中国电信首个验证1024卡分布式计算：120公里、80万兆网络

近日，中国电信组织了中国电信研究院、中国电信北京公司、天翼云公司共同参与的一项重大技术验证。在中国电信现有的网络基础之上，基于800G C+L技术，为1024卡规模的分布式集群提供了大容量带宽。这项技术成功实现了120公里距离上千亿参数大模型的分布式训练，其性能达到了集中训练水平的95%以上。

这一验证结果证明了大带宽、高可靠、高效率光传输网络能够为智算互联构建坚实的底座，是全球范围内首次实现。

随着智算集群规模不断扩大，达到千卡甚至万卡级别，对于带宽的需求也随之飙升，往往高达百T比特级，甚至超P比特级。因此，光传输系统的大带宽、高可靠与高效率特性成为了保障分布式训练高算效的关键因素。

为了解决数据传输的大带宽问题，中国电信采用了高阶调制格式的单波长800G技术，以提高频谱效率，并结合了当前业界热门的C+L波段技术，实现了超大传输带宽。

在中国电信武清和润泽机房之间，采用了华为的传输设备，通过多次环回，构建了大带宽互联的智算验证网，其距离达到了120公里。

为了确保数据传输的高可靠性，中国电信进行了链路误码、波长故障、光纤故障等异常测试实验。

实验结果表明，一个800G业务波中断会导致超过40%的算效降低，而百毫秒级以上的光纤故障会导致算效大幅下降甚至训练中断。

为了克服这个问题，中国电信采用了WSON重路由恢复技术，将两点间的重路由恢复时间控制在50毫秒以内，保证了分布式智算业务的高可靠互联，最大程度释放了算效。

针对传输链路的高效率问题，中国电信提出了分钟级波长动态拆建解决方案，实现算与网的协同分时复用，有效提升网络资源利用率。

此次验证为跨地域、跨层级、跨主体高可靠的算力协同调度奠定了基础，标志着中国电信“云网融合”工作迈上了新台阶。