国联证券：通信行业专题研究：百万卡算力之路：多DC分布式训练和DCI需求增长

海外科技巨头积极布局多DC分布式训练 关于AI大模型训练在什么阶段需要DCI联接，需要多少DCI带宽，我们认为不同的互联网公司，因为IDC资源不同、业务模型不同，会有较大的配置差异。但是Meta和Google已经开始了多DC分布式训练，其中Google的Gemini1Ultra就是通过多DC的分布式训练实现的。谷歌目前有两个主要的多数据中心区域，分别位于俄亥俄州和爱荷华州/内布拉斯加州。OpenAI和微软更加雄心勃勃，计划将各个超大型园区互连在一起起来，并在全国范围内进行大规模的分布式训练。 分布式训练给网络带来挑战 AI训练步入十万卡时代，跨DC协同训练对网络带来挑战。（1）AI训练对网络丢包的敏感度高。（2）大象流会导致网络中的传统基于五元组的负载分担方法失效，链路负载不均衡，降低网络使用率。（3）在万卡集群中，极端情况下流量瞬时并发可达上千Tbps。目前，十公里的跨机楼并行训练算效损失可低于5%，具备可行性，未来百公里级、千公里级的跨地域并行训练欲将损失控制在10%以下，除需建设长距离超宽DCI网络之外，还涉及模型切分策略、集合通信算法、无损网络技术等。 400GZR相干技术优势