AI技术革新与网络算力需求的激增

当前，人工智能（AI）大模型正成为技术领域的关键驱动力，以ChatGPT为代表的人工智能生成内容（AIGC）应用呈爆炸式增长，显著提升了对网络的需求量级。AI技术的发展不仅对网络的带宽和实时性提出了更高的要求，还因大规模AI集群训练所需的海量算力，带来了智算节点间通信的巨大挑战。

全球范围内，AI经济规模预计将达万亿级别，网络与算力作为数字基础设施的核心要素，在AI的加持下，将进一步推动实体与数字经济的高质量发展，追求极致高性能网络成为AI研究的重点方向之一。

青云科技，作为专业的云服务供应商，在服务于AI科技行业过程中，面临了一系列机遇与挑战：

数据采集瓶颈与边缘挑战

• 多样数据采集问题：在服务AI客户时发现，NLP、CV、GIS、ASR等领域存在数据采集难题。边缘侧数据如何高效、安全、及时传输至数据中心，以及数据加密过程中的复杂问题，成为关键挑战。
• 边缘场景不确定性：边缘网络的不稳定因素，如弱网、断电、通信异常等，影响数据传输的及时性与数据安全隐私性。同时，物联网设备与硬件的多元化发展，边缘设备与物联网网络的多样性环境，以及芯片层、操作系统层的不同接口协议兼容性问题，构成了边缘场景的挑战。

AI训练与容器整合瓶颈

• 多场景业务整合：AI训练与推理高性能计算、容器云平台计算面临整合难题。随着AI大模型的不断发展，如何更好地管理、部署模型应用，以及模型升级与应用，成为亟待解决的问题。

青云边缘侧自主研发的EdgeWize平台，通过适配多种硬件与操作系统，整合边缘端多侧设备，同时提供计算、边缘计算能力，利用SD-WAN高可用链路进行数据传输，确保数据传输的可靠性和安全性。针对边缘加密数据，青云科技提供多种加密协议，保障数据传输的安全性，依托云上多Region、广域网络环网构建平台，确保用户连续性和可靠性。

AI容器业务普及与解决方案

• QKE容器引擎：支持一键式部署，简化集群服务的使用，提供操作便捷、易于管理的界面。
• SD-WAN网络组件：优化边缘应用网络访问路径，满足边缘应用的多样化网络需求。
• 云服务与管理：从边缘侧到IaaS层K8s管理业务集群，再到PaaS平台配套服务与管理，青云科技依托高效网络能力，为用户提供全面服务保障。

AI智算平台与算力中心建设

• AI智算平台：以解决多样化算力需求、智能化算力调度管理与简化运维管理为核心，提供数万张GPU卡资源管理，优化通信链路，支持多卡多芯异构云平台，加速国产GPU芯片替代，提高单卡使用调度利用率，实现系统高效运行。
• 跨区域混合组网架构：在数据中心网络建设中，青云科技详细划分计算管理节点、存储网络与GPU网络集群，通过SDN网络技术实现计算资源、存储资源、对象存储的高效管理，支持多地高速互联，满足网络层面的控制需求。

AI智算平台的优势

• 支持大规模GPU卡资源的高效管理。
• 优化通信链路，缩短数据传输路径。
• 支持多卡多芯异构云平台，加速国产GPU芯片替代。
• 提高GPU资源利用率，实现系统最大化效率。
• 提供动态灵活、弹性的GPU资源分配。
• 多样化的存储支持，包括自研U10000对象存储、并行文件存储EPFS等。
• 提供多样的网络接入方式，包括用户公网加密链路、自研SD-WAN互联网网络与专线网络接入。
• 上层MaaS产品服务，支撑用户快速上线预训练、通用及行业模型，加速AI应用开发。

未来展望

• 一站式交付整体环境，支持高性能存储挂载。
• 融合更多模型提供商，丰富模型仓库选择。
• 探索垂直行业与行业模型，深化AI应用。
• 坚持创新、合作、开放、共赢的态度，携手合作伙伴与客户，共创数字世界的未来。