Aria Networks CEO解读推理技术如何改变AI网络格局
今年四月，AI网络初创公司Aria Networks携1.25亿美元融资高调登场，并向业界抛出了一个直指核心的判断：下一阶段AI基础设施的竞争，焦点已不仅仅是堆砌更多的GPU，而在于能否构建一个能充分释放这些算力潜能的“神经网络”。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
这家由前Arista和Juniper高管创立、总部位于帕洛阿尔托的公司敏锐地捕捉到了一个趋势：分布式推理、推理模型以及智能体AI的快速崛起，正在从根本上重塑AI集群的设计与运营逻辑。他们的核心主张是，网络必须从被动的“数据管道”转型为主动的“智能系统”——一个能够动态优化流量、缓解拥塞、并最终提升模型算力利用率（MFU）的自适应平台。MFU，这个衡量GPU实际工作效率的关键指标，其重要性正与Token效率、每Token成本等经济性指标并驾齐驱。
“推理，是目前最复杂、也最值得深挖的应用场景。”公司创始人兼CEO Mansour Karam在发布后的一次访谈中如是强调。
Aria的平台整合了以太网交换硬件、基于行业标准SONiC的软件、微秒级精度的遥测数据采集，以及由AI驱动的运营工具，旨在实现对AI网络的实时动态调优。Karam指出，当运营商的目光从单纯的集群规模转向Token经济性时，一个能随工作负载动态演进的网络，便从“可选项”变成了“必需品”。
以下是经过整理的访谈实录。
构建“会思考的网络”
问： 您将Aria定位为“会思考的网络”，这在真实的AI生产集群中如何体现？
Karam： 简单来说，我们提供构建网络所需的全套组件，包括硬件。我们使用博通Tomahawk 5和6系列芯片打造交换机，这两款芯片是当前AI集群的骨干。操作系统则采用已成为事实标准的SONiC。
但真正的差异化在于集群软件层。
我们称之为“深度网络”。这个名字很贴切，因为它确实架构很深——一个多层系统。最底层是覆盖整个网络基础设施的遥测数据基础，从交换机、线缆、光模块，到网卡、主机，一直延伸到NCCL和RCCL通信层。
我们采集遥测数据的分辨率是碘伏性的。传统系统可能每30秒甚至每秒采样一次，而我们直接从ASIC芯片层，以微秒级分辨率捕获数千个参数。
数据采集之后，是处理、洞察与行动。响应的速度和方式取决于所在的层级：在ASIC层，必须极速反应；在集群管理层，则需要更多的推理和判断。
而在最顶层，我们引入了大语言模型和智能体方案，让运营商能够以一种协同的方式与网络本身“对话”。
从网络指标到AI经济指标
问： 为什么选择用Token效率和MFU来定义公司，而非延迟、吞吐量这些传统网络指标？
Karam： 传统网络厂商的客户是网络团队，他们自然关注网络本身的指标。但AI工厂的工程师视角完全不同，他们思考的是如何优化整个工厂，关心的是Token效率、MFU和最终每个Token的成本。在他们看来，网络常常只是一个背景式的管道。
我们面临的挑战，正是要让他们意识到：网络其实是整个系统中杠杆效应最高的组件之一，因为它连接着一切。
你可以优化负载调度、优化GPU内核、优化大语言模型路由器，但如果网络性能不佳，所有这些优化的效果都会大打折扣。网络，是这台复杂机器中最强有力的杠杆支点。
推理：被低估的复杂性
问： 您花了大量篇幅讨论推理。为什么业界曾低估了推理网络的复杂性？
Karam： 大概一年半前，很多顶尖的技术人员都自信地认为，推理在网络层面不是问题，因为训练才是流量消耗的主力，推理无非是把请求发给一个节点处理而已。
但今天回头来看，推理恰恰是最复杂、最值得深入挖掘的场景。
随着推理模型和强化学习的演进，游戏的规则已经变了。分布式推理带来了截然不同的流量模式和运营需求。现在，一个用户查询可能会“扇出”触发大量智能体协作，单个请求需要穿越前端网络、后端网络、存储系统、KV缓存传输等多个环节。
而网络，正处于所有这些操作的十字路口。
推理集群的扩展瓶颈
问： 推理集群在扩展时，通常哪个部分会最先遇到瓶颈？
Karam： 这完全取决于具体的推理工作负载。有些很简单，一问一答。但许多分布式推理场景对内存的需求极大，存储系统会成为瓶颈，计算节点的内存也会成为瓶颈。这催生了一些新架构，比如将预填充阶段与解码阶段分离，并在其间迁移KV缓存。
在整个处理周期中，不同部分在不同时间点都可能成为短板。而唯一向穿始终、连接所有组件的，就是网络。它在系统的每个环节都扮演着关键角色。
“嘈杂邻居”与用户体验
问： 您提到了推理集群中的“嘈杂邻居”问题，这在实际运营中是什么样子的？
Karam： 想象一下，一个分布式推理集群同时服务数千名用户。其中一位用户问了一个简单问题，而另一位则提出了一个极其复杂的问题，后者会触发大量智能体，产生海量网络流量。这种突发性的复杂工作负载会造成网络拥塞，进而影响所有其他用户的响应延迟。这就是“嘈杂邻居”。
网络必须平稳、高效地管理所有这些混合流量，确保一个“高需求用户”不会对其他用户造成灾难性的影响。你自己使用某些AI服务时可能也遇到过——回复生成到一半突然卡住了。本质上，是因为模型在底层所有分布式操作完成之前，无法生成下一个Token。
这从根本上是一个分布式系统协调问题，而网络正是解决它的核心。
网络与AI经济性
问： 您认为网络直接影响AI经济性，运营商们认同这一点吗？
Karam： 在推理业务中，每Token成本就是生命线。所有AI工厂和新兴云服务商都在同台竞技。如果我能将每Token成本做到比竞争对手更低，我就获得了结构性的优势。
这让我在定价、商业模式和服务交付上拥有更大的灵活性。因此，越来越多的运营商开始围绕Token经济性进行优化，而不再仅仅追求把集群规模做到最大。
深度网络：从规则到自动驾驶
问： 您将深度网络类比为自动驾驶系统，这个类比从何而来？
Karam： 因为传统的网络架构本质上是基于规则的。这就像十年前的自动驾驶软件，只能在高度受限的环境中运行，因为工程师需要手动编写所有规则。
网络世界过去也是如此。你可以为预设场景构建自动化，但环境一旦变化，系统就捉襟见肘。
而AI基础设施的演进速度太快了——模型在变、流量模式在变、集群架构在变、推理工作负载在变。你需要的是一个能够动态自适应的系统。这正是我们认为概率性系统和AI驱动优化变得至关重要的原因。
平台的自主化之路
问： 目前平台的自主化程度如何？
Karam： 我们采取的是相对保守的策略，因为网络的可靠性高于一切。首要任务是保证网络不中断。
对于一些操作，比如链路中断时的流量重路由，我们已经实现了完全自动化。但在更复杂的场景下——例如某个光模块性能正在逐渐退化——我们会让运营商深度参与。系统会提出修复策略、展示全面的遥测数据，并与运营商协同完成操作。
随着时间的推移，系统的自主性会逐步提高。但我们相信，信任是需要逐步建立的。运营商需要对系统的运作有充分的透明度，并对它的决策建立起信心。
建立对“自动驾驶网络”的信任
问： 当系统实时做出网络决策时，运营商如何建立并维持对它的信任？
Karam： 关键在于让运营商深度参与。他们需要拥有对遥测数据的完全可见性，需要理解系统为何做出某个决策，并且能够将自己的专业知识和运营偏好注入到平台中。
随着时间的推移，当他们亲眼看到系统持续、稳定、有效地运作，信任自然会建立起来。这个过程与自动驾驶软件的演进如出一辙：早期充满怀疑，如今在特定场景下，很多人对自动驾驶系统的信任度甚至超过了人类司机。网络领域也将经历同样的演化历程。
以太网的胜利
问： 业界是否已经达成共识，认为以太网赢得了AI网络市场？
Karam： 在横向扩展网络领域，以太网显然已经胜出。InfiniBand在某些特定场景中仍有其位置，但值得注意的是，就连英伟达现在也在大力推动以太网方案。
我在网络行业工作了三十年，常说的是：永远不要和以太网对赌。它无处不在，拥有深厚的运营知识沉淀、庞大的生态系统和强大的规模经济效应。归根结底，网络技术的差异化主要体现在延迟和吞吐量上，而以太网在这两方面都能提供极具竞争力的表现。
可以预见的是，以太网将继续“吞噬”AI集群的网络市场，就像它在过去几十年里在其他领域所做的那样。
未来三年的关键指标
问： 展望三年后，AI基础设施运营商最关注的指标会是什么？
Karam： 这个行业变化太快，我对做出具体的预测持谨慎态度。甚至一年前的许多判断，今天看来都已过时。
但有一点我非常确信：网络的重要性只会与日俱增。AI工厂正在演变为日益复杂、动态、分布式且专用性降低的系统。网络，就是连接所有这些系统的“结缔组织”。
无论未来的模型、工作负载或架构如何演变，对更智能、更自适应网络的需求，只会越来越强烈。
问答摘要
Q1：Aria Networks的深度网络（Deep Networking）技术具体是如何工作的？
深度网络是其核心差异化技术，采用多层架构。底层以微秒级分辨率从ASIC开始，采集全栈（交换机、线缆、主机、NCCL/RCCL层）数千个参数的遥测数据。随后系统处理信号、提取洞察并采取行动，响应策略因层级而异：ASIC层追求极速响应，集群层引入推理判断，顶层则结合LLM与智能体，实现人网协同。
Q2：为什么分布式推理对网络的要求比训练更复杂？
早期观点认为推理网络负载轻。但分布式推理的兴起改变了格局，单个查询会触发多个智能体协作，流量需穿越前后端网络、存储、KV缓存等多个环节，模式复杂且动态。“嘈杂邻居”问题凸显，即一个复杂查询的突发流量可能影响集群内所有其他任务，这本质是分布式系统挑战，使网络成为解决方案的核心。
Q3：以太网能否真正满足大规模AI集群的网络需求？
答案是肯定的。在横向扩展网络领域，以太网已占据明显优势，其生态系统、运营经验和规模经济效应无可比拟。即使在延迟和吞吐量等关键性能指标上，以太网也已具备强大竞争力。趋势表明，以太网将继续主导AI集群网络市场。
相关攻略
今年四月，AI网络初创公司Aria Networks携1 25亿美元融资高调登场，并向业界抛出了一个直指核心的判断：下一阶段AI基础设施的竞争，焦点已不仅仅是堆砌更多的GPU，而在于能否构建一个能充分释放这些算力潜能的“神经网络”。 这家由前Arista和Juniper高管创立、总部位于帕洛阿尔托的
还记得那些无需下载、点开即玩的经典Flash小游戏吗？对于80后和90后而言，这些游戏是童年与校园记忆不可或缺的一部分。尤其是Cartoon Network官方网站上的作品，依托热门动画IP与简单易上手的玩法，陪伴了无数个放学后的悠闲时光。 随着Adobe Flash技术正式退出历史舞台，这些承载着
ARC链由Circle公司开发，专注于为稳定币及金融服务提供高效基础设施，具备亚秒级交易确认、可配置隐私和深度生态集成等特点。未来可能发行原生代币用于治理与激励。早期用户可参与测试网互动，但需注意空投不确定性与操作风险。
GrandCroix与AmbientNetwork合作，计划于2026年第二季度推出原生去中心化交易所。该DEX专为DePIN生态设计，旨在解决资产流通与跨链互操作等挑战，初期将重点支持$AMB及主流交易对，并提供集中流动性管理、原生跨链桥等核心功能。双方将通过资金投入保障启动流动性，并规划后续逐步扩展功能与社区治理。
当区块链遇上人工智能，会碰撞出怎样的火花？最近，Pi Network公布的一组数据，或许为我们提供了一个观察窗口。该平台宣布，其已完成超过5 26亿次“人类验证”任务。这个数字背后，指向的是一个更深层的行业趋势：在生成式AI狂飙突进的今天，对“真实人类偏好”的理解，正成为决定模型上限的关键。而Pi
热门专题
热门推荐
本文梳理了2026年主流数字资产交易平台的特点与选择策略。重点从安全性、资产丰富度、交易体验、创新功能及合规性等维度进行分析，旨在帮助用户根据自身需求，在众多平台中做出明智选择，而非简单罗列排名。选择平台需综合考量资金安全、操作习惯与长期发展愿景。
本文梳理了2026年现货交易所的竞争格局，从交易深度与流动性、资产安全与合规性、用户体验与产品创新三个维度进行深度分析。文章指出，头部平台在合规与技术创新上持续领跑，新兴交易所在细分市场寻求突破，行业整体呈现出专业化、合规化与用户体验并重的发展趋势，为不同需求的用户提供了多元选择。
本文梳理了2026年主要数字资产交易平台的综合表现，从安全性、资产多样性、用户体验及创新服务等维度进行分析。榜单反映了行业向合规与专业化发展的趋势，头部平台在技术架构与风控体系上持续投入，新兴平台则凭借细分领域创新获得关注。投资者需结合自身需求，理性评估平台特点与风险。
今年四月，AI网络初创公司Aria Networks携1 25亿美元融资高调登场，并向业界抛出了一个直指核心的判断：下一阶段AI基础设施的竞争，焦点已不仅仅是堆砌更多的GPU，而在于能否构建一个能充分释放这些算力潜能的“神经网络”。 这家由前Arista和Juniper高管创立、总部位于帕洛阿尔托的
仅凭一张家用RTX 4090显卡的24GB显存，就能流畅运行一个拥有320亿参数的AI大模型，一口气读完6份长文档并自动生成周报？这并非极客魔改，而是来自MIT、英伟达与浙江大学研究者的最新突破。 这项名为TriAttention的技术，精准瞄准了大模型推理中的核心瓶颈——KV缓存显存占用。其核心思