Scale-Up 是新的数据中心网络：SIGCOMM 2026 重走 2015-2020 研究史

1. 新技术宣称

过去十年，"数据中心网络"指的是跨服务器的 scale-out 网络——Clos 拓扑、BGP/ECMP、RDMA、拥塞控制，SIGCOMM 的主战场。2026 年，一个新的网络域正在同一批研究者手里成型：scale-up 域，GPU 到 GPU 的机架内互联，以及它向下延伸的 chiplet 网络和晶上网络。

证据是结构性的。本届 SIGCOMM 给了 Scale-Up Fabrics 一个专门的 session（RS8，四篇），而相关论文散布在 RS1（TurboBus）、RS15（Scale-up PIFO）、RS17（Harvest、Credit-Guided wafer-scale）、RS9（光子 fabric，其中 Opus 归篇4 光子线），合计九篇，本篇以其中八篇为主体，横跨测量、拓扑、数据面、调度、传输层五个层面。

把这个 session 分布与 scale-out 网络的研究史对齐，会看到一个几乎逐层复刻的模式：

测量先行、工具未定型——这是"2016 年的 scale-out"状态。差别在于节奏：scale-up 的这一轮压缩在更短的时间里完成，因为需求端（NVL72/576、CloudMatrix384、GB200 NVL576 的量产）比当年云计算的扩张更急。

为什么 scale-up 突然值得一个研究议程？ 三个推动力：其一，PD 分离与 MoE（混合专家模型）训练把机架内流量推上新的量级，机架内互联从"系统总线"变成"真正的网络"：有拓扑选择、有拥塞、有调度问题；其二，超节点的物理时延非均匀（UBEP 的"同步税"与拓扑盲调度问题），逻辑统一地址空间掩盖的物理异构性需要被显式管理；其三，PCIe/NVLink/UB 资源在多任务间的共享（TurboBus 显示 60%+ 的 PCIe 带宽闲置）——资源池化在机架内重新发明。

2. 逐篇深读：八篇论文

2.1 FabricPerf：没有网卡的网络怎么测

NVLink fabric 给测量出了一个悖论：它是一个真实的多跳网络，有拓扑、有拥塞、有微妙的路径行为，但里面没有一块网卡。传统网络测量的整套方法论——插探针、抓包、读网卡计数器——在这里全部失效。你想诊断一个 AllGather 为什么慢，手里连 ping 都没有。

FabricPerf（港大）的方法论转换是这篇论文真正的贡献：把网络遥测变成 GPU kernel profiling 问题。通信 kernel（SEND/RECV）在 GPU 上的执行足迹——启动延迟、吞吐波动、通道间的不平衡——本身就携带了 fabric 的行为信息；扩展 GPU instrumentation 工具，就能从软件侧反推网络状态。诊断的对象换了层，问题没变。

顺着这条思路的工程产出很实：用 work-stealing 机制重平衡通信通道，通道利用 +46%，AllGather 吞吐 +17.5GB/s；调 LLC 读命中率，带宽再 +16GB/s。对运维来说，这是今天就能用的调优手册——不需要交换机开放任何接口。

有效性边界也来自方法论本身：kernel 足迹是间接证据，fabric 内部的排队细节（哪一跳、哪个端口）反推不出来。权宜之计的价值是现在就能用，代价是分辨率有限——这正是"测量先行"阶段的典型状态。

2.2 PingPoint：再往下钻一层，chiplet 之间的网络

PingPoint（UW-Madison）把同一个问题再往下推一层：Accelerator Chiplet Network（ACN），compute chiplet、IO chiplet、内存 stack 之间的网络。chiplet 已成为加速器的主流形态，ACN 的行为越来越主导应用性能；但它比 NVLink fabric 更难测——连主机侧都没有，GPU 那套 kernel profiling 也够不着。

PingPoint 用探针注入加与计算共存的低开销分析做出首个工作（摘要口径，全文细节见其论文）。这篇的价值在占位：第一个把"chiplet 网络可观测性"立为问题的论文，后来的标准化讨论都要从它出发。

2.3 Balanced Sparse Tree：万卡时代的拓扑经济学

scale-up 域的第一篇拓扑设计论文来自华为九位作者 + 上交（对应 scale-out 的 Clos 变体时代）。它的问题很直接：字节跳动已建 12288 GPU 集群训 175B 模型（BST 论文引述的公开部署信息，引文），万卡规模下，拓扑成本本身成了第一变量。三层 Clos 的全互联在高基数交换芯片上要付出功耗和成本的双重代价，而 NVL72 级的机架互联向上扩展时，同样的钱怎么花值得重新算。

BST 的答案是稀疏树：保留 Clos 的分层结构但砍掉冗余链路，配合 Ranktable 编排把通信约束在组内、消掉组间拥塞。账算下来：同等规模成本减半（对比 3 层 Clos），对比 Zettafly 再扩 1.7×。

有效性成立，但它是华为生态内的设计：BST 的编排假设与 UB/超节点形态绑定，跨生态直接搬不动。它的意义在于把"拓扑成本"重新变成研究问题——scale-out 时代 2015 年前后也发生过同样的事。

2.4 Elastic QP：机架级数据面的软件路线

数据面层的问题：scale-up fabric 上的 queue pair 是粗粒度静态分配的，小消息场景的速率上不去，带宽利用率差。Elastic QP（UW + UW-Madison）把 QP 弹性化，做成机架级细粒度数据面；小消息速率最高 11.03× 于 RDMA 基线（论文摘要口径），测试床是 BlueField-3 DPA + ConnectX-8（2×400G）。

这篇延续了这个组在高效 RDMA 上的长期积累。值得记的位置关系：它与华为 BST 构成同一问题的两条路线——软件栈路线（改数据面、吃商用硬件）对硬件拓扑路线（改结构、要新基建）。哪条先规模化，取决于 NVLink 类 fabric 开放数据面接口的速度。

2.5 Scale-up PIFO：把可编程调度抽象搬进机架

P4 时代给交换机世界留下了 PIFO 抽象（可编程调度的理论模型）；复旦的 Scale-up PIFO 把它搬进 scale-up 互连。问题：机架内互连的调度现在是固定的硬件逻辑，想改调度算法就要改芯片；PIFO 在交换机里解决的问题——让调度算法可编程——在机架内同样存在。

做法：并行多 PIFO 队列交错部署，代价是峰值调度误差。结果：误差降至 1/64（对照简单并行 PIFO 的 Errmax≈K/R=1562），硬件复杂度降 51%。P4 时代的编程抽象在机架内复刻，这本身就是"研究问题互相输出"的证据（见 §3 观察三）。

2.6 Credit-Guided：晶上网络的第一篇传输层论文

中科院计算所的这篇占了一个更远的位置：晶上网络（wafer-scale on-chip network）的第一篇传输层论文。晶上架构（Cerebras 类）把整个加速器做在一片晶圆上，片上网络第一次大到需要传输层语义——拥塞控制、尾延迟管理，这些主机网络的概念进了硅片。

它的动机量化值得记：分子动力学负载对尾延迟极其敏感，每跳尾延迟相对膨胀 10%，吞吐就掉到基线的 22-40%。这个敏感性数字把"片上也要传输层"从直觉变成了测量事实。解法是 credit 机制的片上版本——数据中心拥塞控制的经典工具，又一次跨域移植。

离生产最远的一篇，但作为首篇占位，五年维度的期权价值已经显现。

2.7 TurboBus：PCIe 池化，scale-up fabric 的第一个高价值应用

HKUST 的这篇讲了一个反直觉的故事。GPU 内存 offloading（KV cache 外卸、弹性训练）把瓶颈推到 GPU-CPU 传输：最高占端到端时间的 90%。直觉反应是"PCIe 带宽不够用"。但 TurboBus 的测量显示：全集群 60% 以上的 PCIe 带宽同时闲置。单链路瓶颈、整体欠载——每块 GPU 各自的 PCIe 独立工作，突发负载把各自的链路打满，别人的链路闲着。

错配的结构性解法是池化：TurboBus 让 GPU 经 scale-up fabric 借邻居 GPU 的 PCIe 链路中继数据。FlexGen 类负载（offload 率 f≈90%）借 4 条链路最高 3.0× 加速；按需模型加载的首 token 延迟最高 -40%（距解析最优 5% 以内）；KV-cache-offload 推理吞吐最高 1.6×，训练迭代最高 +7%，对共址负载开销 <1%。

scale-up fabric 的第一个高价值应用不是集合通信，而是 PCIe 池化，这是机架内资源共享的新抽象。可落地性是八篇里最直接的：任何有 NVLink 机架的玩家都能复刻，特权 daemon 保证隔离。

2.8 Harvest：光子交叉

Purdue + MSR 的光子交换调度（详见篇4），此处作为 scale-up 域的物理层演进注脚：光电路交换进机架域后，拓扑本身成为可重配置资源，调度问题随之而来。

3. 路线分析

八篇论文构成的不是并列热点，而是一个网络研究域从零成型的标准路径：

观察一：测量缺口是这个领域最大的缺口。 scale-out 时代有 ping/traceroute/tcpdump/perfSONA 完整工具链；scale-up 域今天只有 FabricPerf/PingPoint 两篇论文。FabricPerf 的"kernel profiling 反推网络"是权宜之计。真正需要的是 fabric 原生遥测（NVLink/UB 的链路级计数器开放、chiplet NoC 的探针标准）。工具链成型之日，才是这个领域从"测量先行"进入"系统优化"阶段之时。

观察二：华为在 scale-up 域完成三点布局。 BST（拓扑）+ UBEP（通信库，篇2）+ UB 生态本身，从物理互联到拓扑到通信库的完整纵深。对照 NVIDIA：NVLink/NVSwitch 是事实标准但没有论文（Meta 的 100K+ GPU 论文替它做了部署侧背书）。华为路线是"把生态每一层都做成可发表的学术输出"。这既是学术话语权策略，也反映了国产栈必须自建每一层的现实。

观察三：scale-up 与 scale-out 的研究问题开始互相输出。 PIFO 抽象从交换机进 scale-up（Scale-up PIFO）；credit 拥塞控制从数据中心进晶上（Credit-Guided）；PCIe 池化从网络带宽管理复制到总线域（TurboBus）。反向输出也在发生：OptCCL 的拓扑建模已经把"host 内互联"作为一等约束。当两个域共享抽象层，融合（而不仅仅是并存）就开始了。

观察四：向下延伸的三个尺度同时被打开。 机架（NVL72 级 fabric）→ chiplet（ACN）→ 晶上（wafer-scale）。PingPoint 与 Credit-Guided 分别占领了后两个尺度的首篇位置。"首篇"的价值在学术议程设置，后来者必须引用它们。

4. 证据核对

口径说明：PingPoint 的"8×" overhead 改善数字在已读部分未能锚定完整上下文，正文未使用；Elastic QP 的"1024×"缩放声称同样待锚定后再进正文——两处留待终稿前补核。

5. 技术评估与预测

一、scale-up 域会在 2-3 年内长出自己的"明星抽象"。 scale-out 时代给了世界 SDN/P4/eBPF；scale-up 的候选是：fabric 原生遥测接口、跨 PCIe/NVLink/UB 的统一编程层、机架内资源池化的隔离原语（TurboBus 的特权 daemon 是雏形）。哪一个胜出现在判断为时尚早，但日程表大致可推：2027 年测量与遥测、2028 年编程抽象。

二、PCIe 池化是 scale-up fabric 的近期商业落点。 TurboBus 的价值不在学术深度而在工程可译性：NVL72 机架里的 PCIe 带宽管理软件，可以是交换芯片厂、服务器厂、云厂任何一方的产品线。60% 闲置带宽的回收对 offloading 类负载（KV cache 外卸、弹性训练）是直接的成本下降。

三、chiplet 网络的标准之争是下一场。 PingPoint 打开 ACN 测量之后，UCIe 生态（chiplet 互连标准）之上的网络层标准化会被提上日程。谁定义 chiplet 间的遥测与 QoS 接口，谁就锁定了下一代的 chiplet 供应链话语权。中科院计算所同时出现在 wafer-scale（Credit-Guided）一线不是偶然。

四、可落地性：华为生态内立即可用（BST+UBEP 是成套的）；以太网生态等 EPIC/盛科的芯片落地；PCIe 池化（TurboBus 思路）任何有 NVLink 机架的玩家都可复刻。 晶上网络离生产最远，但作为 Cerebras 类架构的配套研究，五年维度的期权价值已经显现。

五、对 locsic 前文的对账。 我们在超节点系列（waic/灵衢/kadc）中的判断"互联协议只是地基，通信库与拓扑是用户可感知层"被 BST+UBEP 的组合直接验证；"scale-up 正在复刻 scale-out 研究史"在 6 月的 nvidia-supernode-evolution 中已提出，本届论文分布给出了学术侧的完整佐证：研究史的复刻比产业史的复刻更整齐。

---

声明： 本文基于八篇论文（FabricPerf/PingPoint/BST/Elastic QP/TurboBus/Harvest/Scale-up PIFO/Credit-Guided，全文或摘要，正文逐处标注）+ 篇2 UBEP 交叉引用。BST 的 12288 GPU 为论文引述的公开部署信息（一手出处未核）；PingPoint 的 8× 数字未能锚定完整上下文，正文未使用。文中数据截至 2026 年 8 月 22 日。

本篇为 SIGCOMM 2026 深读系列篇3。前篇：总览、KV Cache 网络公民、Collectives 运行时。下篇预告：《光网络的 P4 时刻还没到，但语言先来了》（篇4，λλ 与光子软件栈）。