萬卡集羣的隱形瓶頸：AI開始執行任務時，為何網絡比算力更稀缺

2026-10-27 8

版权

版权声明：

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介： 阿里云与清华联合研发的HPN智算网络，获CCF科技进步一等奖，突破万卡集群带宽、调度与故障定位瓶颈，有效带宽提升30%，带宽利用率超97%，根因定位缩至秒级。它支撑百炼平台65+专业AI应用实现“一句话交办”，推动AI从“能对话”迈向“能干活”。

2026年10月，阿里云和清华大学联合完成的“大规模智算中心高性能网络关键技术及应用”项目，获得了中国计算机学会（CCF）科技进步一等奖。鉴定委员会的措辞很重：“在基于以太网的智算中心网络取得了创造性成果”，“达到国际领先水平”。

对于不直接参与大模型训练的人来说，“智算网络”听起来像一个基础设施的细节。但这个“细节”，恰恰是当前AI从“能演示”走向“能干活”的过程中，最容易被低估的那道坎。

大模型的发展，早就不是“单卡算力”的竞赛了。训练一个千亿参数级别的模型，需要成千上万张GPU同时工作。这些GPU之间需要频繁地交换数据——梯度、参数、中间结果。如果网络跟不上，GPU就会闲置，算力就在空转。你买了最贵的卡，搭了最大的集群，然后发现瓶颈不在卡上，在连接卡的网上。
一、智算网络的三个“老问题”，为什么在Agent时代变得更尖锐

阿里云HPN要解决的，是智算中心网络的三个经典难题：带宽供给、流量调度、异常定位。

带宽供给：传统数据中心网络是“三层堆叠、单通道级联”。数据从一张GPU传到另一张GPU，可能要跨好几层交换机，每一层都在争抢带宽。到了万卡集群的规模，这种“跨层转发”造成的带宽损耗，会直接把有效算力打一个折扣。HPN的做法是“双层扁平、多轨并联”，把三层压缩成两层，用多轨道并行的方式减少跨层转发。第三方测试显示，万卡集群有效带宽较传统架构提升近30%。

流量调度：大模型训练的数据流不是均匀分布的。某些链路上的流量突然暴增，另一些链路却在闲置。传统网络靠“固定映射”选路，无法感知实时的拥堵状态。HPN让服务器和网络设备实时交换任务需求和链路状态，动态调整路径。测试中带宽利用率达到97%，较微软的WABS技术提升约37%。

异常定位：万卡集群里，一张卡出问题，可能拖慢整个训练任务。传统方式靠离线工具排查，耗时漫长。HPN把GPU之间的通信信息和任务运行状态关联分析，把根因定位缩短到秒级，故障导致的GPU闲置时间平均降低97%。

这三个问题的共同点在于：它们都不是“模型”的问题，但每一个都在直接决定模型能不能训出来、训得多快、训得多贵。 当Agent开始在企业里承担长任务、多步骤、高并发的“干活”需求时，底层网络的稳定性和效率，从“锦上添花”变成了“有没有饭吃”。
二、比网络更“前台”的变化：AI正在从“对话”变成“交办”

基础设施的进步，最终要体现在应用层能不能长出东西。

同一周，阿里云百炼平台的上新数据提供了一个观察窗口：一周内新增65款应用和11款MCP服务，覆盖科研、工程仿真、医学、法务、营销等垂直场景，支持论文写作、代码审查、PPT生成、视频重绘、企业尽调等专业任务，定位是让用户“一句话交办AI”。

这份列表里，有几个应用值得注意它们“在做什么”：

“视频复刻”应用，把一条现成视频逐段用AI重绘，换人、换物、换风格，原片的声音和镜头节奏原样保留。“投稿前论文自查”应用，检查结构完整性、论点是否过度宣称、结果是否支撑结论，输出质量清单。“代码变更审查”应用，以资深工程师视角检测设计缺陷、安全风险并给出改进建议。

这些任务有一个共同特征：它们不是“问答”，是“干活”。 问答需要的是理解和生成。干活需要的是理解任务、拆解步骤、调用工具、校验结果、处理异常。一个“论文自查”应用，要读得懂学术文本，要判断得了论证逻辑，要输出得了可执行的修改建议。它背后依赖的，不是一个更大的语言模型，是一整套能够稳定执行多步骤任务的工程体系。

同步上线的DeepSeek-V4.1-Flash模型，官方描述是“强化图文理解与Agent能力”。“Agent能力”这个词出现在模型更新的说明里，本身就说明了一件事：模型能力的竞争，正在从“谁更会说话”转向“谁更能办事”。
三、“一句话交办”的背后，是三层能力的叠加

把HPN和百炼放在一起看，阿里云在AI基础设施上的布局逻辑就清晰了：底层是算力网络，中层是模型能力，上层是应用生态。

HPN解决的是“算力能不能高效协同”的问题。没有稳定的万卡互联，大模型的训练和推理成本就下不来，Agent的响应速度和并发能力就上不去。

百炼的应用生态解决的是“能力能不能被调用”的问题。65款应用覆盖的垂直场景，每一个都对应着一种“重复性专业任务”。这些任务过去需要人花时间做，现在可以“一句话交办”。但“交办”的前提，是底层有一套可靠的执行环境，保证任务不会中途卡住、结果不会出错、出了问题能定位。

Agent能力的强化，解决的是“任务能不能被拆解和执行”的问题。一个只会聊天的模型，和一个能拆解任务、调用工具、校验结果的Agent，对底层基础设施的要求完全不同。后者需要的是低延迟、高吞吐、可追溯的网络和计算环境。

三层叠在一起，指向的是同一个目标：让AI从“可以演示”变成“可以交付”。 演示只需要一次成功。交付需要每一次都成功。
四、一个正在发生的转折：从“买卡”到“买协同”

过去两年，企业讨论AI基础设施，核心问题是“有多少张卡”。卡是稀缺资源，有卡就有算力。

但当集群规模从百卡、千卡走向万卡的时候，问题变了。卡与卡之间的协同效率，开始比卡本身的数量更能决定产出。 一张利用率只有50%的卡，和一张利用率97%的卡，在实际产出上的差距，比“多买一倍卡”更大。

HPN获奖的意义，不在于它拿了奖。在于它标志着智算基础设施的竞争，正在从“堆硬件”进入“拼系统”的阶段。谁能把网络、计算、存储、调度整合成一个高效的整体，谁就能让同样的卡跑出更多的活。这对于那些正在把Agent推向生产环境的企业来说，是一个比“模型又涨了几个点”更实际的信号。

大模型的能力上限，最终会被物理定律限制。但在那个上限到来之前，系统效率的提升，还有很长的路可以走。 而这条路，恰恰是让AI从“偶尔惊艳”变成“天天能用”的关键。
写在最后

回到标题那个问题：为什么网络成了比算力更稀缺的东西？

因为算力是“买得到”的，网络协同是“调得出来”的。你可以花钱买一万张卡，但你买不到一个让这一万张卡高效工作的网络。那需要架构设计、需要协议优化、需要故障定位能力、需要长时间的工程积累。

AI要干活，光有聪明的“大脑”不够。还需要一条不堵车、不出错、不拖后腿的“神经”。阿里云HPN在做的事，就是修那条神经。而百炼上那65款“一句话交办”的应用，是在告诉所有人：神经修好了，手才能动起来。