从内容生成、游戏开发、到自动化助手、机器人控制……AIGC这项“黑科技”，正在更多领域发挥着作用，并逐渐向行业渗透。例如，在数字政府场景，通过融合AIGC和数字人技术，可以提供个性化的政务服务和咨询，优化政府与公民的互动方式，提升政务服务的质量和效率。目前，AIGC主要聚焦在大模型训练、MaaS模型服务、AIGC推理三大应用场景，其中大模型训练是各新兴企业竞相争逐的主要场景。
“没有好网络，别玩大模型。” 要建设大规模训练模型集群，除了需要GPU服务器、网卡等基础组件，也需要解决网络搭建的问题。网络对于大模型集群的算力释放和可靠运行至关重要，如何构建符合大模型集群计算要求的网络系统，是推进AIGC发展的关键之一。
AIGC大模型训练 对网络系统的“三超”要求
在大模型训练过程中，有三种流量模型，分别是张量并行、流水线并行、数据并行。人们熟知的ChatGPT3，采用128台A100服务器，共计1024个A100卡训练，这样单服务器节点需要4个100G网络通道;而ChatGPT4、ChatGPT5等其它大模型，对于网络的需求会更高。浪潮网络认为大模型训练对于网络的要求可用“三超”网络来概括，即：超大规模、超高带宽、超强可靠，以保障网络稳定、可靠运行，为大模型训练提供强有力的支持。
而要解决“三超”网络的挑战，就需要着重思考如何建设符合大规模训练的组网方案。从组网架构上看，当前AIGC组网一般多采用胖树架构，具有高带宽、低延迟的特性，以及较好的可拓展性。而在组网协议上，当前业界主流的是基于IB、及RoCE两种无损网络技术，两种技术都可以很好的满足大规模训练高带宽、低延迟的要求。IB的延迟足够低，而RoCE在开放性、性价比、及易维护性几方面更胜一筹。
浪潮网络融合趋势与驱动 打造基于RoCE的智能无损网络解决方案
浪潮网络作为云边协同智慧网络引领者，密切关注市场发展及变化，推出了基于RoCE的智能无损网络解决方案，助力AIGC“三超”网络的打造，其具备如下优势：
一是多协议、多场景的融合。在大规模集群中，往往存在通用计算集群、AI/HPC集群、存储等多种场景，传统方案是部署以太网、IB、FC等多套网络及多种协议，各协议之间互不兼容，大大增加了管理和维护的难度。而浪潮网络基于RoCE的智能无损网络解决方案，可以适配通用计算、AI/HPC、存储等多种场景，并实现以太/IB/FC三网融合。这样从维护多张网络到维护一张网络，大大降低了整体建设和维护成本。
二是智能弹性、动态调整。在大规模集群训练中，要求整个集群可以快速部署与交付，在节约训练时间的同时，尽可能减少宕机等故障的发生。在浪潮网络基于RoCE的智能无损网络解决方案中，通过数字化网络引擎IDE可以实现集群网络的自动化部署，加速业务上线。并实时监控设备与链路的负载和健康状态，如CRC错包，端口带宽百分比、队列缓存，CNP及Pause反压帧等，完成故障的快速定位及智能分析，实现基于业务的网络跟踪。此外，还可以提供北向标准API接口，能够与上层计算平台进行对接，实现算网联动，更好的释放集群算力。
此前，浪潮网络基于RoCE的智能无损网络解决方案，已在教科研客户项目中得以应用，方案可充分满足通用计算集群、GPU加速集群、异构计算集群、分布式存储集群、全闪存存储集群等多场景，对于网络的高带宽、低延迟连接需求，帮助客户构建满足AIGC发展的整体网络架构。
未来，浪潮网络将持续优化基于RoCE的智能无损网络产品方案能力，同时深入研究基于UEC的网络并创新引领支持UEC的产品，帮助客户成功。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
