博通、Celestica携手推进1.6T网络技术，解决百万XPU挑战

在2025年OCP高峰会中，Celestica与博通高层以“以1.6T网络技术实现大规模驱动AI”（Driving Al at Scale with 1.6T Networking）探讨目前技术瓶颈，以及博通和Celestica的解决方案。

博通软件产品主管Hasan Siraj指出，在ChatGPT尚未推出时，许多超大规模云计算服务商表示“网络”成为瓶颈，尤其是AI负载的困境。随着AI模型越来越复杂，不只参数量变重要，模型也转往多模态（multimodal），因此对算力的渴求是不会衰退的。

Siraj也预期，未来三到五年内，将出现一个拥有100万个XPU的超级计算机与超级集群，这也使网络越来越重要，因为AI本身是分布式运算系统。他进一步解释，当建设云计算数据中心时，会切割大量CPU资源，分别运行不同的应用程序，由于AI模型运行无法只依靠几个GPU和CPU核心运行，而是需要数十万个运算单元彼此紧密连接，才能进行大规模训练，这也是网络之所以关键的原因。

而这个网络，必须具备精确的负载均衡、适当的拥堵控制、可靠的故障切换机制，且在任何情况下都不能牺牲性能与吞吐量，才能确保最佳的工作完成时间。

大规模部署AI集群面临什么挑战？

AI扩展主要分成Scale-Up、Scale-Out以及Scale-Across，谈到大规模部署AI集群所面临的挑战。Celestica市场技术副总裁Tareq Bustami指出，首先是解决物理问题的庞大规模，如SerDes的速度要走到200GHz，且信号必须相当稳定；再来是散热，目前已从气冷解决方案开始转往液冷散热，2026年将是成果显著的一代；最后是光通信，如今通过共封装光学（CPO）将光学组件更紧密地集成至芯片级封装（chiplet），虽然相当复杂性，但也见证到进展。

Bustami也强调，所有技术创新都必须在一年内完成，因此“速度”是关键。为了加快开发进程，必须提前通过软件模拟启动软件开发周期，同时制作机械样品进行翘曲分析也很重要。而要解决这些挑战，核心在于“开放标准”（open standards）。他以Linux为例，Linux从诞生到被广泛采用，花了将近十年；如今以Linux为基础的SONiC网络操作系统，也历经多年演进，才逐步在大规模架构中被部署。

对软件、生态系、标准等最新进展有何看法？

Siraj指出，目前业界已完成共识，以太网是构建Scale-Up网络的正确道路，UEC（超以太网络联盟）已有约126家企业、超过2,000名成员参与。虽然现阶段部分专有技术在Scale-Up架构中表现良好，但若要支撑AI产业持续扩张、推动更多数据中心建设，唯有依循“开放生态系”才能实现。

也因此，OCP昨日启动ESUN（Ethernet for Scale-Up Networking）联盟，参与其中的包括12家主要产业龙头，甚至涵盖部分最大型的云计算服务商（hyperscaler）及自研XPU的公司。

博通则于今年六月开始量产Tomahawk 6，这是业界首个100 Tbps交换机，明年初就会看到生产；同时也发布业界首款800G NIC芯片“Thor Ultra”。 Siraj表示，用户可将多达128个800G NIC直接连接至Tomahawk 6，并提供多种外形规格（form factor）以符合不同应用。此外，该NIC也能兼容于其他厂商的交换机，例如NVIDIA或Cisco，在跨品牌环境下依然可维持完整功能，不会发生降级或禁用情况。

Siraj也强调，目前最大规模的AI集群约拥有15万个XPU，要在双层（two-tier）网络拓扑中构建此等规模的网络，唯一能完成的解决方案就是采用Tomahawk 6，因为它能大幅简化网络设计与管理。