Across 通常指 AI 数据中心网络架构中的 scale-across（跨域扩展），即在 scale-up（机柜内纵向扩展）和 scale-out（集群横向扩展）之外，连接多个数据中心或地理分散集群的第三层扩展方式。2026 年 10 月，Meta 在 OCP Summit 2026 上系统提出这一三层网络框架并开源配套硬件，使 Across 从工程口语正式成为 AI 基础设施领域的标准术语之一。
Scale-Across 的近期进展
Meta 在 2026 年 10 月 12 日发布的博文中，随 IcePack、IceCube 等开源网络硬件一起，完整阐述了 scale-up、scale-out 和 scale-across 三层网络设计，Meta 在 OCP Summit 2026 发布 IcePack、IceCube 等开源 AI 网络硬件。这一框架的核心意图是：当单个数据中心无法容纳超大模型训练集群时，需要通过 Across 层将分散的算力池连接起来，并尽量降低跨数据中心链路对分布式训练和推理的通信开销。
在硬件层面，Meta 将 IcePack（液冷散热）、IceCube 等设备以开放计算项目（OCP）规范开源，覆盖供电、散热与网络互联，供其他厂商按需采用。这延续了 Meta 通过 OCP 推动数据中心标准开放的一贯路线。
当前焦点与观察点
围绕 Across 讨论的焦点主要有三个：其一，跨数据中心链路带宽有限、延迟更高，如何在 Across 层合理切分模型并行策略（如流水线并行的放置位置）成为新的优化问题；其二，开源硬件规范能否形成社区共识，避免各家定制化导致互不兼容；其三，对普通开发者而言，Across 概念虽主要面向超大规模训练场景，但随着推理集群跨区域部署增多，也可能逐步影响多云和边缘部署的架构选择。
观察后续走向时，可关注两点：一是 Meta 之后是否有其他云厂商跟进发布同类 scale-across 架构与硬件规范；二是 OCP 生态中针对跨数据中心互联的标准草案是否会落地。对于研究 AI 基础设施的人，Meta 的这篇博文是目前理解 Across 定位的最完整公开资料。