UALink联盟作为开发开源替代方案以对抗英伟达NVLink互连标准的行业组织,刚刚发布了UALink规范2.0版本,专门针对AI工作负载进行优化。
新版本主要特性
此次发布的UALink 2.0引入了UALink 200G数据链路和物理层规范2.0,将数据链路/物理层规范从原始的UALink通用规范中分离出来。这种架构调整使联盟能够在新物理层和速度标准出现时快速响应,同时避免了对其他规范进行修改的需要。
新的UALink通用规范2.0还包含了针对UALink技术的网络内计算功能,这一特性能够促进加速器之间的计算和通信,同时降低延迟并提高运行效率。新规范还支持在多工作负载环境中部署该技术。
其他新组件包括管理规范第一版,允许gNMI、Yang、SAI和Redfish等工具与系统配合使用,实现更好的管理功能。此外还有芯粒规范v1版本,支持将UALink集成到基于芯粒的片上系统中。
联盟表示,这些新标准将帮助企业跟上AI快速部署带来的需求。UALink联盟董事会主席Kurtis Bowman在新闻稿中表示:"此次发布的UALink技术进展将使行业能够快速高效地将UALink解决方案集成到其架构中。UALink联盟致力于通过开放行业标准技术推进AI基础设施发展,促进下一代AI应用进入市场。"
市场现状分析
然而,考虑到目前尚无使用UALink 1.0的产品可用,UALink 2.0的发布可能被视为过于超前。
Jon Peddie Research高级分析师David Harold对此持谨慎态度。他表示:"虽然2.0相比1.0是一个重要进步,但我们需要记住,即使是1.0解决方案目前也还没有出货——预计要到今年晚些时候才会推出。因此,英伟达在连接性方面远远领先于开源替代方案,实际上也领先于专有或基于以太网的解决方案。"
他补充说,这意味着非英伟达替代方案目前在市场上处于劣势。"他们需要在多个方面追赶,不仅仅是网络方面。我想不出任何一个已出货的产品在功能上比英伟达解决方案有明显优势。最终UALink仍然是值得期待的,因为它将实现异构、多供应商环境,但目前远远落后于NVLink。"
英伟达生态扩张
有诸多迹象表明,组织很难摆脱英伟达的主导地位。几个月前,RISC-V先驱企业SiFive与英伟达签署协议,将英伟达NVLink Fusion纳入其数据中心产品,这对RISC公司来说是一个转折。
Harold指出,其他公司可能也会加入其中。"定制ASIC公司联发科是NVLink合作伙伴,他们上周告诉我,他们计划将其直接集成到下一代AI应用定制芯片中。这将使更广泛的公司能够使用NVLink作为其高速互连。"
Harold还注意到,英伟达已经在考虑其他选择。"英伟达现在开始关注网络速度的铜线限制,有兴趣转向光学连接。"
未来发展机遇
不过,这也为UALink联盟提供了另一个机会。Harold说:"UALink最终也能支持这一点,或许专注于这一领域将让UALink缩小差距。显示在这方面的适用性可能是现在宣布UALink 2.0时机选择的一部分考虑。"
Q&A
Q1:UALink 2.0相比1.0版本有哪些主要改进?
A:UALink 2.0引入了200G数据链路和物理层规范,将其从通用规范中分离,使联盟能快速响应新技术。新版本还包含网络内计算功能,能降低延迟提高效率,支持多工作负载环境,并新增了管理规范和芯粒规范。
Q2:UALink能否在短期内与英伟达NVLink竞争?
A:目前UALink仍远远落后于NVLink。连UALink 1.0产品都尚未出货,预计今年晚些时候才会推出,而英伟达在连接性方面已经遥遥领先。分析师认为目前没有任何已出货产品在功能上比英伟达解决方案有明显优势。
Q3:为什么现在发布UALink 2.0规范?
A:虽然1.0产品尚未出货,但UALink联盟希望通过2.0规范的架构改进为未来发展奠定基础。特别是在英伟达开始关注光学连接等新技术时,UALink 2.0的发布可能是为了展示其在新兴技术领域的适用性,寻求缩小与NVLink差距的机会。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。