Meta在OCP 2026上拿出了一整套开放网络方案。核心目标很直接：让超大规模AI集群跑得更快、延迟更低，同时逐步用开放以太网替换掉专有互联技术。

这套方案里最硬的数字是102.4T。Meta首次推出液冷网络机柜IcePack，其中的IceCube刀片交换机基于Broadcom Tomahawk6C和NVIDIA Spectrum-6芯片，单机交换能力达到102.4T。AI训练对带宽的胃口有多大，这个数字就是答案。液冷则解决了高密度交换带来的散热问题。

把三层网络压成两层

硬件之外，Meta在架构上动了一刀。它提出FPF（Flattened Planar Fabric），把传统的3-tier拓扑简化成2-tier。每个GPU直接通过多条链路连接到不同的交换机子集，既做负载均衡，也做容错。

效果是延迟减少约1微秒。这个数字单看很小，但对同步训练来说，每一次通信都要等最慢的那条路径，累积起来就是实打实的时间。

跨站点拼成一个集群

当训练规模继续膨胀，单个站点装不下怎么办？Meta的答案是BAG聚合架构，把多个地理区域的计算资源虚拟成一个巨大的集群。

这个需求不是假设。Meta透露，Prometheus超导将于2026年在线，总能耗约1GW；下一阶段的Hyperion则朝5GW规模进军。单集群已经不适合装进一个城市区域，跨站点互联成了必选项。

针对scale-up需求，Meta还推出了51.2T交换机Tahan，并开放了MetaRoCE传输层协议。软件侧，这些设备运行的是开源的FBOSS。

开放是手段，不是姿态

从液冷机柜到扁平拓扑，再到跨站点聚合和协议开放，Meta这条路径的指向很清晰：开放标准、高可扩展性、低延迟。参与OSPA标准制定、开放MetaRoCE，本质上是在打破厂商锁定的局面。

对做AI基础设施的人来说，这套组合拳值得盯住的不只是那几个T数字，而是它把网络从配套角色推到了决定集群上限的位置。