AI 交换机 · 行业认知研究报告

第一章 · 总论：GPU 之间靠什么连起来

1.1 一句话定义与边界

AI 交换机指在 AI 训练与推理集群中，负责在加速卡之间转发数据的交换芯片与交换设备。它不是一个新品类，而是数据中心交换机在 AI 集群里分化出来的两个用途：一个在机柜内部，把几十到数百块加速卡连成一个共享内存的计算单元；一个在机柜之间，把成千上万块加速卡连成一个训练集群。两者用的协议、供应商、计价方式都不同，这是本报告最先要分开的东西。

先解释两个贯穿全文的词。交换芯片是交换机里负责「看地址、选出口、转发数据包」的专用芯片，它的交换容量（即每秒能转发的总比特数，单位 Tbps）决定一台交换机能有多少个多快的端口：一颗 51.2Tbps 的芯片可以带 64 个 800G 端口或 128 个 400G 端口（华泰证券《交换芯片：AI 超节点驱动二次成长》2026-05-24）。端口速率是单个接口每秒能传多少比特，当前主流是 800G，下一代是 1.6T。

本报告的边界如下表，这张表回答「哪些算进来、哪些不算、为什么」。

边界里有一处需要读者特别留意：英伟达同时卖加速卡、网卡、交换芯片和交换机，它的「网络收入」里有一部分属于本报告范围（NVLink 交换、InfiniBand 与以太网交换机），一部分不属于（网卡、线缆）。凡引用英伟达网络收入的地方，本报告都注明这一点。

1.2 两层网络：纵向扩展与横向扩展

纵向扩展（Scale-up）指在一个机柜或少数几个机柜之内，用专用的高带宽、低延迟链路把多块加速卡直接连起来，使它们像一台大计算机一样共享内存地址；英伟达的 NVLink 和 NVLink 交换芯片是这一层的代表。横向扩展（Scale-out）指在机柜之间，用 InfiniBand 或以太网把成百上千个这样的计算单元连成一个集群；这张网在机构统计里叫「AI 后端网络」，以区别于连接存储和对外服务的「前端网络」。

两层网络的差别不在「近」和「远」，而在每块加速卡要的带宽量级与延迟量级。下表用英伟达自己的公开规格把两者摆在一起。

出处：英伟达 NVLink 产品页（https://www.nvidia.com/en-us/data-center/nvlink/ ，取于 2026-10-06，写明 NVLink 带宽为「bidirectional」）；英伟达《DGX H100/H200 用户指南》硬件规格表「NVSwitch」一栏为「4 x」（https://docs.nvidia.com/dgx/dgxh100-user-guide/introduction-to-dgxh100.html ，取于 2026-10-06）；英伟达《DGX SuperPOD H100 参考架构》组件页与网络页（https://docs.nvidia.com/dgx-superpod/reference-architecture-scalable-infrastructure-h100/latest/dgx-superpod-components.html ，表 4 见 network-fabrics.html）；GB200 NVL72 的 9 个交换托盘、18 颗 NVLink 交换芯片转引自东兴证券《超节点与 Scale up 网络专题之英伟达》2026-02-05，第 15 页。

这张表说明两件事。第一，同按单向计，H100 一代机柜内每块 GPU 的带宽约为机柜间的 9 倍（450 ÷ 50，本报告计算），接近一个数量级，所以它们不可能是同一张网的两个部分，而是两套为不同任务设计的系统。第二，同一代比较，DGX H100 每块 GPU 配 0.5 颗 NVSwitch（4 ÷ 8），横向扩展计算网络每块 GPU 配约 0.047 颗（48 ÷ 1,016，H100 参考架构里每台 InfiniBand 交换机一颗芯片），前者约为后者的 10 倍（本报告计算）。2024 年以后机柜级系统上量，改变的是机柜内交换芯片的计价方式与交换域规模，而不是机柜内首次出现交换芯片；这一部分芯片的供应商由加速卡厂商指定。各代的同口径对照见 4.1 节。

两层的计价方式也不同。纵向扩展的交换托盘装在机柜里随整机出货，买方买的是「一个机柜」，交换芯片的钱计在加速卡厂商的收入里；横向扩展的交换机由买方单独选型，按台、按端口招标，品牌商、白盒代工厂、芯片厂各自计收入。第四章会看到，这一差别决定了开放标准在纵向扩展里推进得慢的根本原因。

1.3 为什么网络会成为瓶颈

大模型训练把一个模型拆到成千上万块加速卡上同时算，拆法主要有四种：张量并行（即把一次矩阵乘法拆到多块卡上）、专家并行（即在混合专家模型里，把不同的「专家」子网络放在不同卡上）、流水线并行（即把模型的不同层放在不同卡上）、数据并行（即每块卡算同一个模型的不同数据，再同步结果）。前两种拆法要求卡与卡之间每一步都交换大量数据，带宽需求在每秒数百到数千 GB 量级、延迟要求极高；后两种的带宽需求低一到两个数量级（东兴证券 2026-02-05，表 1，转引自公众号资料）。

这就解释了两层网络为什么要分开：张量并行和专家并行通常放在纵向扩展网络里做，数据并行和流水线并行放在横向扩展网络里做。专家并行跨节点走横向扩展网络已有公开实例：DeepSeek-V3 在每节点 8 卡的 H800 集群上，把 64 路专家并行铺到 8 个节点，跨节点通信走 InfiniBand，并为此专门编写了通信内核（DeepSeek-AI《DeepSeek-V3 Technical Report》，arXiv:2412.19437，第 3.2 节）。代价是要专门优化跨节点通信；纵向扩展域越大，需要这样绕开的就越少。网络成为瓶颈的机制有三条，每一条都落在具体的物理约束上。

这里的集合通信（即一组加速卡之间按固定模式交换数据的操作）以全归约（即每块卡把自己的梯度和所有其他卡求和，再拿回总和）为代表。它的特点是「木桶效应」：只要有一块卡的链路慢，所有卡都在等。所以 AI 集群对网络的要求不只是带宽高，还要每一条链路的尾部延迟都可控，这是 InfiniBand 当年领先、以太网后来要专门改造的原因（见第三章）。

1.4 网络在 AI 集群投资里占多大一块

这个问题没有第三方机构给出过可直接引用的统一口径数字，本报告只能从供应商一侧给出量级，并说明它离「集群投资占比」差在哪里。

英伟达自 2027 财年第一季度起改变了收入列报口径，财务总监评论文件在该季度仍按旧口径给出了网络收入，此后不再披露。下图是英伟达数据中心网络收入的季度序列。

图 1 · 英伟达数据中心网络收入（2025 财年二季度至 2027 财年一季度）

数据来源：英伟达各季度《CFO Commentary》（https://s201.q4cdn.com/141608511/files/doc_financials/2027/Q127/Q1FY27-CFO-Commentary.pdf 等，2026 财年四季度起为 10,980 百万美元，2027 财年一季度文件只给到「148 亿美元」一位小数）；横轴下方为各财季结束月份。英伟达自 2027 财年二季度起不再披露此项。

英伟达的网络收入包括 NVLink 交换（即「NVLink 计算网络」）、InfiniBand 与以太网交换机、网卡与 DPU、线缆，范围比本报告宽。即便如此，它给出了两个可靠的量级。

数据来源：英伟达《Q4 FY26 CFO Commentary》全年表（https://s201.q4cdn.com/141608511/files/doc_financials/2026/Q426/Q4FY26-CFO-Commentary.pdf ）；《Q1 FY27 CFO Commentary》第 2 页（2027 财年一季度计算收入 604 亿、网络收入 148 亿、数据中心收入 752 亿美元）；比重为本报告计算（2027 财年一季度按 148 ÷ 752）。

网络占比在两年里从约十分之一升到约五分之一，英伟达在 2026 财年各季度的文件里把增长原因写成「GB200、GB300 系统的 NVLink 计算网络的引入与持续爬坡」加上以太网与 InfiniBand 的增长（Q3 FY26 与 Q4 FY26 CFO Commentary）。换句话说，机柜级系统把原本在服务器主板上的 GPU 互联，变成了单独计价的交换托盘，网络的钱一部分是「新增的」，一部分是「从计算挪过来的」（本报告推论，英伟达未逐字说明 HGX 主板上交换芯片的收入归类）。

这个比例不能直接当作「AI 集群投资里网络占多少」，有三个原因：一是它只是英伟达一家的收入结构，没有算 Arista、思科、天弘等其他厂商的交换机；二是它含网卡与线缆，不含第三方光模块，而光模块在横向扩展网络里的金额不小；三是集群总投资还包括厂房、电力、冷却和存储。所以本报告对这个问题的回答是：在英伟达自己的供货里，网络约占一成到两成，且在上升；集群总投资口径的网络占比，本报告未取得可靠数据，不作测算。

1.5 产业链全景

AI 交换机的产业链是一条「芯片—整机—软件—买方」的线性链，上面分出纵向、横向两层网络。下图给出全景，图中每一格都对应正文的一个小节。

图 2 · AI 交换机产业链与两层网络

数据来源：本报告整理。厂商归类依据各公司公开披露的产品线；天弘（Celestica）、工业富联的白盒交换机业务见各自 2026 年二季度与半年度报告。

这张图里有三处值得先说明。

第一，交换芯片这一格里的供应商分成三类，三类的商业逻辑完全不同。商用芯片厂（博通、Marvell、盛科）把芯片卖给任何整机厂；加速卡厂商（英伟达）的交换芯片主要装在自己的交换机里，与网卡、加速卡一起卖；设备商自研芯片（思科的 Silicon One、华为、中兴）首先供自己的交换机用。后面讨论利润分配和国产化时，这个三分法比「国内 / 国外」更有解释力。

第二，整机这一格分「品牌系统」和「白盒与代工」。白盒交换机指软硬件解耦的交换机：硬件由代工厂按买方或公开规范生产，网络操作系统由买方自己开发或选用开源软件（如 SONiC）。超大规模云厂商的 AI 后端网络大量采用这种方式，这是 Dell'Oro 的 AI 后端排名里白盒代工厂排第一的原因。

第三，纵向扩展这一层的「买方」实际上不直接选交换机。买方买的是加速卡厂商的整机柜，里面的交换芯片是谁的，由加速卡厂商决定。这一条决定了开放标准在纵向扩展里只能通过加速卡厂商推进，见第四章。

1.6 发展阶段与驱动力

从生命周期看，横向扩展网络已进入大规模商用阶段，处在一个由端口速率换代驱动的快速增长期；纵向扩展网络里，英伟达的方案已大规模出货；开放方案中，原生 UALink 芯片尚未出货，借以太网承载的方案在国内已有发布或部署（规模未取得），海外 AMD 称 Helios 2026 年三季度开始首批出货（厂商自述，截至数据截止日未见确认）。驱动力和风险可以归成下表。

这张表的结论是：这个行业眼下的增长瓶颈在供给，不在需求。Dell'Oro 在 2026-09-03 的新闻稿里直接写明了「供给约束而非需求约束」的判断，并且用「以太网有助于缓解供给约束」解释以太网份额继续上升的原因之一。供给约束期的行业有一个特征：谁能拿到芯片和产能，谁就拿到份额，份额变化未必反映产品优劣。读者在解读 2026 年的份额数据时，应当把这一点考虑进去。

1.7 需求从哪里来：买方的资本开支

AI 交换机的需求最终来自建 AI 集群的资本开支。美国四家超大规模云厂商的现金资本开支是可以从法定披露里直接取到的最近一手数据，下表按各自 10-Q 与 10-K 的现金流量表口径列出 2026 年上半年与上年同期。

数据来源：美国证券交易委员会 XBRL 数据接口（https://data.sec.gov/api/xbrl/companyconcept/ ，标签 PaymentsToAcquirePropertyPlantAndEquipment，亚马逊为 PaymentsToAcquireProductiveAssets），取于 2026-10-06；微软 2026 年上半年 = 2026 财年全年 1,159.48 亿 − 2025 年下半年 492.70 亿，2025 年上半年 = 2025 财年全年 645.51 亿 − 2024 年下半年 307.27 亿；同比与合计为本报告计算。

这张表说明，买方的投入在 2026 年上半年仍在加速：四家合计同比增长 84.1%，与 Dell'Oro 2026-09-16 发布的「2026 年二季度数据中心资本开支同比增长 92%」方向一致（Dell'Oro 新闻稿，https://www.delloro.com/news/data-center-capex-grew-92-percent-in-2q-2026-driven-by-surging-ai-demand-and-memory-costs/ ）。资本开支的口径包括土地、厂房、电力设施、服务器、存储和网络，没有任何一家拆出网络设备的金额，所以这张表只说明需求的方向和量级，不能用来推算交换机市场规模。

国内方面，华泰证券 2026-05-24 报告整理称，2025 年阿里、腾讯、百度三家合计资本开支 2,106.97 亿元，同比增长 36%；三大运营商 2026 年算力资本开支计划合计约 809 亿元（券商整理）。国内与美国的差别不只在量级，还在结构：国内新增 AI 集群越来越多地使用国产加速卡，网络选型随之不同，见第六章。

第二章 · 口径：「AI 交换机」不是一个统计口径

2.1 市面上的几个数，各自数的是什么

读者在新闻和研报里看到的「AI 交换机市场」数字，来自至少五种口径，彼此交叉或包含。下表把本报告用到的口径逐一摆出，这张表是后面所有数字的「说明书」。

出处：Dell'Oro 2026-09-03 新闻稿（https://www.delloro.com/news/ai-back-end-networks-switch-sales-surpass-front-end-networks-for-the-first-time-in-2q2026/ ）；IDC 2026-09-11 博文（https://www.idc.com/?p=120278 ）；英伟达《Q1 FY27 CFO Commentary》第 2 页；思科 2026 财年四季度财报新闻稿（https://www.sec.gov/Archives/edgar/data/0000858877/000085887726000106/exhibit991pressrelease-q4f.htm ），订单构成见思科 2026 财年四季度业绩会预备发言（https://s21.q4cdn.com/812015656/files/doc_earnings/2026/q4/transcript/Q4FY26-Prepared-Remarks.pdf ）；天弘 2026 年二季度 10-Q「Communications」与「HPS」段（https://www.sec.gov/Archives/edgar/data/1030894/000103089426000044/cls-20260630.htm ）。

这五个数之间没有任何一个可以由另一个推出。下面是三种最常见的误用，每一种都在公开研报里出现过。

第一种，拿 IDC 的数据中心以太网交换机增速代表「AI 交换机增速」。IDC 这个口径含前端网络、不含 InfiniBand，而 AI 后端网络的增速远高于前端：Dell'Oro 写明 2026 年二季度后端网络交换机销售额已超过前端，且后端的增长快于前端。把 64.5% 当作 AI 后端增速，会同时低估后端、高估前端。

第二种，把英伟达的网络收入当作「AI 交换机市场」的一个份额。IDC 口径下，英伟达 2026 年一季度（自然季度）的以太网交换机收入为 21 亿美元；英伟达 2027 财年一季度（2026 年 2 月至 4 月）的数据中心网络收入为 148 亿美元。两者时间错开一个月，不能精确相除，但量级说明：英伟达网络收入里以太网交换机只占一小部分，大头是 NVLink 交换、InfiniBand 与网卡（本报告计算，口径错位，只作量级参考）。

第三种，把订单当收入。思科 2026 财年拿到 93 亿美元超大规模客户的 AI 基础设施订单，当年确认的收入约 40 亿美元，预计 2027 财年确认 75 亿美元（思科财报新闻稿，厂商自述）；而且思科在业绩会预备发言中写明，这批订单约六成是基于 Silicon One 的系统、约四成是光学产品，不能和任何交换机统计相比。

2.2 同一季度两份榜单，第一名为什么不是同一家

2026 年二季度，Dell'Oro 与 IDC 先后发布排名，结论看起来相互矛盾。下表把两份榜单并排。

出处：Dell'Oro 2026-09-03 新闻稿（同一新闻稿写明，若计入递延的 AI 收入，Arista 与前两名会更接近）；IDC 2026-09-11 博文「Vendor highlights」段（英伟达数据中心以太网交换机收入 25 亿美元、同比增长 181.1%；Arista 以太网交换机总收入 25 亿美元，数据中心约占 90.9%，即约 22.7 亿美元（本报告计算），数据中心份额 18.7%；思科数据中心收入 22 亿美元、份额 18.2%）。IDC 仅点名第一，第二、三名为本报告按所列份额排序。

两份榜单不矛盾，差别出在两处。一是范围：Dell'Oro 只数 AI 后端，IDC 数整个数据中心，前端网络里 Arista 和思科的份额高、英伟达几乎为零。二是对白盒的处理：IDC 的排名写明是「品牌厂商」，天弘这类为云厂商直接代工的白盒交换机不进品牌排名；Dell'Oro 把它作为卖方计入。

从这组对照里能读出一个行业事实：在 AI 后端以太网交换机里，按卖方计算的第一名是白盒代工厂。这说明最大的那部分采购，买方是自己设计网络、自己写软件、只找代工厂生产的超大规模云厂商。这一点在第五章讨论利润分配时是出发点。

还有一处细节提醒读者：IDC 对同一个历史数会修订。2026-06-17 的博文写 2026 年一季度 800G 占数据中心收入 35.8%，2026-09-11 的博文写「从一季度的 35.9% 升到二季度的 41.2%」。本报告引用季度序列时，以发布时点最近的一份为准，并标明发布日期。

---

以上是免费试读部分（正文约 29%）。完整版包含全部 9 章正文、数据表与来源清单。

---

免责声明

本报告由诺辉投资研究部编制，仅供研究与信息参考之用。

本报告不构成任何证券的投资建议、要约或要约邀请，不含标的推荐、投资价值分层、评级或目标价。报告中出现的公司名称仅用于事实归位 —— 即把本报告界定的产业环节与排除项，对照各公司公开披露的主营业务作归类比对，不构成对任何公司经营状况、投资价值或未来表现的评价或排序。

报告中的事实性陈述均已标注来源与时间，判断与推论已与事实分开标示。标注为「本报告推算」的部分已列明假设与算法，读者可自行替换参数；标注为「厂商自述」的数据未经独立核验。报告所依据的公开信息，诺辉投资力求但不保证其准确性与完整性。

数据截止日为 2026 年 10 月 6 日。市场情况、行业政策与公司披露会随时间变化，本报告不承担更新义务。读者据本报告作出的任何决策及其后果，由读者自行承担。