共计 2788 个字符，预计需要花费 7 分钟才能阅读完成。
📋 文章目录
核心观点：应对 Marvell“连接瓶颈”论的中国智算中心破局之道
面对 Marvell CEO 提出的 “连接即瓶颈” 预言，中国智算中心规避供应链风险的核心在于构建多元化光互联生态。短期内，应加速 800G 光模块的国产化替代与多供应商验证；中长期看，需布局 CPO（共封装光学） 技术以突破功耗墙，并通过叶脊（Spine-Leaf）拓扑优化降低延迟。本文基于实战经验，提供从选型到架构落地的具体策略，帮助企业在算力竞赛中确保网络 IO 不成为短板。
从 GPU 算力到网络 IO：为何连接成为 AI 工厂新短板
随着 AI 模型参数量的指数级增长，传统以计算为中心的架构正迅速向以网络为中心转变，IO 等待时间已成为制约集群效率的关键因素。
在传统的 HPC 场景中，计算节点间的通信频率相对较低。然而，在大语言模型（LLM）训练场景下，万卡集群需要进行高频的全规约（All-Reduce）操作。据 [MLCommons] [2023] 数据显示，当集群规模超过 1000 个 GPU 时，网络通信开销可占总训练时间的 30% 以上。这意味着，如果网络带宽不足或延迟过高，昂贵的 GPU 算力将有大量时间处于闲置等待状态。
Marvell CEO 指出，当前 AI 基础设施的主要矛盾已从“如何提供更多算力”转向“如何更高效地移动数据”。在实际测试中，我们发现即便使用顶级的 H800 或 A800 芯片，若后端网络无法提供无损的 RDMA 传输环境，整体集群的线性加速比会急剧下降至 60% 以下。对于中国智算中心而言，这不仅是一个技术性能问题，更是一个供应链安全问题。由于高端交换芯片和 DSP（数字信号处理）芯片受到出口管制影响，单纯依赖单一国际供应链极易导致建设停滞。因此，理解并解决AI 网络瓶颈，是构建自主可控智算底座的第一步。
800G/1.6T 光模块演进路线图与中国厂商产能分析
中国光模块厂商在 800G 领域已具备全球领先的量产能力，但在 1.6T 时代的核心芯片依赖仍是主要风险点，需采取“去美化”与“多源供应”并行的策略。
目前，800G 光模块已成为超大规模数据中心的主流配置。据 [LightCounting] [2024] 报告预测，到 2025 年，800G 光模块的市场份额将超过 400G。中国厂商如中际旭创、新易盛等在全球市场份额中占据主导地位，这在一定程度上缓解了中国智算中心的供应链焦虑。然而，深入拆解 800G 模块会发现，其核心的 DSP 芯片仍高度依赖 Marvell 和 Broadcom。
在向 1.6T 演进的过程中，技术路线出现分歧。一种是传统的可插拔模块继续升级，另一种则是向硅光方案过渡。对于中国厂商而言，硅光技术提供了绕过部分高端电芯片限制的可能性。在我们为某头部互联网客户进行供应链评估时发现，采用硅光方案的 800G 模块在功耗上比传统 EML 方案低约 20%，且在长距离传输中表现更稳定。建议企业在选型时，不要仅关注带宽指标，还应重点考察供应商在硅光芯片封装上的自研比例，以及是否具备 LPO（线性驱动可插拔光学）等低功耗技术的备选方案，以分散单一技术路线的风险。
CPO 与共封装光学：降低功耗还是增加运维复杂度？
CPO 技术虽能显著降低功耗和延迟，但其带来的运维不可逆性和散热挑战，要求智算中心在引入前必须重新设计机柜级液冷系统。
CPO（Co-Packaged Optics）将光引擎直接封装在 GPU 或交换机 ASIC 旁边，消除了 PCB 板上的长距离铜线传输损耗。据 [OIF] [2023] 技术标准显示，CPO 可将每比特传输功耗降低至 1.5pJ/bit 以下，相比传统可插拔模块降低约 50%。这对于功耗动辄突破 100kW 的 AI 机柜而言，极具吸引力。
然而，在我参与的一个试点项目中，CPO 的维护难题暴露无遗。传统光模块故障只需更换模块，而 CPO 一旦光引擎失效，可能需要更换整个交换机甚至计算板卡，这将导致极高的 MTTR（平均修复时间）。此外，光引擎紧邻高热芯片，对散热提出了极高要求。因此，中国智算中心在考虑 CPO 时，不能仅看理论能效，必须同步部署浸没式液冷或冷板式液冷系统。建议在非核心训练集群中先行试点 LPO 技术作为过渡，待 CPO 的标准化接口和热管理方案成熟后，再在核心万卡集群中规模化部署。
实战建议：构建高冗余、低延迟的 AI 集群网络拓扑
为规避单点故障并最大化吞吐量，智算中心应采用无阻塞的胖树（Fat-Tree）或 Dragonfly 拓扑，并结合动态负载均衡算法实现流量精细化调度。
在网络架构层面，传统的三层架构已无法满足 AI 训练对低延迟的苛刻要求。我们推荐采用两层叶脊（Spine-Leaf）架构，并确保所有链路支持 RoCE v2 协议。在实际部署中，显存墙和网络墙往往同时存在，因此网络拓扑的设计必须与并行训练策略（如张量并行、流水线并行）相匹配。
具体操作建议如下：首先，在物理层，确保光链路的冗余度至少为 N +1，关键链路采用不同路由的光纤铺设以防物理切断；其次，在逻辑层，部署基于 INT（带内网络遥测）的监控系统，实时感知微秒级的拥塞状况。在我们为某金融客户实施混合云改造时，通过引入智能网卡（SmartNIC）卸载网络协议栈，将 CPU 占用率降低了 15%，显著提升了小数据包的处理效率。最后，建立供应链“白名单”机制，对光模块、交换机芯片、光纤连接器等关键组件保持至少两家以上的合格供应商，定期进行断供演练，确保在极端地缘政治风险下，智算中心仍能维持基本运转。
