在全球人工智能競爭日益白熱化的當(dāng)下，AI基礎(chǔ)設(shè)施的協(xié)同效率已成為產(chǎn)業(yè)界關(guān)注的焦點(diǎn)。Gartner預(yù)測(cè)，到2026年全球AI總支出將突破2.52萬億美元，其中基礎(chǔ)設(shè)施支出增長率高達(dá)49%。隨著AI大模型參數(shù)規(guī)模突破萬億級(jí)、算力集群向萬卡甚至十萬卡級(jí)別演進(jìn)，用戶對(duì)算力的迫切需求與集群利用率低下之間的矛盾愈發(fā)突出，如何提升數(shù)據(jù)在計(jì)算、存儲(chǔ)和網(wǎng)絡(luò)間的流轉(zhuǎn)效率，成為破解這一難題的關(guān)鍵。

中科曙光近日推出的全棧自研400G無損高速網(wǎng)絡(luò)scaleFabric，標(biāo)志著國產(chǎn)AI基礎(chǔ)設(shè)施邁入緊耦合、強(qiáng)協(xié)同的新階段。該方案從核心IP、芯片到交換機(jī)、驅(qū)動(dòng)軟件均實(shí)現(xiàn)自主可控，構(gòu)建起完整的硬件-軟件技術(shù)體系。與之配套的"超級(jí)隧道"技術(shù)更通過智能化調(diào)度，為數(shù)據(jù)傳輸開辟專屬通道，有效解決網(wǎng)絡(luò)擁堵問題。曙光信息產(chǎn)業(yè)（北京）有限公司分布式存儲(chǔ)產(chǎn)品部總經(jīng)理石靜指出："當(dāng)AI集群規(guī)模突破萬卡門檻，網(wǎng)絡(luò)性能已成為影響整體效率的核心變量。"

傳統(tǒng)架構(gòu)下，計(jì)算、存儲(chǔ)與網(wǎng)絡(luò)間的資源分配采用靜態(tài)模式，難以適應(yīng)AI業(yè)務(wù)爆發(fā)式增長的需求。以推理任務(wù)為例，其小IO隨機(jī)吞吐特性與預(yù)訓(xùn)練階段的海量順序讀取需求截然不同，靜態(tài)資源分配極易形成性能瓶頸。"超級(jí)隧道"技術(shù)通過硬件層獨(dú)享RDMA連接與PCIe通道設(shè)計(jì)，結(jié)合軟件層資源動(dòng)態(tài)綁定機(jī)制，使內(nèi)存分配可隨流量變化自動(dòng)調(diào)整。這種軟硬件協(xié)同優(yōu)化使數(shù)據(jù)傳輸效率提升30%以上，在某氣象模擬項(xiàng)目中實(shí)現(xiàn)應(yīng)用性能翻倍。

國家超算互聯(lián)網(wǎng)核心節(jié)點(diǎn)今年2月上線的3套scaleX萬卡集群，驗(yàn)證了這套方案的實(shí)戰(zhàn)價(jià)值。該集群從交換機(jī)上電到業(yè)務(wù)上線僅用36小時(shí)，近一年穩(wěn)定運(yùn)行中完成超10萬個(gè)作業(yè)，在蛋白質(zhì)研究等場景將效率提升3-6個(gè)數(shù)量級(jí)。國內(nèi)主流大模型廠商的測(cè)試顯示，其預(yù)訓(xùn)練數(shù)據(jù)準(zhǔn)備、訓(xùn)練Checkpoint及推理全鏈路均獲得高性能支撐，真正實(shí)現(xiàn)"一套存儲(chǔ)支撐全業(yè)務(wù)流"。

這套國產(chǎn)化方案的突破意義尤為顯著。此前國內(nèi)高性能網(wǎng)絡(luò)領(lǐng)域長期依賴國外封閉方案或兼容性不足的傳統(tǒng)以太網(wǎng)，scaleFabric與超級(jí)隧道技術(shù)的結(jié)合，首次構(gòu)建起完整的自主技術(shù)閉環(huán)。石靜強(qiáng)調(diào)："全棧自研戰(zhàn)略使我們?cè)谟布a(chǎn)化組件與軟件完整源代碼基礎(chǔ)上，實(shí)現(xiàn)了基礎(chǔ)架構(gòu)的完全自主可控。"這種技術(shù)自主性為應(yīng)對(duì)智能體涌現(xiàn)等新趨勢(shì)提供了堅(jiān)實(shí)保障，推動(dòng)中國AI產(chǎn)業(yè)向更深層次發(fā)展。