Пока рынок обсуждает GPU и ускорители, всё чаще становится понятно: узкое место в AI — это уже не вычисления, а сеть. На этом фоне Cisco представила новый коммутаторный чип Silicon One G300 с пропускной способностью 102,4 Тбит/с. И судя по заявленным характеристикам, речь идёт не просто об очередном обновлении, а о попытке пересобрать архитектуру сетей для ИИ.
Почему это важно
Современные AI-кластеры — это десятки тысяч GPU, которые должны обмениваться данными практически без задержек. Любая перегрузка сети сразу бьёт по эффективности: обучение замедляется, ресурсы простаивают, расходы растут.
Поэтому ключевая задача сегодня — не только увеличить скорость, но и научить сеть грамотно распределять нагрузку.
Что предлагает Cisco
Silicon One G300 построен с расчётом на экстремальные сценарии:
- 102,4 Тбит/с пропускной способности
- 512 интерфейсов SerDes по 200G
- возможность агрегировать каналы до 1,6 Тбит/с
- поддержка новых трансиверов OSFP 1.6T
Но главное — это не столько «железо», сколько логика работы.
Ставка на «умную» сеть
В Cisco делают акцент на архитектуре, которую сами называют коллективной.
Что это означает на практике:
- Общий буфер пакетов — трафик не привязан жёстко к портам, и это снижает риск перегрузок
- Адаптивная балансировка — система сама перераспределяет потоки в зависимости от ситуации
- Телеметрия в реальном времени — сеть отслеживает состояние и реагирует до появления проблем
Проще говоря, сеть перестаёт быть пассивной инфраструктурой и начинает вести себя как управляемая система.
Эффект в цифрах
По данным Cisco:
- загрузка пропускной способности растёт примерно на треть
- время обучения моделей сокращается до 28%
- масштаб — до 128 тысяч GPU
- количество коммутаторов можно снизить примерно с 2500 до 750
Если эти показатели подтверждаются на практике, речь идёт о серьёзной экономии — и по оборудованию, и по энергии.
Конкуренция на уровне архитектур
G300 выходит на рынок, где уже есть сильные игроки:
- Broadcom Tomahawk 6
- NVIDIA Spectrum-X
Но Cisco делает ставку не только на скорость портов, а на эффективность всей сети в целом. Это важное смещение акцента: выигрывает не тот, у кого быстрее линк, а тот, у кого система работает стабильнее под нагрузкой.
Отдельный тренд — охлаждение
Одновременно с чипом представлены системы Nexus 9000 и Cisco 8000 на его базе.
Интересный момент — поддержка жидкостного охлаждения.
По заявлению компании, такие конфигурации дают:
- до 70% лучшую энергоэффективность
- более высокую плотность портов
- возможность заменить несколько устройств одним
Это логично: при росте AI-нагрузок вопрос тепла становится почти таким же критичным, как и вычисления.
Рынок меняется
Раньше подобные решения были актуальны в первую очередь для гиперскейлеров. Сейчас ситуация другая:
- крупные компании
- облачные провайдеры нового поколения
- государственные проекты
всё чаще строят собственные AI-кластеры.
И для них важны не только GPU, но и предсказуемая, масштабируемая сеть.
Вывод
Cisco явно пытается закрепиться в новой роли — не просто поставщика сетевого оборудования, а участника гонки AI-инфраструктур.
Главная идея, которую они продвигают: эффективность AI определяется не только вычислениями, но и тем, как организована сеть между ними.
Если этот подход окажется верным, именно такие решения будут определять архитектуру дата-центров ближайших лет.
Интересно, как вы считаете: что станет главным ограничением для AI в ближайшие годы — вычисления, сеть или энергия?