人類社會的發(fā)展在經歷了農業(yè)時代、工業(yè)時代后，隨著信息化技術的發(fā)展，終于迎來了數字經濟時代。據Gartner調研，75%的大型企業(yè)已經將數字化轉型作為企業(yè)核心戰(zhàn)略。與農業(yè)經濟關注土地和勞動，工業(yè)經濟關注資本和技術截然不同，數字經濟的核心生產要素已經轉變?yōu)閿祿�和智能。企業(yè)數字化轉型過程中產生大量的數據，已經成為企業(yè)核心資產的一部分，然而數據本身不是目的，知識和智慧才是永恒的價值。通過AI從數據中挖掘智慧，實現數據的商業(yè)價值變現，成為當前企業(yè)數字化轉型的主題。AI成為企業(yè)重塑商業(yè)模式、提升客戶體驗和開創(chuàng)未來的關鍵推動力。+AI，標志著企業(yè)數字化轉型進入了智能化新階段。

　　過去的幾年來企業(yè)對AI的采用率爆發(fā)式增長，據華為GIV（Global Industry Vision）預測，到2025年大企業(yè)對AI的采用率將達到97%。作為企業(yè)數據金礦的煉金術，AI點石成金，成為企業(yè)數字化轉型到智能化升級成敗的關鍵。AI技術的大量使用，驅動企業(yè)數據中心使命發(fā)生顛覆性變革。

　　企業(yè)智能化升級驅動數據中心從云時代邁入了AI時代。相比而言，云數據中心更像是個業(yè)務支撐中心，以應用為中心，通過云平臺實現IT資源的快速發(fā)放。而AI數據中心在云數據中心基礎上真正演進成為商業(yè)價值中心，以數據為中心，聚焦于如何基于AI對數據進行高效處理。

　　AI驅動DC重構

　　隨著數據中心AI時代到來，算力作為AI三大關鍵要素之一，需求更加旺盛和多樣化。算力貴、算力不足，已經成為時代挑戰(zhàn)，更高算力的GPU、AI芯片相繼涌現。而另一方面，由于網絡丟包的原因導致昂貴的算力在實際應用中不能有效的發(fā)揮。如果說衡量一個云數據中心的關鍵指標是業(yè)務發(fā)放的效率，那么衡量AI數據中心的關鍵指標就是AI運行效率。

　　充足AI算力是前提。我們知道，深度學習的神經網絡算法突破引爆了新一輪的AI浪潮，而深度學習需要到巨大的算力支撐，比如一次語音識別的AI訓練涉及到20E（1E=1018次方）次的浮點計算，而谷歌機器翻譯算力需求量達到103E，即便用全世界最高性能的超級計算機Summit來計算，也需要較長的時間。保證有充足的算力成為提升AI運行效率基本前提，以AWS、華為等為代表的公有云廠商領導者正在采用x86/ARM CPU，GPU，NPU構建業(yè)界最高性能的算力池。

　　釋放算力是關鍵。以深度學習為特征的AI計算也依賴海量的數據的輸入（無論是AI訓練樣本算據還是AI推理涉及到原始算據的輸入）。裝載算力的GPU/AI服務器只有獲得完整算據后才能進行AI處理，否則只能空閑等待，因而數據的存取速度將直接影響算力的發(fā)揮。比如根據AWS公開數據顯示，公有云訓練實例P3采用100GE的優(yōu)化網絡，要比25G的TCP網絡在Mask R-CNN訓練中性能提升5倍；而在推理實例G4中，利用100GE優(yōu)化網絡，RestNet50模型推理性能提升4倍，Bert-Base模型推理性能提升多達34倍。同樣算力條件下，如何保證算力100%釋放甚至更為關鍵。

　　當前的云數據中心建設基本思路是采用虛擬化技術對IT資源池化管理，通過Software Defined Everything思路完成資源的統(tǒng)一的按需自助/自動化發(fā)放，最終實現Everything as a Service的云化服務形態(tài)。而為了滿足數據中心充分釋放AI算力從而使得AI高效運行的訴求，面向AI時代的數據中心架構正在重塑。業(yè)界提出構建以全閃存存儲數據湖為核心，以GPU/AI多樣化計算為算力底座的AI時代數據中心架構，越來越得到廣泛認可。

　　AI數據中心架構

　　在AI數據中心新架構中，作為數據中心核心組成的存儲和計算正在發(fā)生顛覆性的變革：全閃存化存儲介質使得存儲時延降低百倍，GPU/AI智能計算使得計算性能提升百倍。計算和存儲的性能百倍提升導致傳統(tǒng)以太網的擁塞易丟包帶來的網絡瓶頸問題開始凸顯。根據業(yè)界統(tǒng)計，即便在低于<10%鏈路帶寬的低負載流量環(huán)境下，突發(fā)流量引起的網絡的丟包率也接近1‰，而這1‰的丟包在AI時代會直接導致算力下降接近50%。隨著業(yè)務負載的增加，分布式多打一流量的增多，網絡丟包問題將更為嚴重。

　　如何構建一個0丟包的無損數據中心網絡成為面向AI時代的數據中心網絡的基本要求。

　　我們知道大規(guī)模網絡中，當流量超過交換機的處理和緩存能力時，傳統(tǒng)以太網基本的處理機制就是丟棄報文。無損網絡基本思路就是通過系列流量調度機制和措施，但其核心都在于控制發(fā)送端的發(fā)送速度，從而避免超過交換機處理能力的擁塞形成。

　　如何根據交換機當前的擁塞情況控制源端的發(fā)送速度？當前業(yè)界基本的做法是在交換機端口設置隊列報文排隊，一旦超過某一個閾值（臨界水線），則意味著即將發(fā)生擁塞，需要緊急向源端反送反壓降速信號，從而降低發(fā)送速度規(guī)避擁塞。可以看出閾值非常關鍵，它決定發(fā)送反壓信號的時機，成為網絡中是否會發(fā)生擁塞的決定性因素，如何設置閾值是無損網絡技術創(chuàng)新的焦點。

　　最早的無損以太交換機的基本實現依賴網絡管理員靜態(tài)設置閾值，特別考驗管理員能力，一旦設置的太保守，可能降速太多，吞吐率很差；設置太激進則無法起到無損的效果。為了調整好閾值往往需要有經驗的工程師調測1~2天，而網絡無法根據流量的變化動態(tài)調整參數，流量模型一旦發(fā)生變化則最優(yōu)參數失效，基本無法在大規(guī)模、多業(yè)務的AI數據中心中使用。

　　網絡擁塞控制的未來在于智能化，智能預測流量的變化，并自動設置相關的網絡參數，從而實現最佳網絡調度。2019年初，華為發(fā)布了業(yè)界首款面向AI時代的CloudEngine數據中心交換機，最大的創(chuàng)新點在于率先將AI芯片內嵌交換機中，基于神經網絡首創(chuàng)的iLossless擁塞控制算法，完成網絡的自調參、自優(yōu)化，從而克服了依賴人工參與配置參數，無法動態(tài)適應網絡流量模型變化的關鍵問題，真正實現網絡0丟包，構筑智能無損的數據中心網絡。

　　基于CloudEngine交換機構筑的智能無損DCN，網絡性能已經無限逼近了理論最優(yōu)值，可以確保在任意擁塞鏈路0丟包的基礎上接近100%吞吐，全面釋放AI算力潛能。根據權威第三方測試機構Tolly測試，在同樣GPU集群下，通過采用華為智能無損DCN，AI業(yè)務的訓練效率比采用當前業(yè)界其他網絡提升27%以上。

　　華為智能無損DCN

　　華為智能無損DCN，助力Atlas900沖擊全球算力巔峰。作為全球性能最快的AI訓練集群Atlas 900由數千顆昇騰910 AI處理器組成的上百臺服務器節(jié)點互聯構成。而其中互聯網絡采用由華為數據中心的CloudEngine系列交換機組成的智能無損DCN，單端口提供100Gbps的交換速率，將集群內的所有AI服務器接入高速交換網絡。

　　0丟包的智能無損DCN使得數據中心網絡實現三網融合成為可能，目前華為智能無損數據中心網絡AI Fabric已經在全球互聯網、金融、制造等行業(yè)數字化領導者客戶的47個數據中心商用部署，成為面向AI時代的最佳數據中心網絡解決方案。

　　網絡面臨的挑戰(zhàn)與云計算、人工智能等新技術的創(chuàng)新是相生相伴的。數據中心網絡（DCN）一直是網絡新技術的前沿陣地和實驗場，最新的網絡架構、最優(yōu)的網絡協議和最硬核的黑科技都在這里誕生并走向成熟，輻射并帶動產業(yè)的發(fā)展。

　　DCN學院派將精選優(yōu)質內容，分享數據中心網絡最新的前沿趨勢、產業(yè)觀點和技術創(chuàng)新。