算力瓶颈转向互连，国产互连芯片走向台前
钛媒体一篇报道认为，芯片产能已不再是制约 AI 算力的最大阻碍：不少数据中心芯片与电力充足，集群却跑不满；文章援引中国信通院数据称，大规模分布式训练中网络通信耗时占比高达 30% 到 50%。华为副总裁王雷在 2026 中国互联网大会上的说法被引用，称当前国内 Token 实际流通效率仅 60%，其余因丢包、时延抖动和数据损耗被消耗；众星微副总经理兼总工程师宁佐林则估计，多数集群真正释放的算力不超过 50%。文章还提到众星微日前发布三款互连芯片，其中包括把 PCIe Switch 集成进网卡的 AI 网卡，以缩短链路、降低插损与时延，并援引估算称互连芯片在 GB300、VR200 等超节点整机价值中占比约 8% 到 9%。
文章援引腾讯云的技术分析称，网络通信仅占 AI 集群部署成本的 8% 到 10%，却决定高达 90% 的 GPU 训练效率，因此互连被视为影响昂贵 GPU 利用率的关键环节。
虽然芯片产能依旧有些许供不应求，但已不是制约AI算力发展的最大阻碍。如今，很多数据中心中，芯片有了，电力供应也充足，但集群却跑不满。
中国信通院的数据显示，大规模分布式训练中，网络通信耗时占比高达30%到50%。换句话说，企业花大价钱买来的GPU，有将近一半的时间在等数据。华为副总裁王雷在2026中国互联网大会上说得更直接：当前国内Token实际流通效率仅60%，剩余40%因为丢包、时延抖动、数据损耗被白白消耗掉了。
芯片越多，通道越窄
众星微副总经理兼总工程师宁佐林告诉我们，“整个集群真正让算力释放出来的，大部分不超过50%，有些好的可能是60%~70%。”这意味着超过一半的算力投资，事实上处于低效运转状态。
#众星微#China Academy of Information and Communications Technology#Huawei#Nvidia#Marvell#H3C#Dell#Tencent Cloud