

联想万全异构智算研发团队的论文被IEEE CyberSciTech 2025大会接收,并即将收录于IEEE DL和EI Indexed。联想提出的创新性RNL技术,通过多维感知、路径负载均衡优化与增量流量迁移,有效解决了AI训练与推理场景中RoCE网络负载均衡的长期难题。
随着大语言模型参数规模爆发式增长,AI集群规模不断扩大,RoCEv2已成为AI网络的主流协议。然而,AI训练与推理基于通信原语进行数据传输,容易导致网络流量呈现“低熵、大象流”特征,引发负载不均和链路拥塞,制约带宽利用率与整体性能。
联想提出的RNL技术构建了“多维感知+路径负载均衡+增量迁移”闭环体系,包括多维感知机制、路径负载均衡优化和增量流量迁移技术。未来,联想计划将RNL技术扩展至高性能存储、HPC等场景,并引入深度学习算法优化拥塞预测能力,在大型AI集群中验证其综合性能。