一个光模块出问题，可能让整批训练任务停下来等。
这不是假设。万卡集群里，网络拥塞、性能波动、某个光模块的局部故障，看起来都是网络侧的小事；落到业务上，往往是整批训练等待、推理延迟上升，甚至中断重跑。
10月下旬，在成都举办的2026中国计算机大会上，中科曙光发布了一个叫Fabricview的网络管理平台。它管的是百万量级的设备、端口和光模块。
一个网管平台，为什么值得单独发布？因为网络不再只是连接，它决定GPU等多久、token花多少钱。
一次公开实测里，一个五百人的研发团队，三天产生了超过800TB的KV Cache。
这些“阅读笔记”不是代码，是模型每读一遍上下文算出的中间状态。GPU上的HBM是GB级，加上服务器内存，也不过几十TB。800TB对几十TB，装不下，只能往外交给存储。数智前线
AI Coding是最典型的长上下文场景。一个任务跑几天，两百多轮，单次上下文128K，95%以上是重复内容。重复的部分本来可以命中缓存。
命中与不命中，价格差得很远：以DeepSeek V4-Flash的公开价为例，命中每百万token 0.0028美元，未命中0.14美元，相差50倍。
华为给出的一个金融客户数据里，缓存命中率从35%提到92%，首Token时延从55.94秒降到4.24秒。省下的不是一点算力，是一大笔token账单。存储要留住这些“笔记”，网络要尽快搬回来。数智前线
搬得有多快？HBM的带宽是每秒TB级：H100的HBM3约3.35TB/s，B200的HBM3e约8TB/s。显存到内存的PCIe Gen5 x16，只有约64GB/s。知乎
外置存储要当“第三级缓存”，带宽就得尽量贴近内存。
华为OceanStor M900把KV Cache从显存、内存扩展到SSD，单集群64PB、40TB/s聚合带宽，NPU到SSD一跳直通，访问时延从毫秒级降到60微秒。智能相对论
但存储这一端再宽，算力卡那一端如果是羊肠小道，速度照样上不去。存储网络的价值，不是某一个端口的标称速率，而是整条路能不能一起跑起来。
训练侧的压力更直接。一次checkpoint要写十几TB，每30分钟到2小时一次；万卡集群平均2.8小时中断一次。
如果存储面和训练面共用一张网，写checkpoint的洪峰一上来，梯度同步就得排队。所以新建的AI数据中心，存储面往往单独组网。
训练面跑的是微秒级、对丢包极敏感的RDMA；存储面接的是周期性的吞吐洪峰。两张网分开，不是浪费，是互相保命。
新的存储网络，也不再只有一种走法。块存储走NVMe over RDMA，文件业务走NFS over RDMA，GPU还可以绕过CPU和主机内存，经RDMA直接读写远端存储。知乎
中科曙光给出的数据是：文件业务走RDMA后，GPU利用率从55%提到95%以上，训练轮次耗时缩短30%到60%。
单跳转发时延260纳秒，网卡端到端低于1微秒，三跳组网时大消息时延比主流RoCE低约63%。
这些数字指向同一件事：存储网络正在从“存储设备之间的连接”，变成“算力、存储、网络三者的公共通道”。
芯片决定下限，互联决定效能。这句话放在存储网络上，同样成立。36氪
通道越修越宽，老办法也开始露怯。RoCE靠PFC做逐跳反压，规模小的时候好用；到了万卡、十万卡，PFC死锁、反压级联、配置复杂、多路径不好均衡，问题一个接一个。
业界的做法开始转向Lossy RDMA：关掉PFC，把可靠性从网络侧挪到网卡侧。接收端流控、ECN加丢包和RTT的拥塞判决、窗口化速率控制、选择性重传，这些能力得由端侧补齐。
换句话说，网络不再保证不丢，端侧要保证丢了也能很快恢复。这不是降配。集群越大，网卡硬件规格的差距越容易被抹平，真正拉开差距的，是端侧算法补得齐不齐。
规则也在重写。10月中旬，中科曙光牵头的国家标准《智能计算集群高速网络管理技术规范》获批立项，计划号20264903-T-469。 过去厂商方案互不兼容，标准要解决的就是这套隐形成本。ICT探索
这背后是一个更大的选择：IB性能最好，但核心生态握在英伟达手里；RoCE能跑在以太网上，却要面对跨厂商兼容和调参的麻烦。
不止一家在动。字节的EthLink、腾讯的Eth-X、中国移动的GSE，都在以太网上重构协议栈；华为则把灵衢做成系统级总线。国产标准想做的，是把管理和生态拿回自己手里。
对准备建集群的人来说，存储网络这笔账，不能只看交换机的端口速率。至少要看三件事：端到端能不能跑满，拥塞时会不会雪崩，坏了一条路能不能无感切走。
标称400G不等于业务能拿到400G；无损配置也不是打开PFC就完事。最好拿真实负载压一遍，看尾延迟，看故障切换时间，看重传起来以后带宽还剩多少。
过去存储网络是机房里的水管，埋在墙里，没人天天盯着。现在它决定GPU等多久、token花多少钱。下一次训练卡住，先别急着加卡。看看数据，是不是堵在路上。
