2025年10月21日，在拉斯維加斯舉辦的AI World 2025大會上，科技巨頭甲骨文高調(diào)推出全球最大規(guī)模的云端AI超級計算機——OCI Zettascale10，該系統(tǒng)由80萬塊NVIDIA GPU芯片構(gòu)成，峰值計算性能宣稱可達16 ZettaFLOPS（即每秒10的21次方次以上浮點運算），標志著全球AI算力基礎(chǔ)設(shè)施競爭進入新階段。更引人關(guān)注的是，該系統(tǒng)已正式成為OpenAI"星際之門"旗艦AI超級計算集群的算力核心，雙方在德州阿比林共建的算力基地已投入試運行。

從技術(shù)參數(shù)來看，OCI Zettascale10創(chuàng)造了多項行業(yè)紀錄。其由80萬塊NVIDIA GPU芯片組成的計算集群，平均每塊GPU可貢獻約20 PetaFLOPS算力，接近英偉達最新一代Grace Hopper（Blackwell架構(gòu)GB300）芯片的水平。如此龐大的算力規(guī)模，使其能夠支撐超大規(guī)模AI模型的訓練任務(wù)，例如參數(shù)規(guī)模達萬億級的通用人工智能模型。OpenAI基礎(chǔ)設(shè)施部門副總裁Peter Hoeschele在大會現(xiàn)場表示，甲骨文定制的算力集群為OpenAI的模型研發(fā)提供了"前所未有的算力保障"，特別是在大模型多模態(tài)訓練、復(fù)雜推理能力提升等方面發(fā)揮了關(guān)鍵作用。

該系統(tǒng)的核心競爭力在于甲骨文獨創(chuàng)的Acceleron RoCE網(wǎng)絡(luò)架構(gòu)。據(jù)甲骨文技術(shù)負責人介紹，傳統(tǒng)的AI超算往往面臨大規(guī)模GPU集群通信延遲高、穩(wěn)定性不足等問題，而Acceleron架構(gòu)讓每塊GPU的網(wǎng)絡(luò)接口卡（NIC）都充當一個小型交換機，一次可連接到多個隔離的網(wǎng)絡(luò)交換平面。這種多平面、扁平化的網(wǎng)絡(luò)設(shè)計，使GPU之間的直連延遲降低了30%以上，且確保即使某一路由出現(xiàn)故障時，訓練作業(yè)也能自動切換到其它路徑繼續(xù)運行，避免了傳統(tǒng)集群因單點故障導致的訓練中斷問題。此外，該架構(gòu)引入的線性可插拔光學模塊（LPO）和線性接收光學組件（LRO）等新技術(shù)，在保持400G/800G帶寬的前提下，將網(wǎng)絡(luò)能耗與冷卻成本降低了25%，解決了超算集群"高能耗"的行業(yè)痛點。

盡管技術(shù)參數(shù)亮眼，但業(yè)內(nèi)對其實際性能仍存在一定爭議。有行業(yè)觀察者指出，16 ZettaFLOPS的峰值算力尚未經(jīng)獨立機構(gòu)驗證，且很可能是基于極低精度的AI計算指標（例如FP8甚至4比特稀疏運算）實現(xiàn)的。而實際的大模型訓練通常需要使用更高精度（如BF16或FP8）的數(shù)值格式以保證模型收斂效果，因此在真實訓練場景中，其可持續(xù)交付的算力可能會大幅低于峰值數(shù)據(jù)。此外，超大規(guī)模集群的運維難度也不容忽視，80萬塊GPU的協(xié)同工作需要極其復(fù)雜的調(diào)度系統(tǒng)，如何確保算力利用率、降低故障發(fā)生率，將是甲骨文面臨的長期挑戰(zhàn)。

甲骨文此次布局也反映了全球云服務(wù)商在AI算力領(lǐng)域的激烈競爭。目前，微軟、谷歌、亞馬遜等云計算巨頭均在加大AI超算集群的投入，微軟Azure的AI超級計算機已部署超過50萬塊GPU，谷歌Cloud則推出了基于自研TPU芯片的算力集群，亞馬遜AWS也在持續(xù)擴大GPU采購規(guī)模。為應(yīng)對競爭，甲骨文在發(fā)布超算的同時，還推出了新的"多云通用積分"計劃，允許客戶用統(tǒng)一的預(yù)付積分在甲骨文云及AWS、Azure、Google等多家云服務(wù)間自由調(diào)配甲骨文數(shù)據(jù)庫和OCI服務(wù)，旨在降低客戶遷移門檻、提高平臺黏性。

據(jù)甲骨文官方透露，OCI Zettascale10集群計劃在2026年下半年正式向客戶提供服務(wù)，目前已開始接受企業(yè)客戶的預(yù)訂。NVIDIA公司高管Ian Buck在大會上表示，甲骨文的全棧優(yōu)化"計算結(jié)構(gòu)"為AI技術(shù)從實驗走向工業(yè)化應(yīng)用提供了關(guān)鍵支撐，有望加速AI在千行百業(yè)的落地進程。業(yè)內(nèi)預(yù)計，隨著各大巨頭的算力投入不斷加大，AI模型的研發(fā)周期將進一步縮短，算力成本也將逐步降低，為人工智能產(chǎn)業(yè)的爆發(fā)式增長奠定基礎(chǔ)。