域财网当算力竞争进入 "系统为王" 时代，互联成为国产 AI 胜负手
WAIC 2026上，作为行业领先的AI网络全栈式互联产品及解决方案提供商，奇异摩尔以“国产化超节点互联全栈方案”为核心，集中展示从Scale-Out到Scale-Up、再从电互联到 光电融合的全栈互联解决方案，向全球呈现中国AI算力生态在互联赛道的自主创新力量。
800G AI超级网卡（SNIC）：重新定义AI网络的数据平面
在传统 云计算网络中，智能网卡（DPU）的核心使命是“卸载 CPU”，释放计算资源。然而，AI网络与传统云网络存在本质差异：AI训练属于高度同步的并行计算，成千上万张 GPU需要持续开展集合 通信，任何微小的延迟抖动或拥塞，都可能导致全体GPU进入等待状态。
基于这一洞察，奇异摩尔推出的800G AI超级网卡（SNIC）并未沿袭传统DPU堆核路线，而是极致压榨性能、强化数据平面能力。
在物理实现层面，奇异摩尔首发基于800G平台架构的2×400G R DMA网卡，单通道吞吐量稳定达到400Gbps，关键时延控制在1~2微秒（微秒级）。奇异摩尔网络架构VP叶栋表示：“国内AI算力集群建设实践中，多平面（Multi-Plane）架构正成为主流部署方案。其中一个核心逻辑在于负载均衡与故障容错：多条物理链路重合场景下，若全部采用800G链路，并发的流量叠加极易引发拥塞溢出；而将链路拆分为两个400G平面，即便物理路径重合，单条链路带宽上限维持在400G以内，为拥塞控制预留缓冲空间。”
面向更高速率的技术迭代，奇异摩尔确立双路线布局：一方面推进2×800G的1.6T架构，对标国际主流下一代产品路线；另一方面延续多平面设计思路，保留4×400G扩展能力，可根据客户多平面部署的实际需求灵活适配。
针对AI网络高并发、强同步的特性，奇异摩尔800GSNIC采用基于 以太网的增强型RoCE v2机制，涵盖包喷洒（Packet Spraying）、多路径传输、高效重传以及先进可 编程拥塞控制等能力。上述创新技术能够有效化解大规模集群内的网络拥塞难题，保障万卡乃至更大规模集群的通信效率。奇异摩尔坚持以太网路线而非InfiniBand，核心原因在于以太网生态成熟、成本可控，开源软硬件栈可帮助客户规避单一厂商锁定风险。
叶栋特别指出：“800G SNIC架构另一项关键创新，是在芯片内部集成PCIe Switch IP。”传统AI服务器架构（例如H100搭配CX7）中，GPU、网卡与CPU分别外接独立PCIe Switch交换芯片，该外置芯片成本较高。奇异摩尔将PCIe Switch功能直接集成至SNIC芯片内部，两颗GPU可直连SNIC内的PCIeswitch做P2P的通信，SNIC再通过上行 端口对接CPU，同时下行输出800G网络带宽。这套集成式设计省去外置PCIe Switch芯片，不仅降低BOM成本，还简化系统设计、缩短 信号传输路径、降低整机功耗。对于追求极致性价比的国产算力 中心建设，该设计价值突出。
除此之外，可编程性贯穿奇异摩尔SNIC架构设计全程。不同于传统固定功能 ASIC，奇异摩尔采用高性能可编程流水线（ Pipeline），内置并行处理模块，能够在数据面完成灵活的协议处理与定制化逻辑开发。叶栋指出：“这套可编程架构聚焦AI网络数据面优化，可依据客户需求快速调整拥塞控制 算法、传输协议逻辑。当前AI网络协议与算法仍处在快速迭代阶段，各家大型云厂商均自研私有拥塞控制协议。该设计恰好化解‘协议演进速度跟不上模型迭代速度’的行业矛盾，让网卡能力能够与AI模型、组网架构同步升级。”
IBGDA：打通国产GPU与国产RDMA网卡的“任督二脉”
大规模AI集群中，GPU跨节点数据传输传统依赖IBRC（InfiniBand CPU-RelayedCommunication）机制。在该机制下，GPU向远端传输数据需要一条冗长的中转链路：GPU将数据写入共享内存后，通知CPU侧进程；由CPU配置工作队列，向网卡下发指令；网卡从GPU显存读取数据并完成发送；传输结束后，再经由CPU回调通知GPU。
叶栋表示：“整个流程里，CPU充当‘中间人’。GPU准备发送数据先告知CPU；CPU下发指令给网卡；网卡读取并传输数据；传输完成通知CPU；CPU再反馈给GPU。这套代理机制在小数据块传输场景下，开销问题尤为突出。MoE模型推理，正是小包、高频通信的典型场景。当GPU每次仅传输少量数据时，CPU代理产生的开销甚至高于数据本身的传输耗时，持续的交互等待，会让CPU处理能力成为集群整体吞吐瓶颈。”
IBGDA（InfiniBand GPU Direct Async）技术的核心思路，是彻底移除CPU这一中间环节，实现GPU与网卡直接互操作。工作流程得到大幅简化：GPU可直接生成通信任务、触发网卡门铃；网卡收到指令后，直接读取GPU显存内的数据完成发送；传输完毕后直接将状态回写至GPU，全程无需CPU参与。
方案落地层面，奇异摩尔推出的单通道400G RDMA ASIC引擎基于Kiwi SNIC 800G平台架构开发，已完成软硬件协同调试，兼容面向MoE模型优化的集合通信库（对标DeepEP），原生支持IBGDA机制。
本届WAIC大会上，奇异摩尔携手壁仞科技，联合演示国产GPU直通国产RDMA网卡的IBGDA解决方案。
谈及演示效果，叶栋介绍：“ 英伟达依靠GPU与ConnectX网卡的深度协同，率先落地IBGDA方案。本次联合Demo实测数据对标英伟达IBGDA基准水平。测试结果显示，在小包、高频、强同步场景中，IBGDA相对传统IBRC具备代际性能优势。这项成果是‘国产GPU +国产超级网卡芯片(SNIC)’协同优化的标杆实践，证明国产算力生态已经具备底层硬件深度互通、系统级协同调优的工程能力，补齐了制约国产AI集群通信效率的关键短板。”
光互联：从板级到芯级，探索光电融合新范式
当信号速率从112G PAM4演进至22 4G PAM4，铜缆传输介质的物理极限逐步显现。电信号高速传输的规律是：频率越高，有效传输距离越短、信号衰减越严重。这意味着，依托 PCB铜走线的传统电互联方案，在带宽密度、传输距离、功耗三大维度逐步触达天花板。
引入光互联，本质是以光子替代电子作为信息载体，突破电互联物理边界。光信号在传输损耗、带宽密度、能效上相比电信号拥有代际优势。更重要的是，在Scale-Up架构内，光互联几乎不存在通信距离约束——机柜内部乃至跨机柜场景，光信号衰减几乎可以忽略。
不过，从电互联向光互联过渡无法一蹴而就。行业已经形成清晰的渐进演进路线：可插拔光模块→ NPO（Near Package Op tics）→ CPO（Co-Packaged Optics）→ OIO（Optical I/O），终极目标是实现“光内生”，将光互联能力直接集成进计算芯片内部。
叶栋认为：“CPO最大优势在于传输路径最短：光信号直接从计算核心引出，省去 DSP环节，有效降低时延；同时简化系统架构，压低整体功耗与硬件成本，最终提升算力利用率。从近封装光模块逐步走向CPO以及将来的OIO，每一次靠近计算核心，都能收获功耗、时延、带宽密度的提升，但对应的工程难度呈指数上升。光器件对温度、杂质十分敏感，与计算芯片高热工作特性天然存在矛盾，良率控制、冗余备份、散热方案都是产业化必须攻克的关卡。”
奇异摩尔在光互联领域的布局，遵循“开放合作、标准先行”战略。其 方案核心是推出OSU（Optical Scale-Up）IO芯粒，并围绕该产品搭建生态合作体系。
这款芯粒一端通过标准UCIe 接口对接计算芯粒（GPU/xPU），另一端依靠O-RDMA接口连接光引擎。该架构实现计算单元与光互联单元适度解耦，电芯片、光芯片能够独立迭代，为不同厂商硬件协同提供标准化接口。叶栋强调：“只有走标准化、生态化路线，光互联才能复刻以太网的发展路径，持续实现速率提升、成本下行，形成良性产业循环。”
WAIC 2026现场，奇异摩尔联合奇点光子展出直连式NPO光互联测试板。方案搭载奇异摩尔自研主芯片（内部集成两颗独立芯粒，分别 模拟计算芯粒与IO芯粒）以及奇点光子定制化NPO进封装光引擎，为上述技术路线提供硬件实物验证。
结语
在AI算力产业叙事中，“互联”长期笼罩在“计算”的光环之下。但当单芯片算力边际收益持续递减，万卡集群通信开销在整体耗时中的占比不断走高，互联不再是配套配角，正在成为决定整套算力系统效能的核心引擎。
奇异摩尔的全栈技术布局，从800G SNIC平台架构创新，到依靠IBGDA打通国产GPU与国产网卡直通链路，再到前瞻布局CPO光互联，勾勒出清晰的技术演进路线：以以太网生态为底座，以可编程架构为核心，以全栈软硬件协同构建竞争壁垒，以光电融合作为长期发展方向。
当国产GPU能够直连国产RDMA网卡，芯粒级互联可以对接光子技术，从Die-to-Die片内互联，到GPU-to-GPU片间互联，再互联到Scale-Out横向扩展的各个层级，都拥有自主可控的芯片支撑，国产AI算力的“血液循环系统”才算真正成型。
这条赛道前路漫长，但发展方向已然清晰。
