2023-05-23-中国移动研究院-面向AI大模型的智算中心网络演进白皮书（2023年）_29页_478kb

面向AI大模型的智算中心网络演进分析

AI业务发展趋势

• 人工智能技术经历了符号主义、连接主义、深度学习和Transformer四大阶段，Transformer架构推动了大模型发展。
• China生成式AI市场规模2025年预计突破2000亿元。
• AIaaS和MaaS服务模式兴起，企业可通过云平台便捷使用AI能力。

AI大模型对网络的关键需求

1. 规模需求

   • 支持10K+节点集群，RDMA网络占比提升
   • 解决大规模QP连接管理、拥塞控制参数调优困难等问题

2. 带宽需求

   • 需要100Gbps~400Gbps端口带宽
   • 支持数据并行与模型并行场景下的超大通信量

3. 时延与稳定性

   • 平均时延控制在数μs，长尾时延需低于10μs
   • 要求亚ms级故障收敛，避免网络性能波动影响训练效果

4. 自动化部署

   • 实现大规模网络配置的自动化管理
   • 减少人工调参成本，支持端到端故障快速定位修复

当前技术差距分析

1. 规模差距

   • 铜互联达到带宽极限，光模块升级需求迫切
   • 流控算法调优复杂，拥塞控制性能不足

2. 带宽效率

   • 现有负载均衡技术无法应对AI场景流量特征
   • Incast流量导致拥塞问题突出

3. 稳定性挑战

   • 故障收敛慢，时延波动影响训练效率
   • 缺乏硬件级快速感知与分层自愈机制

4. 时延抖动控制

   • 动态拥塞导致时延控制难
   • 需提升集合通信同步精度与排队时延管理

技术演进方向

1. 大规模组网

   • 探索低水线、自动化拥塞控制算法
   • 引入新型硬件（共封装光学CPO）与拓扑结构（Dragonfly）

2. 超高带宽优化

   • 支持网络-应用协同设计，替代传统CPU调优方式
   • 探索信元交换、感知路由等先进负载均衡技术

3. 故障快速恢复

   • 硬件级故障感知与亚ms级收敛机制
   • 构建层次化自愈体系，支持网络智能诊断调优

4. 智能化运维

   • 推动测试方案自动化
   • 建立观测、诊断与自愈融合的闭环运维体系