距离ChatGPT上线已经过去500多天，由其掀起的这场新工业革命，正加速改变整个社会。尤其是对算力产业而言，大模型的高歌猛进，对GPU智算、网络、存储等算力产业的每个环节都提出了新需求和新挑战。
在5月21日举办的第四届中国IDC行业DISCOVERY大会上，世纪互联创始人陈升指出，通用计算为主的传统IDC已走到尽头，必须加速演进到面向大模型的AIDC。而在AIDC中，70%的投资将指向GPU和网络。长期来看，现有的网络体系难以支撑未来百万倍的加速计算。
在此背景之下，中国工程院院士、紫金山实验室荣誉主任兼首席科学家刘韵洁表示，确定性是下一代网络必须面对和解决的关键问题，特别是在算力需求激增和网络带宽增长不匹配的背景下。
刘韵洁指出，从2012年到2023年，整个算力需求增加了数十万倍，而最近五年GPU的算力更是增加了90倍。相比之下，整个网络的带宽仅增加了10倍，这种差距预示着对网络带宽和通信能力的需求将越来越高。
同时，数据要素的确权和利用也成为了一个重要议题。刘韵洁强调，如何安全地管理和利用数据要素，确保其隐私保护，是实现数据共享和流通的关键挑战。如果在这一方面做得不好，将会阻碍AI的发展。
在中国，算力分布在不同地区，“东数西算”的布局旨在利用西部算力处理东部数据。但这个过程中，有一个很大的挑战，就是如何实现远距离的无损传输。
刘韵洁提出，RDMA技术是解决这一问题的关键。他提到，微软的算力中心有70%都是使用无损协议进行互联，而华为的实验数据显示，RDMA在100GE环境下的性能是TCP的8倍多。
此外，刘韵洁还提到了美国能源科研网ESnet的案例，其第六代网络ESnet6在2022年10月开通，号称全球最快的互联网，主要为美国国家实验室提供数据服务。通常来说，ESnet会在新一代网络运行三五年后再启动下一代网络，但2023年，ESnet就宣布要做ESnet7，这是因为他们发现了一些新的需求，其中就包括端到端的确定性。
所以对算力网络来讲，确定性是一个非常重要的基础，可以为海量数据远距离无损传输提供关键技术支撑。而在确定性技术的研究方面，刘韵洁强调了网络架构的变革。
“要解决AI的需求，不是单一技术就能解决的，而是整个网络架构都要系统性地重新设计。”刘韵洁称，架构调整的主导思路是要从原先的“尽力而为”变成“确保所需”，如上文所说，如果网络不能满足需求，那AI的很多工作都无法继续开展。
刘韵洁还提出，确定性的网络技术也要跟光通讯进行融合，因为未来大模型有各种维度的需求，不同用户在不同场景需要不同的网络，他们需要随时定制，这也是未来AI发展必须提供的一个功能。
谈及中国大模型未来的发展，刘韵洁认为，中国大模型的出路在于行业大模型，因为中国行业数据的完整性、系统性是非常好的，尤其是在制造业，如果把这些行业数据利用好，通过行业大模型产生价值，这将是会中国发展新质生产力的一个非常好的途径。
