AI 大模型持续演进，算力规模不断增长。

当越来越多的 GPU 被连接到一起，AI 基础设施面临的问题，也正在从 " 单点算力够不够强 "，进一步走向——如何让海量算力连接得更快、更稳、更高效。

CIOE 2026 现场，锐捷网络围绕 AI 时代的高速互联需求，集中展示光电融合、超节点、AIDC 三大方向创新方案。

从 800G、1.6T 高速光互联，到面向超节点的 ScaleUp 网络，再到贯穿交换、连接与运维的 AI-Fabric，一系列产品与方案集中亮相。

一个越来越清晰的趋势，也在展台上具象呈现：

AI 算力加速进化的同时，网络也正在迎来一场新的升级。

光电融合：

面向 800G、1.6T，让高速互联继续向前

AI 集群规模越来越大，芯片之间、节点之间需要交换的数据量快速增长。

网络带宽不断从 400G 迈向 800G、1.6T，高速互联在获得更大带宽的同时，也需要回答功耗、时延、可靠性以及部署密度等一系列问题。

这也让 LPO、LRO、NPO 等新一代光互联技术路线，成为 CIOE 现场倍受关注的关键词。

在锐捷网络展区，102.4T 四芯片 NPO 交换机、3.2T NPO 模组、8 通道 ELSFP 集中亮相，从交换设备到光连接，展现面向下一代高速互联的技术探索。

从 800G 到 1.6T，从交换侧到光模块侧，锐捷希望解决的不只是 " 带宽继续翻倍 " 的问题，而是围绕 AI 数据中心真实部署需求，推动低时延、高可靠、低能耗、高密度连接进一步落地。

在算力密度快速提升的今天，高速网络正在进入一个更加系统化的竞争阶段。

比 " 快 " 更重要的是——如何持续地快，稳定地快，高效地快。

超节点：

当算力越聚越密，网络开始参与 " 组织算力 "

如果说高速光互联解决的是 " 算力之间如何连 "，那么超节点关注的，则是一个更进一步的问题：

如何让越来越密集的算力像一个整体一样高效协同？

随着 AI 基础设施持续演进，计算资源正在从传统服务器集群走向更高密度的计算单元。网络也不再只是服务器之间的数据传输通道，而开始成为决定整个计算系统协同效率的重要组成部分。

此次 CIOE，锐捷网络带来了超节点 RG-ETH 128 以及 ScaleUp 交换机。

面向 AI 训练、推理等不同场景，希望通过高效的节点间互联，为高密算力提供更加匹配的网络底座

从 ScaleOut 到 ScaleUp，AI 网络面对的连接对象、流量模型以及性能诉求都在发生变化。

尤其是在超节点场景下，网络与计算之间的关系正在变得前所未有地紧密。

过去，人们谈数据中心网络，更多关注 " 服务器能不能连起来 "。

而在 AI 时代，问题逐渐变成：

这些算力能不能真正高效地协同起来？

这正是锐捷超节点方案此次希望回答的问题——赋能 AI 训推全域负载，构筑极致能效算力底座。

AIDC：

不仅要建得快，更要让算力组网易用、好管

一张大规模 AI 网络真正落地，绝不仅仅是把高速交换机摆进机房。

● 设备如何连接？

● 大规模布线如何降低复杂度？

● 网络上线之后如何管理和运维？

随着 AI 集群越来越庞大，这些问题带来的复杂度同样在快速增加。

本次锐捷网络还展示了面向 AIDC 场景的完整方案。

从 " 连接网络 " 到 " 连接算力 "

从 LPO、LRO、NPO 到超节点，再到 AI-Fabric 和 ONC，锐捷网络此次 CIOE 展出的多个方向，看似分别对应光模块、交换机、超节点和运维平台，背后却指向同一个变化：

AI 正在重新定义网络。

带宽要继续提升，功耗要继续降低；

计算节点越来越密集，网络协同效率要进一步提升；

AI 集群规模越来越大，建设与运维也需要变得更加简单。

因此，未来的 AI 网络竞争，也不再只是交换容量或者端口速率的单点竞争。

光、电、交换、连接、计算与运维正在被放到一个完整系统中重新思考。

当算力继续向前，连接算力的网络，也必须同步进化。

CIOE 2026，现场精彩仍在继续。

锐捷网络也将持续围绕 AI 基础设施演进，在高速互联、超节点和智算网络等方向不断探索，让每一份算力，都能够被更高效地连接起来。