交換器、多網絡卡供應商	開放聯盟，多家雲端與晶片廠商參與	NVIDIA 私有，鎖定自家 GPU 與交換器
成本	每 400 G 埠總擁有成本較高，IB 交換器溢價	乙太網路交換器 ASP 低 30‑50%，網絡卡也較便宜	尚在早期，預期硬體與高階乙太網路持平	與特定平台捆綁，系統成本高
典型應用	前沿大型模型訓練叢集（GPT‑4、Gemini 等效）	推論叢集、中小訓練、多租戶雲端環境	未來一兩年預計成為 AI 訓練的主流開放方案	超大規模稠密模型訓練、緊耦合記憶體池

資料來源：各廠商白皮書、UEC 2024 年技術更新、Dell’Oro Group 2024 年資料中心網路報告等；成本對比為公開裝機經驗區間，不作精確引用。

上游

• 交換晶片：機櫃間互聯的核心矽基板，整合數百路 High‑Speed SerDes、包處理引擎、大容量快取和路由表。頭部產品如 Broadcom Tomahawk 5 / Jericho3‑AI、Marvell Teralynx、Cisco Silicon One 以及國內初創晶片，決定了交換器基數和轉發能力。交換晶片的代工主要依賴台積電、三星等先進製程。
• 光模組與電晶片：實現電‑光轉換，對應不同傳輸距離（SR、DR、FR、LR）。800 Gbps 模組大量採用矽光（SiPh）或 EML 方案，並整合 DSP 晶片。上游 EML/矽光晶圓由博通、Lumentum、相干等提供，電 DSP 由 Marvell、Broadcom、MaxLinear 等主導。
• 聯結器與線纜：高密 MPO‑16/MPO‑24 光纖聯結器、背板聯結器，以及櫃頂到交換器的高速率 DAC/AOC 線纜。隨著埠密度上升，聯結器損耗與清潔度直接影響 BER。
• IP核與設計工具：SerDes PHY IP、FEC 邏輯、RDMA 協議棧 RTL（硬核或軟核），授權商如 Synopsys、Cadence，影響晶片廠商推出新品的速度。
• 網路作業系統（NOS）：管理面軟體，如 Arista EOS、Cisco NX‑OS、SONiC（社群開源）以及各廠商私有 NOS，負責路由協議（BGP‑EVPN）、遙測、自動化配置和故障定位。

下游

• 雲端與網際網路廠商：自研或採購白盒/品牌交換器組網，執行 AI 訓練和推論叢集。代表性如 Google Jupiter、Amazon 自研網路、Meta 的 AI Research SuperCluster，它們是將互聯需求轉化為大批次採購的主力。
• AI晶片設計企業：在自家訓練/推論晶片中整合高速 SerDes 和 RDMA 能力（如 Google TPU ICI、AMD Infinity Fabric、Intel Gaudi），出口對接 Scale‑out 網路，決定與網絡卡、交換器的耦合深度。
• 大型模型企業與研究機構：對效能最敏感的一線使用者（如 OpenAI、Anthropic、國內基礎模型公司），提出集合通訊特定最佳化需求，驅動網路廠商改進擁塞控制和拓撲對映。
• 系統整合商與服務商：將網路裝置、光模組、光纖配線架整合到整櫃，並完成佈線、驗證和交付，以及後續 O&M 服務。

受益公司

（僅客觀梳理產業鏈環節及代表性公司，不構成任何買賣建議。）

• NVIDIA（含 Mellanox）：同時在 InfiniBand 和高速乙太網路卡/交換器兩端版面配置。2024 財年（截至 2024 年 1 月）網路業務營收 131 億美元，年增率 +249%，IB 佔據 AI 訓練網路絕對主流份額。2024 年推出 Spectrum‑X 乙太網路平台，進軍開放乙太網路市場。來源：NVIDIA FY2024 財報及 GTC 2024 公開資訊。
• Broadcom：交換晶片領域的寡頭，Tomahawk 系列和 Jericho‑AI 產品為白盒交換器廠商及 Cisco 提供核心晶片。據公司財報及行業估算，其在資料中心乙太網路交換晶片市場份額超過 70%（2023 年口徑）。同時博通也是領先的 DSP 和光學元件供應商。來源：Broadcom 2023‑2024 年財報、Omdia 分析。
• Marvell：通過收購 Innovium 獲得 Teralynx 交換晶片，並在電 DSP 和定製 ASIC 領域具備優勢，為雲端廠商自研交換器和光模組提供全面矽方案。2024 財年資料中心相關營收快速增長。來源：Marvell FY2024 財報。
• Cisco：自研 Silicon One 晶片的 Nexus 系列交換器參與 AI Fabric，提供豐富的遙測和運維功能。儘管在超大規模純 AI 叢集中面臨白盒競爭，其解決方案在企業 AI 和混合雲端中仍有較高份額。
• Arista：基於 Broadcom 等晶片的高階交換器，憑藉 EOS 和 CloudVision 在超大規模資料中心享有高份額，2023 年來自雲端及 AI 客戶的營收佔比超 40%。來源：Arista 2023 年年報。
• 光模組廠商：中際旭創、新易盛、光迅科技、Finisar（Coherent）等，是 800 Gbps 光模組的核心供應商。據 LightCounting 2024 年報告，中際旭創在全球光模組出貨量中排名領先，主要受益於 AI 驅動的高速模組需求。
• 國內綜合裝置商：華為、銳捷、新華三等，提供自研晶片或商用晶片的盒式/框式交換器，配套 AI 網路解決方案；同時華為自研交換晶片（如 Solar 系列）提升國產化比例。相關廠商在運營商和政企市場表現活躍，AI 叢集相關營收佔比正在上升。
• 銅纜與聯結器：泰科（TE）、安費諾（Amphenol）、莫仕（Molex）以及國內立訊精密等，在高速背板聯結器、高密光纖聯結器領域佔據供應鏈關鍵節點。

（以上公司列表均基於公開產業鏈資訊，不涉及目標價或估值判斷。）

市場規模

（本節資料來自第三方研究機構公開發布，已註明來源與年份。）

• 資料中心乙太網路交換器市場：根據 Dell’Oro Group 2024 年 7 月釋出的報告，2024 年全球資料中心乙太網路交換器市場預計達到 265 億美元，其中 100 Gbps 及以上埠營收佔比超過 65%；受 AI 叢集推動，高速埠（400/800 Gbps）出貨量在 2024 年預計翻倍，推動市場規模到 2028 年突破 500 億美元。來源：Dell’Oro Group “Ethernet Switch – Data Center 5‑Year Forecast Report, July 2024”。
• InfiniBand 網路裝置市場：據 NVIDIA 財報及行業估算，2023 年 IB 市場規模約 45‑50 億美元（主要來自 NVIDIA），受益於超大訓練叢集，預計 2024 年增長至 80 億美元以上。長期份額將受乙太網路替代影響，但絕對值仍在提升。來源：NVIDIA FY2024 資料、Crehan Research。
• 高速光模組市場：LightCounting 在 2024 年 4 月預測，2024 年全球光模組市場達 160 億美元，年增率增長約 50%；其中 400 G 和 800 G 模組的 AI 需求貢獻超過一半。預計 2029 年市場增至 300 億美元級別，高基數光模組中 1.6 T 將成為新增長極。來源：LightCounting “High‑Speed Optics Market Forecast, April 2024”。
• AI網路（Scale‑out）綜合支出：Omdia 在 2024 年 3 月估計，2024 年全球 AI 叢集在交換、網絡卡和光模組上的總支出約為 370 億美元，到 2028 年將提升至 620 億美元，年複合增長率約 14%。來源：Omdia “AI Infrastructure Networking Report, March 2024”。
• 國產替代空間：國內交換器市場約 40‑50 億美元，高速交換晶片國產化率不足 15%（2023 年），光模組國產份額較高但在核心 DSP 和 EML 晶片仍依賴進口。隨著國產交換晶片和光電晶片的成熟，2025‑2026 年份額有望提升。來源：公開資料未見精確統計口徑，表述為定性區間。

（公開資料如未明確註明具體數值，文中使用“約”“超過”的表述均基於上述機構報告中的區間提取，非精確統計。）

玩家對比

InfiniBand 陣營：NVIDIA 的全棧閉環

NVIDIA 藉助 Mellanox 在 IB 網絡卡、交換器和線纜市場形成 90% 以上的份額，並通過自家 GPU 與 IB 網路的緊耦合最佳化（如 SHARP、nvSwitch Link）鎖定了多數萬卡級以上訓練叢集。優勢在於效能穩定、部署可達“開箱即用”級別；劣勢是單源供應風險和高成本。來源：公司財報，行業估算。

乙太網路開放陣營：Broadcom + 白盒 + Arista/Cisco

Broadcom 提供 51.2 Tbps 交換晶片，白盒廠商（如 Accton、Wistron）及 Arista/Cisco/華為等品牌廠利用該晶片建置高密度交換器。網絡卡側，NVIDIA ConnectX、Intel IPU、國產晶片均可提供 RoCE 網絡卡。產業鏈分工清晰，使用者不會被單一供應商鎖定，總擁有成本顯著低於 IB。但大規模無損 RoCE 的運維複雜度高，PFC 故障定位困難，對網路工程師能力要求高。

超乙太網路聯盟（UEC）的顛覆性嘗試

由 AMD、Intel、Meta、Microsoft、Broadcom、Arista 等聯合推動，UEC 擬打造一個開放、高效能的 AI 網路標準。其關鍵技術：基於報文噴灑的自適應路由（無需 ECMP）、接收端重排序（去除 PFC）、傳輸與物理層解耦的靈活信令。UEC 1.0 規範預計 2025 年釋出，多家廠商表示將在 2025‑2026 年推出第一批商用晶片和裝置。如果成功，可能重塑整個 Scale‑out 互聯格局，使 IB 在訓練市場的佔有率從當前的 70‑80% 顯著下降。來源：UEC 官方釋出，2024‑2025 年各成員技術演示。

雲端廠商自研與定製化

Google 以光電路交換器（OCS）和自研 Orion 站架建置起獨有的機櫃間互聯；Amazon 自研 Nitro 及內部 Fabric；國內頭部雲端廠商也在嘗試自研交換器和定製化拓撲。這些自研方案多基於商用交換晶片+自研 NOS，或利用矽光技術進行簡化拓撲，以降低總體成本和功耗，但其技術路線公開細節有限。來源：各雲端廠商公開技術部落格。

對比小結

短期內，IB 在 2 萬卡以上訓練叢集中仍具穩固地位；但隨著 UEC 成熟和 800G/1.6T 乙太網路生態的完善，預計 2026 年後 RoCE/UEC 在新建 AI 叢集中的滲透率將顯著上升，形成 IB、UEC、傳統 RoCE 三足鼎立。成本、供應鏈多樣性和開放生態的力量是驅動轉型的關鍵因素。

風險

• 技術路線不確定性：若 UEC 標準落地延遲或實際效能不及預期，乙太網路方案在大型訓練叢集的份額增長可能慢於市場預期，導致 IB 價格劣勢未改善，影響下游客戶的部署節奏。
• 單一供應商依賴：IB 生態高度集中於 NVIDIA，若其產能受限或調整產品策略（如限制第三方平台），將給依賴 IB 的雲端廠商和 AI 企業帶來供應中斷風險。
• 功耗與散熱挑戰：800G 及更高速率光模組和交換晶片功耗激增，單機架功耗可能逼近 15‑20 kW，超出大多數資料中心既有供電與散熱能力，可能導致部署延遲或改造成本超預期。
• 資本支出波動：AI 叢集建設具有強週期性，如果大型模型需求不及預期或宏觀融資環境收緊，雲端廠商可能削減網路採購，引起產業鏈庫存調整和價格競爭。
• 光電晶片產能瓶頸：高速 EML 雷射器、矽光晶圓和高精度 DSP 代工集中在少數供應商，任何地緣政治、自然災害或產能分配失誤都可能造成供給短缺，推升交付週期和成本。
• 運維複雜性：RoCE 大規模部署的 PFC 死鎖、ECN 誤觸發等問題可能導致訓練任務間歇性掛起，企業需要儲備稀缺的網路運維專家，增加持續運營成本。

誤讀糾偏

• 誤讀 1：“機櫃間互聯就是 InfiniBand” IB 在大型訓練叢集中佔據主導，但 RoCEv2 已是廣泛部署的方案，且 UEC 的推出正加速乙太網路向訓練主力身份演進。機櫃間互聯的本質是“為集合通訊最佳化的高頻寬無損網路”，IB 只是實現之一。
• 誤讀 2：“只要埠頻寬足夠高就沒有瓶頸” 集合通訊尤其是 All‑Reduce 對延遲、網路直徑、拓撲對稱性極敏感。即便鏈路頻寬充裕，不當的雜湊路由、擁塞控制引數或收斂比設定都會導致尾延遲劇增，使得 GPU 利用率大幅下降。“有效頻寬/通訊效率”遠比標稱埠頻寬關鍵。
• 誤讀 3：“Scale‑out 和 Scale‑up 互斥” 機櫃內不斷增強 Scale‑up（如下一代的 NVLink 或 PCIe 6.0），減少跨櫃通訊量，減輕 Scale‑out 網路壓力；同時 Scale‑out 網路負責承載剩餘通訊。兩者合力擴大有效叢集規模，是互補關係而非替代。
• 誤讀 4：“光模組速率翻倍即可平滑升級” 速率升級需要交換器晶片、背板 SerDes、光模組 DSP 和 FEC 程式碼全線同步迭代。此外，224 Gbps 電訊號鏈路的訊號完整性、聯結器阻抗匹配等工程挑戰遠超紙面。實際部署中經常出現不同廠商元件的互操作性問題，需要整合測試和磨合。
• 誤讀 5：“AI 推論不需要高效能機櫃間互聯” 大型模型推論逐漸採用張量並行和流水線並行分佈在多 GPU/多節點上，跨節點 KV 快取同步和模型分片通訊對延遲和頻寬也有較高要求。未來大規模推論叢集將同樣需要最佳化的 RoCE 甚至類 IB 效能的互聯，只是要求尚不及訓練極端。

最新事件

（基於公開資訊截至 2025 年 3 月可溯源的行業動態。）

• UEC 1.0 草案達成里程碑：2024 年 12 月，UEC 宣佈完成傳輸層協議核心架構，並於 2025 年 2 月釋出 1.0 候選規範，涵蓋基於噴灑的端到端傳輸、擁塞通知和重排序機制。多家成員開始開發適配的網絡卡和交換器 ASIC，預計 2025 年底有原型系統展示。來源：UEC 官方部落格及成員通訊。
• NVIDIA 推出 Spectrum‑X800：2024 年 3 月 GTC 上，NVIDIA 釋出 Spectrum‑X800 乙太網路平台，採用 51.2 Tbps 交換晶片和 BlueField‑3 DPU，支援自適應路由和基於遙測的擁塞控制，旨在為 AI 提供 RoCE 之上的增強乙太網路方案，首批部署在 Microsoft Azure 等環境。來源：NVIDIA GTC 2024 主題演講。
• 博通推出 Jericho3‑AI：2023 年釋出，2024 年規模出貨的 Jericho3‑AI 架構專為 AI 設計，支援 26‑28.8 Tbps 的深層快取和 DDC 架構，滿足超大規模叢集長距離無損需求。2025 年 Q1 財報顯示該產品線營收年增長超過 80%。來源：Broadcom FY2024‑2025 業績說明。
• 800G 光模組進入規模交付：2024 年下半年，800 Gbps DR8/FR8 模組出貨量快速攀升，LightCounting 資料顯示 2024Q4 出貨超過 150 萬隻；多家光模組廠商表示 2025 年出貨量有望再翻倍。同時 1.6 T 光模組樣機開始向客戶送樣。來源：LightCounting 2024Q4 市場速報。
• Google釋出 Cloud TPU v5p 網路：2023‑2024 年間，Google 揭露 TPU v5p 的 ICI 互聯基於光交換器，提供 4.8 Tbps 的跨機櫃聚合頻寬，拓撲與傳統乙太網路/IB 存在差異，展示超大規模雲端商自研互聯的演進方向。來源：Google Cloud TPU 文件。
• 中國 AI 叢集啟動規模部署：國內主流雲端廠商和運營商在 2024 年開啟萬卡級國產 AI 叢集建設，部分採用國產交換器+RoCE 方案，推動國產交換晶片和光模組的驗證與上量。根據公開招標資訊，2024 年 AI 高速網路採購額年增率增幅顯著。

追蹤指標

（指標及資料來源均為公開機構定期報告或企業財報，可連續追蹤。）

• 800 Gbps 埠交換器季度出貨量：Dell’Oro Group 和 Crehan Research 每季度釋出，反映 Scale‑out 網路代際切換節奏。
• InfiniBand 交換器營收年增率增速：NVIDIA 財務季度中“網路”分部的營收和增速，可觀察 IB 的絕對規模變化。
• 高速光模組（400G/800G）季度出貨量：LightCounting 每季度追蹤，可交叉驗證下游需求景氣度。
• 乙太網路交換晶片廠商營收增速（Broadcom、Marvell 相關業務）：財報揭露的資料中心網路晶片業績，體現 RoCE 方案滲透。
• UEC 規範版本與合規產品列表：UEC 官網更新，里程碑事件判斷新技術的商業化程序。
• 頭部雲端商資本支出展望：Microsoft、Amazon、Google、Meta、國內 BAT 等季報中關於 IT 基礎設施和網路的投資規模，直接影響 Scale‑out 裝置訂單。
• 全線速交換晶片的功耗與每位元功耗（pJ/bit）：交換器/光模組廠商產品手冊，衡量能效進步與散熱挑戰。
• 超算 TOP500 中 IB vs 乙太網路互聯份額：統計每年 6 月和 11 月排行榜，反映高效能運算領域的技術傾向，雖不完全代表 AI 叢集，但可作為參考訊號。
• GPU 與 Scale‑out 網路配比（如每 1000 GPU 配置的交換器埠數）：通過分析師報告或雲端廠商公開演講估算，反映網路頻寬富餘度趨勢。

信源

• InfiniBand Trade Association (IBTA)：架構規範及行業白皮書。
• Ultra Ethernet Consortium (UEC)：技術白皮書、協議草案、成員釋出。
• NVIDIA 官網及 GTC 演講：Spectrum‑X、Quantum InfiniBand、NCCL 文件。
• Broadcom、Marvell、Cisco、Arista 等企業財報及產品釋出。
• Dell’Oro Group：“Ethernet Switch – Data Center” 季度與年度報告。
• Crehan Research：資料中心交換及介面卡市場長期追蹤。
• LightCounting：“High‑Speed Optics Market Forecast”及季度速報。
• Omdia：“AI Infrastructure Networking”系列分析。
• IEEE 802.3 乙太網路工作組（特別是 802.3df/802.3dj 任務組）關於高速 PHY 的討論。
• 各雲端廠商技術部落格：Google (Jupiter、OCS)、Meta (AI Research SuperCluster)、Microsoft (Azure 網路架構) 等。
• 中國資訊通訊研究院及國內相關行業研討會公開材料，用於國產替代定性判斷。
• 《NCCL: Optimized Inter‑GPU Communication》論文及 NCCL 原始碼，GitHub 公開。