是德科技_2025年超越瓶颈_人工智能集群组网报告_20页_5mb

超越瓶颈：人工智能集群组网报告2025 总结

核心内容

本报告基于全球 Heavy Reading 的调查与是德科技的合作，分析了 2025 年人工智能（AI）集群网络的关键挑战、技术选择和投资趋势。报告强调了 AI 数据中心网络的快速发展，以及如何通过更智能的扩展策略和创新技术来应对这些挑战。

主要观点

1. 投资趋势

• 89% 的受访者计划扩大或维持 AI 基础设施投资，尽管 59% 的人认为预算限制是主要问题。
• 72% 的受访者来自年收入超过 10 亿美元的大型公司，主要角色包括网络规划、工程、研发、运营和 IT。
• 企业倾向于通过优化现有资源来提升性能，而非大规模新增资本支出。

2. 网络瓶颈与突破

• 55% 的受访者正在使用 400G，22% 正在试用 1.6T，AI 模型对更高带宽的需求正在上升。
• 800G 和 1.6T 的采用率在上升，以满足大规模训练和推理的性能需求。
• 62% 的受访者正在探索软件定义网络（SDN），58% 正在考虑超以太网（Ultra Ethernet），49% 正在评估以太网/ROCEv2，38% 正在评估 InfiniBand/NVLink。
• 超以太网因其开放、基于标准的高性能架构，正在成为 AI 数据中心的重要竞争者。

3. AI 扩展策略

• 51% 的受访者正在规划基于云的 AI 集成。
• 49% 优先考虑更高性能的 GPU。
• 45% 正在投资新的软件架构和升级网络硬件。
• AI 加速器的普及使网络不再是主干，而是瓶颈或突破口。

4. 流量仿真与测试

• 95% 的受访者认为真实世界仿真至关重要，但 56% 缺乏标准化的仿真工具和设备。
• 56% 的受访者努力重现真实世界的人工智能工作负载。
• 仿真有助于验证真实世界行为、实现测试可重复性、提高部署前的信心。
• 测试工具需求增长，以支持 AI 集群的性能和可靠性。

5. 成本与效率

• 62% 的受访者认为优化现有基础设施可以无需额外投资获得更高收益。
• 59% 的受访者希望提高工作负载完成的可靠性。
• 43% 的受访者将优化视为竞争优势。
• 41% 的受访者关注降低功耗，以应对能源成本上升。

关键信息

• AI 基础设施的扩展：企业正通过优化现有资源来提升 AI 网络性能，而非依赖新的资本支出。
• 网络技术演进：超以太网（Ultra Ethernet）因低延迟、零数据包丢失和全栈设计，成为 AI 数据中心的重要选择。
• 仿真的重要性：AI 集群网络需要真实世界流量仿真来验证性能，确保在部署前识别瓶颈和不兼容性。
• 战略转变：AI 运营商不再仅依赖新硬件投资，而是更倾向于通过创新和优化来提升现有基础设施的价值。
• 行业挑战：预算限制、技术人员短缺、基础设施限制和测试工具不足是当前 AI 集群网络部署的主要障碍。

结论

AI 数据中心的网络正在经历从瓶颈到优势的转变。通过更智能的扩展策略、超以太网等技术应用以及真实世界流量仿真，企业可以更高效地应对 AI 带来的复杂性和性能需求。是德科技提供了支持这些转型的测试解决方案，助力构建更加可扩展、可靠和可持续的 AI 网络。