中国电信第一个验证1024卡分布式计算：120公里、80万兆网络
近日，中国电信统一组织、中国电信研究院、中国电信北京公司、天翼云公司共同参与。在中国电信现网上，基于800G C+L技术，为1024卡规模的分布式集群提供大容量带宽，实现了120公里、千亿参数大模型的分布式训练，性能达到集中训练的95以上。这验证了大带宽、高可靠、高效率光传输网络的可行性，为智能计算互联构建坚实的基础，这在全球尚属首次。
当智能计算集群规模达到千卡、万卡时，所需带宽往往高达数百Tbits甚至Pbits以上。因此，光传输系统的大带宽、高可靠性、高效率保证了分布式训练。高计算效率的关键。
针对数据传输中大带宽的问题，中国电信采用高阶调制格式的单波长800G技术，以提高频谱效率，配合当前的业界热点的C+L波段技术，实现了超大传输带宽。在中国电信武清、润泽机房之间，采用华为的传输设备，通过多次环回，构建了大带宽互联的智算验证网，距离达到120千米。完成了链路错误、波长故障、光纤故障等异常测试实验，解决数据传输中的高可靠性问题。
结果表明，800G业务波次的中断将导致计算效率下降40%以上，超过100毫秒的光纤故障将导致计算效率大幅下降甚至训练中断。
采用WSON重路由恢复技术，在两点间将重路由恢复时间控制在50ms以内，可保证分布式智算业务的高可靠互联，最大程度释放算效。针对传输链路高效问题，中国电信提出分钟级波长动态拆建解决方案，实现计算与网络协同分时复用，有效提高网络资源利用率。
此次验证为跨地区、跨层级、跨实体的算力高可靠协同调度奠定了基础，标志着中国电信“云网融合”工作再上新台阶。
