一句话看懂：NVIDIA 发布了第六代 NVLink 互连技术，定位为“AI 工厂”专用的扩展网络（Scale-up Network），旨在解决大模型训练和推理中 GPU 间高带宽、低延迟通信瓶颈，实测可提升混合专家模型（MoE）推理吞吐量至 2.3 倍于普通以太网。
事件核心：发生了什么
NVIDIA 在其博客中系统阐述了 NVLink 作为 AI 工厂扩展网络（Scale-up Network）的设计逻辑。当前 AI 工作负载已从单一 GPU 计算转向数千 GPU 协同，尤其是万亿参数级模型、MoE 架构和长上下文推理场景，要求 GPU 之间的通信具备极高的全互联带宽和极低延迟。第六代 NVLink 与 NVLink 6 Switch 是为此场景定制，支持 SHARP 网络内计算来卸载集合通信操作，并内置了机架级的故障恢复机制，以保障 AI 工厂的高可用运行。
NVIDIA 团队在模拟环境中测试了 DeepSeek-R1、Qwen 235B 以及一个 2T 参数的模拟 LLM，结果显示，在 72 个加速器规模的扩展域中，第六代 NVLink 相比主流商用以太网，解码吞吐量最高提升 2.3 倍。这一对比直接强调了专用扩展网络在 MoE 模型推理中的巨大价值。
为什么重要
随着 AI 模型规模持续膨胀，尤其是 MoE 架构的流行（如 DeepSeek-R1），GPU 间的通信模式已从少数节点的同步变为大批量、高并发的“全对全”通信。传统数据中心使用的“扩展网络”（Scale-out Network，如 InfiniBand 或 Spectrum-X 以太网）负责连接不同机架间的服务器，而“扩展网络”（Scale-up Network）则负责单个 GPU 域内的极速互连。两者缺一不可，但差异巨大。
NVIDIA 明确提出，扩展网络决定了 AI 工厂的单位功耗、单位成本、单位面积能产出多少有效 token，直接影响了运营商的 ROI。这意味着，未来 AI 基础设施的竞争力不再仅仅由单卡算力（FLOPS）决定，而是由整个加速器域协同效率决定。NVIDIA 通过极致协同设计（从芯片到系统再到软件）将 NVLink 纳入年度 AI 基础设施路线图，意图将其打造成 AI 工厂的经济性关键变量。
对用户/开发者/创作者的影响
对于模型开发者与推理服务提供商而言，NVLink 的优势直接转化为更低的每 token 推理成本和更短的时间延迟。特别是使用 MoE 模型（如 Mixtral、DeepSeek-R1）进行大规模推理时，如果选用配备 NVLink 的集群，相比基于普通以太网的集群，可以获得 2 倍以上的有效吞吐量提升，这在实际业务中意味着相同的硬件投入可以服务更多用户请求。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对于个人创作者或小型开发团队，虽然直接接触 NVLink 的机会有限，但这项技术将推动云服务商提供更具性价比的 GPU 实例。未来在云端使用 MoE 模型的推理服务时，应当关注云厂商是否采用了 NVLink 连接的多卡集群，这将影响模型响应速度和使用成本。
值得关注的后续
第一，第六代 NVLink 的具体商用时间表和配套硬件（如搭载该互连的 GPU 和交换机）尚未公布，NVIDIA 仅将其表述为“年度 AI 基础设施路线图”的一部分，需要关注后续 GTC 大会的硬件发布节奏。第二，竞争对手如 AMD 的 Infinity Fabric 和 Broadcom 的 Jericho 系列也在迭代，NVLink 是否能在性能代差和开放生态上持续领先，将影响数据中心采购决策。第三，目前测试数据来自 NVIDIA 模拟环境，实际部署中是否存在散热、功耗或成本的限制，需要等待第三方独立测试验证。
