🌐Сеть официально стала узким местом AI-кластеров Партнёры NVIDIA подтверждают: дефицит затрагивает не только GPU, но и NIC, DPU (BlueField), 400G/800G Ethernet. 🔍 сеть: почему именно она стала bottleneck’ом для AI Раньше всё упиралось в GPU. Сегодня всё чаще упирается в сеть. Причина простая: современные AI-кластеры, это не один сервер и не одна стойка. Это сотни и тысячи GPU, которые постоянно обмениваются данными: — градиенты при обучении, — параметры модели, — данные для инференса. Если сеть медленная или нестабильная — GPU простаивают. А простой GPU стоит дороже, чем дорогой коммутатор. Что именно стало узким местом 1. Скорость. 100G больше не хватает. 400G — минимум. 800G — новая норма для крупных кластеров. 2. Задержка и предсказуемость. Для AI важна не только пропускная способность, но и latency jitter. Если задержка «плавает», эффективность обучения падает. 3. Сетевые компоненты стали дефицитными. NIC, DPU, high-speed optics, ASIC — всё это теперь распределяется по квотам, как раньше GPU. Почему это официально признали OEM и партнёры NVIDIA в последних отчётах прямо говорят: сеть стала вторым по значимости ограничением после GPU. Отсюда и резкий рост интереса к: — NVIDIA Spectrum-X, — Cisco Silicon One, — 400G/800G Ethernet вместо InfiniBand-only подхода. Ethernet больше не «компромисс». Он стал основной транспортной средой для AI. Что это значит для рынка и для России Для инфраструктурных проектов это меняет логику планирования: — нельзя сначала выбрать GPU, а «сеть потом»; — магистраль и коммутаторы нужно проектировать вместе с вычислениями; — DCI (связь между ЦОДами) становится частью AI-архитектуры, а не отдельной задачей. Даже в условиях ограниченных поставок тренд никуда не денется: AI → распределённые кластеры → сеть как критический ресурс. GPU считают FLOPS. AI-сети считают миллисекунды. И именно они всё чаще решают, взлетит кластер или нет. 🔗 https://research.fpx.world/p/part-2-beyond-power-the-networking?utm_source=chatgpt.com #инфраструктура #сетие