算網(wǎng)一體技術(shù)創(chuàng)新與實(shí)踐

算網(wǎng)一體技術(shù)創(chuàng)新與實(shí)踐100年前點(diǎn)亮電力現(xiàn)在催生算力ChatGPT等大模型的火爆

，讓算力越來(lái)越受關(guān)注，“海量數(shù)據(jù)+大算力+大模型”成為未來(lái)人工智能發(fā)展標(biāo)配算力已成為數(shù)字經(jīng)濟(jì)核心驅(qū)動(dòng)

，

直接影響數(shù)字經(jīng)濟(jì)發(fā)展的速度

，決定社會(huì)智能的發(fā)展高度①算力成為數(shù)字經(jīng)濟(jì)核心生產(chǎn)要素②算力直接帶動(dòng)數(shù)字產(chǎn)業(yè)化發(fā)展③AIGC使公眾對(duì)算力的認(rèn)知不斷提升計(jì)算機(jī)等設(shè)備制造其他制造業(yè)批發(fā)零售業(yè)互聯(lián)網(wǎng)、軟件和信息服務(wù)金融業(yè)能源供應(yīng)

科研和技術(shù)服務(wù)住宿餐飲業(yè)文教衛(wèi)生與社會(huì)服務(wù)環(huán)境和公共設(shè)施管理算力規(guī)模平均每增長(zhǎng)一個(gè)百分點(diǎn)

，帶動(dòng)數(shù)字經(jīng)濟(jì)增長(zhǎng)0.4個(gè)百分點(diǎn)、GDP增長(zhǎng)0.2個(gè)百分點(diǎn)算力是數(shù)字經(jīng)濟(jì)核心生產(chǎn)力

直接帶動(dòng)產(chǎn)出

間接帶動(dòng)產(chǎn)出0

0.5

1

1.5算水電網(wǎng)”2中國(guó)移動(dòng)充分把握算力時(shí)代發(fā)展脈絡(luò)

，

以網(wǎng)強(qiáng)算提出“算力網(wǎng)絡(luò)”全新理念

，

兩年多來(lái)持續(xù)開(kāi)拓創(chuàng)新

，

全力推進(jìn)算力網(wǎng)絡(luò)發(fā)展

，

在業(yè)界取得了廣泛共識(shí)

，

引起了巨大反響算力網(wǎng)絡(luò)是以算為中心、網(wǎng)為根基，網(wǎng)、云、數(shù)、智、安、邊、端、鏈

ABCDNETS)等深度融合、提供一體化服務(wù)的新型信息基礎(chǔ)設(shè)施。中國(guó)移動(dòng)提出“算力網(wǎng)絡(luò)”新理念發(fā)布新理念發(fā)布中國(guó)移動(dòng)《算力網(wǎng)絡(luò)白皮書(shū)》和發(fā)展倡議楊杰董事長(zhǎng)提出"算力網(wǎng)絡(luò)概念與愿景—中國(guó)移動(dòng)《算力網(wǎng)絡(luò)白皮書(shū)》2021.112021.8中國(guó)移動(dòng)從算網(wǎng)基礎(chǔ)設(shè)施構(gòu)建、

業(yè)務(wù)融合創(chuàng)新、

創(chuàng)新技術(shù)引領(lǐng)等多方面系統(tǒng)化推進(jìn)算力網(wǎng)絡(luò)建設(shè)和發(fā)展物理空間、

邏輯空間、

異構(gòu)空間、

多主體算力融通“4+N+31+X”布局

，

1000邊緣節(jié)點(diǎn)打造20ms、

5ms、

1ms三級(jí)時(shí)延圈SRv6/G-SRv6打造統(tǒng)一算網(wǎng)底座實(shí)現(xiàn)算網(wǎng)高效協(xié)同

，

支持CHBN業(yè)務(wù)融合發(fā)展

，打造算網(wǎng)全新生態(tài)產(chǎn)品算力化和算力產(chǎn)品化發(fā)布算網(wǎng)服務(wù)1.0構(gòu)筑算網(wǎng)大腦實(shí)現(xiàn)創(chuàng)新技術(shù)引領(lǐng)

，打造原創(chuàng)技術(shù)策源地三橫兩縱體系架構(gòu)三十二個(gè)核心技術(shù)形成技術(shù)體系構(gòu)建試驗(yàn)網(wǎng)CFITI

，打造科學(xué)裝置主線一面向算網(wǎng)基礎(chǔ)設(shè)施構(gòu)建主線三面向創(chuàng)新技術(shù)引領(lǐng)主線二面向業(yè)務(wù)融合創(chuàng)新推動(dòng)算力網(wǎng)絡(luò)體系化發(fā)展42021-2023融合服務(wù)：產(chǎn)品融合、確定性服務(wù)統(tǒng)一運(yùn)營(yíng)：統(tǒng)一入口、統(tǒng)一平臺(tái)智能編排算網(wǎng)融合“算網(wǎng)一體”是中國(guó)移動(dòng)算力網(wǎng)絡(luò)發(fā)展的深化算力網(wǎng)絡(luò)的發(fā)展經(jīng)過(guò)三個(gè)階段的發(fā)展

，

逐漸深化一站服務(wù)：一站開(kāi)通算網(wǎng)服務(wù)協(xié)同運(yùn)營(yíng)：云網(wǎng)運(yùn)營(yíng)雙入口拉通一體服務(wù)：多層次智簡(jiǎn)無(wú)感服務(wù)模式創(chuàng)新：

多方算力可信交易

十四五階段

2025發(fā)展階段：融合統(tǒng)一起步階段：泛在協(xié)

十五五階段及更長(zhǎng)期

一體內(nèi)生基礎(chǔ)設(shè)施運(yùn)營(yíng)服務(wù)編排管理算網(wǎng)一體協(xié)同編排智慧內(nèi)生網(wǎng)隨算動(dòng)跨越階段：2024-2025同5算網(wǎng)一體是算力網(wǎng)絡(luò)發(fā)展的目標(biāo)階段

，是計(jì)算和網(wǎng)絡(luò)兩大學(xué)科深度融合形成的新型技術(shù)簇

，是融合貫通多要素的一體化服務(wù)

，是實(shí)現(xiàn)算力網(wǎng)絡(luò)即取即用社會(huì)級(jí)服務(wù)愿景的重要途徑——中國(guó)移動(dòng)《《算網(wǎng)一體網(wǎng)絡(luò)架構(gòu)與技術(shù)體系展望白皮書(shū)》OTN/OXCOTN/OXC分布式算力（端）

OTN/OXC

分布式算力（邊）分布式算力（中心）分布式算力（中心）分布式算力（邊）分布式算力（網(wǎng)）統(tǒng)一IP算網(wǎng)底座以網(wǎng)強(qiáng)算構(gòu)建算網(wǎng)共生一體化新型信息基礎(chǔ)設(shè)

施

，

實(shí)現(xiàn)融

合貫通多要

素的一體化

服務(wù)算網(wǎng)一體的驅(qū)動(dòng)力科學(xué)計(jì)算算網(wǎng)一體化設(shè)施新基礎(chǔ)AI大模型應(yīng)用產(chǎn)業(yè)數(shù)字化智能化升級(jí)綠色低碳算網(wǎng)一體服務(wù)新需求算網(wǎng)一體化算力泛在展新約束網(wǎng)絡(luò)極致網(wǎng)一體化全光底座分布式算力（端）分布式算力（網(wǎng)）算發(fā)聯(lián)合感知算力信息CPU利用率異構(gòu)算力算力規(guī)模4.算網(wǎng)數(shù)字孿生基于網(wǎng)絡(luò)大模型的算網(wǎng)數(shù)字孿生構(gòu)建可視、可管、可控的算網(wǎng)基礎(chǔ)設(shè)施7算網(wǎng)一體通過(guò)“聯(lián)合感知”“混合控制”“極致互聯(lián)”構(gòu)建面向智能化時(shí)代的數(shù)字基礎(chǔ)設(shè)施3.廣域RDMA突破RDMA長(zhǎng)距傳輸瓶頸，實(shí)現(xiàn)廣域高性能互聯(lián)1.算力路由創(chuàng)新互聯(lián)網(wǎng)架構(gòu)協(xié)議

，基于算網(wǎng)資源聯(lián)合感知實(shí)現(xiàn)動(dòng)態(tài)融合決策選路2.在網(wǎng)計(jì)算網(wǎng)絡(luò)內(nèi)生算力

，基于集中式控制

，實(shí)現(xiàn)計(jì)算任務(wù)跨云、網(wǎng)、邊、端分布式協(xié)同CSP4CSP2支撐作用算網(wǎng)一體總體設(shè)計(jì)?ISP：網(wǎng)絡(luò)服務(wù)提供者；

CSP：算力服務(wù)提供者網(wǎng)絡(luò)信息拓?fù)湫畔砣麪顟B(tài)SLA指標(biāo)極致互聯(lián)集中式控制任務(wù)分解與

調(diào)配ISP2CSP1關(guān)鍵技術(shù)節(jié)點(diǎn)3

CSP3ISP1混合控制

節(jié)點(diǎn)1

節(jié)點(diǎn)2

分布式控制前提消費(fèi)側(cè)節(jié)點(diǎn)4批量100個(gè)客戶端通過(guò)

http連續(xù)訪問(wèn)服務(wù)端程序解決思路在路由中引入計(jì)算信息

，進(jìn)行聯(lián)合調(diào)度,（1）感知：路由系統(tǒng)感知計(jì)算資源（2）路由：綜合網(wǎng)絡(luò)和計(jì)算信息尋址選路形成算力感知網(wǎng)絡(luò)CAN的核心方向-算力路由問(wèn)題本質(zhì)計(jì)算和網(wǎng)絡(luò)是獨(dú)立系統(tǒng)

，算的負(fù)載和網(wǎng)的擁塞信息沒(méi)有產(chǎn)生關(guān)聯(lián)算：降低負(fù)載、計(jì)算資源預(yù)留...2018年開(kāi)始研究算網(wǎng)融合技術(shù)

，面向云邊協(xié)同和邊邊協(xié)同的“性能反轉(zhuǎn)”等問(wèn)題

，提出在路由域引入計(jì)算信息進(jìn)行聯(lián)合調(diào)度-計(jì)算負(fù)載高及網(wǎng)絡(luò)隊(duì)列

深的條件下

，邊緣響應(yīng)

平均時(shí)延及尾時(shí)延遠(yuǎn)大于中心云-算的負(fù)載狀態(tài)以及網(wǎng)的

擁塞情況均是問(wèn)題來(lái)源發(fā)現(xiàn)問(wèn)題云邊以及邊邊調(diào)度之間出現(xiàn)“性能反轉(zhuǎn)”通過(guò)仿真發(fā)現(xiàn)在路由中引入算力信息在低、

中、

重載情況下均有一定的優(yōu)化效果1、算力路由(1/4)

造成大量計(jì)算資源的閑置

增加網(wǎng)絡(luò)建設(shè)、運(yùn)維成本網(wǎng)：增加帶寬、配置專線...邊緣節(jié)點(diǎn)

邊緣節(jié)點(diǎn)中心云范圍?基礎(chǔ)工作

：?jiǎn)栴}聲明、場(chǎng)景、需求、技術(shù)分析等?總體架構(gòu)：定義、組網(wǎng)、功能模塊等?其他基礎(chǔ)工作：計(jì)算指標(biāo)的分析、控制面和數(shù)據(jù)面的定義、基于現(xiàn)有協(xié)議的實(shí)現(xiàn)、潛在新協(xié)議需求的分析里程碑/計(jì)劃?2023年7月

，采納問(wèn)題聲明、場(chǎng)景、需求、技術(shù)分析等基

礎(chǔ)文稿?

2024年7月

，采納架構(gòu)文稿?2025年11月

，提交架構(gòu)文稿至RFC發(fā)布序列歷經(jīng)4年

，

中國(guó)移動(dòng)在IETF發(fā)起成立算力路由工作組(CATS,Computing-AwareTrafficSteering)

并擔(dān)任主席

，是IETF路由域近10年由中國(guó)高校/公司牽頭成立的兩個(gè)工作組之一CATS面向AR/VR、車聯(lián)網(wǎng)等新型多節(jié)點(diǎn)部署服務(wù)的場(chǎng)景

，考慮網(wǎng)絡(luò)邊緣節(jié)點(diǎn)如何引導(dǎo)服務(wù)的

客戶端和提供服務(wù)的站點(diǎn)之間的流量的問(wèn)題，制定算力路由的場(chǎng)景、需求、架構(gòu)標(biāo)準(zhǔn)1、算力路由(2/4)/wg/cats/about/9CATS-control

center：?CATSComputing

information

Base(C-CIB)：維護(hù)細(xì)粒度的計(jì)算信息?CATS

Network

Metric

information

Base(C-NIB):維護(hù)細(xì)粒度的網(wǎng)絡(luò)信息?CATS

PathCalculation

Unit(C-PCE):計(jì)算最合適的網(wǎng)絡(luò)路徑和選擇服務(wù)節(jié)點(diǎn)?CATS-SBI

interface:CATS-control

center與CATS-Router的接口Ingress

CATS-Router：?CATSTraffic

Classifier(C-TC):

區(qū)分是否是CATS流量

，決定服務(wù)節(jié)點(diǎn)?

CATS

PathSelector(C-PS)：選擇網(wǎng)絡(luò)轉(zhuǎn)發(fā)路徑Egress

CATS-Router：?CATS

Network

MetricAgent(C-NMA):收集和分發(fā)網(wǎng)絡(luò)指標(biāo)?CATSService

MetricAgent(C-SMA):

收集和分發(fā)服務(wù)和計(jì)算指標(biāo)CATS已經(jīng)召開(kāi)二次會(huì)議

，

目前已經(jīng)完成場(chǎng)景和需求立項(xiàng)

，聚焦在架構(gòu)、需求、計(jì)算指標(biāo)定義等工作1、算力路由CATS（

3/4）/wg/cats/document/CATS核心組件CATS架構(gòu)10.完成算網(wǎng)控制器和算力路由網(wǎng)關(guān)原型樣機(jī)開(kāi)發(fā)，構(gòu)建業(yè)內(nèi)首個(gè)集中式算力路由驗(yàn)證系統(tǒng).推進(jìn)廣東珠海現(xiàn)網(wǎng)試點(diǎn)驗(yàn)證

，驗(yàn)證業(yè)務(wù)承載量提升30%以上

，算網(wǎng)綜合資源利用率提升32%以上階段II端到端算力路由系統(tǒng)驗(yàn)證.開(kāi)展規(guī)模性部署的CATS技術(shù)方案驗(yàn)證.開(kāi)展CA-BGP等新型協(xié)議的驗(yàn)證測(cè)試.

分布式算力路由樣機(jī)已進(jìn)入平臺(tái)測(cè)試階段算力路由系統(tǒng)根據(jù)網(wǎng)絡(luò)部署情況

，支持集中式、分布式、混合式等多種組網(wǎng)方案。

從集中式組網(wǎng)方案開(kāi)始

，分階段逐步開(kāi)展算力路由實(shí)驗(yàn)驗(yàn)證《面向算網(wǎng)一體的算力路由技術(shù)攻關(guān)和標(biāo)準(zhǔn)突破》方案成功入選2023屆未來(lái)網(wǎng)絡(luò)領(lǐng)先創(chuàng)新科技成果

11CA-BGP算力路由網(wǎng)關(guān)

5CA-BGP算力路由網(wǎng)關(guān)算力路由網(wǎng)關(guān)算力路由網(wǎng)關(guān)《算網(wǎng)一體技術(shù)體系關(guān)鍵技術(shù)創(chuàng)新案例》榮獲CCSA

TC6102022年度“最佳實(shí)踐案例”《算力感知和算力路由構(gòu)建算網(wǎng)一體化調(diào)度》榮獲工信部2022年ICT優(yōu)秀案例“卓越科技創(chuàng)新獎(jiǎng)”《算力感知和路由方案》通信世界全媒體“2023年度算力應(yīng)用案例十大標(biāo)桿”1、算力路由(4/4）云管理平臺(tái)TelBGP

SRv6PolicyBGP-FSNetconf階段I集中式方案總體測(cè)試方案算網(wǎng)控制器3

集中式算網(wǎng)一體感知分布式算力路由樣機(jī)4

集中式多策略調(diào)度1

分布式算力感知2

分布式網(wǎng)絡(luò)感知算力路由網(wǎng)關(guān)-LSemetry算網(wǎng)一體感知協(xié)

議CA-BGP-LS算網(wǎng)控制器算力路由轉(zhuǎn)發(fā)5算力路由網(wǎng)關(guān)Restful云資源池云資源池集中式：分布式：CA-BGP4431155423應(yīng)用APP應(yīng)用APP用戶CA-BGPBGP2444ECMP等網(wǎng)絡(luò)側(cè)調(diào)度策略無(wú)法適應(yīng)智算網(wǎng)絡(luò)差異

化的流量特性

，造成網(wǎng)絡(luò)鏈路負(fù)載嚴(yán)重不均衡MPI集合通信的實(shí)現(xiàn)方式并未和物理網(wǎng)絡(luò)聯(lián)

動(dòng)設(shè)計(jì)

，網(wǎng)絡(luò)中存在大量冗余信息通信開(kāi)銷已成為分布式AI模型訓(xùn)練的性能瓶頸，嚴(yán)重制約系統(tǒng)規(guī)模擴(kuò)展

現(xiàn)有的網(wǎng)絡(luò)側(cè)及端側(cè)解決方案仍面臨負(fù)載不均衡、難以動(dòng)態(tài)調(diào)度等問(wèn)題?Tensorflow在128張卡下訓(xùn)練InceptionV3模型（參數(shù)量2000多

萬(wàn)），節(jié)點(diǎn)間通信時(shí)間已接近系統(tǒng)總處理時(shí)間的50%?

GPT-3模型已增長(zhǎng)至1750億參數(shù)

，訓(xùn)練預(yù)估需要5000張GPU卡，

通信瓶頸問(wèn)題將被進(jìn)一步放大通信復(fù)雜度：

0(og)0()大模型訓(xùn)練常用的梯度聚合算法

②

ServerServerServer2、

在網(wǎng)計(jì)算（1/4）以在網(wǎng)計(jì)算實(shí)現(xiàn)MPI接口廣播及規(guī)約操作為例，說(shuō)明在網(wǎng)計(jì)算對(duì)AI模型訓(xùn)練系統(tǒng)性能提升問(wèn)題根源及現(xiàn)有方案的不足MPI_Broadcast()組播MPI_Reduce()規(guī)約在網(wǎng)計(jì)算主要優(yōu)勢(shì)通信復(fù)雜度：

0og)模型參

數(shù)

總量線速處理縮短傳輸路徑網(wǎng)內(nèi)處理

，實(shí)現(xiàn)Sub-RTT通信大模型訓(xùn)練的模型同步與數(shù)據(jù)同步算法流量壓縮交換機(jī)Tbps處理能力在網(wǎng)聚合

，數(shù)據(jù)消冗與求和背景問(wèn)題

ClientClient發(fā)送

Switch③接收計(jì)算時(shí)間通信時(shí)間1212100%發(fā)送接收0%①產(chǎn)業(yè)實(shí)踐在網(wǎng)聚合IB

basedMPI-BcastSIGCOMM

’22面向AI訓(xùn)練場(chǎng)景

，多

基于NP交換機(jī)實(shí)

級(jí)交換機(jī)參與PS參數(shù)現(xiàn)PS參數(shù)聚合

，基

向量聚合

，基于IP協(xié)

于UDP協(xié)議設(shè)計(jì)議設(shè)計(jì)

ATP

Header

Trio-ML

Header挑戰(zhàn)豎井式現(xiàn)有在網(wǎng)計(jì)算設(shè)計(jì)面向單一場(chǎng)景

，在協(xié)議設(shè)計(jì)、硬件實(shí)現(xiàn)等方面不通用封閉化基于Infin

i

Band網(wǎng)絡(luò)協(xié)議棧及專用

網(wǎng)絡(luò)硬件實(shí)現(xiàn)在網(wǎng)計(jì)算

，成本昂貴開(kāi)發(fā)不友好應(yīng)用程序開(kāi)發(fā)模式和網(wǎng)絡(luò)開(kāi)發(fā)模

式不匹配

，開(kāi)發(fā)者學(xué)習(xí)門(mén)檻高在網(wǎng)計(jì)算在學(xué)術(shù)和產(chǎn)業(yè)上已經(jīng)有一定的研究基礎(chǔ)

，仍然面臨豎井式、封閉化、開(kāi)發(fā)不友好等挑戰(zhàn)2、

在網(wǎng)計(jì)算（2/4）基于FPGA和商用

交換機(jī)實(shí)現(xiàn)傳輸層

透明的參數(shù)在網(wǎng)聚

合基于IB交換機(jī)的硬件組播能力

，實(shí)現(xiàn)

MPI_Bcast基于IB智能網(wǎng)卡

和IB交換機(jī)

，實(shí)

現(xiàn)在網(wǎng)聚合學(xué)術(shù)研究NetReduce在網(wǎng)聚合在網(wǎng)組播COMHPC

’16ASPLOS

’23IPDPS

’04NSDI

’21SHARPTrioATPAI訓(xùn)練/推理同步/異步控制統(tǒng)一通用的在網(wǎng)計(jì)算通信庫(kù)、實(shí)現(xiàn)分布式應(yīng)用邏輯與物理通信高效映射，

重構(gòu)應(yīng)用計(jì)算、開(kāi)發(fā)模式中國(guó)移動(dòng)提出在網(wǎng)計(jì)算NACA架構(gòu)（NetworkAssistedComputingAcceleration），

通過(guò)重塑應(yīng)用處理和開(kāi)發(fā)模式

，實(shí)現(xiàn)系統(tǒng)加速

，提升算網(wǎng)資源利用率在網(wǎng)計(jì)算

通信庫(kù)高性能互聯(lián)異構(gòu)網(wǎng)元發(fā)布在網(wǎng)計(jì)算(NACA)技術(shù)白皮書(shū)2、

在網(wǎng)計(jì)算（3/4）Omni-PathINC拓?fù)涓兄狣C交換機(jī)SlingshotINC可靠傳輸Infin

ibandINC標(biāo)識(shí)轉(zhuǎn)發(fā)邊緣匯聚交換機(jī)分布式

應(yīng)用園區(qū)網(wǎng)關(guān)NACA架構(gòu)端側(cè)適配器RoCE多對(duì)一通信多對(duì)多通信一對(duì)多通信大數(shù)據(jù)HPC架構(gòu)AlexNetVGG19VGG16VGG11ResNet15

2ResNet10

1ResNet50BytePS330110120130110155250Horovo

d500130150210100148235在網(wǎng)計(jì)

算540155175215115165265測(cè)試基準(zhǔn)：GPU型號(hào)：2080

單位：圖片數(shù)/秒訓(xùn)練提速：

相比參數(shù)服務(wù)器架構(gòu)BytePS

，通信密集型任務(wù)最

高可提升60%以上帶寬優(yōu)化：

相比RAR架構(gòu)Horovod

，

降低智算集群網(wǎng)絡(luò)帶寬

占用約1倍左右?

在網(wǎng)計(jì)算繼承了集中式的PS架構(gòu)

，網(wǎng)絡(luò)高速處理能力克服了PS側(cè)的通信瓶頸?

相比環(huán)形結(jié)構(gòu)RAR

，在網(wǎng)計(jì)算更加節(jié)省帶寬資源

，且處理性能方面仍有提升以分布式機(jī)器學(xué)習(xí)模型訓(xùn)練為典型應(yīng)用場(chǎng)景

，

中國(guó)移動(dòng)推進(jìn)在網(wǎng)計(jì)算的驗(yàn)證和標(biāo)準(zhǔn)2、

在網(wǎng)計(jì)算（4/4）標(biāo)準(zhǔn)推進(jìn)：在CCSATC3WG3牽頭完成首個(gè)在網(wǎng)計(jì)算行標(biāo)立項(xiàng)分布式模型訓(xùn)練在網(wǎng)計(jì)算系統(tǒng)架構(gòu)創(chuàng)新中國(guó)移動(dòng)CFITI試驗(yàn)網(wǎng)創(chuàng)新驗(yàn)證PS架構(gòu)參數(shù)服務(wù)器聚合RAR架構(gòu)循環(huán)參數(shù)聚合帶寬資源占用高通信效率低GPU

節(jié)點(diǎn)N在網(wǎng)聚合GPU

節(jié)點(diǎn)2GPU

節(jié)點(diǎn)3GPU

節(jié)點(diǎn)1GPU節(jié)點(diǎn)NGPU節(jié)點(diǎn)NGPU

節(jié)點(diǎn)1GPU

節(jié)點(diǎn)3GPU

節(jié)點(diǎn)3GPU

節(jié)點(diǎn)2GPU

節(jié)點(diǎn)2GPU

節(jié)點(diǎn)1?

自動(dòng)駕駛?

影視制作?

科學(xué)計(jì)算?

云遷移?

多云災(zāi)備?

多云協(xié)同計(jì)算?...

16自動(dòng)駕駛訓(xùn)練數(shù)據(jù)

上云單車日產(chǎn)數(shù)據(jù)幾TB至十幾TB

，

完成L3訓(xùn)練預(yù)計(jì)產(chǎn)生8EB數(shù)據(jù)

，

L4訓(xùn)

練預(yù)計(jì)產(chǎn)生20EB數(shù)據(jù)綜藝原始素材上云綜藝原始素材總量一年達(dá)500PB

，

10TB~100TB量級(jí)/日/節(jié)目基因測(cè)序數(shù)據(jù)上云國(guó)內(nèi)某基因企業(yè)基因測(cè)序數(shù)據(jù)年數(shù)據(jù)100PB

，TB~100TB量級(jí)/次FAST觀測(cè)數(shù)據(jù)上云FAST每年200+以上觀測(cè)項(xiàng)目

，產(chǎn)生數(shù)據(jù)15PB左右

，TB~PB量級(jí)/次2025年中國(guó)數(shù)據(jù)量將達(dá)到48.6ZB

，其中適合東數(shù)西算的溫、

冷數(shù)據(jù)占比95%為保證數(shù)據(jù)的安全存儲(chǔ)以及有效管理

，

云災(zāi)備市場(chǎng)規(guī)模不斷擴(kuò)大

，

2019年達(dá)到了32

億元

，

2023年達(dá)到了51億元

，

年復(fù)合增長(zhǎng)率約為12.4%海量數(shù)據(jù)跨廣域網(wǎng)傳輸?shù)膱?chǎng)景越來(lái)越多

，數(shù)據(jù)異地上云、云間遷移等場(chǎng)景的數(shù)據(jù)規(guī)模越來(lái)越大?

東數(shù)西存?

東數(shù)西訓(xùn)?

東數(shù)西渲?...3、廣域RDMA（

1/3）東數(shù)西算云間遷移數(shù)據(jù)上云丟包率達(dá)到0.5%時(shí)，有效吞吐接近為0①新型擁塞控制算法

，提升吞吐

，

降低丟包②丟包快速恢復(fù)算法

，

減少重傳

，

降低時(shí)延

③丟包精確重傳機(jī)制

，

實(shí)現(xiàn)RDMA有損部署

④數(shù)據(jù)安全加密協(xié)議

，

實(shí)現(xiàn)數(shù)據(jù)高安全傳輸聯(lián)合12家單位

，

牽頭制訂CCSA行標(biāo)《承載RMDA的廣域網(wǎng)技術(shù)要求》

，推動(dòng)廣域RDMA技術(shù)成熟應(yīng)用4個(gè)關(guān)鍵技術(shù)

，實(shí)現(xiàn)廣域高吞吐傳輸實(shí)現(xiàn)高吞吐、高可靠、低時(shí)延、低算力損耗“兩高兩低”特性的算網(wǎng)高性能互聯(lián)網(wǎng)絡(luò)3、

廣域RDMA（2/3）時(shí)延由1ms增加到10ms時(shí)

，吞吐下降10倍原生RDMA對(duì)丟包敏感

，難以直接用于廣域網(wǎng)TCP吞吐與傳輸距離、

丟包率成反比廣域RDMA技術(shù)17網(wǎng)絡(luò)控制器?專線傳輸：高帶寬專線實(shí)時(shí)傳輸

，幾十TB/小時(shí)?聚合傳輸：匯聚空閑帶寬實(shí)時(shí)傳輸

，幾百GB~TB/小時(shí)?錯(cuò)峰傳輸：夜間空閑帶寬錯(cuò)峰傳輸

，幾十TB/小時(shí)?8月19號(hào)

，

2023中國(guó)算力大會(huì)發(fā)布《中國(guó)移動(dòng)數(shù)據(jù)快遞技術(shù)白皮書(shū)》

，推動(dòng)廣域高吞吐網(wǎng)絡(luò)技術(shù)發(fā)展?正在推進(jìn)10+省市現(xiàn)網(wǎng)應(yīng)用

，

覆蓋通算、

智算、

超算多種場(chǎng)景

，逐步構(gòu)建覆蓋全國(guó)的數(shù)據(jù)快遞服務(wù)2類業(yè)務(wù)模式?數(shù)據(jù)快遞站：數(shù)據(jù)源不能直連網(wǎng)絡(luò)場(chǎng)景?數(shù)據(jù)直通模式：數(shù)據(jù)源通過(guò)網(wǎng)絡(luò)在線傳輸利用廣域RDMA高吞吐特性，打造任務(wù)式數(shù)據(jù)快遞服務(wù)，滿足多場(chǎng)景大規(guī)模數(shù)據(jù)傳輸需求端到端SRv63、

廣域RDMA（

3/3）數(shù)據(jù)快遞業(yè)務(wù)平臺(tái)端到端SRv6選路、按需彈性大帶寬數(shù)據(jù)直通模式低負(fù)載鏈路業(yè)務(wù)轉(zhuǎn)發(fā)路徑數(shù)據(jù)快遞站基因測(cè)序門(mén)店智駕路測(cè)車隊(duì)接入專線第三方云移動(dòng)云云專網(wǎng)CMNet孿生網(wǎng)絡(luò)層功能模型數(shù)據(jù)采集控制下發(fā)物理網(wǎng)絡(luò)層

下提出數(shù)字孿生網(wǎng)絡(luò)“三層三域雙閉環(huán)”系統(tǒng)架構(gòu)

三層：物理網(wǎng)絡(luò)層、孿生網(wǎng)絡(luò)層和網(wǎng)絡(luò)應(yīng)用層

三域：孿生網(wǎng)絡(luò)層數(shù)據(jù)域、模型域和管理域

雙閉環(huán)：內(nèi)閉環(huán)完成配置變更前的仿真驗(yàn)證和迭代優(yōu)化

，外閉環(huán)完成對(duì)網(wǎng)絡(luò)應(yīng)用的控制、反饋和優(yōu)化算網(wǎng)數(shù)字孿生通過(guò)網(wǎng)絡(luò)本體與虛擬孿生體間的實(shí)時(shí)交互映射，助力實(shí)現(xiàn)網(wǎng)絡(luò)的全生命周期管理以及創(chuàng)

新優(yōu)化策略的低風(fēng)險(xiǎn)、

高效率部署，是面向算網(wǎng)一體的關(guān)鍵技術(shù)之一已在《自動(dòng)化學(xué)報(bào)》，

IEEE

CLOUD，

DTPI，

ICCT，《

Digital

Twin》等期刊和會(huì)議發(fā)表9篇論文，其中《數(shù)字孿生網(wǎng)絡(luò)（DTN）

概念，架構(gòu)及關(guān)鍵技術(shù)》入選2022年度“領(lǐng)跑者5000”頂尖論文l基礎(chǔ)模型本體建模方法l

DTN數(shù)據(jù)域的高效數(shù)據(jù)采集l形式化建模方法研究l高精度流量模擬方法研究l以數(shù)據(jù)為中心的網(wǎng)絡(luò)性能評(píng)

估方法研究l

...l

DTN架構(gòu)及技術(shù)需求l網(wǎng)絡(luò)建?？傮w要求l數(shù)據(jù)域技術(shù)要求l能力等級(jí)及評(píng)估方法l接口和協(xié)議要求l網(wǎng)絡(luò)協(xié)議孿生技術(shù)要求等

l

...網(wǎng)絡(luò)創(chuàng)新技術(shù)驗(yàn)證網(wǎng)絡(luò)應(yīng)用層數(shù)據(jù)共享倉(cāng)庫(kù)數(shù)據(jù)管理數(shù)據(jù)服務(wù)數(shù)據(jù)存儲(chǔ)用戶業(yè)務(wù)運(yùn)行狀態(tài)網(wǎng)絡(luò)配置數(shù)據(jù)采集網(wǎng)絡(luò)孿生體管理模型

管理網(wǎng)絡(luò)維護(hù)和優(yōu)化仿真驗(yàn)證拓?fù)?/p>

管理安全

管理4、算網(wǎng)數(shù)字孿生

-概念及架構(gòu)（1/3）

規(guī)劃

建設(shè)

維護(hù)

優(yōu)化

運(yùn)營(yíng)

標(biāo)準(zhǔn)推進(jìn)學(xué)術(shù)研究迭代優(yōu)化礎(chǔ)型

基模網(wǎng)絡(luò)

可視化網(wǎng)絡(luò)管理意圖驗(yàn)證故障診斷拓?fù)淠Ｐ途W(wǎng)絡(luò)規(guī)劃網(wǎng)元模型服務(wù)映射模型能力調(diào)用調(diào)度優(yōu)化流量建模安全建模意圖翻譯質(zhì)量保障19…?

2020年

，在IRTF牽頭開(kāi)啟DTN標(biāo)準(zhǔn)化研究?

2022年3月在NMRG組完成《DTN概念及架

構(gòu)》立項(xiàng)

，得到多家單位支持，

DTN概念、架構(gòu)、應(yīng)用場(chǎng)景和價(jià)值已形成共識(shí)?

DTN已成為NMRG當(dāng)前三大研究方向之一?目前6個(gè)項(xiàng)目在研

，產(chǎn)學(xué)研共同推進(jìn)：

中國(guó)移

動(dòng)、西班牙電信、華為、法國(guó)電信、

UPC大學(xué)、

日本信息與通信研究院等?

中