今天分享的是：2025AI大模型跨域训练池化调度技术体系白皮书

报告共计：94页

《AI大模型跨域训练池化调度技术体系白皮书》核心内容总结

《AI大模型跨域训练池化调度技术体系白皮书》由第九届未来网络发展大会组委会发布，聚焦AI大模型跨域训练关键问题，提出针对性技术体系与实践方案。

当前，AI大模型发展呈现新态势。通用大模型因参数量大、训练成本高，玩家减少，而DeepSeek开源推动企业大模型兴起。企业大模型“专而精”，百亿级参数即可满足需求，单次后训练需几十卡规模，企业更愿租用算力。但我国高端智能算力面临“少、杂、散”困境，《关于深入实施“东数西算”工程加快构建全国一体化算力网的实施意见》为盘活存量算力、探索并网调度提供方向。

白皮书提出“全局池化调度”技术路线，区别于业界“专用算力拉远”，专注企业大模型“异属、异构、异地”资源调度，构建“广域确定性网络+智算资源并网+算网协同调度”三位一体架构，实现“异属合训、异构混训、异地同训”。

技术体系分业务层、管控层、资源层。业务层接收任务并转化为标准描述，动态拆分任务；管控层通过协同调度打破资源边界，实现算网存资源匹配；资源层整合异构资源，提供底层支撑。关键技术上，异构混训通过模型分层拆解、自适应配置适配不同GPU；异地同训借助计算通信重叠流水线、非阻塞GPU通信等提升效率；异属合训通过多队列协作、联合抢占等解决跨主体调度问题。

试验验证显示，该技术体系成效显著。异属算力集群协同训练中，跨2000公里广域网训练效率达88.75%；广域确定性网络能抵御干扰流，性能下降仅2.56%；算网协同调度可规避低带宽集群组合；计算通信重叠技术使跨域训练效率提升至94.26%；异构芯片混合训练效率达95.47%，且支持多流水线跨域训练。

未来，技术体系将以“全国一台计算机”为目标，推进算力泛在化、效率本地化与生态开放化，整合异构资源，提升训练效率，构建开放生态，推动AI大模型在千行百业落地。

以下为报告节选内容