環球網

11月28日消息，聯想萬全異構智算研發團隊的論文《RNL: RoCE Network Loadbalance with AI Traffic Characteristics and link Congestion Awareness》于近日被IEEE CyberSciTech 2025大會收錄。

此次聯想被收錄的論文提出了一項創新性的RNL技術，通過多維感知、路徑負載均衡優化與增量流量遷移，有效解決了AI訓練與推理場景中RoCE網絡負載均衡的長期難題。

據悉，聯想萬全異構智算研發團隊創新性提出的RNL技術，可以構建“多維感知+路徑負載均衡+增量遷移”閉環體系，兼具算法創新與實用價值：首先是多維感知機制，可以實時感知網絡拓撲結構、AI任務網絡需求及RoCE鏈路負載狀態，為動態調度提供數據基礎。其次是路徑負載均衡優化，通過虛擬-物理網絡映射與路徑評分算法，智能選擇最優數據傳輸路徑，最大化帶寬利用率。第三是增量流量遷移，該技術采用增量遷移策略，在鏈路流量調整時避免瞬時延遲，確保業務連續性。

與傳統方案不同，RNL基于通用RoCE交換機實現AI網絡優化，無需綁定專用硬件，顯著降低了部署成本。其核心創新在于融合AI業務通信帶寬與時延評估算法，結合多維鏈路擁塞評估機制，實現對AI負載的精準調度與網絡路徑的智能編排。

在實測環境中，RNL技術不僅展現出高可靠性，更體現出在提升AI業務效率與降低總擁有成本（TCO）方面的雙重優勢。在性能提升方面，集合通信原語性能提升50%，帶寬利用率達85%，負載均衡離散度降低90%；AI推理場景下，TPS（每秒處理事務數）提升26%，TTFT（首字節時間）時長減少 30%，TPOT（每輸出令牌時間）時長減少 22%；整體部署成本降低60%，為AI集群的規模化落地提供了經濟高效的網絡基礎。

目前，RNL技術已納入聯想萬全異構智算平臺的落地規劃，這將進一步鞏固聯想萬全異構智算平臺在AI異構計算市場的技術壁壘，提升其行業影響力與核心競爭力。（青云）