AI Fabric选Ethernet还是InfiniBand?
作者：微信文章为什么互连选择对AI集群至关重要？
引言：训练现代AI集群不仅关乎强大的GPU，连接这些GPU的网络往往决定了集群的性能好坏。如果网络速度太慢或不稳定，GPU将花费更多时间等待数据，而不是进行计算。这就是为什么选择合适的互连系统，即连接服务器、存储设备和加速器的架构至关重要。当前，业界主要的两种选择是：1）以太网：通用网络标准，广泛应用于从家庭到超大规模数据中心。2）InfiniBand（IB）：诞生于高性能计算（HPC）领域，优化极低延迟和无损通信。两者都能构建AI集群，但它们的行为和适用场景截然不同。以太网（RoCE）与IB对比以太网
创建于20世纪70年代，如今是几乎所有网络的默认选择；拥有商用硬件、广泛的生态系统和庞大的供应商基础；从1G扩展到800G，1.6T以太网标准也在规划中；通过扩展RoCE，支持RDMA协议。
IB
于20世纪90年代末为HPC集群设计；注重超低延迟、确定性性能；生态系统主要由英伟达（迈络思）推动；当前速度：200G→400G→800G（HDR、NDR、XDR）;硬件原生支持RDMA协议。
1979~2024年，主流网络技术的速率发展轨迹简而言之，以太网——无处不在、灵活、性价比高。IB——专用化、高性能、专为集群打造。IB与以太网（RoCE）两种网络技术对比如下表所示。
*表格中IB与RoCE的点到点延迟分别为2us和5us，此性能值来自第三方研报。核心要点：IB速度更快且更具可预测性，但以太网能满足更广泛的需求，并且拥有更广泛的供应商支持。两种网络在AI集群中的应用场景以太网
成本敏感项目：初创企业、预算有限的研究实验室；推理集群：需要吞吐量但不需要纳秒级延迟的工作负载；混合环境：轻松集成现有企业数据中心网络。
IB
大规模AI训练：数千甚至数万块GPU集群，依赖AllReduce、Alltoall等参数同步的工作负载；高性能计算应用：仿真、基因组测序、天气预报等。
以太网与IB技术均可为AI集群提供网络支撑，但二者的优势与适用场景有所不同。以太网：生态系统完善、成本更低且易于集成。非常适合中小企业、企业级AI业务以及推理场景。IB：具备超低延迟、确定性传输的特性，专门针对超大规模AI训练与HPC场景进行了优化。总 结技术选型的核心取决于集群规模、预算成本以及工作负载对网络的敏感程度。若要实现最佳性能，需保障端到端一致性——网卡、交换机、光模块及线缆的规格必须完全匹配。
英特尔Omni-Path继承者Cornelis，将推出800G多模态网卡博通Tomahawk交换芯片路线图博通推出业界800G AI 以太网网卡Thor Ultra，支持UEC规范【Hot Chips 2025】NVIDIA 展示 CX-8 超级网卡NVIDIA ConnectX 系列网卡，IB模式切换成EthernetSIGCOMM 2025：RDMA网络方向论文Hot Chips 2025会议资料(全)下载AMD Pensando Pollara 400G网卡进入部署阶段超级以太网调研报告（附下载）
页:
[1]