【环球网科技综合报道】11月28日消息，联想万全异构智算研发团队的论文《RNL: RoCE Network Loadbalance with AI Traffic Characteristics and Link Congestion Awareness》于近日被IEEE CyberSciTech 2025大会收录。
此次联想被收录的论文提出了一项创新性的RNL技术，通过多维感知、路径负载均衡优化与增量流量迁移，有效解决了AI训练与推理场景中RoCE网络负载均衡的长期难题。
据悉，联想万全异构智算研发团队创新性提出的RNL技术，可以构建“多维感知+路径负载均衡+增量迁移”闭环体系，兼具算法创新与实用价值：首先是多维感知机制，可以实时感知网络拓扑结构、AI任务网络需求及RoCE链路负载状态，为动态调度提供数据基础。其次是路径负载均衡优化，通过虚拟-物理网络映射与路径评分算法，智能选择最优数据传输路径，最大化带宽利用率。第三是增量流量迁移，该技术采用增量迁移策略，在链路流量调整时避免瞬时延迟，确保业务连续性。
与传统方案不同，RNL基于通用RoCE交换机实现AI网络优化，无需绑定专用硬件，显著降低了部署成本。其核心创新在于融合AI业务通信带宽与时延评估算法，结合多维链路拥塞评估机制，实现对AI负载的精准调度与网络路径的智能编排。
在实测环境中，RNL技术不仅展现出高可靠性，更体现出在提升AI业务效率与降低总拥有成本（TCO）方面的双重优势。在性能提升方面，集合通信原语性能提升50%，带宽利用率达85%，负载均衡离散度降低90%；AI推理场景下，TPS（每秒处理事务数）提升26%，TTFT（首字节时间）时长减少 30%，TPOT（每输出令牌时间）时长减少 22%；整体部署成本降低60%，为AI集群的规模化落地提供了经济高效的网络基础。
目前，RNL技术已纳入联想万全异构智算平台的落地规划，这将进一步巩固联想万全异构智算平台在AI异构计算市场的技术壁垒，提升其行业影响力与核心竞争力。（青云）
