计算机工程与科学

作者：王军良, 林宝洪, 张娇, 孙梦宇, 潘永琛

单位：1.中国电信股份有限公司广东研究院,广东 广州 510660；2.北京邮电大学网络与交换技术国家重点实验室，北京 100876；3.中国电信股份有限公司北京研究院,北京 100045

关键词：智算中心网络,AI大模型通信,远程直接存取协议,QP通信,

基金：国家重点研发计划（2022YFB4501405）

当前智算中心主要采用远程直接存取RDMA协议实现集群内部的超高性能通信，每对进程之间都需要建立基于可靠连接RC类型的队列对QP。在下一代大规模智算中心的AI大模型场景下，All-to-All和All Reduce这些分布式的集合通信操作会触发进程与进程间的全连接通信，基于RC的机制所需要维护的QP数量将突破百万，对RDMA网卡中有限的内存和性能带来极大挑战。为解决该问题，提出了高效可靠数据报ERD的RDMA QP通信机制，一方面通过可靠数据报RD来代替传统的RC，提高网卡的QP可扩展性；另一方面设计基于RD的可靠接收机制，在网络栈增加数据包丢包和快速有序处理，保证网络可靠性的同时提高传输性能。经过实验以及NS3仿真测试，ERD可以降低99.96%的QP数量，同时网络拥塞时传输性能可以提升15%以上。

来源：2026年第2期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2026年第2期