社区

人工智能竞赛最受注目的通常是GPU，但当数千甚至数十万枚加速器连接成一个运算集群，网络便不再只是传送数据的配角，而是决定整个系统效率的关键。若网络出现堵塞、延迟或丢包，昂贵的GPU只能等待数据，投资数十亿美元建立的算力中心亦难以充分发挥效能。这正是Arista Networks试图抓住的机会：以高速Ethernet建立AI后端网络，为Nvidia主导的InfiniBand提供第二条路线。

InfiniBand长期是高性能运算及大型AI训练集群的首选。它具备低延迟、无损传输、适应性路由及网络内运算能力，配合Nvidia的GPU、ConnectX网卡和Quantum交换器，可以形成高度整合的端到端系统。Nvidia最新Quantum-X800平台提供每端口800Gbps连接，并以SHARP技术在网络内处理部分集合通讯，优势不只是速度，更在于硬件、软件与运算工作负载可共同设计。

然而，这种一体化模式也意味企业更依赖单一供应商。大型云端服务商本来已使用Ethernet管理前端、储存及数据中心网络，若AI集群另建InfiniBand架构，便需要两套设备、技术团队和管理工具。随着集群规模扩大，供应链选择、设备成本及营运一致性的重要性逐渐上升，Ethernet遂由「性能较低但便宜」的方案，转变为大型客户主动推动的开放标准。

Ethernet能否把开放优势变成可预测性能

Arista的核心卖点并非重新发明Ethernet，而是把其改造成适合AI工作负载的网络。传统数据中心流量较分散，AI训练却会在短时间内出现少量但极庞大的同步数据流，容易产生流量碰撞、尾部延迟及局部堵塞。Arista透过Etherlink平台、EOS网络操作系统、RDMA负载平衡、ECN与PFC拥塞管理，以及CloudVision监察工具，希望让网络能够按AI任务观察流量、辨识瓶颈及调整路径。

其Cluster Load Balancing技术会根据RDMA伫列配置数据流，平衡叶节点与骨干交换器之间的使用率；AI Analyzer则以高频率监察封包丢失、缓冲区、网卡错误及任务完成时间。Etherlink现时涵盖400G及800G平台，可支援由小型集群至十万枚以上加速器的部署。Arista AI网络方案 公司亦已公布1.6T平台，把Ethernet由跨机架的「scale-out」网络，进一步推向机架内的「scale-up」连接。

Ethernet路线的另一推动力来自Ultra Ethernet Consortium。该联盟的1.0规格涵盖网卡、交换器、光学元件、线缆及传输协议，目标是在保留Ethernet互通性的同时，改善RDMA、频宽、延迟、拥塞控制及大规模部署能力。若标准成熟，客户便可混合使用不同供应商产品，避免被单一系统锁定，亦有利Broadcom、Arista、AMD及其他网络设备商形成更完整的生态。UEC 1.0规格介绍

不过，开放并不等于简单。InfiniBand的优势在于整套系统已有成熟的调校方式，Ethernet则需要交换器、网卡、光模组、布线及拥塞控制精密配合。配置稍有偏差，便可能出现尾部延迟上升，拖慢整个训练任务。大型云端企业具备足够工程人才，可自行优化网络并透过规模降低成本；一般企业若只希望快速部署Nvidia GPU集群，采用预先整合的InfiniBand方案可能仍较稳妥。因此，Ethernet的总成本优势必须把工程、测试及故障排查成本一并计算，不能只比较交换器价格。

Arista的业绩已反映市场对高速网络的强劲需求。公司2025年收入达90亿美元，2026年首季再按年增长35.1%至27.09亿美元。不过，这并不代表Ethernet已全面击败InfiniBand，因为Arista收入仍包括传统云端、数据中心、园区及路由业务，而AI订单亦高度依赖少数超大型客户的资本开支周期。

更值得注意的是，Nvidia自己也在发展Spectrum-X Ethernet。这反映真正的竞争未必是InfiniBand与Ethernet二选一，而是谁能控制AI网络的软硬件价值。未来最前沿、要求极致性能的训练集群仍可能偏向InfiniBand；追求多供应商、营运统一及成本弹性的云端平台，则会加快采用Ethernet。Arista的机会不是消灭InfiniBand，而是证明开放网络也能提供接近专用架构的可预测性能。一旦做到这点，AI基础设施便不再只有Nvidia一条道路。

义合控股投资者关系部

(芯片与算力系列之83) 

‌$CoreWeave, Inc.(CRWV)$  ‌‌$Tesla Motors(TSLA)$  ‌‌$Alphabet(GOOG)$  ‌‌$Meta Platforms, Inc.(META)$  ‌‌$Palantir Technologies Inc.(PLTR)$  ‌