AI时代已经来临。大模型等新兴AI应用需求海量的算力支撑，一座座智算中心拔地而起，规模庞大的万卡集群逐渐投入商用。如何更好地实现智算中心互联，服务AI应用创新发展，业界做了大量研究工作。
1月16日，作为“2025中国光通信高质量发展论坛”的开篇之作，“智算中心互联：算网协同，构筑智算互联新底座”线上研讨会顺利召开，会议邀约产业链专家代表，围绕智算中心间跨地域、跨层级、跨主体、高可靠的算力协同与调度，以及智算中心互联关键技术等话题展开了深入探讨。腾讯光网络架构师李方超应邀作了题为《 超大规模横向扩展网络》的主题报告。在报告中，李方超针对AI大模型飞速发展对于网络提出的全新挑战与需求进行了深入分析，并详细介绍了腾讯针对网络超大规模扩展所打造的MegaScaleOut软硬件创新解决方案。以算力换智力存在物理上限 跨IDC的ScaleOut成为刚需大模型的能力每2-3年就会上一个全新的台阶，同时伴随着GPU规模相应扩大了数倍乃至数10倍。如今，大模型训练已从早期GPT3的千卡规模迅速扩展至GPT5的10万卡规模。显然，AI的发展与GPU资源线性相关。不过，以算力替换智力天然存在物理资源上限。“从业务的需求与物理供给之间的矛盾可以推断出，大园区的扩展是必然的。”李方超在演讲中介绍道，参考国际市场发展来看，以谷歌、微软、Meta为代表的北美巨头们正在积极布局算力园区，这些Hyperscalers通过在自己的优势区域部署多个子园区，以3-4个IDC的方式共建一个超大规模的算力集群，以此来实现对于电力的供应和投资安全的保证。作为对比，在国内环境中，如果想训练一个对标GPT5或者Llama4的大模型，由于GPU的性能限制，我们可能需要更多的GPU来实现相同的算力。同时，随着多模态训练的到来，不同型号、不同性能的GPU对应不同类型的训练存在最优选择，这对于网络的灵活和任务分配带来了更多挑战。此外，由于交付与工程的因素，会存在不同型号的GPU与不同厂商的GPU混布在同一个IDC的可能，这些最终会导致出现GPU碎片池化的问题。“因此，结合AI的发展和规模的限制，跨IDC的ScaleOut可能会成为刚需。”李方超强调。跨IDC ScaleOut存在多重挑战 IP与光的融合成为最优解他进一步分析称，当进入到DCI以后，收敛比与可靠将变成一个全新的挑战。对于DCI出口而言，大象流是一个需要解决的问题。不过，通过优化拥塞控制算法与扩容带宽等方式，便可以有效应对高并发需求。更大的挑战在于解决可靠性问题，这主要归因于跨机房之后对于光缆的不可控。相比传统网络来说，无损系统在带宽下降的时候会直接影响算力能力，网络抖动与丢包也会直接影响RDMA的性能，光缆故障与抖动成为新的变数。“根据我们的测算，在丢包0.1%数据的情况下，RDMA的吞吐量会下降10%，因此从机房内到机房间，对于跨IDC的场景，带宽充裕、链路可靠是必备的基本需求。”李方超分享了一组详细的测试数据，并指出无法简单通过光缆与设备来换取可靠性的绝对提升，其中深层次的原因在于“交换机无法实时预见到即将到来的劣化和故障”。于是，腾讯光网络团队意识到，如果可以让交换机快速地了解物理层到底发生了什么，使交换机有时间去提前执行预定好的策略，并规避物理层的一些变化，这对于IDC的无损网络来说非常有意义。因此，该团队提出，IP与光的融合是跨园区无损网络的最优解。李方超谈到，“针对IP over DWDM，我们正积极推动光器件的小型化与标准化，也即微光学模块。这一次我们将通过这些创新，让IP与光可以真正地拉近，实现打破硬件的隔阂，完成真正的融合。通过相干芯片与交换芯片的融合创新，我们让交换机具备了物理层健康度的评估能力，为跨IDC的Scaleout做好了一切准备。”此外，他还详细介绍了腾讯在ODCC立项的MegaScaleOut项目组，及其在IP over DWDM当中的全新硬件DTS在解决DCI可靠性问题方面的应用，以及通过OCS全光交换设备解决DCI侧应用解决容量按需分配的应用。
CIOE信息通信展是亚太地区极具影响力的信息通信技术专业展览会，集中展示芯片、材料、器件、模块、设备、方案等全产业链的新产品技术和市场新趋势，并重点展示半导体材料与设备，全方位服务于电信、数据中心、新兴市场，着力为通信芯片商、器件商、设备商、工程商、运营商、互联网等企业搭建集品牌展示、商贸对接、资源整合及市场开拓为一体的专业交流平台。
