近日，『華為中國合作伙伴大會2025』在深圳開幕，第一線DYXnet作為重要合作伙伴受邀出席本屆峰會，第一線網絡研發總經理張先國代表公司發表『新一代超互聯城市算力網絡底座實踐和思考』，立足于AI大模型平權的大時代，重點講解了第一線在算力網絡方面的創新成果『AI原生超互聯總線』。

網絡研發總經理張先國先生發表演講

大模型私域部署興起

從閉源軍備競賽走向開源全面繁榮

張先國演講指出，以DeepSeek R1開源為界，大模型發展步入 “開源主導的智能普惠時代”。此前大模型發展以閉源為核心，OpenAI 構建 “大型機時代” 生態，模型能力集中，基礎設施呈 “封閉模式”，依賴大平臺資源，頭部機構主導競爭，開源模型性能遠落后。如今到新階段，DeepSeek等開源模型生態爆發，性能逼近甚至超越閉源模型，大幅降低模型部署和使用門檻，推動技術架構與創新向私域遷移。基礎設施轉向 “開放模式”，企業能依托私域數據+開源模型+超互聯安全網絡+共享算力架構，構建自主可控的 AI 服務體系，重構大模型應用的技術生態與產業邏輯 。

消除大模型部署難題

瞄準企業資源困境以創新協同破局

然而，技術迭代雖為大模型私域部署提供性能保障，但企業尤其中小企業仍面臨大模型對算力資源依賴的挑戰，在保障數據安全下利用共享算力降本、減少技術壁壘，是構建自主可控 AI 體系的關鍵矛盾。第一線聯合世紀互聯等正生態協同破局，打通算力、數據、模型的流通鏈路，構建基礎底座。

第一線通過動態擴容和整合技術，將分散的計算資源逐步轉化為統一管理的平臺化資源池。這一過程從單節點擴展至區域級網絡，結合城市級基礎設施與廣域網絡基礎設施，形成多區域、多節點的資源融合協同能力。核心目標是打破物理資源的空間界限，依托超互聯的架構，在保障私域安全空間的基礎上，實現資源的彈性調度與高效利用，為客戶提供從分散到集中的資源整合服務。這一突破不僅推動了分布式算力資源的集約化利用，更通過生態協作重構了大模型部署的技術范式。

張先國表示，這一平臺的核心在于消除客戶對資源物理位置的感知。通過統一管理體系，客戶無需關心資源分布，可直接按需調用算力，平臺自動完成負載均衡、故障切換及集群部署，確保客戶業務在毫秒級延遲下穩定運行，且資源擴展與遷移對客戶完全透明。

承載智算資源全域協同

構筑AI 原生超互聯總線架構

這一進程中，第一線正在加速構建的AI原生超互聯總線架構，成為拉通算力+模型需求側到供給側，以及對樞紐型（Hub）、輻射型（Spoke）、邊緣型（Edge）等不同形態的智算中心進行融合管理的關鍵脈絡。

AI原生超互聯總線憑借動態切片、加密技術以及安全網關產品的集成創新，可達成城域范圍內各類算力主體（涵蓋世紀互聯AIDC、公有云AI算力、邊緣算力等，以及園區、樓宇、企業乃至個人），均通過就近節點實現高速、安全接入總線，進而創建動態私有網絡，無縫連接算力資源、私域數據及模型，構建完全契合自身需求的私有計算空間，真正實現網絡與計算資源的按需定制與高效利用。

張先國具體講解道，在AI原生超互聯總線具體構建過程中，第一線結合母公司優勢，以及生態伙伴的技術能力，對網絡層、管理層等多方面進行了升級。

接入側，第一線通過實施園區/樓宇網絡改造重構，實現家庭/企業基于全光直連/F5G技術，移動終端基于5G網絡切片技術，進行多終端差異化接入。同時，核心網絡層，第一線合作運營商，打通了園區到算力、園區到5G UPF的鏈路，幫助企業實現高速、安全的私域組網。管理層面，第一線實現了園區網絡控制面的上移，結合區塊鏈等技術，支持企業進行整體私域網絡的管理，簡化日常維護和管理的復雜度。

底層網絡采用二層VXLAN、FlexE、SRv6等技術，基于用戶維度實現隔離，構建“一張網/不同用戶專有空間”架構，通過疊加數字身份與密碼學邏輯，為不同企業/業務提供安全隱私端到端能力。

值得一提的是，AI原生超互聯總線架構還采用了華為星河AI廣域網解決方案，基于加密流精準識別和智能流調度技術，實現增值體驗保障。在算力網數據快遞和存算拉遠場景中，該方案能夠根據流特征精準識別智算業務，并根據網絡資源實現千萬流的均衡調度，提升網絡吞吐率，保證智算業務的傳輸可靠性，實現海量數據高效入算，構筑端到端彈性無損算力網。

從數據中心走向廣域

基于遠程RDMA創新應用

網絡研發總經理張先國先生發表演講

張先國稱，第一線在升級園區網絡時，正把數據中心結構擴展至城域及全球。實現這一目標，需在AI原生超互聯總線架構中，創新應用遠程RDMA等關鍵協議。當下，第一線正探索借遠程RDMA協議，推動企業大模型數據與多區域異構算力互聯協同，并通過多場景技術實證，揭示其在關鍵 AI 業務流程中的性能表現。

大模型文件傳輸場景下

基于遠程RDMA技術的AI原生超互聯總線，在2000公里以上的遠程傳輸中，即使在小帶寬切片下傳輸速度也可達TCP的20倍以上，較多線程多路TCP也有2倍以上速率優勢，且CPU利用率更優。而物理帶寬越大遠程RDMA協議優勢越突出。200Gbps網絡實測中，即使在少量丟包的場景下，遠程RDMA技術實現160Gbps以上速率，而受內核與系統限制的TCP多流模式僅達30Gbps。

跨節點模型微調訓練場景

10km間距的兩節點基于400Gbps雙鏈路協同訓練大模型，與同節點訓練相比，總體差距控制在2%以內。

模型分發場景

大模型文件，在10Gbps非高速網絡環境下，仍實現5～8倍的速度提升，凸顯AI原生超互聯總線在廣域傳輸、模型訓練及分發場景的高效性能。

企業私域AI落地方案

【某教育客戶案例】

教育企業客戶數據量高達300TB+，包含多種形式。第一線打通其原有存儲與第一線邊緣節點，從而形成安全網絡互聯，并調度 64 臺算力資源為其進行模型微調訓練，訓練結束后進行多節點部署與模型分發，連接到線下體驗節點等，實現端到端多點間至少100Gbps的高速“AI內網”，實現數據的拉遠訓練和模型的快速分布式部署。

這一過程可根據客戶不同階段的需求，動態調整資源。從訓練期間的64臺訓練資源，可以在幾分鐘內快速完成資源切換和部署，調整為分布在不同區域的推理算力資源，并依托“AI內網”對接其內部知識庫，構建分布式私域計算空間，實現網絡與算力的精準整合創新。

隨著AI原生超互聯總線的規模化落地，企業級AI部署正從單一算力依賴轉向多維資源協同。該架構通過高速安全總線實現網絡資源按需分配，依托動態切片技術、彈性算力調度算法、安全加密技術等構建分布式計算網格，促進AI在私域場景下的快速落地和創新。

未來，AI原生超互聯總線的進一步演進將加速多域協同計算的普及，最終推動智能計算從云中心向城市級算力網絡的范式躍遷。