面向智算中心的新型以太网需求与关键技术

Abstract

AI大模型正引领下一个十年的信息与通信技术（information and communications technology，ICT）产业发展热点。智算中心网络是支撑AI大模型分布式训练的通信底座，是决定AI集群效能的关键要素之一。AI大模型的数据量和参数量不断扩张，给智算中心网络带来了严峻的挑战，同时给关键网络技术进行代际性创新带来了机遇。在AI大模型训练和推理过程中，提供数据的高性能和高安全传输是AI业务对智算中心网络的两大核心需求。高效的负载均衡、拥塞控制技术和网络安全协议是其中的关键网络技术。为应对大规模AI业务带来的严峻挑战，提出全调度以太网（global scheduled Ethernet，GSE）作为对应的解决方案，并搭建真实的测试环境对GSE和RoCE（remote direct memory access over converged Ethernet）网络进行性能对比测试。测试结果证明，GSE相较RoCE网络显著改善了任务完成时间（job completion time，JCT）。

Keywords

• ai大模型分布式训练
• 全调度以太网
• 负载均衡
• 拥塞控制
• 网络安全协议