分布式计算演进与网络需求 - 摩尔定律推动晶体管密度每两年翻倍，价格减半，实现年性能提升40% [2] - 对称多处理(SMP)和非均匀内存访问(NUMA)技术通过共享内存扩展实现纵向扩展 [2] - Web 2.0时代分布式计算集群成为主流，网络成为关键瓶颈 [3] - GenAI时代GPU计算利用率仅25%-35%，因网络通信等待时间过长 [3] 分布式计算第五时代特征 - 交互时间从100毫秒降至10微秒，计算存储容量增长驱动网络升级 [7] - 2000-2020年计算效率提升1000倍，为AI时代奠定基础 [7] - 当前计算需求年增长率达10倍，网络需同步扩容 [10] - AI集群规模达10万-20万端点，未来将出现百万XPU集群 [11] AI工作负载网络新需求 - 需毫秒级同步、周期性线速突发通信，延迟敏感且带宽密集 [14] - 最坏情况延迟决定性能，要求近乎完美的基础设施可靠性 [15] - 单租户工作负载无统计复用优势，网络成系统性能核心 [15] - 网络需提供海量突发带宽、低延迟、超低抖动及极高可靠性 [15] 谷歌第五代网络技术方案 - Firefly时钟同步实现10纳秒级NIC同步，1毫秒内同步至UTC [16][20] - 网络从随机延迟转为确定性结构，支持纳秒级调度 [17][20] - Swift拥塞控制通过细粒度队列管理实现高利用率与零丢包 [21][24] - Falcon硬件传输延迟为Pony Express十分之一，操作速度提升10倍 [28] - Mount Evans IPU配备16核Arm Neoverse N1，支持100Gb/秒端口 [31] 故障检测与系统优化 - 落后者检测系统自动分类故障，耗时从数天缩短至分钟 [38] - 实时通信图遥测技术快速定位根本原因故障节点 [38] - 检查点机制保障AI/HPC工作负载中断后可恢复 [38] - 400Gb/秒和800Gb/秒网络版本即将推出 [34]