2025年超越瓶颈：人工智能集群组网报告-.pptxVIP

超越瓶颈：人工智能集群组网报告2025

释放人工智能数据中心潜力的趋势、投资和优化策略;这份报告，基于全球HeavyReading进行的调查与是德科技（KeysightTechnologies）合作，研究了影响2025年人工智能集群网络的关键挑战、技术选择和投资重点。

主要调查结果;

更智能的AI扩展策略;

第1章

全球领导者

的主要发现;

该调查于2025年3月13日至4月11日进行，收集了103名参与者的反馈，

其中大部分来自大型电信和云服务提供商。受访者主要是网络规划、工程和IT领域的资深专业人士。值得注意的是，72%的受访者在年收入超过10亿美元的公司工作。

近90%的受访者表示计划扩大或维持当前的基础设施投资，该行业显然正

在加速实现更高的容量、更低的延迟和更高的运营效率。

然而，在运营商为增长做准备的同时，他们也面临着

从现有网络基础设施中获取更多资源的压力。

了解更多：

与是德科技一起探索有关扩展、优化和验证

AI基础设施的见解。

索人工智能数据中心的解决方案;

更智能的

AI扩展策略;

预算限制—59%的组织正在努力获得扩展人工智能基础设

施所需的资金，特别是考虑到计算、冷却和电力的高成本。

基础设施限制—55%的受访者强调了现有基础设施的局限

性，这可能是由于缺乏处理大规模人工智能工作负载的灵活性和吞吐量，从而造成了性能和容量的瓶颈。

技术人员短缺—对具备人工智能专业知识的工程师、网络

架构师和数据中心专家的需求远远超过了当前的人才储备，51%的受访者认为这是一个关键的技能缺口。;

更智能的AI扩展策略

随着需求的增加，运营商正在采取灵活的策略来适应新兴的人工智能工作负

载和流量模式。AgenticAI、DeepSeek和Grok3因其对更快速处理和自适应网络的需求，正在重塑基础设施决策。

扩展人工智能数据中心的首要策略:;

第3章

打破网络

瓶颈;

第3章

打破网络瓶颈

随着人工智能模型的规模和复杂性的增长，底层网络结构正在被推到极限。

运营商不仅仅是在最大限度地提高当前的速度，??们还在评估下一代解决方案。

调查结果显示，运营商明显转向更高的带宽。虽然400G仍然是人工智能

和云数据中心的主流标准，但800G甚至1.6T的采用率仍在上升，以满足大规模训练和推理的需求。

AI/ML基础架构中部署的网络速度:;

超以太网：专为人工智能和高性能计算（HPC）打造

作为AI和HPC的专用互连标准，超以太网（UltraEthernet）正在获得越

来越多的关注。与传统以太网不同，UltraEthernet重新定义了协议栈，以提供AI所需的精度、速度和可扩展性。

?面向AI和HPC的全栈设计

UltraEthernet是一种垂直集成架构，从物理层到传输层都进行了优化，以实现并行、同步和确定性性能。

?低延迟，可靠的AI性能

UltraEthernet具有超低延迟和零数据包丢失，可通过先进的调度和流量整形确保大规模实时、可预测的数据传输。

?全行业的影响力和影响范围

已有58%的运营商在评估UltraEthernet。它以开放、基于标准的高性能架构，并且不存在厂商锁定，对InfiniBand和RoCEv2构成挑战?使其成为下一代AI数据中心的有力竞争者。;

为了优化人工智能网络性能，运营商正在将硬件升级与软件层面的微调相结

合。这种多管齐下的方法反映了有效扩展人工智能基础设施的复杂性，以及最大化当前基础设施与未来投资的重要性。

优化人工智能网络性能的策略:;

第4章

反映现实的

仿真;;

测试挑战阻碍优化

尽管人们对人工智能工作负载仿真的重要性日益达成共识，但运营商

在扩展人工智能工作负载仿真时仍面临重大障碍。这些结果凸显了迫切需要更智能、更一致的解决方案，以满足现代人工智能环境中不可预测的高吞吐量需求。

测试/优化人工智能基础设施的最大挑战:;

第5章

创新与

成本压力;

第5章

创新与成本压力

人工智能基础设施可能正在迅速扩张，但资金限制仍是一个主要问题。运营商显然正在转变

观念?不仅仅是建造更多，而是建造更智能。调查结果突出表明，与资本密集型升级相比，优化驱动战略更受青睐。优化人工智能数据中心基础设施的最大好处反映了这一趋势:;

优化AI基础设施的主要收益?基础设施优化（62%）、工作负载可靠

性（59%）、竞争优势（43%）、以及能效提升（41%