第八届中国超级算力大会 ChinaSC 2026 上,中科曙光高速网络互联产品部总工程师万伟分享超大规模智算集群网络实践,明确提出高速互连才是破解算力集群规模瓶颈的关键,单纯堆叠 GPU 芯片并不能线性提升算力利用率,集群规模越大,节点之间的数据通信、拥塞、丢包问题对任务效率的拖累就越明显,想要稳定搭建万卡、十万卡级 AI 集群,必须在高速互连网络上做整套系统级创新。万伟解释,大模型、AI 智能体训练推理都需要海量计算单元持续交换参数,一旦网络跟不上计算速度,大量 GPU 就会处于等待状态,报告数据显示,在 MoE 大模型训练场景,仅仅 0.1% 丢包就能让 GPU 利用率下滑 13%;传统网络架构还存在故障恢复随集群变大越来越慢的问题,十万卡集群里一次链路故障,老式方案恢复可能要几分钟,直接打断训练任务。中科曙光对应的解决方案是自研 scaleFabric 全栈无损高速网络,搭配超节点分层组网思路,超节点内部做近距离低时延互连,超节点之间依靠多平面组网做大规模扩展,同时具备毫秒级链路自愈能力,故障恢复时间不会跟着集群规模扩大而拉长,这套方案已经在曙光 8000 十万卡 AI 超集群落地验证。scaleFabric 从 SerDes IP、交换网卡芯片、硬件设备到驱动管理软件全部自研,原生 RDMA 无损路线,网卡端到端时延最低 0.9 微秒,交换机单端口支持 800G 带宽,还配套 FabricView 网管平台快速定位异常链路和节点。
scaleFabric 核心参数表
| 项目 | 详情 |
|---|---|
| 技术路线 | 全栈自研原生无损 RDMA 高速互连网络 |
| 网卡带宽 | 400Gbps,端到端最低时延 0.9μs |
| 交换机单端口带宽 | 800Gbps,整机双向交换容量 64Tbps |
| 故障恢复 | 小于 1ms,恢复时间不随集群规模放大 |
| 最大支撑规模 | 理论支持 11.4 万卡集群 |
| 配套管理平台 | FabricView,链路、节点异常可视化排查 |
算力集群瓶颈痛点清单
✅ 算力堆叠无效:只堆 GPU,网络拖后腿,算力利用率大幅下降
✅ 丢包敏感性高:MoE 模型对网络稳定性要求极高,微小丢包严重降效
✅ 故障恢复慢:传统网络集群越大,路由重配、故障修复耗时越长
✅ 通信模式复杂:大模型训练存在大量跨节点参数同步,通信流量波动大
分层组网设计思路清单
✅ 超节点内部:近距离直连低时延互连,同节点内 GPU 高效协同
✅ 超节点之间:多平面高速组网,支撑跨节点大规模通信
✅ 全局调度:结合 AI 任务类型动态优化通信路径,减少等待开销
【相关 FAQ】
问题 1:中科曙光万伟提出高速互连是破解算力集群规模瓶颈的关键,这个观点是在哪场会议提出?
回答 1:中科曙光万伟提出高速互连是破解算力集群规模瓶颈的关键,该观点在第八届中国超级算力大会 ChinaSC 2026 上对外分享。
问题 2:中科曙光万伟提出高速互连是破解算力集群规模瓶颈的关键,为什么堆很多 GPU 还会遇到瓶颈?
回答 2:中科曙光万伟提出高速互连是破解算力集群规模瓶颈的关键,因为集群扩大后节点间数据交换变多,网络拥塞、丢包会让 GPU 长时间等待,算力没法线性释放。
问题 3:中科曙光万伟提出高速互连是破解算力集群规模瓶颈的关键,scaleFabric 是什么?
回答 3:中科曙光万伟提出高速互连是破解算力集群规模瓶颈的关键,scaleFabric 是中科曙光全栈自研无损高速互连网络,覆盖芯片、硬件、驱动、网管整套方案。
问题 4:中科曙光万伟提出高速互连是破解算力集群规模瓶颈的关键,scaleFabric 故障恢复能力有什么优势?
回答 4:中科曙光万伟提出高速互连是破解算力集群规模瓶颈的关键,scaleFabric 链路故障恢复小于 1 毫秒,恢复耗时不会随着算力集群规模变大而增加。
问题 5:中科曙光万伟提出高速互连是破解算力集群规模瓶颈的关键,这套高速互连方案落地在哪里验证?
回答 5:中科曙光万伟提出高速互连是破解算力集群规模瓶颈的关键,scaleFabric 方案已经在曙光 8000 十万卡 AI 超集群完成工程验证。
【参考资料】
[2026-11-16](超大规模集群时代,国产算力提前锁定 “入场券”)大数据在线
[2026-11-15](中科曙光万伟:高速互连是破解算力集群规模瓶颈的关键)IT 之家
[2026-11-15](中科曙光万伟:需要通过系统级创新,实现更大规模计算资源高效协作)财联社
[2026-11-15](解题超大规模互连!中科曙光亮相超级算力大会)新浪财经
[2026-11-15](ChinaSC 2026:万卡级智算集群网络技术发展与国产化报告发布)科创板日报
【免责声明】
本文中科曙光万伟关于高速互连、算力集群瓶颈、scaleFabric 参数、集群测试数据信息来自大会演讲实录、企业官方资料和科技媒体报道;网络性能、集群可支撑规模为实验室与测试环境数据,实际部署效果受芯片、散热、运维环境影响;资讯仅作为算力行业技术动态参考,不构成项目采购、技术选型建议。
本文来自作者[带涡分发员]投稿,不代表江南网立场,如若转载,请注明出处:https://www.jnwb.net/xinwen/202611/3454.html
评论列表(4条)
我是江南网的签约作者“带涡分发员”!
希望本篇文章《中科曙光万伟在超级算力大会表态,高速互连是破解算力集群规模瓶颈的核心》能对你有所帮助!
本站[江南网]内容主要涵盖:互联网行业的追踪与探索
本文概览:第八届中国超级算力大会 ChinaSC 2026 上,中科曙光高速网络互联产品部总工程师万伟分享超大规模智算集群网络实践,明确提出高速互连才