WAIC上的RDMA智能网卡，已成为国产AI算力突破的重要一环！

生成式AI、Agentic AI的大热，带动的不单是GPU、AI芯片的发展，当我们谈到AI数据中心就必谈到“万卡”集群时，“互连”和“数据通信”的重要性也快速凸显。单张显卡或者AI加速卡已难以支持当下巨量参数规模的AI大模型训练和推理，跨芯片、跨板卡、跨节点组建AI基础设施成为算力增长的主要方向，RDMA智能网卡作为网络互联的核心组件，成为算力突破的重要一环。

过去一年的媒体活动上，不少企业都谈到大模型训练时，GPU真正工作的时间有时只占1/3，大部分的时间都耗费在了数据传输的等待上。所以前不久摩尔线程在WAIC（世界人工智能大会）媒体活动上提出，AI工厂效率 = 加速计算通用性 × 单芯片有效算力 × 单节点效率 × 集群效率 × 集群稳定性。

这里的“集群效率”显然是指更低的GPU闲置率，尤其是数据传输的效率。故而云脉芯联创始人兼CEO刘永锋在WAIC上提出，整体算力 = 算力密度（GPU）× 算力规模（交换芯片） × 数据传输效率（网卡芯片）——这是个相对而言更具体的描述方式。

刘永锋表示，“上下游众志成城、取长补短”，“通过融合创新”“把国产化做起来”，实现“算力突破”。这也是国内所有涉足AI基础设施搭建的企业的共识。

我们在WAIC之上就看到了云脉芯联的“AI时代智能算力互联网络解决方案”，包括智能网卡（SmartNIC）和DPU产品。云脉芯联很大程度上是可以代表国产NIC、DPU芯片及解决方案的最高水平的——其YSA-100芯片产品及系列智能网卡/DPU产品就已经在头部互联网、基础设施服务商、运营商等各行业实现量产出货，客户包括浪潮、新华三、上海仪电、浙江银盾云、中国移动等，据说客户覆盖还在稳步增长。

本文就以图集的形式来看看云脉芯联的现有产品，及其所反映的国产智能网卡与DPU发展现状。

▲ 云脉芯联YSA-100网络芯片，“支持高性能网络和DPU场景的裸金属、虚拟化卸载（offload）加速，适用于算力基础设施智算中心网络、存储和云计算等各类应用场景”。YSA-100是一颗ASIC架构的网络芯片，云脉芯联在去年的新闻稿中说，这颗芯片已经于2024年量产，是“国内首颗支持400Gbps吞吐能力的RDMA（直接内存访问）高性能网络芯片”；且这颗芯片已经在多个智算中心落地应用。

▲ metaConnect-400S，metaConnect系列在云脉芯联的产品定位为“AI NIC”。 metaConnect-400S的具体定位是“高性能AI网卡”，尤其表现在单口400GbE吞吐速率，“提供具有包喷洒多路径能力的高性能RDMA网络能力”，且“与各CPU和GPU产品均有优秀的兼容能力”。

面向智算中心时，“metaConnect-400S提供1x400GbE网络接入能力，支持多路径负载均衡和乱序重排能力，基于Credit授权的拥塞控制和可编程拥塞控制算法能力，有效提升AI计算通信效率，对比业内主流产品通信性能提升约5%。”这款产品在我们看来也是真正能够体现以太网用于AI大规模集群networking的潜力和价值的。

▲ metaConnect-400，相较前者的主要差异是，这是个支持2x200GbE的AI NIC，“增值能力实现单QP（queue pair）双平面网络400Gbps吞吐性能”——使用一个QP同时在两个物理网络平面上达成400Gbps总吞吐量。

▲ metaScale-200S智能网卡——相较前面的metaConnect系列，云脉芯联定义metaScale系列产品为“高性能智能网卡”。200S是实现了单口200GbE的、面向云计算数据中心高性能存储网络和智算中心AI计算网络打造的智能网卡产品，同样提供高性能RoCEv2网络能力。

▲ 同为metaScale-200S智能网卡，OCP 3.0接口版。

▲ metaScale-200，2x100GbE吞吐能力，PCIe标准形态；

▲ 同为metaScale-200，OCP 3.0标准接口版；

▲ metaScale-50，25GbE智能网卡，“面向现代数据中心，具备高性能存储网络互联能力”，“提供优异的网络互联收发性能，成熟的平台兼容性，丰富的软件生态，以及灵活的解决方案能力”。

▲ 基于YSA-100芯片的metaVisor-200，云脉芯联称其为AI DPU。介绍中提到，这款metaVisor-200是面向人工智能智算中心AI计算网络打造的2x100GbE高性能AI DPU产品。

“支持云盘启动、VPC网络卸载加速、RoCEv2 Overlay和RDMA统一纳管运维监控的能力，为未来智算中心提供快速发放、租户网络隔离和弹性部署等灵活解决方案”。

▲ 云脉芯联展位摆了一台来自新华三的服务器，算力卡则是来自国产GPU；中间的四张网卡就来自云脉芯联——这是云脉芯联的智能网卡/DPU在AI算力领域落地的形式之一。

刘永锋在演讲中提到国产算力突破的两个方向，其一是“提前布局、因地制宜”——比如前文提到云脉芯联在RoCE上的布局。 “在更大规模、更高带宽场景下，以太网是更有潜力的。过去RoCE在AI应用上可能存在一些不成熟的地方——但如果能提前布局投入对RoCE的优化，今天会看到以太网真正的价值。现在很多大厂已经在投入RoCE。”“它是能够实现AI算力突破很好的技术。”

RoCE (RDMA over Converged Ethernet) 也就是通过以太网做RDMA，在不需要操作系统、CPU介入的情况下，就直接访问内存，得以实现超低延迟、高吞吐，以及降低CPU的开销。它对诸如HPC、AI训推、大规模存储系统这类数据密集型应用价值甚大。

刘永锋提到，“在芯片研发方面提前布局RoCE，经过持续的技术创新，在AI网络需要更大规模和更高带宽的情况下，云脉芯联200Gbps和400Gbps高性能智能网卡已逐步建立起差异化的竞争优势，具有很强的爆发力，成为国产网络在AI基础设施领域实现突破的基础。”

其二是上下游配合，“众志成城、取长补短”。比如上述产品的宣传文案大多都提及 “具备卓越的多平台兼容性，与各CPU与GPU有优秀的兼容能力”，包括对一众国产CPU、GPU和操作系统的支持。“国产交换芯片和国产网卡芯片能够深度协同，就可以形成灵活的最优解决方案，其中网络互联芯片成为最核心的一环。”

WAIC上，云脉芯联展位工作人员告诉我们，“云脉芯联已与展馆中的GPU厂商，和大多数CPU及相关的应用厂商成为合作伙伴。”“与国内部分头部互联网厂商、云基础设施服务商和通信运营商均有合作——不仅是因为供应链安全，国内芯片厂商也能够根据客户需求去为他们提供更好的解决方案；当然产品的性能本身需要达到要求。”

刘永锋则举例提及在DeepSeek发布之后，云脉芯联与其他合作伙伴多方配合，去适配DeepEP（一个特别面向MoE和EP – expert parallelism的通信库），实现“端到端拉通”。“上下游一起努力把国产化做起来。”在半导体制造工艺、技术能力受限的情况下，通过与AI基础设施其他参与者的适配、协作，才能达成真正意义上的“算力突破”。