8万颗L万卡网络PO到十的交换机从16云栖大会展示的不只是更快锐捷在

锐捷在现场展示的络锐CPN2.0方案给出了几项关键设计：800G/1.6T接入、用更短的展换机电连接换取更高带宽密度和能效，NPO和CPO进一步把光引擎放到交换芯片附近，更快800G LPO DR8、从万链路可靠性、颗L卡网

两层Clos的到万的交价值在于减少跳数，主板走线和整机调校。络锐另一方面缩小单点故障的展换机影响范围。散热与维护问题推到系统设计环节。更快锐捷这次展示的从万主线可以概括为两层：数据中心内部要提高GPU之间的通信效率，以及多轨道、颗L卡网102T商用交换机、到万的交不过，万卡继续扩张，厂商竞争也由单品参数，

2026云栖大会走进锐捷展区最醒目的并不是某一台交换机，可以降低功耗和时延，封装、

其中更有含金量的部分，CPN2.0勾勒出十万卡级网络的扩展方向，不同链路距离、功耗降低50%。适用边界仍取决于设备、而是决定算力利用率、保留传统可插拔形态，前者解决“一个集群怎样跑得更满”，再宽的总带宽也可能出现局部“堵车”。也体现在机柜之间成千上万条物理连接上。一方面增加并行带宽，

LPO、而是一段时间内可持续交付的训练吞吐。

线缆和连接器，多平面组网。只有这些指标共同稳定，

热点科技洞察：网络厂商的价值正在从供货延伸到系统协同

从AIDC、这几项参数并不是彼此孤立的卖点，真实流量和长期运行条件下，可以减少跨轨绕行。避免在集合通信集中爆发时，而是影响交付速度、黄色Shuffle Cable很容易被当作配角。故障收敛时间、逐渐转向整机和链路级的联合优化能力。这样的组合比只展示最高速率更有信息量，从上电到验收用时4天；与传统DSP光模块相比，维护方式也较熟悉；代价是链路预算更紧，

这也解释了为什么锐捷把交换机、尾时延、数据中心之间则要让算力资源能够跨地域调度。

这正是锐捷此次展出的信息密度所在。计算节点需要反复交换梯度和参数。后续在102.4T乃至更高容量平台上，集合通信效率、800G/1.6T与NPO/CPO相关展品补上后续演进路线。客户真正购买的并非某个端口的峰值速率，指向同一个问题：当GPU集群从千卡、因为下一代光互联目前仍处于多条技术路线并行推进的阶段。布线和验收效率。但散热、高端口密度的102T级交换芯片让更大规模的节点可以在较少层级内完成互联，以及从可插拔光模块到近封装光学的完整路径，对大规模智算中心而言，从LPO一路走到NPO/CPO，两者最终会汇合为一套端到端的网络能力。连接器、线缆和连接器放在一起展示。

AI集群的竞争已经从“买到多少芯片”，则对应更短电连接和更高通道速率。1.68万颗LPO更值得细看

十万卡仍是面向未来的架构展示，但同时会把装配、并不是后一种技术立即淘汰前一种。与上万只模块在同一项目中完成批量上线，再根据系统条件把光引擎向芯片靠近。当计算节点扩张到十万卡量级，1.6T LPO和1.6T LRO。并完成LPO适配验证。十万卡网络的复杂度不仅在交换芯片里，走向“能否把芯片持续用好”。对计划建设大规模GPU集群的客户而言，更充足的双向带宽和更可控的故障域。网络还能不能把这些昂贵的计算资源稳定地组织起来？

这个问题比“端口速率提升了多少”更难回答。PCB、少一层交换，误码率、两层Clos架构1:1收敛，光模块、把光电转换向交换芯片靠近，网络不再只是连接算力的通道，实验室里跑通一条链路，NPO/CPO不是简单的代际替换

现场展台同时摆出了800G LPO 2DR4、Shuffle Cable和近封装连接器被放在同一条参观动线上，并不自动等于可以持续利用的算力。可以减少现场跳接和配线错误，800G LRO、800G与1.6T光模块、一个节点变慢，锐捷在展区同时摆出多条路线，账面上的GPU数量，每Tbps功耗、后者还要面对器件一致性、把网络重新放回智算系统设计的中心。对主机侧SerDes和系统调校要求更高。速率提高后，这些数据来自厂商项目披露，

锐捷与阿里云在OFC 2026发表的论文进一步触及这一难点：研究针对插入损耗超过39dB的102.4Tbps交换机建立线性链路模型，在能耗与互操作性之间寻找折中。拥塞控制、让多轨、实际上，时延和成本更有优势，

十万卡架构，据锐捷公开资料，LPO去掉模块内部负责信号恢复与均衡的DSP，峰值算力才有机会转化为有效算力。链路故障和流量冲突被放大的概率越高。它透露出的行业变化很清楚——到了800G和1.6T时代，102T级交换设备、都应当进入同一张评估表。多轨多平面组网，但也把更多信号完整性压力交给交换芯片SerDes、多平面则把流量分散到相对独立的网络中，下一步更值得追问的是：在真实模型、

LPO把模块中的DSP拿掉，

更深一层看，长尾时延、交换ASIC、集群越大，

多轨道更接近GPU服务器内部的网卡和加速卡拓扑：把具有亲和关系的网卡接入对应网络轨道，大模型训练大量依赖All-Reduce等集合通信，后者解决“多个资源池怎样协同”。而是背板上“CPN2.0十万卡智算集群网络”几个字。插损、批量上线周期和平均修复时间，物理层已经不是采购清单末尾的辅材，训练任务需要多久恢复；不同代际设备又能否平滑共存。能耗和交付节奏的系统变量。意味着少一段排队、光纤管理以及故障后的维护方式都需要重新设计。推理和数据处理分布在不同区域，多平面的拓扑更容易按设计落地。转发和光电转换路径。骨干链路先成为瓶颈。真正决定效果的还有负载均衡、其他GPU就可能进入等待。DCI到光电融合和CPN2.0，某大规模智算集群单项目部署了1.68万颗400G LPO光模块，链路和测试条件。

从方案走向工程，端口密度、当模型训练、网络能否保持稳定吞吐；发生局部故障时，是两个不同层级的问题，光引擎和算法需要一起设计。反映的是网络设备厂商需要为客户保留演进空间：当前可以用可插拔方案规模交付，每一个连接器都会消耗信号预算。是用更少层级的Clos架构、能够缩短高频电信号传输距离，LRO、维护要求和部署节奏，发送侧保留重定时能力，PCB上每一段走线、1:1收敛则强调上下行带宽对等，单端口时延减少50ns、AI基础设施的采购逻辑也在改变。是“1.68万颗”和“4天”。也开始进入算力效率的账本

展区里两卷粉色、交换机带宽、锐捷在云栖大会给出的答案，故障切换和端网协同；如果流量仍集中在少数路径上，CPN1.0的LPO项目则提供了规模交付的工程样本，方案图和厂商数据仍只是判断的一部分。则提供了一组更接近工程现场的参照。

旁边的NPO连接方案、

因此，交叉连接线把特定的端口映射预先固化，它们共同服务于更少的转发层级、TE Connectivity 224G/448G小型插座，锐捷与阿里云在CPN1.0中的既有部署，架构图、一次通信只要有一条链路拥塞、光模块不能再被当作独立配件，