思科大中华区副总裁侯胜利：当我们进行AI与机器学习时，网络成为很重要的因素

　　5月27日，ChatGPT与人工智能前沿技术交流会在北京举行。思科大中华区副总裁侯胜利发表了演讲。

　　侯胜利说：“AI怎样帮助各行各业解决实际问题？思科已经有一些相关方面的应用，比如帮助客户进行IT运维、IT智能管理、IT自动化部署等等。今天我想讲讲：当我们进行AI建设时，整个IT平台有哪些新变化和新要求，以及我们应该怎样去应对这些新变化和新要求。”

　　侯胜利表示，过去一两年，无论是国内还是国外，都有大量的大数据模型和AI平台涌现，用于帮助客户解决各种问题。而这些大数据模型和预训练的AI平台，跟以往的数据、IT平台有什么不同呢？

　　在侯胜利看来，主要差异有两个：

　　第一、因为大量的数据，大量信息的计算或者沟通，一个CPU或者一个GPU没办法再单独完成所有工作，一定会需要多个CPU多个GPU协调进行工作。

　　第二、以前的高性能计算，虽然有非常大的数据流，但都是单一任务的；而在AI时代，需要多种并行不同的任务，会更加复杂。

　　“当进行AI计算时，网络要支持并行可拓展，实现1000个以上的GPU的并行处理，而一个GPU在峰值可产生200GE、400GE的数据量。以前的网络是尽力服务可能会丢包，现在需要零丢包。另外网络还要支持更灵活的编程方式。”侯胜利说。

　　侯胜利表示，现在很多厂家都在陆续推出自己的AI技术解决方案。思科的解决方案是通过全调度数据中心架构提高AI业务运行效率。

　　“从原来的基于数据流的方式，变成基于每一个包，通过逐包负载分担和硬件重排序实现高效率。基于VOQ Credit 算法的全调度Fabric，支持无损数据传输。通过对传统以太网络做的这些优化，更好地支持大数据模型。”侯胜利说。

　　侯胜利指出，一个芯片可以支持多种不同模式，既可以是传统的数据中心模式，也可以是支持AI的全调度数据中心模式，既可以是大单机运行模式，也可以是Spine和Leaf的扩展模式。

　　“当我们进行AI业务时，网络已经成为很重要的因素。传统的基于以太网ECMP的方式没办法实现机器学习和人工智能的需求，所以我们需要一个全调度的数据中心架构，从而更好地满足机器学习和大数据模型的需求。”侯胜利说。

　　新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。

海量资讯、精准解读，尽在新浪财经APP

责任编辑：王蒙