在4月23日召開的“2025云網智聯(lián)大會”上，SNAI推委會榮譽主席、原中國電信科技委主任韋樂平發(fā)表“大模型驅動下智算網的發(fā)展趨勢”主題演講。他表示，當前智算中心遍地開花，國內超280個，但GPU利用率很不均衡，飽的撐死，餓的餓死，平均不到30%。機內總線帶寬與機間網絡帶寬不匹配，機間網絡帶寬太窄，算效不高。機內總線架構的開放性、兼容性和擴展性不理想。缺乏可盈利的商業(yè)模式。

韋樂平表示，生成式人工智能的聯(lián)網技術主要包括 以太網 、IB（InfiniBand）、芯片光互連、PCIe、CXL（ 計算機 快速鏈路）、OCS（ 光纖 交換）等。

以太網是世界上規(guī)模最大的低成本聯(lián)網技術，但是，其傳統(tǒng)形態(tài)和協(xié)議已經不能滿足大集群聯(lián)網的苛刻性能需求。目前有三個改進方向：RoCE是一種基于以太網的RDMA。允許直接訪問遠程節(jié)點內存，減小了數據傳遞時延，降低了CPU的使用率。適合GenAI應用的需求；無損以太網在現有以太網基礎上進一步采用先進的流控、改進擁塞處理、優(yōu)化哈希算法等新技術，性能大為改進，但是長尾時延仍偏高（5-10us），趕不上IB（1us），適合不高于2000GPU互連場景；超級以太網聯(lián)盟（UEC）從物理層、鏈路層、傳輸層和軟件層全面改進以太網，具有優(yōu)異的負荷均衡、更好的網絡利用率和更短的時延，滿足GenAI和HPC所需，同時保留以太網生態(tài)系統(tǒng)的優(yōu)勢，期望性價比全面趕超IB。預計2026年起量。

IB是一種用于高性能計算的計算機網絡，具備高 寬帶 、高擴展、高可靠、無阻塞、超低時延（1us）的特點。但其需要采用專用硬件IB 交換機 和IB 網卡 ，成本較高，擴展性受限，產業(yè)生態(tài)較弱，過于封閉，由英偉達獨家控制。最適用高性能計算和高質量大模型訓練場景。

此外，芯片光互連技術還不成熟，標準缺失，預計最快2026年有產品；PCIe是一種計算機串行擴展總線技術。2025年計劃發(fā)布PCIe7.0版本，期望進一步提升至128GT/S能力；CXL是一種架構在PCIe串行總線上的新接口協(xié)議和高速互聯(lián)技術，長期看，CXL將導致現有 服務器 架構的解構，將處理、內存分別納入不同物理模塊，使能資源的查詢和共享，適應大集群的訓練需要和高性能計算的需要；OCS是一種以光纖通道為交換顆粒的大容量交換，近中期主要替代AIDC中的Spine層的電交換機，長期會進一步向外擴展。

韋樂平還提到了大模型訓練智算拉遠的思考。市場需求層面，以網補算，提升閑散智算中心算力資源利用率。面對大批分散部署、利用率很低的小規(guī)模智算中心，若能通過網絡互聯(lián)形成一個大型的邏輯智算池來適應規(guī)模日益增長的大模型訓練，有望大幅提升閑散智算資源的利用率。

邁向未來，跨域訓練是必然趨勢。據統(tǒng)計,大模型參數每1-2年增長10倍，而對應的GPU芯片的算力僅增長2-4倍，遠低于模型規(guī)模的增速。隨著模型規(guī)模的日益擴大，單體的算力、電力、空間資源終將受限，可能需要在園區(qū)甚至更大范圍內由多個智算中心互聯(lián)形成一個超級邏輯智算資源池，進行聯(lián)合訓練才有可能支撐超大模型的訓練。至于推理與具體業(yè)務場景和訪問量相關，更需要跨域實施。

談及大模型訓練智算拉遠的挑戰(zhàn)，他表示，在復雜的商用場景下，面臨大量不同功能、性能的異構GPU、規(guī)模不同的AIDC的互聯(lián)、不同業(yè)務場景、不同設備和不同組網方式、不同模型和不同參數的協(xié)同挑戰(zhàn)。

技術層面，存在帶寬收斂問題。無收斂帶寬普適性和前瞻性好，部署快，但成本太高；收斂比4-8時，帶寬成本可以降至10%之內，但是只適用特定業(yè)務場景下的特定模型拆分方式，缺乏普適性和前瞻性。同時，還存在功能和性能問題。拉遠后必然面對丟包、抖動乃至中斷故障等諸多挑戰(zhàn)，對R0CE網絡的功能和性能有不少嚴格的要求。

統(tǒng)一管理和運維層面，現有固化的組織架構和生產流程不適合快速部署邏輯統(tǒng)一的異地智算中心，需要對現有管理運維體系、生產流程、監(jiān)控管理平臺改造升級。