優分析 Uanalyze
2026年06月18日（優分析／產業數據中心報導）⸺ 人工智慧（AI）運算規模持續擴大，從數萬顆GPU逐步邁向接近百萬GPU等級的超大型叢集，資料中心網路架構也正快速演變。過去InfiniBand與以太網路（Ethernet）的競爭，主要圍繞在效能與普及度兩者之間的權衡與取捨，但近年來以太網路技術持續進步，與輝達InfiniBand的效能差距逐漸縮小，所以正加速成為AI超級運算系統的重要基礎設施。
Arista Networks(ANET-US)於6月11日正式發表採用博通Broadcom(AVGO-US)最新Tomahawk 6晶片的7060XE7系列交換器，提供最高100Tbps交換容量以及224G SerDes技術。市場認為，這次產品發布的重點不僅是頻寬升級，更反映出AI資料中心網路正朝向機櫃整合架構、開放標準及企業市場普及化發展。
過去網路設備供應商主要以獨立交換器或機箱產品形式銷售設備，客戶再透過Leaf-Spine架構自行擴展整體網路。然而，生成式AI快速發展後，資料中心面臨更高的功耗密度與散熱壓力，單靠傳統交換器已難以滿足大規模部署需求。
因此，Arista正逐步將產品策略轉向機櫃級（Rack Scale）系統設計。
其中，採用液冷架構的7060XE7-64PRS-RV3-L成為代表性產品。該設備依照Open Rack v3標準打造，採用2OU設計，取消內建風扇，直接透過機櫃電源匯流排取得直流電供應，並可直接整合至液冷XPU伺服器環境中，甚至連冷卻液流向都與伺服器同步規劃。
此類整合式液冷架構帶來顯著的能源效益。Arista指出，傳統氣冷系統中，用於驅動氣流散熱的耗電量可能占總電力需求的30%至50%；而在液冷機櫃架構下，相關耗電比例可降至5%至15%。對於電力資源日益緊張的大型資料中心而言，節省下來的電力可直接轉換為更多GPU運算資源。
在高速網路領域，共同封裝光學（CPO）與可插拔光模組長期存在技術路線之爭。CPO透過將光學元件更貼近交換晶片部署，可有效降低高速傳輸功耗，但若部分光通道發生故障，可能提高整體系統維修與更換成本。
相較之下，Arista此次選擇強化線性可插拔光學（LPO）方案。LPO 技術採用了線性驅動方法，將DSP替換為具有高線性和等化功能的轉導放大器（TIA, Transimpedance Amplifier）和驅動器（驅動晶片），這種替換顯著降低了功耗和延遲。
公司表示，透過訊號完整性設計優化，以及移除光模組內高耗能DSP元件，可將互連功耗降低約60%。
這種設計直接影響資料中心總持有成本（TCO）。
當光模組功耗下降後，不僅交換器發熱量同步減少，也能降低風扇負載並延長零組件壽命。此外，可插拔架構讓管理人員在故障發生時僅需更換單一模組，而無須影響整體系統運作，進一步提升AI叢集的維運彈性。
不過，業界普遍認為，LPO與CPO各有優勢與適用場景，未來實際採用方向仍將取決於客戶的電力配置、散熱能力以及營運管理需求。
除了傳統Scale-Out網路市場之外，Arista此次也展現進軍Scale-Up架構的企圖心。
Scale-Out主要負責連結數千個運算節點，而Scale-Up則聚焦於單一大型運算系統內部的超高速互連。過去這一領域長期由輝達NVIDIA(NVDA-US) NVLink等專有技術主導，但隨著超大規模雲端服務商、自研AI晶片以及超微AMD(AMD-US)、英特爾Intel(INTC-US)等非輝達生態系統逐漸壯大，市場對開放式Scale-Up網路架構的需求同步升溫。
Arista表示，將利用Tomahawk 6晶片的高密度內部互連能力，結合合作夥伴GPU刀鋒伺服器與機構設計需求，打造客製化Scale-Up解決方案，提供市場不同於封閉式專有架構的替代選擇。
在Scale-Out領域方面，公司則主打7060XE7葉節點交換器搭配7800 AI Spine機箱的兩層式架構。根據公司資料，該架構可支援的GPU數量最高較傳統固定式交換設備提升4.5倍，同時有助於降低AI訓練過程中常見的封包微突發（Packet Microburst）問題，進一步改善大型叢集運算效率。
目前1.6T網路設備主要需求仍來自超大規模雲端服務商與頂尖AI研究機構。然而，金融避險基金、自駕車模擬、生技研究以及國家級雲端平台等高效能運算應用領域，也開始出現相同趨勢。
這些企業雖然尚未建置百萬GPU等級叢集，但其運算規模正快速向數千節點擴張。然而，多數企業缺乏如Meta Platforms(META-US)或微軟Microsoft(MSFT-US)般的大型網路工程團隊，因此網路系統的易部署性與軟體成熟度變得格外重要。
Arista目前已將動態負載平衡、多路徑可靠傳輸、網路容錯機制以及硬體層級壅塞控制等功能整合至EOS作業系統中，希望藉由大型雲端客戶驗證過的技術方案，降低企業導入高效能AI網路的複雜度。
市場分析普遍認為，InfiniBand短期內仍將在最高階AI訓練環境中維持重要地位。然而，未來AI網路成長的主要動能可能逐漸轉向以太網路。
原因在於企業開始同時採用不同供應商的GPU與XPU產品，促使市場對開放式網路架構需求持續增加。相較於與特定運算平台深度綁定的專有技術，以太網路更具跨平台相容性與長期擴充彈性。
Arista此次推出1.6T交換器，不僅代表以太網路效能持續追趕高階專用網路技術，也反映AI資料中心競爭焦點正從單純速度提升，轉向整體系統效率、能源管理與軟體整合能力。未來值得持續觀察的是，隨著液冷機櫃、LPO光模組與開放式Scale-Up架構逐步成熟，以太網路是否能進一步擴大在AI超級運算市場的滲透率，並重新定義下一代資料中心網路標準。
※ 本文經「優分析」授權轉載，原文出處:原文連結
※ 免責聲明：文中所提的個股、基金、期貨商品內容僅供參考，並非投資建議，投資人應獨立判斷，審慎評估風險。
上一篇
下一篇
