隨著人工智能技術的快速發展，大模型訓練、實時推理等應用對算力的需求呈現爆發式增長。全球科技企業紛紛加碼智算中心建設，試圖以規模化的硬件投入搶占技術高地。然而，高投入背后隱藏著諸多現實難題：數據中心能耗居高不下、算力利用率不足、跨區域資源協同效率低、網絡通信性能制約訓練速度……這些問題不僅推高了AI研發成本，更成為技術規模化落地的關鍵瓶頸。

算力作為驅動千行萬業智能化轉型的核心引擎，其潛能的釋放離不開高效、可靠的數據中心網絡。面對當前數據中心存在的諸多難題，如何通過數據中心網絡充分釋放算力，成為行業亟待解決的關鍵問題。

近日，在華為中國合作伙伴大會2025上，華為數據通信產品線副總裁趙志鵬接受了媒體專訪，剖析了數據中心網絡的現狀與挑戰，并分享了華為星河AI數據中心網絡的破局之道。

華為數據通信產品線副總裁趙志鵬

AI時代數據中心網絡新挑戰

傳統數據中心網絡架構在能耗、算力利用率、跨區域協同和網絡通信性能等方面存在諸多不足。

首先是算力利用率不足的問題。由于器件性能和算法優化水平有限，眾多數據中心的實際算力利用率遠低于理論值，大量算力資源被白白浪費。

其次是跨數據中心協同難。單一數據中心規模受電力等因素制約，分散建設的區域算力節點又面臨協同效率低下的問題，網絡延遲和通信損耗導致整體訓練效率大幅降低。

再者是企業普惠接入門檻高。即便成功建成了智算中心如何確保企業能低成本、高效率地調用算力，仍是亟待攻克的難關。

雙向賦能，重塑網絡價值

面對數據中心網絡的種種挑戰，趙志鵬介紹到華為升級了星河AI數據中心網絡解決方案，通過“Netwrok for AI”和“AI for Network”雙向賦能，為行業智能化轉型提供了堅實底座。

在釋放算效方面，當前推理需求爆發，同一任務網絡通信時長普遍大于計算時長，造成近20%的算力浪費。華為推出CloudEngine XH9000全系列交換機，支持350ns超低時延轉發，通過星智AI推理調度算法，減少推理流量的通信耗時，推理性能提升20%。在通算場景，華為最新的網安一體仿真方案，通過獨家的CMOS仿真算法確保準確，實現安全策略自動生成和100%準確。此外，華為通過網絡級負載均衡算法NSLB持續增強，有效提升了AI的訓練效率，使得有限的算力發揮出最大的潛能。同時，通過構建“算力基礎網”，將零散的算力節點虛擬化為統一資源池，不僅提高AI能效，還實現了算力的有效整合與提升。

在“AI for Network”方面，華為聚焦于運用AI技術提升網絡質量。通過AI算法實時監測光模塊、交換機等設備狀態，實現了預測性維護。此外，客戶可以利用AI分析用戶需求，提供差異化的算力服務與定價策略，進而實現增收。

此外，華為還推出了數據中心網絡星聯光模塊，具有超遠傳輸、超高可靠、超高安全三大能力，為企業打造3S高品質網絡體驗，滿足企業對網絡性能的高要求。

傳統光模塊存在高價低質、故障率高的問題，嚴重制約了數據中心網絡的發展。華為通過三大創新實現破局。在高集成器件設計方面，通過減少部件數量，有效提升了光模塊的可靠性，降低了故障發生的概率。同時，采用多通道冗余技術，當單通道出現故障時，可自動降速運行而不斷連，大大降低了訓練中斷的風險，保障了算力傳輸的穩定性。此外，在同等性能下，提升光模塊覆蓋距離和兼容性，更好地適應不同的網絡環境，為數據中心網絡的高效運行提供了有力支持。

結語：重塑網絡價值，開啟AI新未來

破解AI算力困局，不能僅靠硬件堆砌，更需通過網絡架構創新打破資源孤島，實現算力的高效流動與智能調度。華為星河AI數據中心網絡正在重新定義智能時代的網絡價值，以“網絡+AI”的雙向賦能模式，為行業智能化轉型提供堅實底座。