面向智算业务承载的广域网能力增强 拥塞控制技术要求标准立项发展报告

*面向智算业务承载的广域网能力增强拥塞控制技术要求标准立项发展报告英文标题：StandardizationDevelopmentReport:TechnicalRequirementsforWANCapabilityEnhancementforIntelligentComputingServiceBearer-CongestionControl摘要：关键词：智算业务；广域网；拥塞控制；网络能力增强；RDMA；数据中心互联；标准制定Keywords:IntelligentComputingServices;WideAreaNetwork(WAN);CongestionControl;NetworkCapabilityEnhancement;RDMA;DataCenterInterconnect;Standardization一、引言：研究背景与标准立项必要性1.1智算业务对广域网带宽的新挑战当前，全球范围内正经历着以生成式人工智能（AIGC）为核心的技术变革。大型语言模型（LLM）和专家混合模型（MoE）的训练过程通常需要数千甚至上万张GPU卡进行长达数月的分布式并行计算。这种分布式训练依赖于高性能计算网络（HPC网络）和数据中心网络（DCN），但更关键的是，跨数据中心的广域网（WAN）连接成为了协同训练、数据备份与迁移的“跳板”。智算业务对广域网的核心挑战在于：1.高吞吐需求：单次训练任务的数据量可达TB甚至PB级别，要求WAN提供接近物理极限的带宽利用率。2.低延迟与零丢包：RDMA（远程直接内存访问）技术已广泛应用于智算中心内部，其“无丢包”特性是其高吞吐的基础。然而，RDMAoverWAN面临着跨域拥塞、大延迟带来的重传性能急剧下降问题，一次丢包可能导致性能雪崩。3.突发性强：训练过程中，梯度同步（All-Reduce）会产生突发且密集的流量，传统TCP的AIMD（加增乘减）算法在应对这种突发时，收敛速度慢，极易导致全局吞吐的剧烈振荡。1.2传统拥塞控制技术的局限性以TCPReno、CUBIC为代表的传统拥塞控制算法，本质上依赖于端到端的丢包信号来判断网络拥塞。这种“黑盒”式的控制方式存在固有缺陷：*响应滞后：只有在缓冲区溢出、发生丢包后才触发退避，而此时网络已经处于严重拥塞状态。*带宽利用率低：在误码率高或缓冲有限的WAN链路上，丢包事件频繁，导致发送窗口频繁减小，无法充分利用链路带宽。*流间公平性不足：不同RTT（往返时延）的流之间竞争资源时，短RTT流往往占据优势，导致长RTT的智算业务流“饿死”。此外，现有的MPTCP、BBR等算法虽然在一定程度上改善了性能，但在针对智算业务那种“多流并发、流量模型固定”的特殊场景下，仍缺乏专门化的优化。1.3标准制定的紧迫性与必要性当前，我国各大运营商及云服务商都在加速建设“东数西算”工程，跨区域智算中心互联（DCI）网络规模日益扩大。但在实际建设中，缺少统一的技术规范来定义“如何实现面向智算业务的拥塞控制”。不同厂商的设备采用不同的算法（如DCQCN、HPCC、TIMELY等），导致跨厂商设备在WAN场景下无法实现最优的协同。缺乏标准意味着无法实现网络设备间的互操作性，也无法确保端到端的服务体验。因此，立项制定《面向智算业务承载的广域网能力增强拥塞控制技术要求》行业标准，对于规范技术路径、指导设备研发和网络部署、促进产业生态健康发展具有重大的战略意义。二、国内外技术及标准发展现状2.1国内标准与技术现状在国内，中国通信标准化协会（CCSA）等机构已围绕新型数据中心和算力网络开展了一系列标准工作。例如，已发布的算力网络总体技术要求、数据中心内无损网络技术要求等。但在广域网层面，专门针对“拥塞控制”增强的行业标准尚属空白。YD/T7005-2026的立项填补了这一关键空白。国内主流厂商如华为、中兴、新华三等已在高端路由器及云网控制器中部署了基于INT（In-bandNetworkTelemetry，带内网络遥测）和全局流量调度的技术方案，为标准的制定提供了丰富的实践经验和试验数据。2.2国际标准与技术趋势国际上，IETF（互联网工程任务组）正在推动一系列保障高精度数据传输的协议扩展，例如：*CCR(CongestionControlRequirements)：工作组正在讨论下一代拥塞控制的通用需求。*BBRv3：Google提出的基于瓶颈带宽和RTT的模型，不依赖于丢包信号。*ROCEv2(RDMAoverConvergedEthernet)：被广泛用于数据中心，但在WAN中的部署面临挑战。关键技术趋势主要包括：1.主动队列管理（AQM）：如CoDel、PIE算法，通过主动丢弃或标记数据包来避免缓冲区膨胀，提高对突发流的响应速度。2.显式拥塞通知（ECN）：将拥塞信号直接反馈给发送端，而非通过丢包间接感知，是实现低延迟拥塞控制的基础。3.全局负载感知调度：结合软件定义网络（SDN）技术，控制器能够获取全局拓扑和链路负载信息，主动为智算流量规划最优路径，从源头上避免拥塞。YD/T7005-2026正是在此国际技术背景下，结合我国“东数西算”工程的实际情况，提出的具有前瞻性和实用性的标准规范。三、标准主要内容解析YD/T7005-2026《面向智算业务承载的广域网能力增强拥塞控制技术要求》是一份行业标准，主要针对承载智算业务的广域网（WAN）网络设备（如路由器、交换机、以及云化网关）和控制器。标准的核心内容围绕“如何识别、预防、检测和快速响应智算业务流量引发的拥塞”展开，具体包括以下主要技术模块：3.1智算业务流量的识别与分类传统拥塞控制对所有流量一视同仁。本标准首先强调了智能流量感知能力。要求设备能够基于DPI（深度包检测）、端口号或特定的网络标签（如SRv6Policy）精准识别出智算业务流（如All-Reduce、All-to-All流量）。标准对业务流分类做了明确界定：*长流敏感型：数据量大、持续时间长的训练流。*突发密集型：梯度同步产生的短时高带宽流。*延迟敏感型：推理任务中的控制信令流。3.2基于ECN与INT的拥塞检测机制标准明确要求网络设备具备显式拥塞通知（ECN）能力。当队列深度超过预设阈值时（非丢包阈值），设备在IP数据包中设置ECN标记（CE），使发送端（源端网卡）能够快速感知到即将发生拥塞，而不是被动等待丢包。此外，标准推荐支持带内网络遥测（INT）技术，使得发送端能够获取到端到端路径上每一跳的队列深度、链路利用率等精确信息，从而实现PID控制或更高级的主动闭环调优。3.3多层级队列调度与拥塞通知标准规定了在广域网路由器出口处，应针对智算业务流设置专用硬件队列。该队列采用基于速率或基于信用的调度算法（如DCTCP、DCQCN），而非简单的FIFO队列。标准对不同级别的拥塞程度定义了明确的退避策略：*轻度拥塞：减少发送速率，避免队列堆积。*中度拥塞：快速降低发送窗口，并请求源端重传被ECN标记的包。*重度拥塞：触发链路级流量控制（PFC，优先流控制）的辅助机制，防止因源端响应不及时导致的物理层丢包。3.4全局流级负载均衡与路径优化这不仅是拥塞控制，更是“避免拥塞”。标准要求网络控制器（或分析器）应具备全局流量调度能力。通过收集全网链路利用率、链路时延、抖动和丢包率信息，结合集中式或分布式算法，为智算业务流预计算多条等价路径。当一条路径出现拥塞迹象时，控制器能够主动完成流量切换，将部分流引导至空闲路径。标准特别强调了“流级”的颗粒度，避免在WAN环境中因大量微流再映射导致的乱序重排问题。3.5端网协同的协议支持拥塞控制是一个端到端的问题。标准对终端侧（服务器网卡、DPU）也提出了技术要求。例如，要求支持ROCEv2协议，能够处理ECN信号并执行精确的速率限制。同时，标准化了网卡与网络设备之间的反馈信令格式，确保不同厂商的硬件能够实现互联互通。例如，对反馈的PFC优先级、ECN阈值的取值范围进行统一规定。四、主要参编单位介绍4.1中国信息通信研究院（简称“中国信通院”）作为YD/T7005-2026标准的主要起草单位之一，中国信息通信研究院（CAICT）在本标准的制定过程中发挥了不可替代的核心作用。机构概况：中国信通院是工业和信息化部直属的科研事业单位，是国家在信息通信领域最重要的支撑单位和智囊团。其长期专注于ICT领域的技术、标准、政策和产业研究，在互联网、移动通信、数据中心、云计算、大数据等领域具有深厚的技术积累和广泛的影响力。作为我国参与国际电信联盟（ITU）等标准组织的核心技术支撑单位，信通院主导了多项国际国内重大标准的制定。在标准制定中的作用：1.需求牵引与顶层设计：信通院通过持续跟踪“东数西算”和智算中心建设的最新进展，敏锐把握行业痛点。院长带头组织了多次跨领域研讨会，并发布了多份关于“算力网络”和“高性能数据交换”的白皮书，为本标准的立项提供了坚实的理论依据和产业需求背景。2.技术规范验证：信通院依托其旗下的大型数据中心网络测试实验室，搭建了模拟“智算业务广域网互联”的测试床。该测试床模拟了跨千公里、百G光传输链路，并在其上运行了真实的分布式训练流量模型。通过对DCQCN、HPCC、BBR等多种拥塞控制算法进行对比测试，筛选出了最适应智算场景的算法组合，并验证了ECN、INT等技术在不同厂商设备间的协同效果。这些实测数据直接转化为标准中的技术指标（如要求的队列深度、响应时间等）。3.协调产业共识：在标准起草过程中，信通院作为中立的第三方平台，组织了华为、中兴、新华三、阿里、腾讯、百度等核心网络设备厂商和云服务商进行多轮技术研讨。信通院有效化解了各方关于拥塞控制策略实现路径的分歧（如端侧主动vs网侧强控），最终统一了“端网协同”的技术路线，形成了业界广泛认可的规范。4.撰写与征求意见：信通院的标准法律师和技术专家负责了标准文本的规范性撰写，确保符合GB/T1.1的要求。同时，组织了大规模的社会公开征求意见，将收到的数十条反馈意见整理归并，并逐条进行了答复和修改，确保了标准的科学性和实用性。行业贡献：通过牵头YD/T7005-2026标准，中国信通院成功将我国在数据中心无损网络和智算基础设施领域的技术积累标准化，为全球贡献了中国方案。该标准不仅服务于国内运营商和设备商，也为我国企业出海、参与国际类似标准的制定提供了坚实的国内产业基础。五、结论与展望YD/T7005-2026《面向智算业务承载的广域网能力增强拥塞控制技术要求》标准的立项与即将实施，标志着我国在智算基础设施网络技术标准化领域取得了里程碑式的进展。标准的核心价值体现在三个层面：1.技术层面：确立了“可感知、可预测、可闭环”的拥塞控制技术路线。从依赖丢包的被动防御，转向基于遥测和显式通知的主动管控，显著提升了广域网在极端负载下的稳定性和吞吐效率。据估算，在典型智算业务场景下，采用本标准规范的设备部署后，跨DC传输带宽利用率可提升20%以上，流完成时间（FCT）可缩短30%以上。2.产业层面：统一了国内主要网络设备厂商、云运营商之间的技术接口和实现规范。消除了由于算法私有化导致的互操作困难，降低了网络建维成本。同时，为DPU、智能网卡、高端路由器芯片等上游硬件研发提供了清晰的技术指引，推动形成从芯片到设备再到应用的标准闭环生态。3.战略层面：直接支撑了国家“东数西算”工程的落地。使得东部海量推理和训练数据能够高效、无损地传输至西部数据中心进行处理，是我国数字经济和AI产业实现跨越式发展的关键技术底座。未来发展展望：随着AI模型的持续增大和分布式训练的规模扩大，未来的挑战会更加严峻。展望未来，基于本标准的技术演进将呈现以下趋势：1.强智能化：从当前的规则化控制（如设定ECN阈值）向基于AI/ML的智能控制演进。利用深度强化学习（DRL）在线学习网络动态特征，实现自适应的拥塞窗口调整。2.确定性网络融合：逐步探索将时间敏感网络（T