AI 数据中心更重互联，但容量与电力并未退居次位

AI 负载让网络设计成为可用算力的一部分，但多站数据中心是否成立取决于负载、距离、路由、电力与总成本。

• IOWN Global Forum 与 DE-CIX 主张，AI 将提高分布式站点与低延迟互联的重要性。这是推广光网络和交换服务的机构提出的行业方案，不是“容量已不再重要”的证据。
• AI 性能依赖不同网络：加速器互连、数据中心 fabric、跨中心传输，以及面向用户的路由。带宽、拥塞、路径多样性、电力与算力必须合并衡量。

原始事件是两套行业观点

IT Brief 3 月 25 日的报道点名了旧文遗漏的两方。NTT 与 IOWN Global Forum 的 Masahisa Kawashima 建议，把算力分布到较小站点，用高带宽、低延迟光网络连接，并与区域能源条件匹配。DE-CIX 首席执行官 Ivo Ivanov 则区分偏好集中算力的训练，与部分需要靠近用户的低延迟推理。

这些主张值得分析，不能自动升级为市场事实。IOWN 研发光子网络架构，DE-CIX 销售互联服务；其说法解释了分布式基础设施的技术与商业逻辑，却不能证明所有训练都在跨地域分布、所有推理都应放到边缘，也不能证明网络可无损地把远端容量变成一个集群。

“连接”至少包含三类控制面

加速器系统内部的 scale-up 互连连接处理器与内存；数据中心内部的 scale-out fabric 在机架间承载集合通信、存储读取、检查点和服务请求；跨数据中心互联在更长路径上传输复制或分布式任务；更外层的对等互联与转接把推理请求在用户、云与应用之间路由。某一层端口速率高，无法补偿另一层的拥塞、超额订阅或中断。

Meta 的生产实践说明站内问题的复杂性：大规模分布式训练需要专用 RoCE fabric、非阻塞设计、拓扑感知调度、负载均衡与路由。Google 2025 年 Jupiter 论文也把机器学习流量视作数据中心 fabric 必须承载的多种流量之一。这是两家超大规模运营商的实际实现，并非所有运营商应复制的单一拓扑。

Ultra Ethernet 1.0 规范的发布也是一项信号。它对拥塞控制、多路径、顺序和重传的处理表明，仅增加端口速率不够。但规范和生态里程碑不等于某个设施已经部署、互操作或取得应用性能。

容量是可用路径，不是标称端口速率

同步训练中，一条缓慢或拥塞路径会让加速器在集合操作时等待。应监测对分带宽、超额订阅、fabric 利用率、丢包、重传与尾部完成时间，而不只是端口的 400 或 800 Gb/s。推理可能产生大量短请求，但时延敏感度并不相同：交互控制有时受益于靠近用户，批量推理可能更重集中利用率和成本。

路由决定容量如何被使用。RFC 7938记录大型数据中心中的 BGP、Clos 拓扑与 ECMP，并讨论收敛及故障。ECMP 可以在等价路径间分流，但不会自动消除哈希碰撞、拥塞热点或恢复过慢。运营商仍需遥测、拥塞控制、容量工程与故障演练。

距离仍是负载约束

IOWN 发布了一项概念验证：在 40 公里全光链路两端分开存储与 GPU，运行 UNet3D 医学影像训练。这是一个确定负载在该链路上运行的具体证据，不是所有模型、集合模式、距离与故障条件的基准，也不会消除传播时延。

跨站设计还增加光路、路由设备、保护倒换、分布式存储、调度与运营协调。它可能改善对土地、能源或韧性的获取，也会增加故障域与数据主权约束。比较对象应是集中式替代方案的完整成本和性能，而非理想化的“统一 fabric”。

能源与网络位置相互耦合

网络方案部分回应电力稀缺。IEA 基准情景预计，2030 年全球数据中心用电约 945 TWh，略低于全球用电的 3%；报告还指出，加速服务器贡献很大一部分增长，而电力系统基础设施的规划建设通常比数据中心更久。这些是带敏感性情景的模型预测，不是确定需求。

把负载移到另一站点，只有在当地按时具备电力、并网、冷却、光纤与算力时才有帮助。可再生发电、训练任务、推理需求与网络容量各有时间曲线。分布可以缓解一个受限地点，也可能需要重复设备与额外传输能耗。

什么能证明真正转变

证据应把主张与部署相连：具名多站负载、任务完成时间与尾延迟、DCI 利用率、路由收敛、丢包、每个已完成任务的成本、能源来源和削减、并网等待、服务可用性及客户采用。交换运营商容量增长很相关，但没有工作负载数据就不能把流量增长归因于 AI。

可靠结论是：连接已经成为“可用算力容量”的组成部分，但它不替代兆瓦、加速器、存储或站内 fabric。训练、推理与复制需要不同部署；最终设计取决于实测负载与区域约束，而不是从“规模”到“连接”的普遍转向。