智通财经APP获悉，国盛证券发布研报点评AI 时代的网络需求与创新方向。该团队认为大模型时代，模型体积和单卡上限之间的差距迅速拉大，业界转而寻求多服务器集群来解决模型训练问题，这构成了 AI 时代网络“上位”的基础;现如今，“降本”、“开放”和算力规模之间的平衡将是网络创新的主要议题。
网络需求从何而来?
进入大模型时代，模型体积和单卡上限之间的差距迅速拉大，业界转而寻求多服务器集群来解决模型训练问题，这也构成了 AI 时代网络“上位”的基础。同时，相较于过去单纯用于传输数据，如今网络更多的用于同步显卡间的模型参数，对于网络的密度，容量都提出了更高要求。
日益庞大的模型体积：(1)训练耗时=训练数据规模 x 模型参数量/计算速率(2)计算速率=单设备计算速率 x 设备数 x 多设备并行效率。当下，业界对于训练数据规模和参数的双重追求下，唯有加速提升计算效率，才能缩短训练耗时，而单设备计算速率的更新有其周期和限制，因此如何利用网络尽可能的扩大“设备数”和“并行效率”直接决定了算力。
多卡同步的复杂沟通：在大模型训练过程中，将模型切分至单卡后，每经过一次计算，单卡之间都需要进行对齐(Reduce、Gather 等)，同时，在英伟达的通信原语体系 NCCL 中，All-to-All(即所有节点都可以互相获取值并对齐)的操作较为常见，因此对网络之间的传输和交换提出了更高的要求。
愈发昂贵的故障成本：大模型的训练往往持续数月以上，而中间一旦发生中断，需要回到几小时或者几天前的断点进行重新训练。而整个网络中某一个软硬件环节的故障，或者过高的延迟，都有可能导致中断。更多的中断，代表着落后的进度和愈发高昂的成本。现代的 AI 网络，已经渐渐发展成堪比飞机、航母等的人类系统工程能力的结晶。
网络创新将走向何方?
硬件随需求而动，经过两年，全球算力投资规模已经膨胀到数百亿美元级别，而模型参数的扩张，巨头的惨烈厮杀依然激烈。现如今，“降本”、“开放”和算力规模之间的平衡将是网络创新的主要议题。
通信介质的更迭：光、铜与硅是人类传输的三大介质，在 AI 时代，光模块追求更高速率的同时，也迈出了 LPO、LRO、硅光等降本之路。在当前时间点，铜缆凭借性价比，故障率等因素占领了机柜内连接。而 Chiplet，Wafer-scaling 等新半导体技术，则正在加速探索硅基互联的上限。
网络协议的竞争：片间通信协议与显卡强绑定，如英伟达的 NV-LINK，AMD的 Infinity Fabric 等等，其决定了单台服务器或者单个算力节点的能力上限，是非常残酷的巨头战场。而 IB 与以太网的斗争则是节点间通信的主旋律。
网络架构的变化：当下节点间网络架构普遍采用叶脊架构，叶脊具有便捷、简单、稳定等特点。但随着单个集群节点数增多，叶脊稍显冗余的架构会给超大集群带来较大的网络成本。当下，如 Dragonfly 架构，rail-only 架构等新架构有望成为面向下一代超大集群的演进方向。
投资建议：通信系统核心环节：中际旭创、新易盛、天孚通信、工业富联、英维克、沪电股份。通信系统创新环节：长飞光纤、太辰光、源杰科技、盛科通信-U、寒武纪、德科立。
风险提示：AI 需求不及预期，Scaling law 失效，行业竞争加剧。