TTAF 388-2026 智算网络 计算感知技术要求

2026-10-19实施版权声明 1 13术语和定义 1 2 2 3 4 4 4 49计算状态感知能力要求 5 59.2软件层感知能力要求 59.3硬件层感知能力要求 510感知数据采集要求 6 610.2数据库同步 610.3消息接口同步 610.4DMA网卡同步(可选) 6 6 611.2感知信息准确性要求 6 7 81本文件规定了智能计算中心网络对于人工智能模型训练任务与推理任务对于计算侧状态感知的技指网络节点基于硬件资源(处理器核数/内存容量/存储IOPS)执行特定计算任务的服务能力。其本 (如通用计算、AI智算、超算)的算力资源进行感知、连接、编排和调度，实现“算力”与“网络”的深度融合与协同，从而提供高效、灵活、按新型计算任务NewComputingWorkload计算节点(GPU/AI加速卡)进行紧耦合、协同式并行计算的工作负载。与传统离散、独立的计算任务不同，新型计算任务将数千甚至数万个计算单元视为一个整体(Super-computer),通过极高频的参数并行策略ParallelizationStrategy计算状态ComputingState所有的模型训练和推理任务都基于应用层的分布式训练框架，例如当前主流的(DeepSpeed、2确定性计算状态DeterministicComputingState指的是分布式训练中集合通信的通信量大小、集合通信模式、集合通信拓扑信息、通信间隔时间、训练总轮次等。4缩略语AI:人工智能(ArtificialIntelligence)NIC:网络接口卡(NetworkInterfaceCard)CNN:卷积神经网络(ConvolutionalNeuralNetwork)通信量网卡编号带宽使用率训练进度网卡通信间隔透视能力。在计算节点侧，核心感知探针被深度植入到应用层与硬件层之中。具体而言，通过在AI训练框架(如PyTorch、TensorFlow)或通信库(NCCL)中嵌入轻量级钩子函数，系统直接在训练进程中捕获集合通信模式(如AllReduce、AllGather)、通信量大小及训练轮次等关键语义信息；同时，在服务器操作系统或智能网卡上部署驻留代理，利用零拷贝技术实时读取GPCIe带宽利用率及网卡物理端口的性能指标。此外，网络设备侧也同步开启带内遥测(INT)功能，通计算集群中的“慢节点”,并分析其对整体训练进度的拖累程度，具体结构如图2所示。4:b)MPI(OpenMPIIntelMPI):提供标准化的点对点(P2P)与集合通信接口，支持动态拓扑重5构，适配HPC场景的混合并行(数据+模型并行)任务。e)应支持统计分析通信操作周期的能力，得到确定性流量周期信息；9.3.3交换机感知能力(可选)应支持通过JDBC/ODBC驱动连接主流数据库(如MySQL、Oracle、PostgreSQL)的能力，支持从源系统表或视图进行数据抽取。根据数据规模(如TB级表)、网络带宽(如跨区域传输)及系统资源负载(如CPU占用率),动态选择批量数据导出(全量)或差异数据同步(增量)模式。增量抽取可基于时间戳追踪、日志解析或触发器捕获等机7c)应支持网卡速率信息误差不大于5%;d)应支持网卡实时带宽信息误差小于1ms。11.2.3其他感知信息准确性要求(可选)b)可支持GPU/TPU信息感知时延小8[1]ISO/IEC22237