英伟达宣布面向大规模 AI 工厂的 Spectrum-X 以太网硅光技术进入全面量产，并与 Vera Rubin 平台、DSX 架构等形成端到端部署方案。该进展反映出 AI 基础设施竞争正从单点算力扩展到网络、存储、安全与交付体系的协同优化。
今日技术观察 IT之家 6 月 2 日消息，英伟达于 5 月 31 日宣布，其面向智能体 AI 工厂的下一代超级计算平台 NVIDIA Vera Rubin 已进入全面量产阶段。IT之家此前已有相关报道。除此之外，英伟达同时确认新一代 Spectrum-X 以太网硅光技术已同步进入全面量产阶段，这是该平台实现大规模 AI 工厂网络互联的核心基石。作为全球首款基于光电一体封装技术（CPO）打造的以太网交换机，Spectrum-X 采用 200Gb/s 01 背景速览 背景速览：据公开消息，英伟达近期确认新一代 Spectrum-X 以太网硅光技术已进入全面量产阶段。该技术面向大规模 AI 工厂网络互联，采用光电一体封装思路，将光通信相关组件更紧密地集成到芯片封装中，并使用 200Gb/s SerDes。英伟达称，相比传统可插拔光收发器网络，该方案在能效、AI 系统正常运行时间和部署效率方面均有提升。CoreWeave、Lambda 和 Oracle Cloud Infrastructure 被列为首批采用该技术的生态合作伙伴。 02 趋势影响 趋势影响：随着 AI 集群规模扩大，瓶颈不再只集中在 GPU 本身，网络互联、数据调度、存储访问和系统可靠性都会影响整体训练与推理效率。Spectrum-X 硅光以太网进入量产，说明高性能 AI 基础设施正在向“计算、网络、存储、安全一体化设计”演进。与此同时，Vera Rubin 平台、BlueField-4 DPU、Spectrum-6 以太网机柜以及 DSX 部署方案共同出现，也体现出厂商希望用更完整的系统架构来缩短 AI 工厂建设周期。 03 企业应用启发 企业应用启发：对于正在规划私有化 AI 平台、行业大模型训练环境或高性能推理集群的企业来说，网络架构需要尽早纳入总体设计，而不是在采购算力后再补齐。企业可重点评估东西向流量压力、GPU 利用率、机柜级功耗、跨租户隔离、运维自动化和未来扩容路径。即使短期内不建设百万级 GPU 集群，硅光互联、DPU、软件定义网络和标准化 POD 设计所代表的方向，也可为中大型数据中心升级提供参考。 04 合规观察 合规风险提醒：AI 工厂通常涉及大规模数据流转、多租户资源共享和跨区域运维，企业在引入相关基础设施时应同步关注数据安全、访问控制、供应链依赖和合规审计。对于采用云服务或外部算力平台的场景，需要明确数据驻留、日志留存、模型训练数据使用边界以及故障责任划分。对于涉及敏感行业的数据，还应评估机密计算、硬件隔离和加密传输能力是否满足内部制度及监管要求。 05 开放讨论 开放讨论问题：在企业 AI 基础设施建设中，网络能力应在多大程度上优先于单卡算力指标？硅光以太网和更高集成度的网络设备，是否会改变企业采购服务器、交换机和云资源的决策逻辑？对于多数企业而言，是自建高性能 AI…