Ethernet یاInfiniBand؛ کدام‌یک آینده شبکه AI Data Center را می‌سازد؟

مقدمه

رشد سریع هوش مصنوعی مولد، مدل‌های زبانی بزرگ (LLM)، پردازش‌های توزیع‌شده و زیرساخت‌های AI Factory، مفهوم «شبکه» را در مراکز داده به سطحی کاملاً جدید رسانده است. در معماری‌های سنتی، شبکه عمدتاً وظیفه اتصال Server، Storage و کاربران را بر عهده داشت؛ اما در یک AI Data Center، شبکه بخشی از سیستم محاسباتی محسوب می‌شود.زمانی که صدها یا هزاران GPU به‌صورت هم‌زمان روی یک مدل مشترک کار می‌کنند، حجم عظیمی از داده باید میان GPUها جابه‌جا شود. هرگونه تأخیر، ازدحام یا کاهش پهنای باند می‌تواند باعث شود GPUهای گران‌قیمت به جای پردازش، منتظر دریافت داده بمانند.به همین دلیل، در سال‌های اخیر دو فناوری بیش از سایر گزینه‌ها مورد توجه قرار گرفته‌اند: InfiniBand و Ethernet.

اما سؤال اصلی این است:

آیا InfiniBand همچنان شبکه اصلی AI خواهد بود یا Ethernet با فناوری‌هایی مانند RoCE، Adaptive Routing و NVIDIA Spectrum-X جای آن را خواهد گرفت؟

پاسخ کوتاه این است که در سال ۲۰۲۶ هنوز نمی‌توان گفت InfiniBand از بین رفته است؛ اما روند بازار به‌وضوح نشان می‌دهد که Ethernet در حال تبدیل شدن به رقیب جدی و احتمالاً گزینه غالب برای بخش بزرگی از AI Data Centerهای آینده است.

 

چرا شبکه برای AI این‌قدر مهم شده است؟

در یک سرور معمولی، پردازنده و حافظه بخش عمده عملیات را داخل همان سیستم انجام می‌دهند. اما در یک کلاستر AI، یک مدل ممکن است میان صدها یا هزاران GPU توزیع شود.

برای مثال، در فرآیند آموزش یک مدل بزرگ، GPUها باید دائماً عملیاتی مانند:

• All-Reduce
• All-Gather
• Reduce-Scatter
• Broadcast

را انجام دهند.این عملیات به ارتباط بسیار سریع میان GPUها نیاز دارند.بنابراین عملکرد واقعی یک AI Cluster تنها به قدرت GPU بستگی ندارد. اگر شبکه نتواند داده‌ها را با سرعت و تأخیر مناسب منتقل کند، بخشی از ظرفیت GPU عملاً بلااستفاده خواهد ماند.به همین دلیل NVIDIA نیز در معماری‌های جدید خود شبکه را یکی از اجزای اصلی AI Factory می‌داند و برای کلاسترهای بسیار بزرگ، معماری‌های Ethernet و InfiniBand را در کنار سایر اجزای زیرساخت ارائه می‌کند.

 

InfiniBand چیست؟

InfiniBand یک فناوری شبکه High Performance است که از ابتدا برای محیط‌هایی مانند:

• High Performance Computing
• Supercomputing
• Scientific Computing
• AI Training
• GPU Cluster

طراحی شده است.برخلاف Ethernet سنتی که یک فناوری عمومی و همه‌منظوره است، InfiniBand از ابتدا با هدف ارتباط بسیار سریع و کم‌تأخیر میان سیستم‌های محاسباتی طراحی شده است.یکی از مهم‌ترین مزایای آن پشتیبانی از RDMA یا Remote Direct Memory Access است.

RDMA اجازه می‌دهد داده مستقیماً میان حافظه سیستم‌ها منتقل شود و CPU و سیستم‌عامل در مسیر انتقال داده نقش بسیار کمتری داشته باشند.نتیجه این معماری Latency کمتر + CPU Overhead کمتر + Throughput بالاتر است.به همین دلیل InfiniBand سال‌ها فناوری اصلی بسیاری از Supercomputerها و کلاسترهای HPC بوده و همچنان در بسیاری از زیرساخت‌های بزرگ AI جایگاه مهمی دارد.

 

Ethernet چگونه وارد دنیای AI شد؟

مشکل اصلی Ethernet سنتی این بود که برای AI Clusterهای عظیم، فقط افزایش سرعت Link کافی نیست.

AI Traffic دارای ویژگی‌هایی موارد ذیل می باشد:

• ارتباطات بسیار هم‌زمان
• Burstهای بزرگ
• حساسیت بالا به Latency
• Collective Communication
• نیاز به Throughput پایدار
• حساسیت شدید به Packet Loss و Congestion

بنابراین Ethernet باید تکامل پیدا می‌کرد. فناوری‌هایی مانند RDMA over Converged Ethernet (RoCE)  امکان استفاده از RDMA روی Ethernet را فراهم کردند.

در مرحله بعد، قابلیت‌های زیر به Ethernetهای مخصوص AI اضافه شدند:

• Priority Flow Control
• Explicit Congestion Notification
• Adaptive Routing
• Telemetry
• Load Balancing
• Congestion Control
• Lossless Networking

به این ترتیب، Ethernet دیگر صرفاً همان شبکه سنتی Data Center نبود.

 

NVIDIA Spectrum-X؛ نقطه عطف Ethernet در AI

یکی از مهم‌ترین اتفاقات بازار AI Networking، توسعه پلتفرم NVIDIA Spectrum-X Ethernet است.Spectrum-X در واقع تلاش می‌کند Ethernet را برای Workloadهای AI به یک Fabric تخصصی تبدیل کند.

این پلتفرم ترکیبی است از:

• Spectrum Ethernet Switch
• NVIDIA SuperNIC
• RoCE
• Adaptive Routing
• Congestion Control
• Telemetry
• Performance Isolation

NVIDIA اعلام کرده است که Spectrum-X می‌تواند نسبت به Ethernet معمولی برای Workloadهای AI عملکرد شبکه را تا 1.6 برابر افزایش دهد. این پلتفرم همچنین برای مقیاس‌هایی از هزاران تا صدها هزار GPU طراحی شده است.

نکته مهم این است که NVIDIA دیگر Ethernet را صرفاً یک گزینه ارزان‌تر در برابر InfiniBand نمی‌بیند؛ بلکه در حال توسعه آن به‌عنوان یک AI Networking Fabric مستقل است.

 

مقایسه Ethernet و InfiniBand

ویژگی	Ethernet سنتی	AI Ethernet / Spectrum-X	InfiniBand
کاربرد عمومی	بسیار عالی	بسیار خوب	محدود
AI Training	متوسط	بسیار عالی	بسیار عالی
AI Inference	بسیار خوب	بسیار عالی	عالی
Latency	متوسط	بسیار کم	بسیار کم
RDMA	با RoCE	بله	بومی
مقیاس‌پذیری	بسیار بالا	بسیار بالا	بسیار بالا
سازگاری با زیرساخت موجود	عالی	عالی	محدودتر
تجهیزات چند Vendor	بسیار زیاد	رو به افزایش	محدودتر
مدیریت شبکه	آشنا برای اکثر تیم‌ها	مشابه Ethernet	تخصصی‌تر
Ecosystem	بسیار گسترده	در حال رشد سریع	تخصصی
انعطاف‌پذیری	بسیار بالا	بالا	کمتر
مناسب برای Enterprise	بسیار بالا	بسیار بالا	متوسط تا بالا
مناسب برای HPC	متوسط	بالا	بسیار بالا

 

بزرگ‌ترین مزیت Ethernet چیست؟

مهم‌ترین مزیت Ethernet فقط سرعت نیست؛ بلکه اکوسیستم است.تقریباً تمام Data Centerهای جهان بر پایه Ethernet ساخته شده‌اند.

سازمان‌ها معمولاً از Ethernet برای موارد زیر استفاده می کنند :

• Management
• Server Networking
• Storage
• Virtualization
• Internet
• Security
• Backup
• Application Traffic

در نتیجه اگر AI Fabric نیز بر پایه Ethernet ساخته شود، سازمان می‌تواند بخش بیشتری از زیرساخت خود را با فناوری‌ها و مهارت‌های موجود مدیریت کند.این موضوع برای Enterpriseها اهمیت بسیار زیادی دارد. Cisco نیز در معماری AI Networking خود بر ترکیب Ethernet Fabric با Automation، Observability و Security تأکید می‌کند.

 

مزیت اصلی InfiniBand چیست؟

InfiniBand همچنان یک مزیت مهم دارد:

از ابتدا برای ارتباطات High Performance طراحی شده است.

در محیطی که هدف اصلی، اجرای یک کلاستر بسیار بزرگ برای Training مدل‌های AI یا HPC باشد، تأخیر بسیار پایین، RDMA بومی و رفتار قابل پیش‌بینی شبکه اهمیت فوق‌العاده‌ای دارد.به همین دلیل نمی‌توان گفت InfiniBand در سال ۲۰۲۶ فناوری منسوخ‌شده‌ای است.برعکس، InfiniBand همچنان در بسیاری از بزرگ‌ترین کلاسترهای AI و HPC مورد استفاده قرار می‌گیرد.اما مسئله این است که Ethernet در حال کاهش فاصله عملکردی با InfiniBand است.

 

Ethernet در برابر InfiniBand؛ رقابت واقعی کجاست؟

رقابت اصلی دیگر میان Ethernet معمولی vs InfiniBand نیست.  رقابت آینده بیشتر میان AI-Optimized Ethernet vs InfiniBand خواهد بود. این تفاوت بسیار مهم است. Ethernet  استاندارد ممکن است برای Training بسیار سنگین مناسب نباشد؛ اما فناوری‌هایی مانند Spectrum-X، RoCE و نسل جدید AI Ethernet Fabric، Ethernet را به یک شبکه تخصصی برای AI تبدیل کرده‌اند. در نتیجه معادله بازار در حال تغییر است.

 

یک عامل مهم دیگر: AI Inference

یکی از دلایلی که Ethernet احتمالاً در آینده سهم بیشتری از بازار AI را خواهد گرفت، رشد AI Inference است. در Training، GPUها به‌شدت به ارتباطات Collective و Synchronization وابسته هستند. اما در Inference، معماری Workload متفاوت است و شبکه باید علاوه بر GPU-to-GPU، ارتباط میان موارد زیر را مدیریت می کند :

• User
• Application
• AI Model
• Storage
• Vector Database
• API
• GPU Cluster

در چنین محیطی انعطاف‌پذیری Ethernet یک مزیت مهم محسوب می‌شود. به همین دلیل با گسترش AI به Enterprise Data Centerها، احتمال افزایش سهم Ethernet بیشتر می‌شود.

 

آینده؛ Ethernet یا InfiniBand؟

به نظر می‌رسد پاسخ آینده یک انتخاب کاملاً دوگانه نباشد.در AI Data Centerهای بسیار بزرگ، ممکن است معماری ترکیبی شکل بگیرد.

برای مثال:

GPU Fabric → InfiniBand یا AI Ethernet

Storage / Management / User / Application Network → Ethernet

در چنین معماری‌ای هر فناوری برای وظیفه‌ای که بهترین عملکرد را دارد استفاده می‌شود.از طرف دیگر، توسعه Ethernetهای مخصوص AI می‌تواند باعث شود حتی GPU Fabric نیز به‌تدریج به سمت Ethernet حرکت کند.بررسی‌های بازار در سال ۲۰۲۶ نیز نشان می‌دهد که Ethernet در حال افزایش سهم خود در AI Networking است، در حالی که InfiniBand همچنان در HPC و برخی بزرگ‌ترین AI Clusterها موقعیت قدرتمندی دارد.

 

آیا InfiniBand شکست خواهد خورد؟

خیر؛ حداقل در آینده نزدیک چنین نتیجه‌ای منطقی نیست.

InfiniBand احتمالاً در حوزه‌هایی زیر همچنان اهمیت زیادی خواهد داشت :

• Supercomputing
• HPC
• Large-scale AI Training
• Research Labs
• Scientific Computing

اما بازار Enterprise متفاوت است. در یک Enterprise Data Center، سازمان معمولاً ترجیح می‌دهد از یک Fabric استاندارد، قابل توسعه و قابل مدیریت برای بخش بیشتری از زیرساخت استفاده کند. در اینجا Ethernet مزیت ساختاری بزرگی دارد.

 

آینده Ethernet در AI Data Center

روند فعلی بازار نشان می‌دهد Ethernet در حال حرکت از یک شبکه General Purpose به یک AI Fabric است.

نسل آینده Ethernet احتمالاً ویژگی‌هایی نظیر موارد زیر را در خود ترکیب خواهد کرد :

• 800GbE
• 6TbE
• RoCE
• SmartNIC / SuperNIC
• DPU
• Adaptive Routing
• AI-aware Congestion Control
• In-Network Telemetry
• Lossless Transport
• Advanced Load Balancing

در نتیجه مفهوم «Ethernet معمولی» و «Ethernet مخصوص AI» بیش از گذشته از یکدیگر فاصله خواهند گرفت.

NVIDIA نیز اکنون Spectrum-X را به‌عنوان یک پلتفرم End-to-End برای AI Networking معرفی می‌کند که علاوه بر GPU Fabric، در AI Storage نیز قابل استفاده است.

 

نتیجه‌گیری

در سال ۲۰۲۶، پاسخ به سؤال Ethernet یا InfiniBand؟ دیگر ساده نیست.اگر هدف، ساخت یک Supercomputer یا کلاستر بسیار بزرگ برای Training مدل‌های AI باشد، InfiniBand همچنان یکی از قدرتمندترین گزینه‌هاست. اما اگر هدف، ساخت یک AI Data Center انعطاف‌پذیر، Enterprise-ready، مقیاس‌پذیر و قابل اتصال به Server، Storage، Application و Cloud باشد، AI-Optimized Ethernet به‌سرعت در حال تبدیل شدن به گزینه اصلی است.بنابراین احتمالاً آینده متعلق به حذف کامل یکی از این دو فناوری نیست؛ بلکه به شکل‌گیری دو مسیر متفاوت خواهد بود:

InfiniBand برای محیط‌های بسیار تخصصی و HPC و AI Ethernet  برای بخش بزرگی از Enterprise، Cloud و AI Data Centerهای نسل آینده.با این حال، روند سرمایه‌گذاری و توسعه محصولات در سال ۲۰۲۶ یک پیام روشن دارد: Ethernet دیگر صرفاً «گزینه ارزان‌تر InfiniBand» نیست؛ بلکه در حال تبدیل شدن به یک معماری تخصصی برای AI است. رشد Spectrum-X و توسعه AI Ethernet توسط شرکت‌هایی مانند NVIDIA و Cisco نشان می‌دهد که نبرد اصلی شبکه AI در سال‌های آینده احتمالاً بر سر این خواهد بود که چه کسی می‌تواند Ethernet را به یک Fabric با عملکرد، قابلیت پیش‌بینی و مقیاس‌پذیری نزدیک به یا حتی فراتر از InfiniBand تبدیل کند.

تیم فنی شرکت کوشا فناوران مبتکر ، با ترکیب تجربه و تخصص فناوری نوین، آماده خدمت گذاری به سازمانها و نهادهای دولتی و خصوصی در حوزه ایجاد و پیاده سازی زیرساخت های شبکه و امنیت سایبری از جمله زیرساخت پشتیبان‌گیری و بازیابی اطلاعات می باشد.

جهت مطالعه مقالات بیشتر به بخش مطالب آموزشی سایت www.tapestorage.net و  مجله مبتکر به آدرس https://blog.tapestorage.ir مراجعه فرمائید .