AWS 内部革命：随机网络图（RNG）如何用“扁平化”设计重写云基础设施规则

如果说数据中心网络界也有“老规矩”，那一定是起源于 1950 年代的克洛斯（Clos）架构，也就是我们熟知的胖树（Fat Tree） 拓扑。几十年来，这种像金字塔般分层的交换机互联结构一直是超大规模云计算的基石。

但现在，亚马逊云科技（AWS）已经悄悄掀翻了这张牌桌。

在 2026 年 5 月公开的一篇重磅论文（arXiv 2604.15261）中，AWS 详细披露了其已大规模投产的全新网络架构——RNG（Random Network Graph，随机网络图）。这不仅是学术界“随机图理论”在超大规模数据中心的首次落地，更是一套直接砍掉 69% 路由器、却能提升 33% 吞吐量的“疯狂”设计 。

告别金字塔：什么是 RNG 扁平网络？

传统胖树架构就像建高楼，服务器之间通信通常需要经过接入层、汇聚层、核心层等多级“爬楼梯”。层级越往上，设备越昂贵，网络瓶颈也越明显。

RNG 的思路非常反直觉：完全不按层来。

它的核心是把路由器连接成一个准随机图（Quasi-random Expander Graph）。你可以把它想象成一张蜘蛛网或一张巨大的渔网，在这张网里，任意两个节点之间都天然具备极高的“路径多样性”。这种扁平化的拓扑使得任意两台服务器在逻辑上都非常“近”，不再需要一层层向上汇聚流量 。

魔法三件套：随机图、Spraypoint 与 ShuffleBox

要让这种看似混乱的扁平结构在现实中既便宜又好用，AWS 打了一套组合拳：

1. 会“喷水”的智能路由：Spraypoint

在胖树网络中，一旦某条链路过载，备份路径非常有限。而在随机图里，可选路径极多。为此，AWS 专门开发了一个完全分布式的路由协议——Spraypoint。

它的工作原理很有画面感：源路由器像“喷头”一样（Spray）将数据向全网多个方向高速扇出，再通过中间节点的“指引”（Point）快速汇入目的地。这种机制使得它能在不使用集中控制器、仅靠普通交换芯片的情况下，找到大量边不相交的并行路径，从而避免了全网流量的热点冲突，实现了极高的整体吞吐量 。

2. 不耗电的“魔术盒”：ShuffleBox

随机布线的最大噩梦是线缆管理。如果没有设计，机房里会乱得像一团麻。AWS 发明了一种名为 ShuffleBox 的无源光器件。

这是一个完全不需要供电的物理盒子，负责在内部“随机”打乱光纤端口。这既保证了物理层面的随机连通性，又将布线复杂度降低到了与胖树相当的水平，解决了随机图落地的“最后一公里”工程难题 。

惊人的账面：省钱、省电、更生猛

这波底层创新到底带来了多少实打实的收益？AWS 的论文给出了如下数据：

核心指标	相较传统胖树的提升
吞吐量	最高提升 33%
硬件数量	路由器/交换机减少约 69%
建设成本	整体节省 9% 至 45%
网络功耗	设备用电降低约 40%

在 AWS 这种体量下，10% 的成本下降都意味着数十亿美元的利润空间。媒体和分析师预估，随着全球部署的铺开，这项改进累积节省的费用可能高达 2000 亿美元 。

落地节奏：从都柏林到全球默认标准

这不是一份停留在实验室里的论文。RNG 的部署一直在悄悄进行：

• 2024 年底：首个生产集群在爱尔兰都柏林上线 。
• 2025 年：扩展至西班牙、德国等更多欧洲站点 。
• 截至 2026 年春：论文官宣 “RNG 现已承载 AWS 全球绝大部分工作负载”，成为绝对的默认网络标配 。

对于 AWS 上的开发者和企业来说，这是一次彻底的“无感升级”。你的 EC2 实例、VPC 虚拟网络、安全组配置，甚至一行代码都不用改。因为变革发生在物理光纤和底层路由算法层面，上层接口完全透明 。

蝴蝶效应：重塑云竞争与 AI 军备竞赛

RNG 的出现，不仅是技术浪漫主义的一次胜利，更是在商战中埋下了一根锋利的刺。

首先，AI 训练是最大受益者。
大模型（LLM）的分布式训练对网络极其敏感，哪怕是微小的延时抖动或带宽瓶颈，都会让价值数十亿美元的 GPU 集群空转等待。33% 的吞吐量提升和极高的路径冗余，能让模型训练的同步等待时间大幅缩减，直接转化为更短的研发周期 。

其次，定价权与能源的“降维打击”。
当谷歌云和微软 Azure 仍在依赖改良版的胖树架构时，AWS 已拥有了结构性成本优势。9% 到 45% 的成本缩减意味着 AWS 可以选择降价挤压对手，或保持原价将资金重新投入自研 AI 芯片（Trainium）的扩容。同时，40% 的网络节能指标在 ESG（环境、社会和治理）法规趋严与全球能源紧张的当下，无疑是一张王牌 。

最后，可靠性的质变。
扩张图的天然特性赋予了网络极高的容错能力。在传统架构中，一台核心交换机故障可能导致局部网络瘫痪；而在 RNG 中，海量的并行路径让数据总能找到备用路，极大地压低了大规模“断网”风险 。

AWS 的这项杰作向我们展示了，当最深奥的数学理论（扩展图）遇上最硬核的工程创新（Spraypoint、ShuffleBox），足以在一个被认为早已固化的领域中凿出一条崭新的、更宽广的河流。