中国移动研究院：网络赋能AI的思考和实践_23页_9mb

网络赋能AI的思考和实践总结

核心内容

随着数字经济向高质量发展阶段迈进，人工智能（AI）技术加速发展，对网络提出了更高、更全面的要求。网络正从传统通信网络向新型信息通信网络转变，具备“连接+算力+能力”的融通发展特性，成为AI泛在化、普惠化的重要支撑平台。网络与AI的融合呈现出双向驱动趋势，既包括AI赋能网络，也包括网络赋能AI。

主要观点

• 网络与AI融合趋势：网络需要满足AI对数据、算力、连接等资源的多样化需求，同时AI的发展也推动网络向智能化、自主化演进。
• 6G架构赋能AI：6G提出“三体、四层、五面”的总体架构，其中数据面和计算面是新增的重要组成部分，为AI提供高质量数据和按需算力资源。
• 算网一体是关键：通过算力网络技术，实现计算与网络的深度融合，构建高性能智算基础设施，为AI应用提供全生命周期保障。
• 在网计算推动性能提升：通过在网计算技术，如流量压缩、缩短传输路径、线速处理等，显著提升分布式AI系统的通信效率与算力利用率。
• 广域高通量网络技术：针对AI大模型训练、超算等场景，提出广域高通量网络技术体系，解决远距离、高带宽、高时延、网络有损等传输难题。

关键信息

6G架构与AI内生化

• 6G架构：基于“三体、四层、五面”的总体架构，其中数据面、计算面、服务使能层、数字孪生体共同支撑AI内生的信息服务流程。
• 数据面功能：支持数据采集、预处理、分析、存储和转发，构建统一可信的数据服务框架。
• 计算面功能：实现任务为中心的AI计算编排，提供计算资源管理、任务调度、策略控制、会话管理等功能。
• 算力路由体系：引入算力信息到路由域，实现算网资源的全局优化，降低网络和计算资源的闲置，提升系统性能。

算网一体技术

• 算力网络核心技术：中国移动提出算力原生CAMA技术，研发“芯合”平台，实现应用一次开发、跨芯部署迁移。
• “芯合”平台1.0：支持视频分析、图像识别等应用在英伟达、华为、瀚博等芯片上的跨架构部署，迁移时间<20s，性能损耗≤15%。
• 算力路由技术：通过联合调度和预测反馈机制，提升算力路由的平稳性和性能，已在IETF推动CATS标准，支持AI大模型调度场景。

在网计算（NACA）技术

• NACA技术架构：围绕拓扑映射、编程范式、计算实现、资源管理形成“四个统一”，提升在网计算通用性。
• 核心优势：支持流量压缩、缩短传输路径、线速处理、降低聚合与同步时延，显著提升分布式AI系统性能。
• SHArP方案：在InfiniBand基础上实现性能提升近5-9倍，展现网络计算对AI应用的赋能潜力。

广域高通量网络技术

• 技术需求：应对超算、智算业务带来的海量数据传输挑战，实现高带宽、低时延、高通量的广域数据传输。
• 核心特征：在长肥网络（LFN）传输中保持高通量，适应高丢包率和流量突变环境。
• 测试结果：广域RDMA协议在10Gbps带宽下，单流吞吐达到7.36Gbps，是传统TCP协议的16倍。

技术挑战与未来方向

• 技术挑战：算力路由技术需进一步研究不同场景下的适用性；在网计算需统一编程语言和资源池；广域网络需解决传输瓶颈与拥塞问题。
• 未来方向：
  • 推动算力路由、在网计算、全调度以太、广域高通量网络等技术的标准化和产业生态建设。
  • 实现“芯合”平台2.0，支持更多异构芯片和业务场景。
  • 深化技术攻关，构建统一的算网一体标准体系，推动AI与网络的深度融合。

产业实践与标准推进

• 标准立项：CCSA牵头完成《在网计算应用场景和技术需求》标准立项，推动技术规范统一。
• 试验验证：基于中国移动CFITI算力网络试验网完成分布式AI模型训练场景测试，验证技术可行性。
• 产业白皮书：联合产业发布《在网计算(NACA)技术》白皮书，推动技术落地与应用。

总结

网络与AI的深度融合已成为推动数字经济和智能社会发展的关键驱动力。通过6G架构、算网一体、在网计算、广域高通量网络等核心技术，网络正从传统的信息传输平台向智能服务基础设施演进。未来，随着这些技术的不断成熟与标准化，AI将实现更高效的泛在化部署，网络也将成为支撑AI发展的核心力量。