几十年来，面对不断增长的工作负载需求，数据中心架构师们一直遵循着一套简单直接的策略：通过增加服务器来“横向扩展”（scale out）。这种方法简单地提供了更多的计算、内存和存储能力，以满足业务发展的需要。
然而，人工智能（AI）的崛起彻底改变了游戏规则。“横向扩展”数据中心的时代或许正在终结——或者说，至少单靠增加服务器数量，已经无法跟上AI工作负载的独特需求了。
问题出在哪？
“横向扩展”型架构的核心思路是，通过在机房内堆砌更多IT设备来满足日益增长的需求。这种模式主导了数据中心设计长达数十年之久，即便运营者自己并未明确将其称为“横向扩展”。
在实践中，架构师们通常采用以下策略来实现扩展：
- 增大服务器机柜规模：在不增加机房占地面积的前提下，塞入更多服务器。
- 升级硬件：用新一代服务器替换旧设备，以获得更强的计算、内存和存储能力。
只要电力和制冷能力跟得上，企业就能按需进行横向扩展。对于软件开发者和IT团队来说，这几乎是理所当然的——他们默认数据中心总能提供足够的计算和内存资源来支撑其应用。
但现代AI工作负载给这套传统模式带来了严峻挑战。
AI应用往往需要以极高的速度访问海量数据，这才是最核心的痛点。简单地增加服务器或基础设施，并不能解决这个问题。数据中心内部的网络瓶颈，或是单个设备缓慢的输入/输出（I/O）速率，都可能成为数据流动的“拦路虎”。
换句话说，如今限制数据中心可扩展性的，不再仅仅是总的计算、内存和存储容量，而更在于工作负载能否快速、高效地访问和利用这些资源。
新出路：超越“横向扩展”
尽管“横向扩展”架构仍有其价值，但它已不足以应对以AI为代表的新一代工作负载。未来，单纯依靠堆硬件的方式将难以为继。数据中心架构师必须超越传统的“横向扩展”思维，去应对AI带来的独特挑战。
为了弥补传统方法的不足，架构师们可以采用以下新策略：
- 优化网络拓扑：重新设计网络布局，从根源上消除瓶颈，确保数据在网络层面就能高效流转。
- 智能机柜设计：改进机柜内部的配置，优化服务器之间的数据传输路径，从而降低延迟、提升性能。
- 部署网络加速设备：引入数据处理器（DPU）等技术，加速数据中心内部的数据移动，缓解网络拥塞。
- 采用高速互连技术：部署先进的互连方案，加快多个数据中心之间的数据传输速度，尤其适用于那些横跨多地的分布式工作负载。
网络，才是关键
上述所有策略都共同指向一个核心趋势：网络在数据中心内外的重要性正与日俱增。
过去，架构师们可以默认网络设备会忠实地把数据包送达目的地。但在AI时代，这个假设已然失效。AI工作负载动辄需要近乎实时地搬运数TB的数据，这对网络提出了前所未有的要求。网络，必须成为可扩展性战略的核心焦点。
未来的数据中心可扩展性，远不止于增加服务器数量或提升硬件容量。要真正驾驭AI工作负载，数据中心必须在网络层面同步扩展。这需要更智能的网络设计和更先进的网络硬件。唯有将传统的“横向扩展”方法与现代化的网络创新相结合，数据中心才能真正满足AI及其他新兴技术的严苛需求。
