陪伴着智算技术的发展，，，，，，，越来越多的钻研批注在 AI 训练达到肯定规模下能力才会涌现，，，，，，，在AI大模型的扩大定律和涌现能力的驱动下，，，，，，，AI大模型的参数规模越来越大。。。。。。国内表业界已出现多个万亿参数模型，，，，，，，十万亿参数模型在不远的将来也有望问世。。。。。。公开资料批注，，，，，，，GPT-4 的参数体量比 GPT-3 增长了 10 倍，，，，，，，达到 1.8 万亿参数。。。。。。国内的盘古、悟路大模型，，，，，，，其参数规模同样超过了万亿。。。。。。

 注：数据截至23年3月，，，，，，，资料起源：北京智源人为智能钻研院，，，，，，，中金公司钻研院

 美国本地功夫7月22日，，，，，，，特斯拉CEO埃隆·马斯克在旗下社交平台X上暗示，，，，，，，xAI团队、X团队、英伟达及其他支持公司已经于本地功夫凌晨4时20分隔始在“孟菲斯超等集群（Memphis Supercluster）”上进行训练。。。。。。“孟菲斯超等集群”由10万个液冷H100 GPU组成，，，，，，，在单个RDMA结构上运行，，，，，，，是“世界上最壮大的人为智能训练集群”，，，，，，，该集群将被用于训练xAI旗下第三代大说话模型Grok-3。。。。。。大规模AI推算从万卡进入到十万卡时期。。。。。。

大规模智算集群必要高机能的网络衔接，，，，，，，以保障各智算节点间的通讯效能、数据吞吐和整个智算集群的算力机能。。。。。。这对智算网络提出了新的挑战。。。。。。

在基础训练模型中，，，，，，，一方面多工作混合部署，，，，，，，传统以太网源端发流直接选取网络“Push”流量模式，，，，，，，不思考网络及接管端的接受能力，，，，，，，导致网络拥塞，，，，，，，使得 GPU 处于期待状态，，，，，，，造成梯度和参数同步过程中算力资源浪费较大，，，，，，，传统的 RoCE 网络有效吞吐仅为 50%；；；；；另一方面，，，，，，，智算集群网络流量出现出数据流数量少、单流流量大的特点，，，，，，，在传统网络平衡算法下容易引发HASH 矛盾，，，，，，，造成链路丢包，，，，，，，导致训练异常中断，，，，，，，极大影响训练效能。。。。。。时期呼叫 “零丢包”、“高吞吐”、“低时延” 为主题特点的无损智算网络设备，，，，，，，来解决超大规模 AI 推算通讯效能低的问题。。。。。。

当前全球已商用的智算网络技术，，，，，，，重要有2大门户：

门户1：IB（InfiniBand）网络，，，，，，，是目前市场占有率最高的智算网络解决规划，，，，，，，IB 技术较为封关，，，，，，，市场根基被英伟达垄断，，，，，，，不切合全球盛开生态的产业共识。。。。。。

门户2：RoCE（RDMA over Converged Ethernet）网络，，，，，，，RoCE宽泛利用于必要高带宽和低延长的网络，，，，，，，在传统的通算领域有很高的占有率，，，，，，，但是RoCE在智算网络中存在流量HASH极化的问题，，，，，，，必要辅助以各类平衡调参进行智算网络的适配。。。。。。

为了更好的提升智算网络机能，，，，，，，更好的服务于大规模 AI 推算，，，，，，，出现了更多的新型技术门户：

新技术门户1：UEC（Ultra Ethernet Consortium）网络，，，，，，，2023 年 7 月Linux 基金会与全球头部科技企业结合成立 UEC 以太网创新同盟，，，，，，，其首创成员蕴含AMD、Arista、博通、思科、HPE、Intel、Meta、微软、Oracle和Eviden，，，，，，，致力于从物理层、链路层、传输层、软件层改进以太网技术的改革，，，，，，，来满足 AI 推算网络的需要。。。。。。

新技术门户2：GSE(Global Scheduling Ethernet)网络，，，，，，，中国智算中心的建设热潮始于 2020 年，，，，，，，目前已有 40 多个城市在建设或在建智算中心。。。。。。智算中心建设措施加快，，，，，，，但国内的网络技术发展却滞后于 AI 大模型的演进。。。。。。AI 网络技术上的竞争已经成为中美技术博弈的新战场。。。。。。在这样严格的局势下，，，，，，，2023 年 5 月，，，，，，，中国移动结合产业界颁布了全调度以太网（GSE）白皮书，，，，，，，同年8 月全调度以太网推动打算正式开启，，，，，，，标志取拥有中国自主技术的 GSE 门户正式诞生。。。。。。
 

GSE 是一个盛开的生态组织，，，，，，，2023 年 9 月，，，，，，，中国移动颁布GSE 互换机原型系统样机。。。。。。2024 年 1 月在移动尝试室实现了GSE 互换机多厂商设备的互联互通测试。。。。。。 

GSE 网络，，，，，，，专为大规模 AI 训练集群打造

按需调度，，，，，，，机能无损

GSE 网络基于 PKTC 容器技术，，，，，，，实现了高精度的网络负载平衡，，，，，，，从底子上改善了传统 AI 算力网络链路的带宽利用率；；；；；选取基于 DQSQ 的信令申请调度技术，，，，，，，数据流以“Pull”的方式进行转发，，，，，，，突破了传统以太网的机能瓶颈，，，，，，，网络机能提升至 95%以上。。。。。。

在多业务部署场景下，，，，，，，相较于传统 RoCE 网络机能大幅降落，，，，，，，GSE 互换机能维持与单业务场景吃旖的网络转发机能，，，，，，，大幅提升网络效能。。。。。。

场景矫捷，，，，，，，急剧部署

GSE纯网侧规划即可满足智算无损需要，，，，，，，可搭配国产 GPU 集成网卡，，，，，，，降低端侧网卡要求。。。。。。GSE技术原生解决了适配分歧大模型训练的网络调参问题，，，，，，，预防了传统RoCE达数天甚至数周的网络参数调优，，，，，，，在算力昂贵、AI大模型竞争强烈的市场中，，，，，，，为客户带来矫捷的算力网络建设规划，，，，，，，缩短了训练调优周期，，，，，，，援手客户急剧抢占市场先机。。。。。。

全局解耦，，，，，，，盛开生态

GSE 技术系统支持尺度以太网尺度，，，，，，，新增尺度和谈头，，，，，，，实现基于以太报文的转发，，，，，，，实现端到端的多厂家设备互联互通，，，，，，，构建了多厂家充分参加的盛开生态，，，，，，，全面激活国内 AI 产业链，，，，，，，推进智算产业创新发展。。。。。。

GSE尺度和谈头

总结

全发国际网络致力于与 GSE 生态一路打造中国的AIGC智算网络新尺度。。。。。。GSE 网络设备基于尺度以太网在转发架构方面进行技术创新，，，，，，，突破传统以太网的机能瓶颈，，，，，，，拓展智算网络的利用场景，，，，，，，充分满足国产化智算集群网络的需要，，，，，，，为客户带来了三大主题价值：提高智算效能，，，，，，，加强运维履历，，，，，，，盛开生态解耦。。。。。。