中國工程院院士劉韻潔：確定性網絡是中國算力網建設的重要基礎

21世紀經濟報道記者駱軼琪 鄭州報道

作爲AI大生態的一部分，隨着大模型快速發展，“運力”的核心部分網絡傳輸的技術升級訴求也日益迫切起來。

在9月28日舉行的2024中國算力大會上，中國工程院院士劉韻潔在發言時指出，確定性網絡是中國算力網建設的一個重要基礎。

從產業背景來看，今年1月，國家數據局和工信部等17部門聯合印發《“數據要素×”三年行動計劃（2024-2026）》，而數據要素是人工智能最重要的基礎。同月，工信部等七部門聯合印發《關於推動未來產業創新發展的實施意見》，從技術角度明確提出，加強新型網絡架構研究，加快促進關於低時延、智能互聯的要求。7月，黨的二十屆三中全會在公告中首次提出，建設和運營國家數據基礎設施，促進數據共享。數據基礎設施的重要內容就包括網絡、算力、傳輸交換平臺、安全。

劉韻潔指出，隨着AI發展，在智能時代的數據傳遞與計算，對網絡提出三大新挑戰：一是“AI大模型”對算力提出巨大需求，由此對網絡有新需求、新標準，需要1萬個GPU進行協同計算；二是“空間計算”的出現，開啓前所未見的虛擬時代，雖然蘋果發佈的Vision Pro價格高昂，但Meta最新發布的Quest 3S價格在300美元，這類產品對算力與時延同時提出要求，需要提供更高速率、更低時延；三是“具身智能”構築未來工業智能機器人，特斯拉人形機器人Optimus的最終目標是取代人類完成勞動，具備精準操作的能力，這對算力、時延、可靠性提出新要求。

由此，時延敏感型、計算密集型是智能互聯網時代新型網絡業務的兩個最核心特徵。

劉韻潔指出，當前國內算力產業面臨的現狀是，一方面，大模型算力需求激增，算力組網需求迫切，網絡帶寬成爲瓶頸；在過去5年時間，GPU算力增長近90倍，但網絡帶寬僅增長10倍，模型訓練時間也隨之增長。帶寬瓶頸逐漸顯現。

另一方面，廣域算力資源互聯共享需要解決並行協同計算來提升算能；遠程使用算力資源，需要提升傳輸效率、節約傳輸成本。這些都需要確定性網絡提供支撐。

以美國微軟公司爲例，Azure雲遊70%以上的流量都使用RDMA協議，在2023年初步實現80KM廣域RDMA互聯；國內華爲公司也提到，在100GE環境下，8節點的VGG16模型訓練RDMA性能是TCP的8倍多。因此，構建“無損確定性廣域傳輸能力”成爲算力高效傳輸互聯的重要基礎。

同時，國家數據局下發的《數據基礎設施建設（試點試驗）任務書——數據流通方向》中提到，加快推動數聯網數據流通利用基礎設施建設，開展數聯網基礎設施建設任務。在投標方面提出，要求千公里傳輸抖動不高於50微秒，傳輸效率要大於90%、丟包率要小於十萬分之一併支持跨域網絡資源統一調度和編排。

要實現這些指標，沒有確定性網絡技術完成不了。因此確定性網絡是中國算力網建設的一個重要基礎。

從國際態勢看，美國正在構建能源科學網絡（ESnet），這實際上是美國的“科研算力網絡”，其在2022年10月升級到第六代，2023年迅速發佈了第七代，就是因爲發現網絡環境滿足不了算力的需求。

在ESnet網絡的下一步技術和能力規劃中，提到的其中三個目標：端到端的確定性網絡能力；網絡可編程、可重構、可定製；整個網絡資源的一體化調度——這三個能力，中國的團隊都已經實現了。

劉韻潔綜合分析，“以網強算”成爲我國提升綜合算力的新路徑。讓網絡與算力深度融合，構建“全域超級計算機”，讓超算、智算、通算等各類型計算能力，通過計算機總線技術連接在一起，才能更好賦能數字經濟發展。

這就需要確定性網絡體系架構的不斷迭代開發。舉例來說，目前的互聯網只是普通馬路，通過確定性網絡要實現算力網成爲高速公路，進而滿足算力需求。

劉韻潔還指出，目前中國在通用大模型方面與國際領先水平短期內還有差距，但也要重視發展行業大模型。“如果在通用大模型的基礎上，把行業數據訓練好、行業大模型做好，完全可以走出中國自己的道路。”劉韻潔指出。

他分析道，因爲中國的行業數據最爲完整和全面，但這需要政府、企業、資本等多方共同解決課題，纔是真正支持實體經濟、新質生產力發展的必然渠道。