国产原生RDMA网络scaleFabric发布 填补大规模智算互联空白
（原标题：国产原生RDMA网络scaleFabric发布 填补大规模智算互联空白）
图片来源于网络，如有侵权，请联系删除
3月12日，中科曙光宣布实现国产高端原生RDMA（远程直接内存访问）技术重大突破，正式发布首款全栈自研400G无损高速网络scaleFabric。该产品基于原生RDMA架构，从底层的112G SerDes IP（芯片设计中用于实现高速串行数据传输的核心硬件模块）、硬件设备到上层的管理软件实现100%自主研发，填补了国内数据中心高速网络领域的空白，以比肩国际顶尖同类产品的性能表现，为超大规模智算集群铺就了一条高带宽、低时延、真无损、超可靠的“算力大动脉”。据发布会披露，该产品已实现量产现货供应，具备全场景即插即用的落地能力。
中科曙光scaleFabric发布会现场 郭博昊/摄
高端智算互联待破局
随着AI大模型训练与高通量推理计算需求持续扩大，万卡级乃至更大规模的算力集群正成为主流形态。研究表明，在大规模分布式训练中，网络通信耗时占比已达到30―50%，网络性能直接影响算力系统的整体效率。
在大规模智算集群领域，RDMA网络已成为算力中心的基本需求，凭借零丢包、高带宽、低延迟等特征，可极大提升通信效率。其中，InfiniBand（无限带宽技术，简称IB）凭借低时延与原生无损传输能力，在全球顶级超算与AI集群中被广泛采用。根据TOP500榜单，目前全球约60%的高性能计算系统采用InfiniBand网络架构。
长期以来，从高速SerDesIP、核心芯片到IB网卡、IB交换机等设备，InfiniBand相关产业链基本被海外厂商垄断。随着AI算力需求快速增长及数据中心网络持续演进，自主高性能RDMA网络正成为产业关注焦点。
中科曙光高级副总裁李斌在发布会上直言，“计算决定了计算系统性能的上限，但是如果是网络系统拉垮的话，有可能会把整个性能下限归零了”。中国工程院院士邬贺铨表示，高速网络作为算力基础设施的关键核心技术，其自主可控性直接关系到国家算力基础设施的安全与发展质量。
国产原生RDMA问世
scaleFabric是国内首款原生无损RDMA高速网络，面向超大规模智算集群设计，从核心关键IP、交换芯片、网卡到交换机、驱动与管理软件均实现自主研发，构建起从硬件到软件的完整技术体系。
此次发布的scaleFabric400系列网络产品技术规格全面对标英伟达NDR，部分指标实现赶超。性能方面，scaleFabric400网卡基于PCIe5.0接口，端口带宽达400Gbps，端到端通信时延低至0.9微秒；scaleFabric400交换机单端口带宽达800Gbps，整机交换容量可达双向64Tbps，交换时延约260纳秒，支持800G×40或400G×80端口扩展。这一性能组合，可充分满足万卡级AI训练集群对高带宽、低时延网络的极致需求。
稳定性与扩展能力上，产品采用基于信用的无损流控机制，从根源规避拥塞丢包风险，链路故障恢复时间小于1毫秒，已支撑近万卡集群持续稳定运行验证超10个月。与英伟达NDR相比，交换机端口密度提升25%，网卡最大QP数支持提升100%，单子网互连规模是传统IB的2.33倍，可轻松支持最大11.4万卡集群部署，同时网络总成本可降低30%。
同时，产品完成了与IB生态的全面兼容，中科曙光高速网络互联产品部总工程师万伟介绍，各类HPC（高性能计算）和AI大模型训练应用无需修改代码即可直接迁移，运维管理习惯也可无缝衔接，大幅降低了用户的迁移门槛。
在大规模AI训练系统中，网络互联能力已成为影响算力利用率的关键变量。scaleFabric的发布，标志着国产智算网络在高端RDMA领域实现重大突破。
万卡集群率先验证
在实际应用层面，scaleFabric目前已部署于国家超算互联网郑州核心节点，支撑三套万卡级scaleX智算集群上线运行，总规模达3万卡。万伟介绍，该网络系统仅用36小时便完成三套万卡级集群的网络部署上线，目前累计服务1万个客户、支撑超10项万作业稳定运行。李斌表示，随着产品在超大规模智算集群中的落地应用，国产原生RDMA技术路线正逐步走向成熟，围绕其形成的高性能网络产业生态也正在加速形成。
针对超大规模集群的运维挑战，中科曙光高端计算总工程师解西国介绍，scaleFabric配套了覆盖网络配置、上线筛查、监控管理、故障处理全流程的运维能力，六大核心能力实现了从被动响应到主动感知、从手动管理到智能运维的升级，为十万卡级集群的稳定运行提供了全链路保障。
目前，scaleFabric已完成多领域的落地验证与实测优化。中科院计算技术研究所研究员王展团队实测显示，scaleFabric的单QP（通信队列）通信性能、交换机转发延迟均达到很高水平，可支撑科学智能领域的高精度模拟需求；科大讯飞也正与中科曙光深化合作，推动scaleFabric在讯飞星火大模型训练与推理场景的适配落地，助力国产智算生态完善。
依托在高性能计算、存储与网络领域的长期技术积累，中科曙光已逐步形成“算―存―网”协同发展的完整算力底座能力，为大规模AI基础设施提供系统级支撑。随着政府工作报告提出持续推进“人工智能+”，算力基础设施正进入新一轮升级周期。国产原生RDMA网络的落地，意味着我国在智算互联这一关键环节开始形成自主技术路径，补齐了我国智算基础设施中的关键一环。
技术突破之外，国产高速网络的生态共建也同步启动。发布会同期，光合组织高性能计算专委会AIDC高速网络工作组正式成立，联合了科大讯飞、联想开天、中兴通讯等数十家产业链上下游企业，将共同推动国产高速网络的技术标准、生态适配与产业落地。李斌表示，曙光将秉持极致开放的态度，与产业链上下游伙伴在标准、接口、协议、商业模式等方面开展全方位合作，共同把国产高速网络的生态做实。
