无损网络的验收不能停留在设备规格或链路带宽上，核心是判断网络能否持续、稳定地转化为有效算力。对 AI 训练和实时推理而言，建议围绕有效吞吐、尾延迟、故障域、兼容性、总拥有成本和运维能力六项指标建立验收框架，并统一在模拟业务负载下验证。
六项指标如何落地
有效吞吐应关注扣除协议开销和重传后的实际传输能力，验收目标可设为峰值带宽的 95% 以上。仅查看端口标称速率没有意义，必须观察高并发、突发流量和持续运行时的实际 goodput。
尾延迟决定集群中最慢通信任务对整体迭代周期的影响。平均延迟容易掩盖偶发拥塞，应重点统计 99.9% 或更高分位数，并预先明确可接受的毫秒级门槛。
故障域要验证单个交换机或链路异常时，影响是否被限制在局部范围内，以及网络能否在毫秒级完成切换。验收重点不是“是否有冗余”，而是故障发生后训练收敛速度和节点参与率是否明显下降。
兼容性覆盖服务器、InfiniBand 或 RoCE 适配器、存储系统及 AI 软件栈。任何一环需要额外改造，都可能把理论性能转化为实际运维风险。
总拥有成本不能只计算采购价格，还应纳入维护、升级和人员技能培养投入。高规格设备只有在提升算力利用率、减少训练等待后，才可能体现长期价值。
运维能力则是无损网络能否稳定运行的前提。团队需要具备网络编程、自动化管理和故障演练能力，并明确支持服务水平。缺少这些能力时，PFC、ECN 等拥塞控制机制即使部署完成，也可能因配置或排障不当反噬训练稳定性。
验收时最容易忽略的判断
六项指标不能孤立验收。有效吞吐达标但尾延迟失控，仍会拖慢 AllReduce；设备兼容但故障域未隔离，单点异常仍可能造成集群停滞；性能达到要求但运维成本过高，也不代表架构真正合格。最终应把指标放回真实训练负载中联动测试，确认网络性能、故障恢复和长期运营能够同时满足业务要求。