數智時代的最大特點，就是AI人工智能的廣泛應用。

進入21世紀以來，移動通信、光通信、云計算、大數據等ICT技術蓬勃發展，推動了企業的數字化轉型。數據，變成了企業最核心的資產。

企業將這些數據資產全部存儲并運行在數據中心之上。隨著數字化的不斷深入，數據規模變得越來越龐大。

2025年新增的數據量將達到180ZB（數據來源：華為GIV）

傳統的軟件算法，根本無法處理如此海量的數據（更何況，其中95%以上都是語音、視頻等非機構化數據）。于是，我們找來了能力更強的幫手，那就是——AI（人工智能）。

AI可以完成海量無效數據的篩選和有用信息的自動重組，從而大幅提升數據價值的挖掘效率，幫助用戶更高效地進行決策。

然而，想要利用好這個神器，我們需要三大要素的支持，那就是算法、算力和數據。

AI算法強不強，訓練是關鍵。深度學習的算法訓練，離不開海量的樣本數據，以及高性能的計算能力。

在存儲能力方面，從HDD（機械硬盤）到SSD（高速閃存盤），再到SCM（存儲級內存），介質時延降低了100倍以上，可以滿足高性能數據實時存取需求。

在計算能力方面，從CPU到GPU，再到專用的AI芯片，處理數據的能力也提升了100倍以上。

那么，這是否意味著數據中心能夠完全滿足AI規模應用的要求呢？

別急著說是，我們不能忘了一個重要的性能制約因素，那就是——網絡通信能力。

事實上，網絡通信能力確實拖了存儲能力和計算能力的后腿。數據顯示，在存儲介質和計算處理器演進之后，網絡通信時延已經成為了數據中心性能提升的瓶頸。通信時延在整個存儲E2E（端到端）時延中占比，已經從10%躍遷到60%以上。

也就是說，寶貴的存儲介質有一半以上的時間是在等待通信空閑；而昂貴的處理器，也有一半時間在等待通信同步。

網絡通信能力，已經在數據中心形成了木桶效應，變成了木桶的短板。

█ 數據中心通信網絡，到底出了什么問題？

上世紀70年代，TCP/IP和以太網技術相繼誕生。

它們成本低廉、結構簡單，為互聯網的早期發展做出了巨大貢獻。

但是，隨著網絡規模的急劇膨脹，傳統TCP/IP和以太網技術已經跟不上時代的步伐，它們落后的架構設計，反而制約了互聯網的進一步發展。

2010年后，數據中心的業務類型逐漸聚焦為三種，分別是高性能計算業務（HPC），存儲業務和一般業務。

這三種業務，對于網絡有不同的訴求。比如HPC業務的多節點進程間通信，對于時延要求非常高；而存儲業務，對通信可靠性的要求非常高，網絡需要實現絕對的0丟包；一般業務的規模巨大，擴展性強，要求網絡低成本易擴展。

傳統以太網可以適用于一般業務，但是無法應對高性能計算和存儲業務。于是，業界發展出了Infiniband（直譯為“無限帶寬”技術，縮寫為IB）網絡，應對有低時延要求的網絡IPC通信；發展出了FC（Fibre Channel，光纖通道）網絡，提供高可靠0丟包的存儲網絡。

IB專網和FC專網的性能很強，但是價格昂貴，是以太網的數倍。而且，兩種專網需要專人運維，會帶來更高的維護成本。

是不是有辦法，將三種網絡的優勢進行結合呢？有沒有一種網絡，可以同時實現高吞吐、低時延和0丟包？

這里，我先賣個關子，不揭曉答案。我們回過頭來，看看TCP/IP協議棧的痛點。

傳統的TCP/IP協議棧，實在是太老了。它的很多致命問題，都是與生俱來的。比如說它的時延，還有它對CPU的占用。

為了解決問題，專家們提出了一種新型的通信機制——RDMA（Remote Direct Memory Access，遠程直接數據存取），用于取代TCP/IP。

RDMA相當于是一個快速通道技術，在數據傳輸時延和CPU占用率方面遠遠強于TCP/IP，逐漸成為主流的網絡通信協議棧。

RDMA有兩類網絡承載方案，分別是專用InfiniBand和傳統以太網絡。

InfiniBand是一種封閉架構，交換機是特定廠家提供的專用產品，采用私有協議，無法兼容現網，加上對運維的要求過于復雜，并不是用戶的合適選擇。

除了InfiniBand之外，那就只剩下傳統以太網了。

那比較尷尬的是，RDMA對丟包率的要求極高。0.1%的丟包率，將導致RDMA吞吐率急劇下降。2%的丟包率，將使得RDMA的吞吐率下降為0。

而傳統以太網，工作機制是“盡力而為”，丟包是家常便飯。

又回到了前面那個問題：我們究竟有沒有0丟包、高吞吐的新型開放以太網，用于支撐低延時RDMA的高效運行呢？

Duang！答案揭曉——

辦法當然是有的，那就是來自華為的超融合數據中心網絡智能無損技術。

█ 華為的零丟包秘技

華為的智能無損技術到底有何神通，可以解決困擾傳統以太網已久的丟包問題？

其實，想要實現零丟包，首先要搞清楚網絡為什么會產生丟包。

網絡丟包的基本原因其實很簡單，就是發生了溢出——網絡流量超過了數據中心交換機的處理和緩存能力。

應對溢出，業界通用的做法，就是控制發送端的發送速度，從而避免超過交換機處理能力的擁塞形成。

具體來說，就是在交換機端口設置報文緩存隊列，一旦隊列長度超過某一個閾值（擁塞水線），對擁塞報文進行擁塞標記，流目的端向源端發送降速信號，即顯式擁塞通知ECN（Explicit Congestion Notification）。

源端收到通知，從而降低發送速度，規避擁塞。

我們可以看出，這個閾值的設置非常關鍵。它決定了對報文進行擁塞標記的時機，是網絡中是否會發生擁塞的決定性因素。

閾值的設置，是一門非常深的學問。

如果設置太保守，就會降速太多，影響系統吞吐能力。如果設置太激進，則無法達到無損的效果。

更關鍵的是，網絡的業務類型是多樣且變化的，有時候需要高吞吐，有時候又需要低時延。即便是有經驗的專家，好不容易花了幾天的時間，設置好了最佳水線位置，結果它又變了，咋整？

于是，華為想到了最適合干這個活的角色，那就是——AI。

早在2012年，華為為了應對未來數據洪水挑戰，投入了數十個科學家，啟動新一代無損網絡的研究。

經過多年的潛心鉆研和探索，他們搞出了獨具創新的iLossless智能無損算法方案。這是一個通過人工智能實現網絡擁塞調度和網絡自優化的AI算法。

華為iLossless智能無損算法以Automatic ECN為核心，并首次在超高速數據中心交換機引入深度強化學習DRL（Deep Reinforcement Learning）。

對比傳統靜態閾值配置僵化，無法動態適應網絡變化的缺點，Automatic ECN為以太網的流量調度提供了智能預測能力，可以根據當前流量狀態精準預測下一刻的擁塞狀態，提前做好預留和準備。

基于iLossless智能無損算法，華為發布了超融合數據中心網絡CloudFabric 3.0解決方案，引領智能無損進入1.0時代。

2022年，華為超融合數據中心網絡繼續探索，提出了更強大的智能無損網算一體技術和創新直連拓撲架構，可實現270k大規模算力樞紐網絡（組網規模4倍于業界，可助力構建E級和10E級大型和超大型算力樞紐），時延在智能無損1.0的基礎上，可進一步降低25%。

華為的智能無損2.0，基于在網計算（In.NETwork computing）和拓撲感知（Topology-Aware Computing）實現網絡和計算協同。一方面，網絡參與計算信息的匯聚和同步，減少計算信息同步的次數；另一方面，通過調度確保計算節點就近完成計算任務，減少通信跳數，進一步降低應用時延。

以MPI_allreduce為例，相比傳統網絡僅做數據轉發不參與計算過程，華為超融合數據中心網絡可有效降低時延，提升計算效率27%。

華為超融合數據中心網絡解決方案，為數據中心構建了統一融合網絡，取代了此前的三種不同類型網絡（LAN、SAN、IPC），大幅減少了網絡建設成本和運維成本，總成本TCO下降了53%。AI業務的運行效率，則提升了30%以上。

█ 智能無損技術的積累沉淀

近年來，華為圍繞智能無損網絡和iLossless智能無損算法，接連發布了多個產品和解決方案。

2018年10月，華為就發布了AI Fabric極速以太網解決方案，幫助客戶構建與傳統以太網兼容的RDMA網絡，引領數據中心網絡進入極速無損的高性能時代。

2019年1月，華為又發布了業界首款面向AI時代的數據中心交換機CloudEngine 16800，承載了iLossLess智能無損交換算法，實現流量模型自適應自優化，從而在零丟包的基礎上，獲得更低時延和更高吞吐的網絡性能。

2021年6月，華為發布全無損以太存儲網絡解決方案（NoF+）。該方案基于OceanStor Dorado全閃存存儲系統和CloudEngine數據中心存儲網絡交換機構建，可實現存儲場景端到端數據加速，充分釋放全閃存性能潛力。

除了自身積極進行技術研究和產品化之外，華為還積極推動相關技術標準的成熟。

2021年8月，華為發布的智能無損技術論文《ACC: Automatic ECN Tuning for High-Speed Datacenter Networks》（高性能數據中心網絡中的ECN動態調優）入選全球網絡通信頂級會議ACM SIGCOMM 2021，得到業界專家的一致認可，具有世界級技術影響力。

在華為主導下，IEEE 802成立了Nendica（“Network Enhancements for the Next Decade” Industry Connections Activity）工作組，聯合業界共同探討以太網技術標準發展的新方向，為智能無損網絡技術發展提供了理論研究的開放土壤。