在网计算，说白了就是让网络设备在“搬运数据”的路上顺手把计算也干了——好比快递车不再只送货，而是变成一条边跑边加工的流水线。
过去几十年，网络设备和计算设备分工明确：交换机、路由器只管把数据包从A点搬到B点，算东西是服务器和CPU的事。但在网计算把这个铁饭碗砸了：交换机、网卡、DPU这些“搬运工”，如今也开始兼职干计算活。这个概念在AI大模型训练集群里已经真金白银地落地，还是运营商“算力网络”战略里的关键词。不管你是想看懂AI基建新闻，还是想抓住下一个技术风口，这个名词都值得花五分钟搞明白。
先从传统网络的工作方式说起。
你寄一个包裹，快递公司只负责运输：分拣、装车、转运、派送，包裹本身不会被拆开加工。传统网络里的交换机、路由器就是这么个角色——数据包进来，看一眼地址，从对应端口发出去，仅此而已。计算（比如把两个数字加起来）必须等数据到达服务器之后，由CPU来完成。
在网计算（In-Network Computing）反其道而行：让数据在网络的“途中”就被处理掉一部分，网络设备从搬运工升级为“会加工的物流园”。
举一个最典型的例子，你就明白它有多妙——AI训练里的“对账”问题。
假设一百家连锁门店每天各自收了货款，总部想知道今天的总营业额。传统做法是：每家店把自己的账单全部寄到总部，总部财务加班加点把一百份账单加总，再把结果通知各家店。账单越多，总部越堵，运费也越贵。
在网计算的做法是：账单在物流途中，每经过一个中转站，就把几份账单顺手加在一起。第一站把10份合成1份小计，第二站把10份小计再合成1份合计……到了总部，收到的已经不是一百份账单，而是一个总数。运输量断崖式下降，总部的财务也不用加班了。
这个过程在AI训练里有个专业名字，叫集合通信（多台机器商量着汇总数据的通信方式），最常用的一种叫AllReduce——所有机器把各自算出的“梯度”（可以理解为模型学习后的纠错笔记）汇总求平均。用传统网络做AllReduce，要么所有数据涌向一台汇总机，要么机器之间绕圈传递，几百上千张GPU卡一起跑时，网络直接被挤成早高峰的地铁。而在网计算让交换机就地完成“加总”，数据量大幅下降，GPU等待网络的时间也跟着缩短。
支撑这件事的技术底座主要有三块：
顺带一提，在网计算是个大家族，不只有“在网聚合”一个孩子：在网缓存（让交换机顺便当热点数据的临时仓库）、在网安全（防火墙、加密卸载到网卡）、在网遥测（数据包路过时顺便记录路况）都算。核心思想一以贯之：能路上办的，就别麻烦终点站。
第一，AI大模型训练把网络逼成了瓶颈，这是最直接的推手。
训练一个大模型，成千上万张GPU卡要频繁“对答案”（就是前面说的梯度汇总）。业内普遍的痛点是：GPU算力越堆越多，但卡与卡之间的通信跟不上，GPU经常空转等数据——相当于一支万人军团每人都在战斗，却要排队等传令兵。这时候，“路上顺便把数据合并”的在网计算就从学术玩具变成了刚需。
第二，行业龙头已经把“在网计算”做成正式产品招牌。
NVIDIA在其InfiniBand（一种高性能数据中心互联技术）产品页面上，直接把Quantum平台称为“全球首个完全卸载式的In-Network Computing平台”。它的核心技术叫SHARP（可扩展分层聚合与归约协议），官方说明是：把集合通信操作卸载到交换机网络中执行，减少网络上传输的数据量、缩短MPI操作（一种高性能计算常用的并行编程接口）的耗时。换句话说，“在网计算”不是PPT概念，而是卖了多年、跑在各大智算中心里的成熟商用能力。
第三，以太网阵营正在集体跟进，把在网智能写进新标准。
过去AI训练网络基本被InfiniBand主导，但开放生态不甘心。超级以太网联盟（UEC，Ultra Ethernet Consortium）就是为AI和高性能计算重造以太网而成立的组织，其1.0版规范已经正式发布。看一眼它的成员名单就知道这件事的分量：AMD、博通、思科、Meta、微软、NVIDIA都在列，中国厂商同样活跃——阿里云、腾讯、字节跳动、华为、中兴均是成员。整个行业的共识很清晰：下一代AI网络不能只做“傻搬运”，网络设备要变得更“聪明”，在网聚合正是重点方向之一。
第四，在国内，“算力网络”战略给它添了一把火。
运营商这几年讲“算力网络”（把算力像水电一样调度供应的大网络），从“运力”走向“算网一体”，公开资料里在网计算被列为关键技术方向之一，相关行业标准与试点也在推进。逻辑不难理解：网络是运营商的主场，如果计算能力能长在网络里，网络的附加值就不再是“按带宽卖流量”，而是“按算网一体卖服务”。
第五，技术底座这几年集体成熟了。
P4可编程交换机从论文走向商用芯片，RDMA在数据中心以太网上（RoCE方案）大规模普及，DPU成了服务器标配，白盒交换机降低了定制门槛。好几块积木同时到位，在网计算才从实验室真正走进机房。国内外云厂商也在自研网络里做各种在网聚合、在网缓存的工程探索，相关论文近年在SIGCOMM、NSDI这些网络顶会上高频出现。
同样是“一百台机器汇总梯度”，两种走法对比：
flowchart TD
A[一百台GPU服务器<br/>各自算出梯度] --> B{聚合走哪条路?}
B -->|传统网络| C[全部寄到一台汇总机]
C --> D[汇总机被挤爆<br/>带宽被吃光]
D --> E[结果再逐一寄回<br/>两趟奔波]
B -->|在网计算| F[沿途交换机<br/>顺手把数字合并]
F --> G[每层只剩一份汇总<br/>带宽省下大半]
G --> H[一趟送达<br/>GPU少等待多干活]
再看一次“交换机兼职汇总”的实际过程：
sequenceDiagram
participant A as GPU甲
participant B as GPU乙
participant S as 智能交换机
A->>S: 寄存我的梯度
B->>S: 我的也到了
Note over S: 就地相加 只留一份
S-->>A: 回传合并结果
S-->>B: 回传合并结果
一句话概括这张图：传统网络是“全寄到总部再算”，在网计算是“沿途中转站顺手算完”。参与训练的机器越多，这个“顺手”省下的带宽和时间就越夸张。
如果你是普通人：你刷到的AI回答快不快、便宜不便宜，背后就是这些网络技术在撑着。在网计算这类优化让大模型训练和推理的成本降下来，最终会体现在你用的AI产品价格和响应速度上。它不直接出现在你手机里，却决定了AI服务的“物价指数”。
如果你是从业者：这是一条正在打开的新职业赛道。网络工程师的传统技能（配置路由、划VLAN）正在向“可编程数据平面”进化——懂P4、懂RDMA、懂集合通信优化的“AI网络工程师”是当前智算中心建设中最抢手的组合之一；做DPU软件开发、网络芯片验证、高性能通信库（NCCL、HCCL这类集合通信库）的岗位需求也在涨。通信背景的人转AI基建，这是一个比“转算法”更顺滑的跳板。
如果你是投资者：可以关注三个方向——网络芯片（可编程交换芯片、DPU芯片厂商）、AI数据中心网络设备与方案商、以及集合通信软件生态。UEC这类标准组织的进展值得跟踪：一旦以太网阵营凭借开放标准大规模替代专有互联，产业链的利润分配会重新洗牌。当然，技术路线尚未尘埃落定，具体落地节奏要以各公司真实订单和部署为准。
小白现在就能做的三件事：
注：文中关于国内运营商算力网络白皮书、云厂商工程探索的部分，因搜索条件所限未能逐一核验原文，表述均为据公开资料的概括，细节以官方发布为准。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。