文章总结： 本文详细介绍了Spine-Leaf架构在构建万卡级AI智算中心无损网络中的应用。该架构通过扁平化设计实现可预测延迟，利用全互联结构保障高可用性，并支持线性扩展。针对AI训练中GPU通信瓶颈，方案结合RoCEv2、PFC、ECN等技术构建零丢包微秒级网络，将GPU利用率从30%-50%提升至70%-95%。威努特推出的128端口400G交换机搭载自研SONiC系统，为大规模算力集群提供高速互联底座。 综合评分： 85 文章分类： 解决方案,技术标准,云安全,安全建设,网络安全

如何用Spine-Leaf构建万卡集群算力高速

原创

产品与解决方案部 产品与解决方案部

威努特安全网络

2026年6月25日 08:00 北京

在小说阅读器读本章

去阅读

“

Spine-Leaf是当下搭建高性能、高稳定数据中心网络的主流拓扑结构。相比传统CLOS架构，这套两层网络结构部署简单、运维门槛更低，同时拓展能力与适配性拉满。本文将从架构原理、核心特性、落地场景几方面，带大家全面读懂Spine-Leaf架构。

”

01

什么是Spine-Leaf架构

Spine-Leaf架构是一种CLOS架构，该架构命名来自于它的发明者Charles Clos。上世纪50年代，为了解决电话网络爆炸的问题，这名网络工程师提出了该网络架构模型。经过半个多世纪的发展，基于CLOS的网络架构在世界各地的大型数据中心得到了广泛部署，满足了当代智算业务灵活多变的网络需求。

Spine-Leaf架构又名Fabric，是一种用于构建高性能、高可靠性数据中心网络的拓扑结构。Spine-Leaf只有两层交换架构，看起来不同于经典CLOS模型的三层结构，但当我们将CLOS模型从中间层对折，你会发现它也变成了两层的交换结构。

该架构的Spine层和Leaf层之间通过高速链路相互连接，以实现数据的传输和流量控制。每个Leaf交换机都直接连接着Spine交换机，没有中间层级。Leaf交换机直接连接着物理服务器，Leaf交换机之下是独立的二层广播域，当跨Leaf交换机的服务器之间需要通信时，将经过上层的Spine交换机构建的路由实现转发。

02

Spine-Leaf架构的特点

Spine-Leaf架构可以减少网络的复杂性，提高网络的可靠性和性能。分布式的交换架构，可以实现快速的数据传输和流量控制，并且具有高可靠性和可扩展性。

扁平化

在Spine-Leaf架构中，任意跨Leaf的服务器流量都只会经过两跳，三个设备，保证了延迟是可预测的。

高可用性

Spine-Leaf架构中每个Leaf交换机都和每个Spine交换机相连，实现全互联。哪怕一个Spine交换机失效，整体网络并不会全面瘫痪，而只是损失了一些带宽。

简单易于管理

Spine-Leaf架构内部使用的是统一的三层网络和等价多路径路由，可以充分使用所有链路带宽并实现负载均衡。这种设计非常适合与云控制器和其他管理工具相结合，进行统一的配置下发和其他自动化的网络运维管理，减少网络的复杂性和管理难度。

高可扩展性

Spine-Leaf架构具有高度的可扩展性，只要添加一个Spine交换机，就可以扩展所有Leaf交换机的上行带宽。当网络接入规模变大，你也可以很容易地增加一个Leaf交换机，将它连接到所有Spine并做好配置即可。相比传统的接入-汇聚-核心架构优势十分明显。

Spine-Leaf架构广泛应用于数据中心网络中，以提供高性能、高可靠性的数据传输和流量控制。随着物联网的发展，除了大型数据中心，Spine-Leaf架构也会在边缘云发挥自身优势，例如处理大规模接入时让Leaf交换机在接入层进行处理转发，降低将所有流量回传云平台所产生的延迟和产生的集中计算压力。总之，在选择Spine-Leaf架构时，需要考虑网络规模、带宽需求、性能需求和管理需求等因素。

03

为万卡级智算中心打造无损网络底座

大模型训练，现在动不动就是万卡甚至十万卡集群。规模上去了，网络却成了最大的“拖油瓶”。传统的TCP/IP网络，一遇到丢包就得重传，再加上网络动不动就抖动、拥塞，GPU经常得干等着网络把数据同步完，利用率直接掉到30%～50%，算力就这么白白浪费了。

威努特AI智算中心无损网络解决方案：以8192张H200 GPU为例，通过128端口400G交换机组建RoCEv2无损网络+Spine-Leaf网络架构，Leaf交换机128台，Spine交换机64台。这套网络专门为AI训练设计，要解决的就是GPU“吃不饱”的问题。

威努特AI智算中心

无损网络解决方案优势

AI训练里，七成以上的流量都在“聊天”

大模型训练，GPU之间需要频繁交换梯度和参数，像AllReduce、AllGather这些参数同步通信，能占到训练总流量的70%以上。这不是南北向的上网流量，而是东西向的，几乎是每张卡都在跟其他所有卡“聊天”，形成一种全互联（Full Mesh）的模式。

传统网络应付不来这种场面，威努特AI智算中心无损网络解决方案通过PFC（优先级流控制）、ECN（显式拥塞通知）和DCQCN，构建出一个零丢包、时延只有微秒级的无损网络环境，GPU利用率能从30%～50%拉高到70%～95%，训练时间大幅缩短。

Spine-Leaf架构：专治各种“堵车”

如此多GPU同时通信，最怕的就是核心交换机堵死。Spine-Leaf这种CLOS架构的好处是，通过ECMP（等价多路径），在任意两张GPU之间都修了无数条“路”。流量进来，自动分散到各条路上，既不会堵车，带宽还能线性叠加，整个网络接近无阻塞（Non-Blocking）的状态。这也是为什么NVIDIA、Meta、Google、字节、阿里、腾讯这些巨头，不约而同都选了Spine-Leaf作为他们超大规模智算中心的标准架构。

遇到拥塞能“预判”，出了故障能“自愈”

训练中最怕什么？Incast拥塞。这就像千军万马突然都往一个节点挤，比如做梯度聚合、MoE路由聚合的时候。这时候交换机缓存瞬间爆满，GPU只能干等。威努特智算中心无损网络解决方案中，交换机通过ECN+DCQCN能实时感知队列长度，在拥塞真正发生前，就主动通知发送端“慢一点”，把问题消灭在萌芽状态。

另外，训练过程跑起来就是几周甚至几个月，中间断一下可能就得回滚Checkpoint，损失巨大。Spine-Leaf架构天然有多路径冗余，光纤断了、光模块坏了、交换机宕了，流量能自己秒级切换到别的路径，不需要人工干预，确保训练任务能不间断地跑下去。

从千卡到十万卡，扩容就像搭积木

模型参数从百亿涨到千亿、万亿，算力不够了怎么办？Spine-Leaf架构的扩容很简单，新增GPU就同步增加Leaf和Spine交换机，网络容量跟GPU规模一起线性增长。从1024卡到8192卡，再到万卡、十万卡级别，平滑扩展，不用推倒重来。

一张网，把训练、推理、存储全串起来

威努特AI智算中心无损网络解决方案不仅是给训练用。推理集群、分布式存储、向量数据库、AI Agent平台，都可以统一接入这张高速网络，实现计算、存储、网络的一体化协同。

#

04

威努特128x400G QSFP112算力交换机

这款400G数据中心交换机，支持128个400G QSFP112接口，1个千兆管理网口，1个RJ45 console口，1个USB 2.0接口，支持4个模组化电源插槽。

该交换机采用先进硬件架构设计，搭载业界领先的超低时延交换芯片，实现了102.4Tbps的交换容量与76000Mpps的包转发率，其交换机转发时延低至400ns，端到端时延低至1.45μs，充分满足IDC、电力、能源、轨道交通、互联网、运营商、政府、企业、医疗、教育等行业的智算中心和数据中心AI/ML时延敏感型业务的极速需求。

在软件层面，该交换机运行威努特自研的WNT® NOS云原生SONiC网络操作系统。该系统针对业务网络进行了深度优化，集成了RoCE、智能负载均衡及PFC/ECN等无损网络特性，同时提供MC-LAG、VxLAN、EVPN等丰富的数据中心特性，为大规模、高性能的算力互联与业务调度提供了坚实且高效的网络底座。

#

05

总结

当前，以人工智能为核心的新一轮科技革命正深刻改变各行各业，算力网络作为关键基础设施迎来高速发展。威努特将持续致力于数据中心网络技术的研发与应用，携手产业伙伴，为夯实数字经济发展底座、推动“人工智能+”行动落地贡献坚实力量。

点分享

点收藏

点在看

点点赞

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：威努特安全网络 产品与解决方案部 产品与解决方案部《如何用Spine-Leaf构建万卡集群算力高速》