在AI算力需求持續(xù)攀升的背景下，我國智算基礎設施領域迎來關鍵突破。中科曙光近日宣布，成功研制出國內(nèi)首款全棧自研的400G無損高速網(wǎng)絡系統(tǒng)——scaleFabric，該系統(tǒng)基于原生RDMA架構打造，實現(xiàn)了從底層IP核到上層管理軟件的100%自主可控，為超大規(guī)模智算集群提供了高性能網(wǎng)絡解決方案。

當前，萬卡級智算集群已成為AI大模型訓練的主流形態(tài)。研究數(shù)據(jù)顯示，在分布式訓練場景中，網(wǎng)絡通信耗時占比高達30%-50%，網(wǎng)絡性能直接決定算力系統(tǒng)的整體效率。作為提升通信效率的核心技術，RDMA網(wǎng)絡憑借零丟包、高帶寬、低延遲等特性，被全球頂級超算中心廣泛采用。據(jù)TOP500榜單統(tǒng)計，全球約60%的高性能計算系統(tǒng)采用InfiniBand網(wǎng)絡架構，但該領域的關鍵技術長期被海外廠商壟斷。

中國工程院院士鄔賀銓在視頻致辭中強調(diào)："高速網(wǎng)絡是算力基礎設施的'神經(jīng)中樞'，其自主可控性直接關系到國家算力安全與發(fā)展質(zhì)量。面對大模型訓練對網(wǎng)絡提出的超低延遲、超高帶寬、無損傳輸?shù)葒揽烈?，發(fā)展自主RDMA技術已成為產(chǎn)業(yè)界的共識。"

scaleFabric系統(tǒng)的研發(fā)突破了多重技術壁壘。該系統(tǒng)構建了完整的自主技術體系，涵蓋112G SerDes IP核、交換芯片、網(wǎng)卡、交換機等核心硬件，以及驅(qū)動與管理軟件。在性能指標上，400系列網(wǎng)卡采用PCIe5.0接口，端口帶寬達400Gbps，端到端時延低至0.9微秒；交換機單端口帶寬800Gbps，整機交換容量雙向64Tbps，交換時延約260納秒，支持800G×40或400G×80端口擴展，可滿足萬卡級集群的通信需求。

在穩(wěn)定性與擴展性方面，該系統(tǒng)采用信用制無損流控機制，從根源上避免擁塞丟包，鏈路故障恢復時間小于1毫秒。經(jīng)近萬卡集群長達10個月的穩(wěn)定運行驗證，其交換機端口密度較英偉達NDR提升25%，網(wǎng)卡最大QP數(shù)支持提升100%，單子網(wǎng)互連規(guī)模達傳統(tǒng)IB的2.33倍，可支撐最大11.4萬卡集群部署，同時網(wǎng)絡總成本降低30%。

實際應用層面，scaleFabric已部署于國家超算互聯(lián)網(wǎng)鄭州核心節(jié)點，支撐三套總規(guī)模達3萬卡的scaleX智算集群穩(wěn)定運行。中科曙光高級副總裁李斌透露，該系統(tǒng)成功支持跨POD組網(wǎng)及大規(guī)模并行訓練任務，驗證了國產(chǎn)原生RDMA技術在高端智算場景的可行性。隨著產(chǎn)品在超大規(guī)模集群中的落地，圍繞scaleFabric的高性能網(wǎng)絡產(chǎn)業(yè)生態(tài)正在加速形成。

此次突破標志著我國在智算互聯(lián)領域形成自主技術路徑。依托在計算、存儲、網(wǎng)絡領域的長期積累，中科曙光已構建起"算-存-網(wǎng)"協(xié)同發(fā)展的完整算力底座，為AI基礎設施提供系統(tǒng)級支撐。在"人工智能+"戰(zhàn)略推動下，算力基礎設施正進入升級周期，國產(chǎn)原生RDMA網(wǎng)絡的落地補齊了我國智算產(chǎn)業(yè)鏈的關鍵環(huán)節(jié)。