40亿！移动花这么大一笔钱是要干嘛？

最近中国移动最近又下了一笔大单。8日，中国移动发布RoCE交换机集采公告，预估采购2450台，最高投标限价合计约40.8亿元。其中，自主可控机型1960台，占比80%；通用机型490台，占比20%。

只看台数，2450台好像不多，还不够填满一个中等规模的数据中心。但看看总价，平均一台超过166万元。一台交换机的价格，够买一辆顶配的保时捷。

可能大家平时也没听过RoCE交换机这个名字，但它做的事情很重要。

AI大模型训练，本质上是成千上万张GPU卡同时“对话”。每一轮训练，每张卡都要把自己的计算结果同步给其他所有卡。一张卡算完一个梯度，需要把数据传给另外几千张卡，然后等它们也传回来，再进入下一轮。一次大规模训练，这种“东西向”的数据流量能达到PB级别。

如果这些卡之间用传统网络通信，数据要经过CPU处理、内存拷贝，延迟高、CPU占用大。卡越多，通信越堵。训练效率不是线性增长，反而可能因为网络瓶颈急剧下降。

RoCE技术解决的正是这个问题。它让服务器之间直接访问对方内存，数据从一块网卡直接“搬”到另一块网卡，全程不经过CPU，不折腾操作系统内核。超低延迟、高吞吐、零丢包。

换句话说，RoCE交换机就是AI算力集群的“神经网络”。

GPU再强，如果神经网络不发达，算力就是一堆散沙。今年一季度，中国移动已经集采过一次RoCE交换机，1790台，开标金额约8.8亿元。这次2450台，台数只增加了37%，但限价金额达到了上次开标金额的4.5倍以上。

数量涨得不多，价格涨得吓人。原因不复杂，产品规格升级了。上次集采的交换机涵盖从12.8T到51.2T多种规格。这次虽然没有明确规格，但从单台限价超过166万元来看，主流产品集中在51.2T甚至更高速率档位。51.2T意味着单台交换机每秒能处理51.2Tbps的数据，是12.8T的四倍。

更高的速率，对应更高的单价。而且这次集采明确标注“大规模集群使用”，指向的是万卡级乃至十万卡级AI集群的互联需求。

这次集采最值得琢磨的地方，不是40.8亿这个数字，而是自主可控机型占了80%。

1960台自主可控RoCE交换机，最高限价32.655亿元，占总预算的八成。上一轮集采，自主可控占比是73%。从73%到80%，涨幅看起来不大，但放在40亿这个数字上，意味着国产设备从“试点”进入了“常态化商用”。

这背后有一个还有一个事实：交换机的核心，是它搭载的网络交换芯片。这颗芯片的战略意义，不亚于GPU。

全球高端以太网交换芯片市场，长期被博通和Marvell两家美国企业垄断，两者合计份额超过60%，扣除自研芯片后，商业芯片市场的占比更是超过90%。

技术上确实有代差。博通今年量产的Tomahawk6，总带宽达到102.4Tbps。而国产第三方商用芯片的成熟方案还停留在25.6T，51.2T产品在协议栈完整性和大规模集群验证方面仍在追赶。

那为什么还要花大钱买？因为芯片这个行业有一个残酷的规律：没有大规模商用验证，就永远追不上。技术突破只是第一步，真正的门槛是生态。交换芯片应用周期长达8到10年，客户一旦选定方案就不会轻易更换，而且需要和网卡、光模块、操作系统全产业链协同验证。

国产高端交换芯片的代表企业盛科通信，2025年研发投入6.79亿元，占营收近六成，全年仍然亏损1.5亿元。12.8T和25.6T的旗舰芯片才刚进入客户推广阶段，51.2T预计到2026年底才能回片。

这种投入强度，靠企业自己扛，很难持续。中国移动通过集采提供稳定订单和应用场景，相当于给国产芯片企业搭建了一座从实验室到市场的桥梁。40.8亿的订单，不只是一笔采购，更是一种产业政策工具。

说到这，你可能会想，40亿买交换机，跟我有什么关系？关系在于，你未来用AI的成本，取决于算力的效率。而算力的效率，取决于GPU之间能不能高效通信。

你每一次向AI提问，背后那几千张GPU在同时计算，如果这些GPU之间的“对话”被网络瓶颈卡住，算力浪费了，你等的时间就长了，服务成本就高了。RoCE交换机的作用，就是让这些GPU“聊得顺畅”，让算力不浪费。

移动花40.8亿买2450台交换机，本质上是在为“AI服务更便宜、更稳定”打基础。算力效率提上去了，AI服务的价格才有下降的空间。

另外，这80%的自主可控，也关系到一件事：你的数据未来跑在谁家的芯片上。国产交换芯片的成熟，意味着整个算力基础设施的底层，有了更可控的选择。

中国移动今年在AI算力上的投入已经全面铺开，从年初的AI训练服务器集采，到这次的RoCE交换机大单，再到智算中心的扩容竣工。这些投入不会立刻变成你手机上某个看得见的功能，但它们决定了三五年后，你用AI时能不能“不卡、不贵、不掉线”。

你觉得，AI用起来最让你头疼的是什么？是贵，是慢，还是不稳定？评论区聊聊。