博通2026年3月财报里藏着一个数字：70%的新建AI基础设施正在抛弃InfiniBand，转向以太网。这不是技术迭代，是一场被提前宣判的 ecosystem verdict（生态系统裁决）。
InfiniBand的延迟优势还在，RDMA（远程直接内存访问）的实现依然领先。但企业采购清单上的勾选项，正在集体位移。
「技术优越」为何输给「生态通吃」
InfiniBand的困境，像极了当年黑莓的结局。键盘手感再好，也挡不住触屏生态的碾压。
博通CEO Hock Tan在财报电话会上没有掩饰判断：「 hyperscalers 的选择已经明确，这不是性能测试的结果，是运营现实的投票。」AWS、Google、Microsoft 的AI后端网络，全部基于以太网架构搭建。当全球最大的训练集群都跑在一种 fabric（网络架构）上，工具链、运维经验、人才储备会形成复利效应。
一个具体场景：某团队在云端用GPU做完大模型训练，准备把 workload 迁回本地数据中心。如果本地选InfiniBand，网络工程师要重新学一套完全不同的运维体系——从CLI命令到故障排查逻辑，从监控指标到扩容流程。这种 operational discontinuity（运营断层），在人才紧缺的当下，直接劝退多数CTO。
Ultra Ethernet Consortium（超以太网联盟）的成立，把趋势变成了标准。AMD、Broadcom、Cisco、HPE、Intel、Meta、Microsoft 组成的联盟，正在把InfiniBand的原生能力——拥塞控制、按序交付、多路径传输—— engineered into Ethernet as open standards（作为开放标准工程化进以太网）。
InfiniBand的技术护城河，正在被「开放标准+生态规模」填平。
这不是说InfiniBand变慢了。是它的「快」被锁在了一个越来越小的场景里：tightly coupled, homogeneous, single-vendor GPU clusters（紧耦合、同构、单厂商GPU集群），运行大规模分布式训练，且环境完全可控。
问题是，企业AI的实际运行环境，恰恰是多厂商、异构、推理与训练混合、云边端协同的复杂地形。
NVIDIA的平台绑定策略，成了双刃剑
NVIDIA把InfiniBand打包成平台承诺，而非单纯的网络选项。GPU、网卡、交换机、软件栈深度耦合，确实能榨出性能极限。
但这份「一体化」的代价，采购部门算得清楚：选InfiniBand等于押注单一供应商的路线图。未来若想引入AMD MI300X做推理、或用Intel Gaudi做特定 workload，fabric 层会成为硬边界。
一位云厂商网络架构师向我描述过决策过程：「我们评估过InfiniBand的延迟数据，很漂亮。但HR告诉我们，招一个资深InfiniBand工程师的周期是6个月，以太网背景的人随时能上岗。这个账没法不算。」
InfiniBand需要独立的工具链、独立的技能栈、独立的运营模型。而企业的网络工程师懂以太网，云工程师懂以太网，甚至安全团队的安全策略也是围绕以太网设计的。
这种「一切都要另起炉灶」的隐性成本，在预算紧缩的2025-2026年，被放大了。
NVIDIA的InfiniBand生态，本质上是一个 Mellanox 遗产的封闭花园。交换机、网卡、线缆、驱动、管理工具，全部绑定单一厂商。
当企业开始规划 multi-vendor GPU environments（多厂商GPU环境）、heterogeneous inference hardware（异构推理硬件）、future silicon decisions（未来芯片选型）时，今天的 fabric 选择会成为明天的枷锁。
RoCEv2的「足够好」，正在吃掉高端市场
RoCEv2（RDMA over Converged Ethernet version 2，融合以太网RDMA第二版）不是新技术。2014年发布至今，它一直在InfiniBand的阴影里扮演「平民替代」。
转折发生在超大规模部署的倒逼下。AWS的EFA（Elastic Fabric Adapter）、Google的IPU网络、Azure的NDv2系列，全部基于RoCEv2或其变种。这些生产环境的打磨，让RoCEv2的稳定性、可观测性、故障恢复能力，经历了InfiniBand实验室环境无法模拟的淬炼。
博通财报中的70%，是一个滞后指标。真正的决策发生在18-24个月前——当 hyperscalers 的架构评审会上，RoCEv2的「足够好」被证明可以支撑千亿参数模型的训练时，InfiniBand的 niche（利基市场）就被划定了边界。
UEC的工作重点，是填补RoCEv2的最后几块短板。拥塞控制算法从静态阈值转向动态感知，in-sequence delivery（按序交付）在丢包场景下的恢复机制，multipath（多路径）利用率的优化——这些原本InfiniBand原生支持的能力，正在被标准化为以太网的扩展。
一个关键细节：UEC的规范制定者中，有相当一部分来自曾经的InfiniBand阵营。技术路线的迁移，往往伴随着人才的流动。
企业架构师的现实选择题
对于正在规划AI基础设施的25-40岁技术决策者，这场 fabric war 的终局意味着什么？
第一，延迟敏感场景的边界收窄。如果你的 workload 是单一厂商GPU集群、纯训练任务、网络拓扑完全可控，InfiniBand仍有 measurable advantage（可测量的优势）。但这个「如果」的适用范围，正在逐年收缩。
第二，技能投资的ROI（投资回报率）重新计算。团队里培养InfiniBand专长的工程师，其知识复用范围被限制在特定供应商生态内。而以太网背景的经验，从数据中心延伸到云边端，从AI网络覆盖到传统业务负载。
第三，采购谈判的筹码变化。当70%的新建部署选择以太网，NVIDIA的InfiniBand定价权被削弱。这不是说InfiniBand会降价——而是企业在谈判桌上有了更清晰的替代方案参照，以及更充分的「不选你」底气。
第四，混合架构的复杂性上升。部分企业可能选择「训练用InfiniBand、推理用以太网」的分层策略。但这意味着两套网络体系并行运维，故障排查的交叉地带会成为新的风险点。
一位在2024年做过此类部署的架构师反馈：「理论上各取所长，实际上每次网络抖动都要先定位是哪一层的问题。我们的MTTR（平均修复时间）反而上升了。」
InfiniBand的衰落不是技术失败，是生态位收窄的必然。
它依然是最快的封闭赛道跑车，但企业需要买的是能在任何路况通行的SUV。
博通财报发布后的两周内，我跟踪了三个企业客户的架构评审会记录。其中两个明确将InfiniBand从「首选」下调为「特定场景备选」，一个正在评估从现有InfiniBand集群向RoCEv2迁移的可行性——尽管他们的InfiniBand设备才部署了14个月。
这种「未老先衰」的焦虑，在NVIDIA的GTC 2026议程设置里也有呼应。InfiniBand相关的技术分论坛，从2024年的12场缩减到6场，而Spectrum-X（NVIDIA的以太网方案）的议题数量翻倍。
NVIDIA并非没有察觉风向。Spectrum-X的推出，本身就是对生态现实的妥协。但Spectrum-X与InfiniBand的并行存在，也让客户决策更加困惑：选NVIDIA的以太网，还是行业标准的RoCEv2？
一位参与UEC标准制定的工程师透露：「NVIDIA在Spectrum-X里保留了部分私有扩展，这与其InfiniBand策略一脉相承。问题是，客户刚刚因为 vendor lock-in（厂商锁定）犹豫InfiniBand，看到Spectrum-X的私有协议清单，同样的顾虑会复发。」
这场 fabric war 的终局，可能不是InfiniBand的消失，而是其市场占比收敛到10-15%的「性能极客」 niche。就像机械键盘从未消失，但不再是笔记本电脑的默认选项。
对于架构师而言，更长期的变量在于：AI workload 的演进方向，是否会进一步压缩InfiniBand的生存空间？
当前的大模型训练以 dense attention（稠密注意力）为主，对all-reduce通信的延迟极度敏感。但稀疏专家模型（MoE）、多模态推理、边缘AI部署的兴起，正在改变通信模式的分布。这些场景中，带宽效率比延迟优化更重要，而以太网的生态优势在此被放大。
热门跟贴