回顧 2024 年，貫穿全年最重要的技術趨勢，無疑是大模型技術引發的 AI“ 風暴 ” 。

在應用端，人臉識別、自然語言、智能推薦等 AI應用比比皆是。應用的全面 AI化，帶動了 AI算力的激增。 IDC的數據顯示：全球算力需求將以每年 50%的速度增長，而 AI應用驅動算力需求增長速度更快，預計到 2030年， AI算力需求將比當前呈現上百倍的增長。

智能算力要“流向”千行萬業的方方面面，還需要與網絡的發展與之匹配，在算網一體化的發展路徑下，智算廣域網技術的演進尤為關鍵。

如中國工程院鄔賀銓所說，“人工智能的爆發對互聯網既是機遇也是挑戰，智算廣域網是人工智能時代互聯網重要創新升級方向，是滿足智算服務需求的基礎設施。”

01

智算時代

推動智算廣域網全面發展

根據 2023年 10月印發的《算力基礎設施高質量發展行動計劃》制定的主要目標：到 2025年，我國算力規模將超過 300EFlops，智能算力占比將達到 35％。

正是大模型的驅動下，智算產業呈現出一片欣欣向榮的景象。

全國各地建設了大量的智算中心，形成了支撐人工智能訓練服務的基礎算力資源；與此同時，千行萬業的智能化轉型，對人工智能的投入持續增加，又產生了大量用于模型訓練的樣本數據和訓練需求。

在智算的供需之間，需要一座橋梁，這座橋梁就是智算廣域網。

簡單地說，智算廣域網就是面向智算產業高速發展，是支撐人工智能計算業務全生命周期的廣域網絡。中國信息通信研究院技術與標準研究所互聯網中心主任高巍說，“全國各地布局多級算力資源池體系，如何充分發揮這些智算資源的作用，使其成為各個行業能夠使用的智算服務，成為了當務之急，在這里網絡需要發揮重要作用，‘網效’與‘算效’需要提升互促。

當然，智算廣域網的誕生，也恰是為了解決傳統網絡無法解決的問題而存在的。

比如海量數據上傳，要將大量數據樣本傳輸到智算中心進行存儲和處理，這些數據樣本是人工智能模型訓練和優化的基礎；存算拉遠則要將存儲和計算資源分離，并將存儲設備放置在遠離計算設備的位置，通過高速網絡進行樣本傳輸和訓練；協同訓練，要求大模型訓練可以在多地智算中心之間進行分布式訓練，減輕單一地點壓力，并提高訓練效率。

這些伴隨智算時代而來的新場景，無一不對網絡的承載能力提出了高要求。也因此，推動了智算廣域網，從理念到技術實踐的全面發展。

02

運營商智算廣域網實踐

的“關鍵一躍”

國內的運營商已經在全國布局很多算力資源池，智算廣域網支撐全社會智算資源的高效利用與服務的“關鍵一躍”。智算廣域網的部署推進過程中，運營商依托自身的優勢和需求，積極投身關鍵技術方案的探索和建設，積累了豐富的經驗和成果。

上海電信，面對上海全市 300多家企業、 40多所高校和研究所， 11個信息化園區的用算訴求，打造了具備智能運力的智算廣域網，通過網絡高吞吐使能“算得多”， RDMA廣域無損保障“算得快”，任務式彈性服務做到 “用得起 ”，全面匹配智算時代下新供需關系帶來的網絡訴求。

值得一提的是，上海電信的智算廣域網絡實踐成效斐然：不僅在開啟負載均衡和精準流控功能下，應用層有效傳輸速率提升 7倍，傳輸時間降低了 86%。同時，通過引入廣域 RDMA無損技術，跨百公里的存算拉遠訓練效率達到 99%以上，從而支撐智算廣域網滿足海量租戶進行并發訓練。

重慶移動，結合當地新能源智能車企，對海量樣本數據大模型訓練需求，攜手華為推出了智算互聯網絡解決方案。在方案當中，重慶移動首創提出了廣域 RDMA+G-SRv6的無損網絡融合方案，采用 RDMA、深度負載分擔、智能流調度和逐流反壓等關鍵技術，同時利用客戶側已有的標準存儲，確保客戶數據在智算中心不落盤，通過新一代智算設備互聯實現網存協同。

通過這一系列的技術創新，重慶移動存算拉遠項目在超長距離網絡中，訓練效率提升近 1倍，月度迭代訓練任務數提升近 70%。極大解決了算力空閑等待時間長的問題，大幅降低企業使用大模型訓練的成本，為高效算力服務的推廣，加速普惠算力服務千行百業貢獻了重要力量。

浙江聯通，針對敏感數據本地存儲異地訓練的場景，提出了創新的業務模式。基于中國聯通全新的算力智聯網 AINet，依托“網絡 +平臺”兩大基礎底座和高通量、高性能、高智能的“三高”核心能力。

同時采用華為下一代路由器系列產品，浙江聯通成功在杭州與金華兩地間實施了業界首次 30TB樣本數據的跨 200公里存算分離拉遠訓練，經過實際測算，訓練效率高達 97%。充分驗證了針對 AI訓練業務存算拉遠的技術可行性，未來有相關數據敏感業務需求的用戶可通過運營商算力服務，完成隱私樣本不出園區的拉遠訓練，實現成本與安全的最佳平衡。

通過廣域網絡聯接跨幾百到上千公里的異地算力中心，會面臨兩個關鍵技術點挑戰 : 一是跨 DC大模型訓練極端情況流量瞬時并發達上千 Tbps，需要考慮收斂比和訓練效率之間平衡最優比。二是 RDMA長距傳輸對于丟包十分敏感，千分之一丟包會導致網絡吞吐率下降，影響算卡效率并造成資源浪費。

北京電信，則針對廣域網絡聯接跨幾百到上千公里的異地算力中心，會面臨的跨 DC大模型訓練極端情況流量瞬時并發達上千 Tbps和 RDMA長距傳輸對于丟包十分敏感兩大難題。通過新一代智算路由器打造智算廣域網，采用新型流級擁塞控制技術，可精準快速識別網絡發生擁塞或故障，并基于流進行擁塞控制，確保擁塞不擴散到全網。同時采用路由器廣域無損調度和負載均衡技術，避免數據丟包導致算卡計算效率下降，現網實際驗證跨 100公里長距算效僅降 1%。

不難發現，運營商對智算廣域網的技術探索已取得了相當多的實踐成果，而在其背后，都有華為彈性無損智算 IP廣域網解決方案的支持。

03

為行業數智化轉型

提供網絡新選擇

華為數據通信產品線城域路由器領域總裁左萌認為， AI的廣泛應用為廣域網絡提出了前所未有的挑戰。特別是在企業入算、協同訓練和推理這三個新興業務場景中，網絡的高運力、彈性、可靠性、服務化能力、低時延和安全性等方面都面臨新的要求。

首先，在企業入算場景中，企業需要將大量樣本數據實時傳輸至智算中心，部分企業對敏感數據的安全性要求極高。為傳統廣域網基于流量類型的負載均衡算法較為粗放，無法有效識別和處理大數據流，且 RDMA對丟包極其敏感，傳統廣域網的可靠性難以保證。

其次，在推理場景中，中心推理成為流量集中地，邊緣推理中心也將大量出現，而傳統 IP網絡缺乏邊緣云中心及安全防護能力。

最后，在協同訓練場景中，需要將 DCN擴展到廣域網范圍，將算力卡之間的通訊距離擴展到幾百甚至上千公里，這帶來了丟包、大數據流承載和突發大流量收斂等挑戰。

正是為了解決上述難題，華為推出的星河 AI智算廣域網解決方案，通過高運力、泛在靈活接入、長距無損和任務式服務的 IP網絡能力，為各行業提供高效、安全、無損的數據傳輸環境，為行業數智化轉型提供網絡支撐。

此前發布的《中國運力發展報告（ 2024年）》中指出：我國高度重視智算產業發展，堅持“網絡強國”戰略，推動算網協同布局，促進前沿技術應用，引導智算高質量發展。無疑，智算時代才剛剛拉開序幕，在算網一體、以網強算的背景下，智算廣域網還將迎來更大的發展空間。