在此基础上，自研将数以万计的高速芯片高效串联、

在纵向扩展层面，网络为算中科曙光高速网络互联产品部总工程师万伟的力集解释是，

在商业策略上，下战

据界面新闻此前报道，自研中科曙光的高速640卡方案目前尚未量产。第一层是网络为算纵向扩展（Scale-up），这条路线的力集核心供应被一家美国公司垄断。中国公司面临的下战问题是，通过高速互联形成超级计算节点；第二层是自研横向扩展（Scale-out），从单一集群内的高速验证到成为市场上被广泛选择的方案，或许不在于正面超越英伟达，网络为算

但曙光并不打算将自己锁定在单一协议上。力集让机器之间直接读写内存，下战与产业生态的成熟之间，协同的网络能力，试图补上国产算力产业链长期缺失的一环。无需CPU参与即可在系统间进行直接内存传输。算卡集群从万卡到十万卡做突破，

ScaleFabric的意义，凭借其硅芯片设计专业、围绕高速网络的技术竞赛正在浮出水面。这也带来了高速互联快速膨胀的市场。

从硬件性能追赶到生态体系成熟，Scale-up被视为通过堆叠更多卡数来规避单一芯片性能不足的替代方案。英伟达发布第六代NVLink以及NVLink Switch，中科曙光近日发布高速网络方案ScaleFabric，

ScaleFabric目前已在位于郑州的国家超算互联网核心节点三万卡智算集群中进行了部署验证，影响超节点内部的串联效率和协同的主要因素是Scale-up协议，作为国内首款原生无损RDMA高速网络方案，驱动与管理软件的完整自研体系。英伟达围绕InfiniBand构建了多年的产业生态，李斌透露，其认为InfiniBand的技术路线在AI和HPC（高性能计算）中有不可替代的优势；作为真正的无损网络，来保证规模扩大后本身效率的可扩展。在单台服务器或单机柜内集成大量GPU及AI芯片，这条突围之路，相比原来的数据中心高速网络的用量，互联芯片延迟和带宽；华为昇腾384是现在量产的超节点产品中卡数最多的方案，而是来自于互联系统，仍隔着一段不短的路程。

该系统在定位上对标英伟达Infiniband，两者支持最新的Rubin架构，正在成为决定算力集群性能的又一关键变量。形成了一套生态内的闭环。中科曙光期待在InfiniBand的技术路线能实现技术上的国产化替代，发力走“集群规模化”路线，

北京科技大学高性能计算领域专家储根深对界面新闻表示，其无损特性对RDMA性能的发挥至关重要。华为昇腾通过在超节点互联技术上强力投资，在横向扩展中，自研高速互连和网络技术及CUDA，为与其他厂商的计算芯片实现高效直连铺路。

在这一背景下，基本上提高了10到20倍，试图凭借这一方向“做到世界上算力最强”，李斌对界面新闻表示，InfiniBand原生支持RDMA，国产计算硬件发展总体落后英伟达一到两代，最核心的技术不是来自于计算节点，ScaleFabric试图在英伟达的技术理念与国产自主可控之间找到平衡点。它们共同指向了同一瓶颈：节点内芯片越多，英伟达在2019年以69亿美元收购Mellanox后，可能在原生RDMA的基础上做不同网络路线的兼容。网卡到交换机、并非单靠硬件性能对标就能复制。中科曙光此次发布的ScaleFabric核心是InfiniBand网络的设计思路，Google、

据界面新闻了解，目前商用最大支持72张XPU卡。瞄准类似目标，

另一条路线是RoCE（融合以太网上的RDMA），生态更开放，ScaleFabric涵盖了从交换芯片、基于在高性能计算的经验，但需要复杂配置才能接近无损效果。中科曙光选择不走被更多国内厂商采用的RoCE路线，通过高速网络将这些节点串联成集群。通过标准SIP网络接口支持不同计算芯片的互联与适配。”中科曙光高级副总裁李斌对界面新闻等媒体表示，

“网络可靠性是未来的重点。可能比单纯的芯片研发周期更为漫长。

一个大规模算力集群的构建分为两层。

推出了配备384张昇腾AI加速卡的华为昇腾384超节点真机。包括实现业务上真正的市场占比替代。沐曦推出了连接64张曦云C550通用GPU的超节点产品耀龙S8000 G2。系统结构保持透明，

这恰恰是横向扩展——也是ScaleFabric所瞄准的市场。一场围绕超节点卡数的竞赛正在展开。未来的技术路线将探索不同协议的融合，

一名从业人士告诉界面新闻，中科曙光在2025年12月也推出了单机柜640卡的scaleX640超节点。将RDMA功能嫁接到标准以太网上，但更大规模的产业化落地仍需时间。李斌表示，

但无论超节点规模最终稳定在何处，成本更低、团队正在探索让计算芯片通过专有协议直通网卡，Meta等部分海外科技公司及国内互联网大厂均有所采用。而在于提供一条国产自主可控的替代路径。

在InfiniBand目前仍是AI高性能网络标杆的背景下，让大量节点高效协同的核心技术是RDMA（远程直接内存访问）。在中国半导体制造工艺相对落后的背景下，

在算力集群的规模竞赛迈向十万卡的过程中，

2026年1月，

这一判断指向了AI算力基础设施正在改变的事实：当GPU芯片的竞争已经白热化，国产替代之路仍然漫长。

实现RDMA有两条主流路线。其端到端通信时延的能力上限已做到0.9微秒。而是自研一套基于InfiniBand技术理念的方案。同时推动芯片间互联协议的共享，

但技术指标上的接近，而这带来的低延迟对AI大模型的训练和推理至关重要。就牢牢把控了这一高性能网络技术市场，万伟透露，节点之间的网络压力就越大。可以看作是基于InfiniBand技术的一种优化。这一技术绕过CPU和操作系统，“从网络端口就可以看到市场的增量”。

国内厂商则推行得相对激进。“更难的是上面的生态”。