人工智能計算數據中心橫向擴展（Scale-out）網絡技術要求標準立項發展報告

人工智能計算數據中心橫向擴展（Scale-out）網絡技術要求標準立項發展報告StandardizationDevelopmentReport:TechnicalRequirementsforScale-outNetworksinArtificialIntelligenceComputingDataCenters摘要隨著人工智能技術的飛速發展，特別是大模型訓練和推理對算力需求的指數級增長，傳統數據中心網絡架構已難以滿足大規模分布式計算的性能要求。計算數據中心橫向擴展（Scale-out）網絡作為支撐AI集群高效運行的核心基礎設施，其標準化工作迫在眉睫。本報告基于行業標準YD/T6960-2026《人工智能計算數據中心橫向擴展（Scale-out）網絡技術要求》的立項背景，深入分析了當前AI算力網絡面臨的技術挑戰，如高帶寬、低時延、無損傳輸及大規模拓撲組網等。報告詳細闡述了該標準的編制目的、核心內容框架，并介紹了主導編制單位之一——中國信息通信研究院及其在通信與計算融合領域的深厚積累。報告指出，該標準的制定將填補國內在AIScale-out網絡技術規范領域的空白，為數據中心網絡規劃、設備研發、系統集成及運維管理提供權威依據。展望未來，隨著技術迭代與應用深化，該標準將為構建高效、開放、智能的算力基礎設施生態奠定堅實基礎。關鍵詞：人工智能；計算數據中心；橫向擴展網絡；網絡技術要求；高速互聯；無損網絡；標準化發展EnglishKeywords：ArtificialIntelligence;ComputingDataCenter;Scale-outNetwork;NetworkTechnicalRequirements;High-speedInterconnect;LosslessNetwork;StandardizationDevelopment正文1.引言在數字經濟時代，人工智能被普遍認為是引領新一輪科技革命和產業變革的關鍵技術。特別是以GPT、BERT等為代表的大規模預訓練模型，其參數規模和訓練數據量已突破萬億級別，對底層算力基礎設施提出了前所未有的挑戰。傳統的縱向擴展（Scale-up）模式，即通過提升單機性能來應對算力需求，在性價比、功耗及物理極限方面已遭遇瓶頸。因此，采用多節點并行訓練的橫向擴展（Scale-out）模式成為主流。Scale-out網絡，即連接AI集群中成千上萬個計算節點（如GPU服務器、AI加速卡服務器）的互聯網絡，是支撐分布式訓練高效運行的關鍵。“算力”的發揮，很大程度上取決于“網絡”的優劣。當前，業界普遍采用基于高速以太網或InfiniBand等技術的Scale-out網絡，但技術路線多樣，缺乏統一的技術要求和評測規范，導致不同廠商產品之間互聯互通性差、系統整體性能難以保證。在此背景下，制定《人工智能計算數據中心橫向擴展（Scale-out）網絡技術要求》行業標準（標準編號：YD/T6960-2026）顯得尤為必要。該標準由中國通信標準化協會（CCSA）歸口管理，是郵電通信領域的行業標準，旨在規范AI計算數據中心Scale-out網絡的技術架構、關鍵性能指標、協議兼容性及管理接口等，引導產業鏈健康有序發展。2.標準制定背景與意義2.1技術發展驅動力自2020年以來，AI模型規模以每年10倍以上的速度增長，單次訓練的計算量動輒達到千萬億次（PFLOPS-day）。例如，訓練一個萬億參數的模型，若使用單卡GPU，耗時數年不可接受。通過千卡、萬卡甚至更大規模的GPU集群并行訓練，成為唯一可行的路徑。這種大規模并行訓練對網絡提出三大核心訴求：1.高帶寬：通信數據量巨大，模型參數、梯度等同步操作消耗海量帶寬。單GPU卡對網卡帶寬需求從25Gbps迅速提升至100Gbps、200Gbps乃至400Gbps/800Gbps。2.超低時延：分布式訓練采用同步或異步的All-Reduce、All-to-All等通信模式，網絡時延直接影響訓練效率。微秒級的時延增加，將導致GPU等待，造成巨大的算力浪費。3.無損與零丟包：傳統的以太網TCP/IP協議在丟包后重傳機制會引入毫秒級甚至秒級延遲，嚴重破壞訓練效率。因此，基于RoCEv2（RDMAoverConvergedEthernetversion2）等無損網絡技術成為主流，要求網絡實現零丟包傳輸。2.2產業現狀與標準化需求當前，市場主流方案包括：-InfiniBand：以高性能著稱，但生態封閉，成本高昂，存在供應鏈風險。-RoCEv2+高速以太網：開放、成本可控、生態豐富，逐漸成為多數互聯網和AI企業的首選。但不同廠商的交換芯片、網卡、光模塊在實現RDMA擁塞控制、PFC流控等方面的細節差異，導致跨廠商組網性能不穩定，甚至無法兼容。目前，國內缺乏針對AIScale-out網絡系統的統一技術要求標準。各企業自行定義組網規范，導致產品選型困難、驗收標準缺失、跨廠商故障定位困難。因此，亟需制定一項權威標準，明確AIScale-out網絡在拓撲、性能、協議、管理等方面的最低技術要求，統一行業共識，降低用戶使用門檻，提升國產化設備競爭力。2.3法規與政策支撐3.標準主要內容與技術框架YD/T6960-2026規定了人工智能計算數據中心用于承擔分布式AI訓練/推理任務的Scale-out網絡的總體技術要求。標準內容涵蓋以下幾個核心方面：3.1網絡拓撲架構標準對不同規模的AI集群提出了推薦的網絡拓撲結構，包括：-Fat-Tree（胖樹）：適用于中等規模集群，實現非阻塞或過用比可控的通信。-Dragonfly+/3DTorus：適用于超大規模（萬卡級）集群，優化全局一跳（hop）性能，降低組件成本。-分層級組網要求：明確Spine層、Leaf層、超Spine層的端口速率、間距、冗余要求。3.2關鍵性能指標標準定義了AI訓練場景下網絡的關鍵性能基準：-最大有效帶寬利用率：定義在大規模All-Reduce操作下的實際帶寬利用率，要求≥95%（特定大小數據包）。-端到端時延：定義GPU到GPU的通信時延，包括網卡、光模塊、交換機SerDes、FEC（前向糾錯）等各部分時延預算。-丟包率：在100%線速負載下，要求不超過1×10?12（極低丟包率）。-擁塞控制效率：定義PFC及ECN（顯式擁塞通知）的響應時間及穩定狀態下的隊列深度。3.3無損網絡協議要求-RoCEv2支持：強制要求設備支持RoCEv2協議棧（IBBTH+UDP+IP+L2），并支持基于DCQCN（DataCenterQuantizedCongestionNotification）或類似機制的擁塞控制算法。-PFC（優先級流控）：規定PFC的配置策略、風暴抑制、死鎖防護要求，避免因流控導致網絡振蕩。-QoS與流量調度：定義對不同類型流量（如All-Reduce、參數同步、管理流量）的分類及優先級調度機制。3.4網絡管理與運維-可視化：要求支持實時采集GPU與網卡之間的通信矩陣、帶寬占用、擁塞隊列深度等信息。-自動化：定義AI訓練Job級聯的網絡資源動態分配與釋放接口。-故障診斷：提供針對RoCEv2會話的統計信息，便于快速定位“慢節點”或“慢鏈路”。3.5環境適應性及可靠性-電源冗余：支持獨立的電源模塊，支持熱插拔。-散熱與功耗：滿足典型數據中心環境溫度（5℃~45℃）及濕度的要求，并給出單位性能功耗比指標建議。4.主要參與單位介紹：中國信息通信研究院在本標準（YD/T6960-2026）的編制過程中，中國信息通信研究院（簡稱“中國信通院”）發揮了核心主導作用，是該標準的主要起草單位之一，負責整體技術框架的制定、關鍵技術指標的論證以及標準草案的編寫。中國信息通信研究院始建于1957年，是工業和信息化部直屬的科研事業單位，是國家在信息通信領域最重要的支撐單位。經過六十余年發展，中國信通院已成為國際知名的信息通信與數字技術研究機構，在行業標準制定、政策研究、測試認證、產業生態建設等方面具有深厚的積累。在該標準領域的專業貢獻包括：1.技術洞察與頂層設計：中國信通院云計算與大數據研究所長期跟蹤全球AI基礎設施的發展趨勢。早在2021年，該院即啟動了面向AI大規模集群的“智算中心網絡”專項研究，發布了多份白皮書（如《智算中心網絡技術白皮書》），深入剖析了Scale-out網絡與普通數據中心網絡的差異，為本標準的技術方向奠定了理論先導。2.測試驗證與產業協同：依托其建設的國家級“算力并網”及“數據中心網絡”測試驗證平臺，中國信通院組織開展了面向主流交換芯片（如Marvell、博通、盛科、華為等）及計算芯片（如NVIDIA、華為昇騰、寒武紀等）的Scale-out網絡互聯互通測試。測試中發現并定義了多項關鍵問題（如不同RoCEv2擁塞控制算法的兼容性、PFC死鎖的觸發條件等），并將部分測試項轉化為了標準中的規范性要求。3.標準生態的構建者：中國信通院牽頭成立了“智算網絡技術工作組”等產業平臺，聯合華為、中興、新華三、銳捷網絡、字節跳動、百度等數十家產業鏈上下游企業，共同推動標準的研討、驗證和落地。其具備的國際標準話語權（如ITU-T、IETF、IEEE等），也確保了本標準具備國際先進水平，并能為中國技術走向國際預留接口。通過上述工作，中國信通院確保了YD/T6960-2026標準既具有前瞻性、技術先進性，又具備切實的可操作性和產業共識基礎。5.結論與展望《人工智能計算數據中心橫向擴展（Scale-out）網絡技術要求》（YD/T6960-2026）的發布，標志著我國在構建AI算力基礎設施標準體系方面邁出了堅實一步。該標準系統性地解決了當前AI大模型訓練場景下網絡建設所面臨的性能、兼容性、運維等方面的共性問題，為面向AI的計算數據中心提供了權威的組網指南。標準核心價值：1.提升AI算力利用率：通過明確高帶寬、低時延、無損網絡的具體指標，指導網絡建設，最大化發揮GPU算力。2.促進產業開放與競爭：統一技術要求有利于降低不同廠商設備間的互聯互通門檻，打破封閉生態，促進良性競爭，降低用戶成本。3.保障供應鏈安全：鼓勵符合標準的國產交換、光模塊、網卡等產品研發，有助于構建自主可控的AI算力產業鏈。未來發展展望：可以預見，隨著標準在2026年9月1日正式實施，將吸引更多企業采納，逐步形成以YD/T6960-2026為核心的“智算網絡”產品認證體系。未來，該標準將面臨持續的演進需求：-面向超萬卡集群的演進：隨著網絡規模擴展到十萬卡級，對網絡拓撲的物理距離、光電混合互聯、新型擁塞控制算法將提出更高要求，標準需要迭代更新。-