人工智能计算数据中心横向扩展（Scale-out）网络测试方法标准研究报告.docxVIP

YD/T6959-2026人工智能计算数据中心横向扩展（Scale-out）网络测试方法标准发展报告

EnglishTitle:DevelopmentReportonYD/T6959-2026StandardforTestMethodsofScale-outNetworksinArtificialIntelligenceComputingDataCenters

摘要

随着人工智能技术的飞速发展，特别是大模型训练和推理对算力需求的指数级增长，人工智能计算数据中心已成为国家新型基础设施的核心组成部分。其中，横向扩展（Scale-out）网络作为连接海量计算节点、存储节点及加速器（如GPU、NPU）的关键基础设施，其性能直接决定了整个智算集群的训练效率、稳定性和可扩展性。然而，长期以来，业界缺乏统一、权威的测试方法标准，导致不同厂商的设备性能难以横向对比，网络部署和优化缺乏科学依据。本标准（YD/T6959-2026）正是在此背景下应运而生。本报告旨在全面解析该标准的制定背景、核心技术内容、测试指标体系及其对行业发展的深远影响。报告首先阐述了智算中心网络面临的带宽、时延、拥塞控制及多路径负载均衡等核心挑战，随后详细介绍了标准中定义的包括吞吐量、时延、抖动、丢包率、多路径利用率及拥塞控制效率在内的关键测试方法。报告指出，该标准填补了国内在智算中心