AI叢集的擴充套件正面臨新的瓶頸——網路。當資料中心內GPU數量增至數千塊時，若網路架構無法提供可預測的頻寬和低尾部延遲，鉅額硬體投資可能付諸東流。思科、博通和輝達等廠商正競相推出51.2-102.4Tbps級乙太網路交換晶片，以應對這一挑戰。

Dell'Oro Group研究副總裁Sameh Boujelbene直言：“在AI資料中心，網路正成為叢集效率的主要決定因素。一家公司可能在GPU上花費數十億美元，但如果網路無法提供可預測的頻寬和低延遲，他們買到的不是AI超級計算機，而是一堆昂貴的閒置晶片。”這一觀點凸顯了網路在AI基礎設施中的核心地位。

AI基礎設施的擴充套件通常沿三個維度展開：Scale up（向上擴充套件）通過高頻寬節點內連線，在單個伺服器或機架內堆疊更多算力；Scale out（向外擴充套件）增加機架數量，整合資源以執行更大模型或併發任務；Scale across（跨區擴充套件）則通過光網路連線多個數據中心，實現跨區域的叢集協同。每個維度對網路提出不同要求，從機架內延遲到廣域緩衝和遙測能力，不一而足。

在晶片層面，思科推出了新的Silicon One G300和P200晶片，面向AI網路需求設計。博通的Tomahawk 6和輝達的Spectrum-6同樣瞄準這一市場。這些晶片普遍採用更深的資料包緩衝、更豐富的遙測功能以及先進的負載均衡策略，旨在保持GPU高利用率的同時，縮短作業完成時間。

對於AI叢集而言，網路效能直接影響訓練效率。突發性的集體通訊流量（如梯度同步）需要網路具備高吞吐和低延遲特性，否則GPU將因等待資料而閒置，造成算力浪費。因此，網路晶片的升級不僅是頻寬的提升，更是對整體叢集效率的最佳化。

從產業角度看，網路晶片的競爭格局正在重塑。思科憑藉其在企業網路領域的積累，試圖在AI資料中心市場佔據一席之地；博通則依託其交換晶片的廣泛部署，持續迭代Tomahawk系列；輝達則通過Spectrum系列，將其GPU生態與網路方案深度繫結，形成端到端的AI基礎設施解決方案。

隨著AI模型規模持續擴大，資料中心網路的重要性將愈發凸顯。無論是超大規模雲服務商還是企業級AI部署，網路都將是決定算力投資回報的關鍵環節。未來，網路晶片的技術路線和生態競爭，將深刻影響AI基礎設施的發展方向。