一、技术架构与核心差异

维度	以太网+AI光模块	InfiniBand+AI光模块
协议基础	IEEE 802.3标准，支持RoCEv2实现RDMA	专为HPC设计的无损网络协议，原生RDMA支持
主流光模块	400G/800G OSFP/QSFP-DD（双MTP接口）	200G HDR/400G NDR QSFP56/OSFP
延迟性能	微秒级（依赖RoCEv2优化）	纳秒级（原生协议优化）
扩展能力	支持超大规模集群（万卡级）	千节点级无损扩展
成本生态	开放生态，兼容主流交换机	专用硬件（NVIDIA主导）

二、应用场景深度解析

(1) 以太网场景：AI训练与云数据中心

• RoCEv2技术融合
  通过400G/800G光模块（如OSFP）在以太网上实现RDMA，使GPU可直接交换数据，减少CPU开销。例如阿里云采用800G OSFP模块构建RoCE网络，训练效率提升40% 。
• 分线应用灵活性
  800G光模块支持双MTP-12接口拆分为2×400G或8×100G链路，适配多层级GPU集群互联 。
• 液冷方案集成
  如睿海光电的液冷400G模块，支持浸没式散热，助力单机柜功率密度提升至50kW 。

(2) InfiniBand场景：超算与极致低延迟需求

• NDR架构突破
  NVIDIA GB300 NVL72平台采用400G NDR光模块，通过NVLink+InfiniBand实现130TB/s GPU间带宽，满足千亿参数模型训练 。
• 专用线缆方案
  HDR/NDR DAC铜缆（≤3m）与AOC有源光缆（≤100m）提供机柜内高速互联，延迟低至0.5μs 。
• 拥塞控制优势
  基于信用的流控机制避免数据包丢失，确保万卡集群中通信稳定性 。

三、行业趋势与厂商布局

1. 以太网替代加速
   • RoCEv2在中等规模集群（≤4000 GPU）性能媲美InfiniBand ；
   • 华为CloudMatrix 910C集群采用全光以太网，国产化方案突破制裁限制 。
2. InfiniBand技术壁垒
   • NVIDIA垄断NDR生态，HDR光模块单价较以太网高30% ；
   • 适用于LLM训练等纳秒延迟敏感场景 。
3. 融合架构兴起
   • 混合部署（如NVLink机内+RoCE机间）成为成本与性能平衡点 ；
   • 光模块向1.6T演进，CPO（共封装光学）技术降低功耗 。