思科封小韵：以四大技术积木推动AI数据中心突破能源与规模瓶颈

来源：睿见Economy

　　思科大湾区（香港、澳门及华南区）总经理，大中华出海业务负责人封小韵近日在演讲中分享了对 AI 数据中心发展的最新洞察。她以一个形象的比喻开场：今天的 AI 数据中心就像非洲草原上的大型动物——体积巨大、消耗惊人，生存离不开“水源”和“食物”。而随着生成式 AI 的爆炸式增长，这一比喻正在成为现实。

　　以 GPT 大语言模型系列发展为例，2019—2025 年间模型参数增长约 3000 倍，GPU 数量增长 5000 倍，使得 AI 的“智力”不断跃升。 GPT-5 参数数万亿，训练规模需 5–10 万张 GPU，一个典型大型数据中心最多容纳 10 万张卡。这些能力背后依赖巨大的冷却、电力与土地空间，散热、能源与场地正在成为全球 AI 数据中心的三大瓶颈。

　　封小韵指出，十吉瓦级能耗AI 数据中心的能源需求远超传统认知。以深圳大亚湾核电站及核电基地的当前数吉瓦装机容量测算，连一个这样的 AI 数据中心都难以完全支撑，至少需要5个大亚湾核电站或者1.66个大亚湾核基地等量的供电能力。这意味着未来数据中心的选址，将更像大型动物迁徙——必须寻找水源、食物，即低电价、低密度、能源充裕的区域。

　　面对巨型 AI 集群的挑战，思科提出了“驯服这头AI DC大动物”的四大技术积木和新的DC拓展架构Scale across，突破传统Scale up， Scale out 结合DCI的瓶颈，实现DC的自由迁徙与优化分布：

　　第一，超大规模交换与路由平台。

　　思科多年深耕高性能网络，Nexus 9300 系列通过大规模 Scale-Out 架构，为 AI 集群提供超高带宽与低时延的网络底座，是构建万卡级算力的关键组件。

　　第二，Cisco Silicon One 统一芯片架构。

　　该架构覆盖交换机与路由器全场景。G 系列专注大规模横向扩展；P 2系列面向 AI 训练优化与数据中心互联（DCI）。其模块化与高度融合的设计可降低部署难度、缩短创新周期，并已成为业界最具可扩展性的网络芯片平台之一。

　　第三，光模块与硅光技术。

　　思科通过 400G 双向Bidi光模块保护客户现有光纤投资，并推出用于 AI 基础设施的 800G 硅光模块，具备高可靠性、低功耗与高密度特性。Acacia用于数据中心长距离互联的 800G ZR/ZR+ 已在国内头部 AI 平台落地，可覆盖 400G/800G/1.6T 全速率，与不同厂商网络设备互操作。在此基础上，思科还将液冷技术 直接集成到交换机内部。包括冷板液冷（将冷板嵌入交换机核心部件进行精准散热）以及沉浸式液冷（整机直接浸没于液体中），有效削减高密度网络设备的散热压力，进一步提升能效。

　　第四，网络自动化与弹性：Cisco + Splunk 打造“可观测的 AI 网络大脑”。

　　面对 AI 训练的高并发、低时延、网络的稳定性要求前所未有。思科将网络自动化、状态感知能力与 Splunk结合，为 AI 数据中心提供“实时态势感知 + 自动化处置”的能力：全栈可观测性：Splunk 可持续采集网络、GPU 集群、存储与应用的全域遥测，在单一界面呈现端到端运行状态，提前发现长尾时延、拥塞或异常流量。并且可实现自动化编排与自愈安全与弹性内建等。

　　封小韵特别强调，思科新发布的业界首款基于P200系列路由器200 路由器：实现跨域 Scale-Across 的关键枢纽。思科最新的 P200 路由器正在改变 AI 数据中心的网络架构范式。传统方式中，要实现 12.8 Pbps 的跨域互联，通常需要大型模块化路由器和成千上万个端口，架构复杂、成本高昂。思科P200 ASIC 则通过 Silicon One + 深度缓冲能力，使网络能够 从 Scale-Out 迈向 Scale-Across：

　　在训练流量暴增时吸收突发，避免丢包导致的训练重跑

　　以固定槽位机箱组合方式替代超大路由集群，大幅降低成本与部署难度

　　实现多个 AI DC园区、多个计算域之间的“跨域算力互联”，让企业构建真正的 跨区域、可调度、可扩展的 AI 基础设施

　　P200 架构使 AI 数据中心不仅能“做大”，还能“连起来”、能跨域协同，为下一代 AI 超级集群奠定网络底座

　　封小韵表示，AI 数据中心过去依赖三种扩展方式，而思科通过“四大技术积木”与创新的 Scale-Across 跨域扩展 架构，正在为下一代 AI 基础设施提供更具能源效率、可扩展性和可观测性的全新路径。“希望用非洲草原大型动物的比喻，让大家看到 AI 数据中心未来发展的另一种思考方式。”她总结道。