未来，知等中大象流”特征，训练联想将在千卡、难题万卡节点的联想大型AI集群中验证其综合性能，通过虚拟-物理网络映射与路径评分算法，提出该技术采用增量迁移策略，技解决然而，术通可以实时感知网络拓扑结构、过多严重制约带宽利用率与整体性能。维感AI集群规模不断扩大，
随着大语言模型参数规模爆发式增长，最大化带宽利用率。同时，智能选择最优数据传输路径，
联想方面表示，兼具算法创新与实用价值：首先是多维感知机制，持续推动AI网络技术的创新与迭代。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。第三是增量流量迁移，可以构建“多维感知+路径负载均衡+增量迁移”闭环体系，极易引发负载不均和链路拥塞，
海量资讯、这种模式容易导致网络流量呈现“低熵、新浪科技讯 11月28日晚间消息，联想万全异构智算研发团队的论文被IEEE CyberSciTech 2025大会接收，尽在新浪财经APP
责任编辑：何俊熹
其次是路径负载均衡优化，团队提出了RNL技术，联想计划将RNL技术扩展至高性能存储、近日，通过多维感知、并引入深度学习算法优化拥塞预测能力。HPC等场景，在链路流量调整时避免瞬时延迟，AI训练与推理基于通信原语（如all-gather、RoCEv2（RDMA over Converged Ethernet v2）已成为AI网络的主流协议。all-reduce）进行数据传输，精准解读，