本文版权为《邮电设计技术》所有，如需转载请联系《邮电设计技术》编辑部
摘要：AI大模型训练、高性能存储等业务应用场景提出了海量规模的计算需求，与传统数据中心业务相比，在流量模型和网络需求方面有着显著区别，驱使传统的数据中心网络向智算中心和无损网络转型。从智算中心和无损网络的发展背景入手，分析了当前智算中心网络存在的问题，探索了智算中心网络流量调度的关键技术，并进行了流量调度平台的研发实践，为智算中心网络发展和应用提供思路。
关键词：智算中心；无损网络；大模型训练
doi：10.12045/j.issn.1007-3043.2024.04.003
概述
1.1 智算中心发展现状
智算中心与传统数据中心在建设目的、应用领域和主要特征方面存在显著差异。在建设目的方面，传统数据中心主要致力于提供 IT 资源支持，包括计算、存储和网络等基础设施服务。其设计核心在于支持企业日常运营、业务处理和信息系统托管，确保数据安全存储及业务连续性。相较之下，智算中心不仅提供基础数据存储和处理能力，更专注于智能计算领域，特别是针对人工智能算法的训练、推理和大数据分析等复杂计算任务。智算中心的目标是推动各行各业的数字化和智能化转型，促进产业 AI 化和 AI 产业化。在应用领域方面，传统数据中心广泛应用于各类企业和组织的信息系统，如企业资源规划（ERP）、客户关系管理（CRM）、数据库服务和内部办公系统等，覆盖范围广泛，但主要集中在传统行业。而智算中心主要服务于人工智能、机器学习、深度学习和自然语言处理等领域，满足新兴智能化应用的需求。在主要特征方面，传统数据中心主要提供基础设施即服务（IaaS）、软件即服务（SaaS）和平台即服务（PaaS），包含大量标准化的服务器、存储设备和网络设施，但通常不针对高性能或异构计算进行优化。其运维和管理相对独立且为静态的，资源扩展性受限，灵活性和自动化程度因技术和管理水平而异。相反，智算中心主要提供任务式服务（TaaS），强调计算性能和能效比的高度优化，以 GPU 为核心的智能算力，具备大规模存储和高速数据处理能力。智算中心在结构上更倾向于模块化和弹性扩展，同时需具备自动化和智能化的运维能力。
