2025 年，GPT-4 級別模型的參數(shù)已突破 10 萬億，單次訓(xùn)練需動(dòng)用 1.2 萬顆 GPU 連續(xù)跑 90 天。此時(shí)，網(wǎng)絡(luò)不再是“配角”，而是與算力、存儲(chǔ)并列的“第一性資源”——AllReduce 每拖 1 μs，整體 GPU 利用率就下降 0.7%；一次 3 秒的鏈路抖動(dòng)，可直接浪費(fèi) 1200 萬元電費(fèi)。傳統(tǒng)三層 CLOS 已觸達(dá)擴(kuò)展極限，雙平面/多平面（Dual-Plane / Multi-Plane）網(wǎng)絡(luò)應(yīng)運(yùn)而生，成為智算中心的新范式。
技術(shù)拆解：雙平面如何“三殺”傳統(tǒng)痛點(diǎn)
延遲——路徑確定
傳統(tǒng) ECMP 五元組哈希在大象流面前極易碰撞，導(dǎo)致部分鏈路空閑、部分鏈路溢出。雙平面把 ToR 一分為二，同一 GPU 服務(wù)器的兩個(gè)端口固定走各自平面，宏觀上實(shí)現(xiàn)“流量守恒”，微觀上無需逐包哈希，端到端微秒級抖動(dòng) <1 μs。
丟包——隊(duì)列減半
實(shí)測 512 顆 GPU 跑 4 個(gè) AllReduce，雙平面使 ToR 下行隊(duì)列長度從 3.2 MB 降到 260 kB，緩沖區(qū)溢出概率下降兩個(gè)數(shù)量級。
故障域——1+1=1.5
任意一個(gè) ToR 或上聯(lián)鏈路失效，主機(jī)只需本地刷新 ECMP 組，無需全局控制器介入，收斂時(shí)間從 600 ms 縮短到 30 ms，訓(xùn)練任務(wù)只損失 5% 步長，而傳統(tǒng)架構(gòu)損失 30% 以上。
多平面再進(jìn)化：把“一張網(wǎng)”拆成“四張網(wǎng)”
華為 CloudMatrix384 提出“三平面”模型，為不同流量量身定制網(wǎng)絡(luò)服務(wù)：
UB 平面（Scale-Up）
全互聯(lián) 384 顆 NPU，單端口 196 GB/s，專供 Tensor/Expert Parallel 細(xì)粒度通信，延遲 <2 μs。
RDMA 平面（Scale-Out）
200 G RoCEv2，負(fù)責(zé)分布式訓(xùn)練、KV-Cache 橫向搬運(yùn)；與 UB 平面物理隔離，防止長流沖擊短流。
VPC 平面（帶外管理）
10/25 G，跑控制、監(jiān)控、存儲(chǔ)，發(fā)生故障時(shí)不影響計(jì)算面。
在北京數(shù)字經(jīng)濟(jì)算力中心，四張物理獨(dú)立網(wǎng)絡(luò)（計(jì)算、存儲(chǔ)、業(yè)務(wù)、管理）分別采用 400 G、200 G、100 G、10 G 多平面部署，實(shí)現(xiàn)“零搶占、零抖動(dòng)、零接觸”運(yùn)維，全年網(wǎng)絡(luò)故障導(dǎo)致的訓(xùn)練中斷 <2 次。
運(yùn)維與治理：讓“硬”拓?fù)溟L出“軟”智能
端網(wǎng)協(xié)同 Crux 調(diào)度器
阿里云把“通信-計(jì)算”建模成 one-hot 向量，實(shí)時(shí)感知 GPU 計(jì)算密度，優(yōu)先調(diào)度高密任務(wù)，GPU 利用率再提 8.3-14.8%。
亞毫秒級故障自愈
交換機(jī)芯片本地監(jiān)測 BER>1E-9 即觸發(fā) ARN（Adaptive Routing Notification），通知網(wǎng)卡切換平面，端到端自愈 <1 ms。
光模塊數(shù)字孿生
基于 CMIS 標(biāo)準(zhǔn)實(shí)時(shí)采集溫度、OSNR、BER，AI 預(yù)測 7 天內(nèi)劣化概率，提前更換，現(xiàn)場故障率下降 70%。
FinOps 多租戶
在多平面基礎(chǔ)上做 VPC 切片，按“帶寬+時(shí)延”組合計(jì)費(fèi)，訓(xùn)練租戶與推理租戶錯(cuò)峰，全網(wǎng)利用率提升 22%。
未來展望：多平面的“下一站”
光電混合多層平面
硅光 OCS 現(xiàn)場可重構(gòu)，依據(jù)模型大小動(dòng)態(tài)改變拓?fù)?，白?Fat-Tree、晚上 Torus，一張物理網(wǎng)“日切”兩次。
智能平面 0
利用 inline AI 芯片在交換機(jī)上做實(shí)時(shí)推理，平面 0 專跑“網(wǎng)絡(luò)自管理”流量，實(shí)現(xiàn)“網(wǎng)絡(luò)自己訓(xùn)練自己”。
800 G/1.6 T 超雙平面
2026 年 51.2 T 芯片將演進(jìn)到 102.4 T，單端口 800 G 物理層原生雙 400 G，雙平面天然向“超雙平面”升級，GPU 帶寬再翻倍。
綠色多平面
根據(jù)流量預(yù)測動(dòng)態(tài)關(guān)閉平面或降頻，夜間低負(fù)載關(guān)閉 30% 交換機(jī)，全年省電 1200 萬度，相當(dāng)于減少 1 萬噸 CO?。
結(jié)語：把“網(wǎng)絡(luò)”做成“第一算力”
雙平面與多平面網(wǎng)絡(luò)不是簡單的“多買一套交換機(jī)”，而是讓“拓?fù)涓兄獦I(yè)務(wù)、讓平面匹配流量”，把原本浪費(fèi)在哈希極化、故障收斂、隊(duì)列緩沖上的 GPU 時(shí)間重新“搶”回來。當(dāng)大模型參數(shù)以每 10 個(gè)月 4 倍的速度膨脹時(shí)，誰先完成從“單平面”到“多平面”的躍遷，誰就握住了下一代智算中心的“時(shí)間鑰匙”
18221259202