随着AI预训练大模型的价值不断显现，且模型规模愈发庞大。产学各界已经形成了这样一个共识：AI时代，算力就是生产力。
这一认知虽然正确，却并不全面。数字化系统有存、算、网三大支柱，AI技术也是如此。如果抛开存储和网络谈算力，那么大模型只能独木难支。尤其是与大模型适配的网络基础设施，一直以来都没有得到有效的重视。
面对动辄“万卡集训”“万里部署”“万亿参数”的AI大模型，网络运力是整个智能化体系中不容忽视的一环。其面临的挑战非常突出，也正在等待可以破局的答案。
华为数据通信产品线总裁王雷
9月20日，华为全联接大会2023期间举办了“星河AI网络，加速行业智能化”为主题的数通峰会。各界代表共同探讨了AI网络技术的变革与发展趋势。会上，华为数据通信产品线总裁王雷正式发布星河AI网络解决方案。他表示，大模型让AI更聪明，但训练一个大模型的成本非常高，同时还要考虑AI人才的成本。因此，在行业智能化阶段，集中建设大算力集群，面向社会提供智算云服务，才能真正让人工智能深入千行万业。华为发布新一代星河AI网络解决方案，面向智能时代，打造超高吞吐、长稳可靠、弹性高并发的新型网络基础设施，助力AI普惠，加速行业智能化。
借此机会，我们一起了解大模型崛起，给智算数据中心带来的网络挑战，以及华为星河AI网络为什么是这些问题的最优解。
当谈到AI时代时，一个模型、一条数据、一个计算单元可以被视为一道星光。然而，只有将它们高效稳定地连接在一起，才能形成一个辉煌的智能世界
大型模型的爆发引发了隐藏的网络激流
我们知道，AI模型分为训练和推理部署两个阶段。伴随着预训练大模型的兴起，这两个阶段也分别发生了巨大的AI网络挑战。
首先是在大模型的训练阶段。伴随着模型规模与数据参数愈发庞大，大模型训练开始需要千卡甚至万卡规模的计算集群来完成。这也意味着大模型训练必然发生在具备AI算力的数据中心当中。
在当前阶段，智算数据中心的成本非常高昂。根据行业数据，每建设100P算力的集群，成本达到4亿人民币。以某国际知名大模型为例，其训练过程中每天的算力花费达到70万美元
如果数据中心网络的连接能力不顺畅，导致大量的计算资源在网络传输过程中损失，那么给数据中心和AI模型带来的损失是无法估量的。相反，如果在相同的计算能力规模下，集群训练的效率更高，那么数据中心将会获得巨大的商机。而负载率和其他网络因素直接决定了AI模型的训练效率。另一方面，由于AI算力集群的规模不断扩大，其复杂性也相应增加，因此故障发生的概率也在提高。构建一个长期稳定可靠的集群网络是数据中心提高投入产出比的重要支点
在数据中心之外，AI模型的推理部署场景中，同样也可以看到AI网络的价值体现。大模型的推理部署主要依靠云服务，而云服务商必须在算力资源有限的情况下，尽量服务更大的客户，以此实现大模型的商业价值最大化。如此一来，用户越多整个云网结构就会越复杂。如何能够提供长期稳定的网络服务，成为了云计算服务商新的挑战。
除此之外，在AI推理部署的最后一公里，政企用户面临着网络质量提升的需求。在真实场景下，1%的链路丢包会导致TCP性能下降50倍，也就是100Mbps的宽带，实际能力不足2Mbps。因此，提升应用场景本身的网络能力，才可以保证AI算力顺畅流动，实现真正的普惠AI。
由此不难看出，在AI大模型的诞生、传输、应用全流程中，每个环节都面临着网络升级的挑战与需求。大模型时代的运力难题，亟待破局解题。
智能时代的网络破局思路可以从星光到星河延伸
大模型的兴起带来了一个多环节、全流程的网络难题。因此，我们必须采取系统性的方法来解决这个挑战
华为提出了一种面向智算云服务的新型网络基础设施，该设施需要支持“训练高效能”、“算力不停歇”和“普惠AI服务”这三个能力。这三个能力涵盖了AI大模型从训练到推理部署的全场景。华为不仅关注单一需求的满足和单一技术的升级，而是全面推进AI网络的迭代，为行业带来了独特的突破思路
具体而言，AI时代的网络基础设施需要包含如下能力：
首先，在训练场景网络需要最大化发挥出AI计算集群的价值。通过打造具备超大规模联接能力的网络，实现AI大模型的训练高效能。
其次，为了保障AI任务的稳定可持续，需要打造长稳可靠的网络能力，保障月级训练不中断，同时要有秒级的稳定定界、定位和回复，尽可能降低训练中断时常。这就是算力不停歇的能力建设。
再次，AI推理部署过程中，要求网络具有弹性高并发的特质，可以智能编排海量用户流，提供最佳的AI落地体验，同时可以对抗网络劣化冲击，保障不同区域间AI算力顺畅流动，这也就实现了“普惠AI服务”的能力建设。
华为最终推出了星河AI网络解决方案，秉承了这一破局思路。该解决方案将分散的AI技术整合在一起，通过强大的运算能力，形成了一个星河般的网络
星河AI网络，给大模型纪元一个运力答案
华为全联接大会2023的期间，华为分享了对以大算力、大存力、大运力加速AI大模型打造的发展愿景。新一代华为星河AI网络解决方案，就可以说是面向智能时代，华为为大模型带来的运力答案。
对于智能数据中心来说，华为星河AI网络是以网强算的最优解。
其所具备的超高吞吐网络特质，可以面向智算中心的AI集群提供提升网络负载率，强化训练效率的重要价值。具体来说，星河AI网络智算交换机具有业界最高密400GE和800GE端口能力，仅2层交换网络就可以实现1万8000卡的无收敛集群组网，从而支持超万亿参数的大模型训练。组网层次一旦减少，就意味着数据中心能够节省了大量的光模块成本，同时提高对网络风险的可预测性，获得更加稳定的大模型训练能力。
星河AI网络能够支持网络级负载均衡NSLB，将负载率从50%提升到98%，相当于实现了AI集群的超频运行，进而提高了训练效率20%，达到了高效训练的预期
对于云服务厂商来说，星河AI网络可以提供稳定可靠的算力保障。
在DCI算间互联场景中，该技术能够提供多路径智能调度等功能，自动识别并主动适应业务高峰流量的冲击。它可以从百万数据流中识别大小流，并合理分配到10万路径，以实现网络的零拥塞，并为高并发的智算云服务提供弹性保障
对于政企用户来说，星河AI网络可以应对网络劣化问题，保障普惠化的AI算力。
其能够在DCA入算场景支持弹性抗劣化能力，采用Fillp技术优化TCP协议，可以在1%丢包率的情况下将带宽负载率从10%提升至60%，从而保障从都市圈到偏远地区的算力顺畅流动，加速AI服务的普惠应用。
如此一来，大模型从训练到部署各个环节的网络需求都被打通。从智算中心到千行万业，都有了以网强算的发展支点。
在一个智能化的时代，由大模型开启的科技新纪元刚刚开始。星河AI网络为智能时代提供了关于运力的答案
以上是星河AI网络，大模型纪元的运力答案的详细内容。更多信息请关注PHP中文网其他相关文章！
