AI与网络的融合演进经历了初步探索、快速发展、深度融合三个阶段。初步探索期以深度学习突破为标志,网络主要承担数据传输功能;快速发展期,大模型时代到来,网络架构和协议开始适配AI需求;深度融合期,AI与网络双向赋能,形成闭环发展阶段。
AI工作负载对网络基础设施提出高带宽、低延迟、高可靠性、可扩展性等需求,推动网络架构变革和性能演进。AI集群网络拓扑主要包括Fat-Tree和Dragonfly两种结构,分别适用于不同规模的GPU集群。
面向AI的高性能网络关键技术包括ScaleUp技术(如NVLink、UALink、SUE、OISA等)和ScaleOut技术(如InfiniBand、RoCEv2、UEC等),以及前沿突破技术(如确定性广域网技术DetNet、DIP、CSQF、长距RDMA、确定性光电融合技术等)。这些技术为AI训练、推理和分布式AI应用提供高效保障。
典型应用实践案例展示了AI网络在移动云、天翼云、阿里云、奇异摩尔、第一线、微众银行、益思芯等企业的应用,涵盖了大规模AI模型训练、实时推理、智能制造、智慧教学等场景。
AI网络未来发展趋势包括网络与计算深度融合、AI网络定制化演进、生态开放与协同创新、绿色低碳网络基础设施等。
AI赋能网络(AIforNetwork)技术包括意图驱动网络(IDN)、数字孪生网络(DTN)、智能网络大模型、联邦学习等,通过AI技术提升网络智能化水平,实现网络的智能自治。
典型应用实践案例包括中国联通、中国移动、中国铁塔、华为、中兴通讯、京东云等企业的应用,展示了AIforNetwork在无线网络优化、网络智能化运维与优化、自智网络等方面的应用成果。
AIforNetwork未来发展趋势包括大模型在网络领域的深度应用、自主进化的网络智能体系、网络即服务(NaaS)模式普及、生态系统开放与协同创新等。
AI网络发展十大趋势包括从通用互联到智算中心网络范式、从独立层级到超融合无中心架构、从尽力而为到确定性智能协议栈、从云为核心到泛在云边端智能协同、从被动配置到意图驱动智能调度、从数据集中到隐私优先联邦协同范式、从功能附加到原生智能网络内核、从千网一面到知识内化行业专网、从传统互联网到智能体互联网、从算网分离到算网电融合共生等。