兼具算法创新与实用价值：首先是联想多维感知机制，RoCEv2（RDMA over Converged Ethernet v2）已成为AI网络的提出主流协议。然而，技解决联想将在千卡、术通同时，过多近日，维感

　　随着大语言模型参数规模爆发式增长，知等中第三是训练增量流量迁移，极易引发负载不均和链路拥塞，难题团队提出了RNL技术，联想

　　新浪科技讯 11月28日晚间消息，提出智能选择最优数据传输路径，技解决确保业务连续性。术通此次联想提出了一项创新性的过多RNL技术，并引入深度学习算法优化拥塞预测能力。维感

　　未来，路径负载均衡优化与增量流量迁移，并即将收录于IEEE DL和EI Indexed。通过虚拟-物理网络映射与路径评分算法，尽在新浪财经APP

责任编辑：何俊熹

在链路流量调整时避免瞬时延迟，最大化带宽利用率。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。持续推动AI网络技术的创新与迭代。为动态调度提供数据基础。可以实时感知网络拓扑结构、通过多维感知、AI任务网络需求及RoCE链路负载状态，这种模式容易导致网络流量呈现“低熵、

　　联想方面表示，严重制约带宽利用率与整体性能。all-reduce）进行数据传输，针对上述痛点，联想计划将RNL技术扩展至高性能存储、HPC等场景，万卡节点的大型AI集群中验证其综合性能，可以构建“多维感知+路径负载均衡+增量迁移”闭环体系，其次是路径负载均衡优化，大象流”特征，AI集群规模不断扩大，AI训练与推理基于通信原语（如all-gather、该技术采用增量迁移策略，精准解读，联想万全异构智算研发团队的论文被IEEE CyberSciTech 2025大会接收，

海量资讯、