【完全図解】InfiniBandとEthernetの違いとは？AIデータセンターのネットワークを1から理解する

こんなモヤモヤ、ありませんか？

NVIDIAの決算で「ネットワーク売上が過去最高」と聞くけれど、GPUの会社がなぜネットワークで稼ぐのか分からない
「InfiniBand」と「Ethernet」、どちらもケーブルでつなぐ通信なのに、何がそんなに違うのか想像できない
「Ultra Ethernet」「RoCE」「RDMA」など、カタカナとアルファベットが多すぎて、ニュースを読んでも頭に残らない
AI関連株の中で、ネットワーク銘柄（Arista・Broadcom・フジクラなど）がどう位置づけられるのか、地図がほしい

実は、これらの疑問はすべて「All-Reduce（オール・リデュース）」という1つの処理につながっています。
AIの学習では、何千〜何万個ものGPUが「全員そろって、同時に」通信します。そのため、たった1台の遅れが全体を止めてしまいます。
この記事では、その仕組みを中学生でも分かる言葉で、図を使いながら1から整理します。

こんにちは。この記事は、AIデータセンターの「ネットワーク（通信）」の入門編です。GPUやHBMの話はよく聞くのに、それらをつなぐ道路の話はあまり語られません。ところが今、この「道路」がAIの性能とお金の流れを大きく左右するようになっています。読み終えるころには、InfiniBandとEthernetの違いを、自分の言葉で説明できるようになっているはずです。

あなたが今いる場所：AIインフラ＞ AIデータセンター入門＞ InfiniBandとEthernet（DCネットワーク）

▼ AIデータセンターの5つの構成要素

建屋・立地

電力

冷却

計算（GPUサーバー）

ネットワーク ←ココ

▼ DCができるまで（ライフサイクル）

立地・用地確保

電力確保（系統接続）

設計・建設

設備・IT機器搭載 ←ココ

運用・サービス提供

ひとことメモ：ネットワークは「IT機器を載せる段階」の話に見えます。ただ実際は、ケーブルの長さの制約がラックの並べ方を決め、それが電力や冷却の設計にも影響します。そのため設計・建設の段階から関わるテーマです。

先に結論：この記事の答え

① InfiniBandは、スーパーコンピュータ向けに生まれた「最初からデータを落とさない」専用の通信規格です。現在はほぼNVIDIA（NVDA）1社が供給しています（2020年に旧Mellanoxの買収を完了）。

② Ethernetは、世界中のオフィスや家庭で使われている汎用の通信規格です。多くの企業が作れる一方、本来は「混んだらデータを捨てて送り直す」設計です。

③ AIの学習では、全GPUが計算結果を足し合わせるAll-Reduceを何度も繰り返します。一番遅いGPUを全員が待つので、平均の速さよりも「ばらつき（最悪値）」が性能を決めます。

④ 市場では、InfiniBandの「完成された専用品」と、Ultra Ethernet陣営の「開かれた標準品」がぶつかっています。調査会社Dell’Oroによると、2026年1〜3月期はAIクラスタ向けデータセンタースイッチ売上の約3分の2をEthernetが占めました。一方でInfiniBandも前年同期比で3倍超に伸びています。「どちらかが消える」ではなく「両方伸びている」のが現在地です。

AIデータセンターそのものが初めての方へ：先に全体像をつかんでおくと、この記事がぐっと読みやすくなります。
▶ AIデータセンターとは？従来型との違いと構造／　 ▶ AIデータセンターの中身とは？5つの構成要素

全体像：AIデータセンターには「3種類の道路」がある
AIデータセンターの基本形「スパイン・リーフ構成」
1. AI向けの工夫「レール最適化（Rail-Optimized）」
2. 従来DC vs AI DC：ネットワークはここまで変わった
RDMAとは？「CPUを通さず、メモリ同士が直接話す」仕組み
1. GPUDirect RDMA：GPUのメモリ同士が直接話す
2. 同じRDMAでも「道路の造り」が違う
核心：なぜAIだけネットワーク要件が特殊なのか ―「All-Reduce」
1. GPUが増えるほど「誰かが遅れる確率」は跳ね上がる
2. AIの通信は「渋滞を起こしやすい」性質を持つ
InfiniBandとEthernetの違いを8つの視点で比較
対立構図：「NVIDIAの専用品」vs「Ultra Ethernet陣営の標準品」
投資家向け：AIネットワークのお金の流れを4層で整理
あなたにとって、この話は何を意味するか
よくある誤解を4つ解いておきます
まとめ：AIのネットワークは「全員の歩調」を守る仕組み
よくある質問（FAQ）
1. 次に読むべき記事
2. テーマ別に、もっと深く学ぶ

全体像：AIデータセンターには「3種類の道路」がある

「データセンターのネットワーク」とひとことで言っても、AIデータセンターでは役割のまったく違う道路が何本も並んでいます。InfiniBandとEthernetの話をする前に、「どの道路の話なのか」をはっきりさせておきましょう。

① スケールアップ

たとえると

家の中の廊下

ラック内のGPU同士を超高速で直結する
代表例：NVIDIAのNVLink（GB200/GB300 NVL72など）
数十個のGPUを「1つの巨大GPU」として動かす

② スケールアウト（本記事の主役）

たとえると

町と町を結ぶ高速道路

ラックとラック、数千〜数万GPUをつなぐ
「バックエンドネットワーク」とも呼ぶ
InfiniBand vs Ethernetの戦場はここ

③ フロントエンド

たとえると

お店の正面玄関

利用者・インターネット・ストレージとつなぐ
従来DCとほぼ同じ一般的なEthernet
管理用のネットワークも別にある

用語ミニ解説

スケールアップ：1つのまとまり（ラック）の中身を強くすること。スケールアウト：まとまりの数を増やして横に広げること。
NIC（ニック）：サーバーについている「通信の出入り口」となる部品です。家でいえばLANの差し込み口にあたりますが、AI向けは1枚で400〜800Gb/s級の性能があります。

この記事で扱うのは、主に②スケールアウトです。GPUサーバーそのものの姿はGPUサーバーとは？、ラック単位の話はGPUラックとは？で詳しく解説しています。

AIデータセンターの基本形「スパイン・リーフ構成」

何万台ものGPUをつなぐとき、ほぼ必ず使われる形が「スパイン・リーフ構成」です。スパイン（spine）は「背骨」、リーフ（leaf）は「葉っぱ」という意味です。

スパイン・リーフ構成のイメージ図

▼ スパインスイッチ（背骨：リーフ同士を中継）

╳ ╳ ╳ ╳ ╳ ╳
すべてのリーフが、すべてのスパインとつながる（網の目）

▼ リーフスイッチ（葉：サーバーが直接つながる）

｜　　｜　　｜　　｜

GPU
サーバー

どのサーバー同士も「リーフ → スパイン → リーフ」の最大3段で届きます。
道が何本もあるので、1本が混んでも別ルートを使えます。

たとえ話：駅と環状線

リーフは各町の最寄り駅、スパインはすべての駅に乗り入れている何本もの環状線です。どの町からどの町へも「最寄り駅 → 環状線 → 目的地の駅」の1回乗り換えで行けます。環状線が複数あるので、1本が満員でも別の線に乗れます。

AI向けの工夫「レール最適化（Rail-Optimized）」

AIのGPUサーバーでは、GPU1個にNIC1枚がつくのが基本です。たとえば8GPUのサーバーなら、通信の出入り口が8つあります。そこで「各サーバーの1番GPUは全員リーフ1へ」「2番GPUは全員リーフ2へ」というように、同じ番号のGPUを同じ線路（レール）に並べるつなぎ方がよく使われます。同じ番号のGPU同士はスパインを通らずに話せるので、渋滞が起きにくくなります。

従来DC vs AI DC：ネットワークはここまで変わった

「DCのネットワーク」自体は昔からあります。AIで変わったのは、通信の量・向き・許されるミスの大きさです。

比較項目	従来DC	AI DC（学習用）	何が変わった
サーバー1台の通信口	10〜25Gb/s × 1〜2本	400〜800Gb/s × 8本前後	桁違いに増加
通信の向き	南北（利用者 ⇔ サーバー）中心	東西（GPU ⇔ GPU）中心	DCの「中」が主戦場に
通信のタイミング	バラバラ（各利用者が好きな時に）	全GPUが一斉に	瞬間的な大渋滞が起きる
データ欠け（パケットロス）	送り直せばOK	全体の足を引っ張る	「落とさない」が必須に
重視する指標	平均的な速さ・コスト	最悪値（テールレイテンシ）	評価の物差しが変わった
ネットワークの本数	基本1系統（＋管理用）	スケールアップ・バックエンド・フロントエンド・ストレージ・管理	多層化・複雑化

※数値は一般的な構成の目安です。GPU世代・構成によって異なります。

用語ミニ解説

レイテンシ：データが届くまでの「待ち時間」。
テールレイテンシ：たくさん通信したときの、一番遅いグループの待ち時間です。「平均は速いけど、たまに極端に遅い」の「たまに」の部分を指します。AIではこれが主役になります。

RDMAとは？「CPUを通さず、メモリ同士が直接話す」仕組み

InfiniBandとEthernetの違いを理解するには、RDMA（Remote Direct Memory Access：遠くのメモリへの直接アクセス）を先に知っておくと近道です。AIのネットワークは、ほぼすべてこのRDMAを前提に作られています。

ふつうの通信（TCP/IP）

送り手のメモリ

↓

CPU・OSがデータをコピー＆包装

↓

NIC → ネットワーク → NIC

↓

CPU・OSが開封＆コピー

↓

受け手のメモリ

途中でCPUが何度も手作業をするため、時間がかかり、待ち時間もばらつきます。

RDMA

送り手のメモリ（GPUメモリ）

↓ 直接

NICが自分で読み出す

↓ ネットワーク

NICが自分で書き込む

↓ 直接

受け手のメモリ（GPUメモリ）

CPUは素通り（手を動かさない）

NICがメモリ同士を直結するので、速く、待ち時間も安定します。

たとえ話：郵便局の窓口 vs 専用の気送管

ふつうの通信は、手紙を郵便局の窓口（CPU）に持っていき、係の人が封筒に入れて宛名を書き、相手の町の郵便局でまた開けて届ける仕組みです。窓口が混めば待たされます。
RDMAは、相手の机の引き出しまでつながった専用のパイプで書類を直接送り込むイメージです。窓口の人（CPU）は何もしなくてよいので、そのぶん本業に集中できます。

GPUDirect RDMA：GPUのメモリ同士が直接話す

AIでは、RDMAをもう一歩進めたGPUDirect RDMAが使われます。NICがCPU側のメモリも経由せず、GPUに載ったメモリ（HBM）から直接データを出し入れします。「AIの計算結果はGPUの中にある」ので、それをいちいちCPU側に移さないことが大きな時短になります。

同じRDMAでも「道路の造り」が違う

InfiniBandのRDMA

RDMAを前提にゼロから設計されています。送る前に「受け手に空きがあるか」を確かめる仕組み（クレジット方式）があるので、そもそもデータがあふれて捨てられない設計です。

EthernetのRDMA（RoCE v2）

Ethernetの上でRDMAを動かす方式です。Ethernetは本来「混んだら捨てる」設計なので、PFCやECNといった追加の仕組みで「捨てない道路」に作り変えます。その調整には腕前が必要です。

用語ミニ解説

RoCE（ロッキー）：RDMA over Converged Ethernet。EthernetでRDMAを使う規格です。
PFC：スイッチが「今いっぱいだから一旦止めて」と手前の機器に合図する仕組み。
ECN：「混み始めたよ」と送り手に知らせて、送る速さを落としてもらう仕組み。
ロスレス：データ（パケット）を途中で捨てないこと。

なぜ「捨てない」ことがそこまで大事なのか？
RDMAは「届く前提」で最適化された仕組みです。途中で1つでもデータが欠けると、その後ろのデータもまとめて送り直しになることがあり、待ち時間が一気に跳ね上がります。この「たまに起きる大きな遅れ」がAIでは致命的になります。理由は次の章のAll-Reduceで説明します。

核心：なぜAIだけネットワーク要件が特殊なのか ―「All-Reduce」

ここがこの記事でいちばん大事な部分です。AIの学習では、大量のデータを何千個ものGPUに分けて同時に計算させます。ただし、各GPUが出した「修正の方向（勾配）」はバラバラなので、全員分を足し合わせて平均し、その結果を全員に配る必要があります。これがAll-Reduce（オール・リデュース）です。

All-Reduceを4つのGPUで図解

STEP 1：それぞれが自分の担当データで計算（数字＝計算結果）

GPU①

GPU②

GPU③

GPU④

STEP 2：全員でネットワーク越しに足し合わせる（Reduce）　3＋5＋1＋7＝16

STEP 3：合計（または平均）を全員に配る（All）

GPU①

GPU②

GPU③

GPU④

全員が同じ「16」を持てたら、そろって次の計算へ進みます。
1台でも数字が届かなければ、残り全員は待つしかありません。

実際には数字1個ではなく、モデルの大きさ分のデータが動きます。単純計算では、700億パラメータのモデルなら1回で約140GB（1パラメータ2バイトとして）の勾配をやりとりします。しかもこれを学習中に何十万回も繰り返します。（※実際はデータの分け方の工夫により、GPU1台あたりの通信量は構成によって変わります）

たとえ話：団体旅行のバス

1万人の団体旅行で、観光地ごとに「全員がバスに戻ったら出発」というルールがあるとします。9,999人が5分前に戻っていても、1人がお土産屋で10分遅れたら、全員が10分待ちます。
All-Reduceはまさにこの状態です。そして観光地（学習ステップ）は何十万か所もあります。

GPUが増えるほど「誰かが遅れる確率」は跳ね上がる

ここで、簡単な確率の思考実験をしてみます。各GPUの通信が、1ステップの中で「たまたま遅れる」確率を0.1%（1,000回に1回）とします。1台だけで見れば、ほとんど気にならない数字ですよね。ところが、全員そろうまで待つAll-Reduceでは「少なくとも1台が遅れる確率」が問題になります。

少なくとも1台が遅れる確率＝ 1 −（0.999）^GPU台数

GPU台数	1ステップで誰かが遅れる確率	意味
100台	約9.5%	10回に1回ほど待たされる
1,000台	約63%	過半数のステップで待たされる
10,000台	約99.995%	ほぼ毎回、誰かが遅れる
100,000台	ほぼ100%	「最悪値」＝「毎回の速さ」になる

※各GPUの遅れが互いに独立に起きると仮定した単純化モデルです。実際の遅れの確率はシステムによって異なります。

ここが本質：規模が大きくなると、「めったに起きない遅れ」が「毎回起きる遅れ」に変わります。だからAIのネットワークでは、平均の速さより「ばらつきの小ささ（テールレイテンシ）」が性能を決めます。通信を待っている間、1台数百万円のGPUが何もせず止まっています。

AIの通信は「渋滞を起こしやすい」性質を持つ

⏱️

一斉に始まる

全GPUが同じ瞬間に通信を始めるので、ふだんは空いている道が一瞬で満杯になります。

巨大な流れが少数

大きなデータの流れが少数あるだけなので、ルートの振り分け（ECMP）で偶然同じ道に集中すると大渋滞になります。

段数が多い

代表的な「リング方式」では、GPUが増えるほど受け渡しの回数が増え、1回ごとの遅れが積み重なります。

ECMP：複数ある同じ長さの道に、通信を振り分ける仕組み。小さな通信がたくさんあればうまく散らばりますが、巨大な通信が少しだけだと「くじ引き」で偏りやすくなります。
NCCL（ニッケル）：NVIDIAが提供する、All-Reduceなどの「集団通信」を行うソフトウェアです。

InfiniBandとEthernetの違いを8つの視点で比較

ここまでの話を踏まえると、両者の違いは「速さ」よりも「生まれ育ち」と「思想」の違いだと分かります。

視点	InfiniBand	Ethernet（AI向け）
① 生まれ	2000年ごろ。スパコン・高性能計算（HPC）向けの専用規格	1980年代。オフィスや家庭のLANから広がった汎用規格
② 供給企業	実質NVIDIA（旧Mellanox）1社	Broadcom・Arista・Cisco・NVIDIA・Celesticaなど多数
③ データを捨てるか	設計段階で捨てない（クレジット方式）	本来は捨てる。PFC・ECNなどで後から捨てないようにする
④ RDMA	最初から組み込み済み	RoCE v2で対応。Ultra Ethernetで刷新中
⑤ 渋滞対策	混雑に応じた自動迂回、スイッチ内での足し算（SHARP）	製品ごとに独自機能を搭載（NVIDIA Spectrum-Xなど）。Ultra Ethernetで標準化を進める
⑥ 管理・運用	専用の管理ソフトで一括制御。専門人材が必要	既存DCの運用ノウハウ・人材を流用しやすい
⑦ 調達・コスト	1社依存（ロックイン）になりやすい	競争があり、価格交渉・分散調達がしやすい
⑧ 得意な場面	「すぐ・確実に」性能を出したい一体型の学習クラスタ、HPC	自社で作り込めるハイパースケーラーの超大規模クラスタ

たとえ話：新幹線 vs 高速道路

InfiniBand＝新幹線です。専用の線路と中央の運行管理があるので、時刻表どおりに走ります。ただし線路も車両も1社の規格です。
Ethernet＝高速道路です。どのメーカーの車でも走れて、道路も誰でも造れます。ただ、そのままでは渋滞や事故で遅れが出るので、AI用には「全車に自動運転と信号制御を入れて、新幹線並みの定時運行を目指す」改造をしています。その改造の標準ルールづくりが、次に紹介するUltra Ethernetです。

SHARP：NVIDIAのInfiniBandスイッチにある機能で、All-Reduceの「足し算」をスイッチの中で済ませ、通信の量を減らします。「道路が荷物を運ぶだけでなく、途中で仕分けもしてくれる」イメージです。

対立構図：「NVIDIAの専用品」vs「Ultra Ethernet陣営の標準品」

ニュースでは「InfiniBand vs Ethernet」と書かれがちですが、本当の対立軸は「1社が全部そろえて最適化する」か「みんなで標準を決めて部品を持ち寄る」かです。しかもNVIDIAは、InfiniBand（Quantum）とEthernet（Spectrum-X）の両方を売っている点が、この構図を分かりにくくしています。

NVIDIA陣営（垂直統合）

GPU＋NVLink＋NIC＋スイッチ＋ソフト（NCCL）を一式で提供
InfiniBand：Quantum-X800（800Gb/s×144ポート、SHARP v4搭載）
Ethernet：Spectrum-X（AI向けに改造したEthernet。2025年10月にMeta・Oracleの採用を発表）
強み：「買えばすぐ性能が出る」完成度

Ultra Ethernet陣営（オープン標準）

2023年設立のUltra Ethernet Consortium（UEC）。Linux Foundation傘下
創設メンバー：AMD・Arista・Broadcom・Cisco・Eviden・HPE・Intel・Meta・Microsoft
2025年6月にUEC仕様1.0を公開（RDMA・渋滞制御などを刷新）
強み：複数社から調達でき、1社依存を避けられる

対立の流れ（時系列）

2000年ごろ

InfiniBand規格が誕生。スパコンの世界で広がる

2019年3月発表 → 2020年4月完了

NVIDIAがInfiniBand最大手のMellanoxを約69億ドルで買収

2023年7月

Ultra Ethernet Consortium設立を発表。NVIDIA自身も2024年に参加

2024年3月

Metaが2.4万GPU級のクラスタを2つ公開（1つはRoCE＝Ethernet、1つはInfiniBand）。Llama 3の学習はEthernet側で実施

2025年6月

UEC仕様1.0を公開

2025年10月

Meta・OracleがNVIDIA Spectrum-X（Ethernet）の採用を発表

2026年6月

Dell’Oroが、1〜3月期のAIクラスタ向けスイッチ売上の約3分の2がEthernetと発表。InfiniBandも800Gb/s品の立ち上がりで3倍超に

2026年8月

Metaが「100万GPU規模のEthernet」向けの独自転送方式「MetaRoCE」を発表

約2/3

AIクラスタ向けDCスイッチ売上に占めるEthernetの割合

出典：Dell’Oro Group（2026年1〜3月期）

148億ドル

NVIDIAのデータセンター向けネットワーク売上（1四半期・過去最高）

出典：NVIDIA 2027年度第1四半期決算（2026年2〜4月）※NVLink等を含む

1.6Tb/s

次の主役となるスイッチ速度（2026年後半に本格化見込み）

出典：Dell’Oro Group（2026年6月）

ひとことメモ：148億ドルは1ドル150円換算で約2.2兆円です。3か月で、日本の大手電機メーカー1社の年間売上に迫る規模をネットワークだけで稼いでいる計算になります。「GPUの会社」というより「AIの工場一式を売る会社」と見たほうが実態に近いです。詳しくはNVIDIA本体の徹底分析で解説しています。

投資家向け：AIネットワークのお金の流れを4層で整理

「InfiniBandかEthernetか」はどちらが勝っても、通信量そのものが増え続けることに変わりはありません。どの層に誰がいるかを地図にしておくと、ニュースの重みを判断しやすくなります。

①チップ（スイッチASIC・NIC）

NVIDIA（NVDA）：InfiniBand・Spectrum-X・ConnectX NIC
Broadcom（AVGO）：Ethernetスイッチチップ「Tomahawk」系の大手
Marvell（MRVL）：スイッチ・光通信向けチップ
AMD（AMD）：UEC対応のAI向けNIC

②スイッチ機器

Arista Networks（ANET）：ハイパースケーラー向けEthernetの代表格
Celestica（CLS）：自社ブランドなしの受託型スイッチ。2026年1〜3月期のAI向けEthernetで首位（Dell’Oro）
Cisco（CSCO）：同期間でシェア拡大が最大

③光・ケーブル（日本企業の出番）

フジクラ（5803）：DC内の高密度光ファイバー・コネクタ
古河電工（5801）：光トランシーバー向けレーザー光源
住友電工（5802）：化合物半導体・光デバイス
Coherent（COHR）：光トランシーバー大手

④使う側（方式を選ぶ人）

Meta（META）／Microsoft（MSFT）／Oracle（ORCL）：大口の買い手
CoreWeave（CRWV）：GPU専業クラウド（ネオクラウド）
さくらインターネット（3778）：国産GPUクラウド

投資判断の前に：この表は「構造上、恩恵を受けやすい位置」を示したもので、特定銘柄を推奨するものではありません。「NVIDIAやMetaの取引先」という言葉だけでは利益率は分かりません（→「NVIDIAの取引先」という言葉の罠）。発表ベースの期待と、受注・売上に表れた実需は分けて見ましょう（→実需と思惑を見分ける手順）。

③の光部品の会社については、フジクラ・古河電工・住友電工の企業分析で詳しく扱っています。NVIDIAを中心とした全体の取引構造はNVIDIA AI半導体のサプライチェーン全マップが参考になります。

あなたにとって、この話は何を意味するか

個人投資家の方へ

決算で見るべきなのは「InfiniBand対Ethernetの勝敗」ではなく、AI向けネットワーク全体がどれだけ伸びているかと、その中で誰の取り分が動いているかです。Dell’Oroのデータでは、同じ四半期の中でも上位ベンダーの順位が入れ替わっています。先行指標の読み方は受注残・稼働率・BBレシオが参考になります。

理工系学生の方へ

AIネットワークは情報系（通信プロトコル・分散処理）と電気系（高速信号・光）の交差点です。「All-Reduceの通信時間をどう縮めるか」は、アルゴリズム・スイッチ設計・光部品のどこからでも取り組めるテーマで、就職先の幅も広い分野です。

電気・設備系の技術者の方へ

ネットワークは「IT側の話」に見えますが、銅ケーブルは数メートルしか届かないという物理の制約があります。これがラックの配置を決め、GPUの密集を生み、電力密度と液冷の必要性に直結します。光トランシーバーの消費電力と発熱も、ラック全体の熱計算で無視できない大きさです。

よくある誤解を4つ解いておきます

誤解1：「InfiniBandはもう古く、Ethernetに負けた」

割合ではEthernetが上回っていますが、InfiniBandも2026年1〜3月期に売上が3倍超に伸びています。市場全体が急拡大しているので「両方伸びている」が正確です。

誤解2：「帯域（Gb/s）が大きいほうが速い」

800Gb/s同士でも、渋滞時のばらつきで実際の学習速度は大きく変わります。AIでは「最高速度」より「最悪の遅れの小ささ」が重要です。

誤解3：「InfiniBand＝NVIDIA、Ethernet＝反NVIDIA」

NVIDIAはEthernet（Spectrum-X）でもAI向けスイッチの上位ベンダーです。対立軸は企業ではなく「垂直統合かオープン標準か」です。

誤解4：「NVLinkとInfiniBandは同じもの」

NVLinkはラック内（スケールアップ）、InfiniBand・Ethernetはラック間（スケールアウト）の道路です。役割も距離も違います。なお、スケールアップ側でも「NVLink vs オープン規格（UALinkなど）」という似た対立があります。

まとめ：AIのネットワークは「全員の歩調」を守る仕組み

AI DCのネットワークはスケールアップ・スケールアウト・フロントエンドの多層構造。InfiniBand vs Ethernetの戦場はスケールアウト
基本形はスパイン・リーフ構成。AI向けには「レール最適化」を組み合わせる
RDMAでCPUを通さずGPUメモリ同士が直接話す。そのためデータを「捨てない」ことが前提になる
学習のAll-Reduceは全員そろうまで待つ仕組み。規模が大きいほどばらつき（テールレイテンシ）が性能を決める
対立の本質はNVIDIAの垂直統合 vs Ultra Ethernetのオープン標準。市場全体が拡大しており、両方が伸びている

もっと深く知りたい方へ：4大ボトルネック別の専門ガイド

AIデータセンターは「計算・電力・冷却・通信」の4つで詰まります。気になる扉から進んでください。