当前，人工智能大模型技术快速演进，对底层算力基础设施提出了更高要求。大规模模型训练需要海量数据在多台服务器间高速流转，网络必须同时满足带宽容量、传输时延、运行稳定性和组网规模等的高标准。传统网络架构在新需求面前逐渐暴露不足。以传统传输控制协议为基础的网络中，数据在操作系统内核里需要多次复制并经过多层协议处理，不仅占用大量中央处理器资源——还会带来时延波动——难以满足大模型训练对毫秒级响应和超大带宽的要求。这个瓶颈已成为影响智能算力继续提升的重要因素。
智算时代的竞争，不仅在芯片与服务器，更在集群协同效率。网络正从“配套”走向“关键能力”，技术选型与工程建设需要同步推进。无论选择追求极致性能的专用互联，还是面向规模化部署的以太网融合路径，最终都要回到稳定、可控、可持续的交付上，以更高效的互联支撑更快的创新。