一、问题：算力“越大越难用”，互联网络成为新关键 当前，智能计算从“单机算力”竞争转向“集群效率”比拼。
随着大模型参数规模快速增长，训练任务需要成千上万张加速卡协同工作。
工业和信息化部数据显示，我国已建成万卡智算集群42个，智能算力规模超过1590 EFLOPS。
集群规模越大，越考验节点间数据交换能力：不仅要“算得快”，更要“连得稳、传得快、丢不得”。
在分布式训练中，各计算节点需频繁同步梯度等关键数据，通信延迟会直接拖慢整体训练节奏。
业内研究显示，大规模训练中网络通信耗时占比可达30%至50%。
这意味着，昂贵的加速卡可能有相当比例时间用于等待数据传输，系统整体效率被“传送带”卡住。
二、原因：高端互联技术门槛高，长期受制于人风险上升 高速互联并非简单的“网速更快”，而是涵盖底层SerDes、交换与适配芯片、协议栈、无损机制、拥塞控制、管理软件等全链条能力。
数据中心高速网络主要存在两条技术路线：一是基于以太网演进的RoCE方案，兼容性强、部署相对便利，但在超大规模场景下对拥塞控制、无损传输和端到端时延稳定性提出更苛刻要求；二是面向高性能计算的原生互联体系，在低时延与扩展性方面优势明显，长期以来形成较高的技术壁垒。
值得关注的是，随着外部环境不确定性上升，关键软硬件产品面临供给收紧乃至断供的潜在风险。
GPU之后，高速互联网络可能成为新一轮影响我国智算基础设施安全与效率的“隐性瓶颈”。
一旦互联环节受限，集群规模越大，受影响越显著，甚至可能出现“单卡很强、整机不强”的结构性矛盾。
三、影响：效率与成本双重承压，制约产业创新节奏 对智算中心而言，网络能力直接决定算力利用率、训练周期和运维复杂度。
业内人士指出，集群规模扩展至十万卡级别后，要实现长时间稳定运行，任何局部拥塞、丢包或时延抖动都可能引发连锁反应，影响训练任务的收敛与稳定。
从成本角度看，随着计算节点从“以CPU为主”转向“以加速卡为主”，单台服务器网卡数量显著增加，高速网络用量较传统数据中心增长10至20倍，互联网络从“配套项”变为基础设施中增长最快、影响最直接的关键投入。
若不能有效提升网络效率，智算中心的投资回报、能耗控制和服务能力都将面临挑战，进而影响科研攻关和产业应用落地节奏。
四、对策：加快补齐短板，推动全栈自主与生态协同 在此背景下，国产高速互联加速破题。
3月12日，中科曙光发布首款全栈自研的400G原生无损RDMA高速网络scaleFabric，覆盖从112G SerDes IP、硬件设备到上层管理软件的全链条研发。
中国工程院院士邬贺铨评价称，该成果“补齐了国产高速网络的短板”。
业内专家认为，推进国产高速互联体系建设，需要从“单点替代”走向“体系化能力”：一是围绕无损传输、拥塞控制、时延稳定等关键指标持续优化，面向万卡、十万卡场景开展工程验证；二是与国产计算芯片、服务器、操作系统及调度软件协同适配，形成端到端可规模部署的解决方案；三是推动标准、测试与运维体系完善，提升跨厂商互联互通与可维护性；四是以应用牵引技术迭代，在智算中心、科研院所和重点行业场景中形成持续反馈与规模化落地。
五、前景：从“可用”走向“好用”，构筑面向未来的算力底座 面向未来，随着大模型训练与推理并行发展、数据要素加速流动、算力服务走向普惠，互联网络将与计算、存储共同构成智算体系的“三大底座”。
国产高速互联的突破有望在三方面释放效应：其一，提高算力利用率、缩短训练周期，推动创新速度加快；其二，降低关键环节外部依赖，增强产业链供应链韧性；其三，带动上游器件、系统软件和运维工具协同升级，形成更完整的国产智算生态。
当然也应看到，高端互联的成熟需要持续投入与规模化验证，尤其在超大规模集群的稳定性、兼容性与长期运维方面仍需经受工程检验。
以应用场景为牵引，以生态协同为路径，推动关键技术从实验室指标走向产业级能力，将成为下一阶段竞争的关键。
算力之争，从来不是单点技术的比拼，而是整条产业链的系统较量。
从计算芯片到高速互联网络，每一次短板的暴露，都是一次重新审视自身能力边界的机会。
补齐短板固然重要，但更深层的命题在于：如何在技术迭代的每一个关键节点上，提前布局、主动应对，而非被动跟随。
这不仅是企业的课题，也是整个产业生态共同面对的长期考验。