IEEE是全球最大的专业方面技能安排，其间CyberSciTech已成为衡量技能立异与学术价值的重要标尺。作为聚集人工智能、核算机与网络技能的中高级世界会议，IEEE CyberSciTech每年招引全球上千名顶尖专家学者参加。论文录用率苛刻，仅有三十余篇效果能经过前沿性与打破性两层评定，被录入至IEEE Xplore和EI数据库。这些论文大多在业界被广泛引证，具有深远的世界影响力。

  此次联想被录入的论文提出了一项立异性的RNL技能，经过多维感知、途径负载均衡优化与增量流量搬迁，有用处理了AI练习与推理场景中RoCE网络负载均衡的长时刻难题。这一效果不只获得了世界学术界的认可，更标志着联想在AI异构核算网络范畴的技能实力步入全球前沿。

  跟着大言语模型参数规划爆发式增加，AI集群规划逐渐扩展，RoCEv2（RDMA over Converged Ethernet v2）已成为AI网络的干流协议。但是，AI练习与推理根据通讯原语（如all-gather、all-reduce）进行数据传输，这种形式容易形成网络流量出现“低熵、大象流”特征，极易引发负载不均和链路拥塞，严峻限制带宽利用率与全体功能。

  面临AI事务对低推迟、高吞吐的苛刻需求，传统厂商首要经过专用硬件交流设备感知衔接联系，完成负载均衡优化，但方案高度依靠本身硬件生态，本钱昂扬且灵活性缺乏。因而，职业亟需一种通用、高效且经济的处理方案。

  针对上述痛点，联想万全异构智算研制团队立异性提出的RNL技能，能够构建“多维感知+途径负载均衡+增量搬迁”闭环系统，兼具算法立异与实用价值：

  首先是多维感知机制，能够实时感知网络拓扑结构、AI使命网络需求及RoCE链路负载状况，为动态调度供给数据根底。

  其次是途径负载均衡优化，经过虚拟-物理网络映射与途径评分算法，智能挑选最优数据传输途径，最大化带宽利用率。

  第三是增量流量搬迁，该技能选用增量搬迁战略，在链路流量调整时防止瞬时推迟，保证事务连续性。

  与传统方案不同，RNL根据通用RoCE交流机完成AI网络优化，无需绑定专用硬件，显着下降了布置本钱。其中心立异在于交融AI事务通讯带宽与时延评价算法，结合多维链路拥塞评价机制，完成对AI负载的精准调度与网络途径的智能编列。

  在实测环境中，RNL技能不只展示出高可靠性，更体现出在提高AI事务功率与下降总具有本钱（TCO）方面的两层优势。在功能提高方面，调集通讯原语功能提高50%，带宽利用率达85%，负载均衡离散度下降90%；AI推理场景下，TPS（每秒处理事务数）提高26%，TTFT（首字节时刻）时长削减 30%，TPOT（每输出令牌时刻）时长削减 22%；全体布置本钱下降60%，为AI集群的规划化落地供给了经济高效的网络根底。

  RNL技能奇妙完成了本钱与灵活性的双赢。经过纯算法立异，该技能在通用RoCE交流机上完成了平等乃至更优的功能体现。这一打破不只打破了传统厂商的技能独占，更为用户更好的供给了超高的性价比、易布置的替代挑选，助力企业在AI比赛中快速构建竞赛优势。

  现在，RNL技能已归入联想万全异构智算渠道的落地规划，这将进一步稳固联想万全异构智算渠道在AI异构核算商场的技能壁垒，提高其职业影响力与中心竞赛力。此前，联想万全异构智算渠道已在教育科研、工业/制作、云核算、大数据等范畴打造一系列标杆事例：例如，在职业级&科研级智算场景，联想与北大深度合作，一起打造了严重科学技能根底设施算力渠道，削减运维本钱50%，GPU资源利用率从70%提高至90%；在制作业，联想与吉祥一起打造了标杆级的智能算力集群，完成企业混合算力场景下的本钱优化。

  未来，联想方案将RNL技能扩展至高功能存储、HPC等场景，并引进深度学习算法优化拥塞猜测才能。一起，联想将在千卡、万卡节点的大型AI集群中验证其归纳功能，继续推进AI网络技能的立异与迭代。

  此次联想万全异构智算研制团队的立异效果，不只是其科研实力的会集展示，更是联想在前沿技能范畴不断寻求、不断打破的生动描写。在AI大模型迈向万卡级集群的布景下，联想将继续以技能立异为中心，继续打造安稳、高效的智算引擎，助力AI技能的规划化落地，推进AI算力普惠新时代。