超越瓶颈：人工智能集群组网报告 2025

第1章：全球领导者主要发现
调查于2025年3月至4月进行，103名受访者主要来自大型电信和云服务提供商，其中72%在年收入超10亿美元的公司工作。近90%的受访者计划扩大或维持基础设施投资，以实现更高容量、更低延迟和运营效率，但同时也面临从现有网络获取更多资源的压力。性能提升需依赖新基础架构与现有架构的智能协调。

第2章：更智能的AI扩展策略
实施AI数据中心基础设施面临三大挑战：预算限制（59%）、基础设施限制（55%）和技术人员短缺（51%）。扩展策略包括：

• 51%规划基于云的AI集成
• 49%优先考虑更高性能GPU
• 45%投资新软件架构和升级网络硬件
  Agentic AI等新兴技术推动架构和互连方法变革，平衡性能与敏捷性。

第3章：打破网络瓶颈
AI模型规模增长导致网络结构被推至极限，运营商转向更高带宽：

• 400G仍是主流，800G/1.6T采用率上升
• 49%评估以太网/ROCEv2，38%评估InfiniBand/NVLink
  超以太网（Ultra Ethernet）作为AI/HPC专用互连标准，以全栈设计、低延迟和开放性获58%运营商评估。优化策略包括：61%追求网速升级，43%使用实验室集群测试，27%评估交换机。

第4章：反映现实的仿真
真实世界流量仿真成为验证AI性能关键，其重要性体现在：

• 弥补实验室与生产差距
• 实现测试可重复性
• 提高部署前信心
  但运营商面临仿真挑战：56%缺乏标准化工具，56%难重现真实负载，50%缺少专业工程师。

第5章：创新与成本压力
资金限制推动运营商从资本密集型升级转向优化驱动战略，主要收益包括：

• 基础设施优化（62%）
• 工作负载可靠性（59%）
• 竞争优势（43%）
• 能效提升（41%）
  智能化基础设施测试成为新趋势，目标从“更快”转向“更远”，关注点从单纯扩展转向智慧扩展。

结论：AI基础设施演进需兼顾效率、可靠性与灵活性，Ultra Ethernet和真实场景仿真等技术将成为关键，性能提升依赖新投资与现有资源创新利用。