当7500亿美元的年支出和7万亿美元的长期赌注押在美国AI基础设施上时，这场狂欢究竟是源于贪婪，还是更深的恐惧？每一个参与者都心知肚明：泡沫终会破裂，只是没人敢问究竟何时到来。
2026年6月，NANOG（北美网络运营商集团，North American Network Operator’s Group）第97次会议在美国华盛顿举行。如今，如果你怀疑整个世界已经陷入AI狂热，这完全可以理解；而如果你参加了NANOG会议，你的这种怀疑只会得到进一步证实！会议讨论的主题包括：用于支撑大语言模型的数据中心的设计，以及AI工具在网络运营中的应用。
AI席卷全球
2026年的支出主要集中在为满足GPU密集部署的严苛要求而专门建造的全新一轮数据中心上。从历史角度来看，涉及的金额极为庞大。2026年美国的支出就接近7500亿美元，几乎是去年4500亿美元的两倍。目前对美国境内长期多年建设成本的预测已逼近7万亿美元。
从经济角度看，这相当于未来四年美国GDP的2%。而这还不包括其他经济体的相关支出。毫无疑问，我们正身处一场疯狂的泡沫之中。繁荣之后必然伴随崩盘，这是经济发展的必然规律，而当前亟待解答的问题是：当这个泡沫破裂时，崩盘会何时到来，其破坏性又将有多大。
奇怪的是，并非所有主要投资者都是因为对未来前景感到兴奋和乐观而参与其中。对许多数字巨头投资者而言，参与AI似乎是一种被迫的行为：如果现在不加入并投资自己的AI平台，那么当竞争对手利用这些新的AI平台抢走他们的现有市场时，他们将无法生存。
例如，当一个AI工具能直接给我答案时，搜索功能还有什么用？如果说恐惧和贪婪是驱动市场的动力，那么今天看来，恐惧正主导着许多企业进军这一领域的决策！
AI训练、AI推理和智能体工作负载正给当今的数据中心网络架构带来新一轮压力。大规模的GPU引擎集群，加上利用RDMA（远程直接内存访问）将处理与内存解耦，在数据中心的传输和交换能力上产生了持续而巨大、不容有失的流量。这些需求对带宽密度、电力覆盖范围和光传输容量等以往传统数据中心的设计参数构成了挑战。
迄今为止，我们一直依赖芯片性能的持续提升来解决这些扩展挑战，但随着这些环境对扩展性的要求日益提高，现有的设计已显现出仅靠增量容量升级无法解决的局限性。
请记住，TCP传输控制协议真正的精妙之处在于其对数据包丢失（和抖动）的容错能力。RoCEv2（基于融合以太网的RDMA，第二版）是一种网络协议，它允许计算机通过标准以太网，绕过操作系统内核和CPU在不同服务器的内存之间直接传输数据。这实现了低延迟的内存访问，对于大规模AI集群和高性能计算至关重要。
然而RoCEv2对于数据包丢失、数据包重排序和抖动完全无法容忍。这意味着TCP并非合适的传输协议，RoCEv2是构建在UDP之上的。通常情况下，检测和修复数据包丢失及数据包重排序的任务应由应用程序承担，但RoCEv2并不提供此类支持。其结果是，网络绝对不能丢失哪怕一个数据包！这对大规模高速数据中心设计而言，是一个相当新颖的挑战。
我们在硅处理器、存储系统、光子学与交换技术、供电及散热等领域，正竭尽所能地拓展技术边界。例如，在电力市场方面，预计到2020年代末，美国数据中心的用电量将超过所有高能耗制造业用电量的总和。
据预测，未来几年，数据中心的电力需求将占美国总用电量的12%，而同期其他行业的用电规模并不会相应地减少同等规模。这对美国的发电系统提出了新的要求，也为现有发电能力和电网基础设施带来了新的压力。
数据包处理层不是唯一承受着大规模AI数据中心部署带来压力的一方，AI基础设施的影响也正波及底层的光学层。光子学如今正逐渐成为AI数据中心网络中一个关键的架构约束因素。当前的架构正面临扩展瓶颈，包括面板密度、可插拔光模块的热量和功耗预算，以及快速扩容的光纤网络带来的运维复杂性。
显然，这些数据中心的建设与传统的投机性繁荣不同，不会给承担建设成本的投资者带来短期暴利。对投资者而言，最理想的情况是数据中心能在长期产生类似公用事业的稳定回报。最坏的情况则是建设成本由金融泡沫支撑，而该泡沫在建设过程中期便破灭。但也许这次确实与传统的经济繁荣与萧条周期不同。区别在于，通过公共部门主导的投资—即给予建设这一AI基础设施的企业税收优惠—你我实际上已成为主要投资者。
我们正与AI共同踏上一段引人入胜的旅程。人们普遍认为，AI系统的质量在很大程度上取决于构建模型所采用的处理规模，而迄今为止，经验法则是，规模越大，效果越好。目前尚无明确标准界定什么样的规模才算足够，甚至不清楚是否存在收益递减点——即处理能力翻倍后，服务质量仅能获得微乎其微的提升。由于无法明确判断逻辑终点究竟在哪里，我们仍在这些设施的各个组件层面全力以赴，以实现进一步的规模扩张。这真是一段惊心动魄的旅程！
地理定位
地理定位（根据远程设备访问服务时使用的IP地址来确定其位置）已成为近期NANOG会议上的热门话题。这是一个目前仍存在诸多疑问，而我们尚无法给出全部答案的领域。这一切似乎始于一个看似无害的问题：“你在哪里？”
但在这个问题中，“你”究竟指的是谁？是指使用设备的用户本人，还是指设备本身？从人类角度来看，位置问题涉及如何通过使用适当的语言、字符集以及符合当地惯例和文化规范的界面布局，来调整服务体验。此外还有社会层面的考量：哪些法律适用于我访问数字服务？我的交易应适用哪个国家的法律法规？如果需要缴纳交易税，应适用哪套税收法规？
“位置”同样是一个令人头疼的问题。我们可以使用经纬度坐标将位置精确定位到地球表面的某一点。或者，更实用的分类方式或许是采用地缘政治定位系统，以国家、州、城市等为单位。我的位置是指我身体所在之处，还是其他地方？如果我使用VPN服务或远程代理，那么我的位置是否就是远程网关的位置？此外还有时间维度—我可能正带着移动设备乘坐火车、轮船或飞机。移动性也引发了位置稳定性和持续时间的问题。IP位置数据的有效期有多长？
位置信息的精度如何？个人隐私与高精度位置数据之间存在哪些矛盾？在某些地理信息系统中，邮政编码已被弃用，而成本代码的精度之高，甚至可作为个人身份识别信息——这种情况已在哪些地方出现？在考虑位置精度时，有必要问一问：这些信息是否将作为送货地址使用，例如“披萨该送到哪里？”还是应该降低精度，仅标注国家或国家内的某个州？一些服务提供商将位置信息作为选择“附近”数据中心的依据。在这种情况下，“邻近性”和“距离”的衡量标准并非基于物理距离，而是基于底层网络拓扑结构和网络路由系统状态的指标。
地理定位的普遍目的是提供一种映射服务：以IP地址为输入，生成位置信息作为输出。问题在于，在哪里以及如何找到可作为该IP-位置映射“种子”的数据。
部分网络服务提供商会为其所使用的IP地址维护这样的映射表。例如，Starlink和苹果的“私有中继”（Private Relay）服务都发布了位置映射表，但在互联网服务提供商（ISP）领域，这属于例外而非常态。在某些情况下，发布位置信息的责任由用户自行承担，但作为数据使用者，如何判断这些用户自行申报的位置信息的真实性（或虚假性）？是否存在某种外部验证机制，可用于检验这些地理位置数据的真实性？我的位置信息属于公开数据吗？还是属于可能被用来推断我身份的个人身份信息？位置信息的粒度需要达到何种程度，才会将一个大致的区域转化为我的具体位置？
我也禁不住自问：为什么会有多家地理位置服务提供商？它们在细节上为何存在差异？位置信息理应是客观的，不应存在多种解释吧？从许多方面来看，这些关于地理位置的专题讨论会令人惊讶地发人深省。一个看似非常简单的问题，答案却出奇地复杂。在这个起初看似非常简单的问题背后，隐藏着多层次的微妙之处和复杂性。
IPv6测量
IPv6已部署到什么程度？当今的公共互联网中IPv6的使用情况如何？有几个网页显示了IPv6的使用情况：由谷歌运营的IPv6测量网站会报告访问谷歌主页的样本用户群体的IPv6支持情况。此外，APNIC Labs也会发布相关数据。这两份报告均关注用户使用IPv6的能力，而非实际使用情况。一些知名的互联网交换中心会发布流量报告，例如AMSIX关于其交换中心内IPv6流量的报告。
这些旨在呈现“全局图景”的报告，可以辅以针对个别案例的小规模研究，正如《IPv6采用的非二元视角》演示文稿中所报道的那样。
对少数几个网站用户流量的分析结果表明，包括Zoom、TikTok、GitHub和Twitch在内的一些常用应用程序并不支持IPv6。根据这些应用程序的使用频率不同，不同用户的IPv6使用程度也会有所差异。
在服务器端，Tranco排名前11万个网站中，58%仅支持IPv4，30%需要IPv4才能加载，而其中12%的网站已全面支持IPv6。当然，这些数据并未反映这些服务的用户数量、使用频率以及由此产生的流量规模。
在云服务环境中，部分平台（如Cloudflare）对IPv6提供了广泛支持，而其他平台（尤其是亚马逊）则主要使用IPv4。不过，同样需要将这些数据置于相对使用率和相对流量规模的背景下进行解读。
我的结论是，尽管向IPv6过渡已显现出明显的进展迹象，但进展速度依然缓慢。如果有人迫不及待地想要转向纯IPv6环境，那么他们必然会置身于一个高度碎片化的环境中。如果我们希望维护互联网的一致性，那么在走过这段过渡期时，还需要再多一点耐心。
智能体的定位
这只是NANOG 97会议为期三天、内容丰富的议程中的一小部分。在本次会议的所有演讲中，我注意到主题演讲《AI的SRE注：词元化时代的网络可靠性工程》指出，AI工作负载使网络可靠性成为首要的性能约束。
该演讲指出，需要重新思考服务级别目标，减少可能导致处理集群性能受限的不稳定性，改进监控机制，并利用数据驱动的自动化技术来管理地理分布式系统中的流量和可用性。这看起来确实是一份相当具有挑战性的愿望清单！许多计算密集型环境的规模不断扩大，促使人们开始审视传统监控的局限性，并认识到需要更丰富、更实时的路由和网络状态遥测数据。
作为一个几十年来一直在关注BGP的人，我很欣赏这场演讲，该演讲探讨了BMP（BGP监控协议，BGP Monitoring Protocol）如何在数千个BGP会话中提供全保真路由遥测，并将BMP与SNMP、gNMI和全表转储等方法对比，后者在大规模上难以实现每点可视性。
下一届NANOG会议将于2026年10月19日～21日在美国迈阿密举行。
注：SRE(Site Reliability Engineering)意为站点可靠性工程
（来源：CircleID 作者：杰夫·休斯顿 编译：陈茜 转载自教育信息化网，如有侵权请联系删除。）