中國信通院標準所聯(lián)合發(fā)布《基于智能IP廣域網(wǎng)（AI WAN）的存算分離與云邊協(xié)同訓推技術研究報告（2025年）》

智能時代加速到來，企業(yè)模型訓練、推理算力需求爆炸式增長。對于企業(yè)來說，采用第三方云上智算資源是降低資本支出的最佳選擇，但在數(shù)據(jù)入算、模型微調(diào)、推理輸出等過程中可能面臨數(shù)據(jù)、模型泄漏的問題。對于企業(yè)和行業(yè)用戶來說，一方面要降低算力成本，同時又要保障訓練、推理過程中的數(shù)據(jù)安全、用算安全。在此背景下，開展基于智能IP廣域網(wǎng)（AI WAN）的存算分離與云邊協(xié)同訓推技術研究具有重要意義。

2025年9月24日，中國信息通信研究院（簡稱“中國信通院”）技術與標準研究所聯(lián)合華為技術有限公司在“2025中國國際信息通信展覽會”的新質互聯(lián)網(wǎng)-AI WAN產(chǎn)業(yè)研討會上發(fā)布了《基于智能IP廣域網(wǎng)（AI WAN）的存算分離與云邊協(xié)同訓推技術研究報告（2025年）》，中國信通院技術與標準研究所互聯(lián)網(wǎng)中心主任高巍對報告進行了深入解讀。

報告研究面向政企模型微調(diào)訓練、推理等業(yè)務場景，圍繞企業(yè)安全用算需求，基于智能IP廣域網(wǎng)（AI WAN）研究并提出了存算分離與云邊協(xié)同訓推技術方案，滿足企業(yè)原始數(shù)據(jù)不出域、安全租用云端算力、降低企業(yè)用算成本的需求。在存算分離模型微調(diào)訓練場景下，針對企業(yè)敏感數(shù)據(jù)園區(qū)外“不落盤”需求，可保障拉遠100KM、400KM達到97%以上高算效。在云邊協(xié)同推理場景下，可實現(xiàn)推理性能95%以上高算效，滿足企業(yè)推理數(shù)據(jù)不出域的安全推理訴求。

報告主要內(nèi)容

1. 分析大模型微調(diào)訓推場景面臨的挑戰(zhàn)。當前企業(yè)在AI模型微調(diào)訓練、推理等場景中面臨安全和成本兩重挑戰(zhàn)。在企業(yè)訓推過程中，一方面明確數(shù)據(jù)需在原始產(chǎn)生域內(nèi)處理，以規(guī)避跨域流動中網(wǎng)絡攻擊、惡意篡改等安全威脅。另一方面若企業(yè)自行搭建、維護算力資源，成本壓力過大；若轉向網(wǎng)絡租賃，又會因計算效率明顯降低，間接導致用算成本增加。

2. 提出基于智能IP廣域網(wǎng)（AI WAN）的存算分離與云邊協(xié)同訓推技術方案。存算分離與云邊協(xié)同訓推技術方案在存算分離模型微調(diào)訓練與云邊協(xié)同推理兩大場景中，分別從資源調(diào)度、數(shù)據(jù)安全管理、算力分配等維度提供針對性技術方案，兼顧用算安全與成本，幫助破解行業(yè)痛點問題，為突破AI應用瓶頸提供了核心支撐。支撐存算分離與云邊協(xié)同訓推技術方案的核心技術包括模型拆分學習技術、精準流控技術和自動流級調(diào)度技術。

                                                                                                                                                    來源：中國信通院

3. 深度總結存算分離與云邊協(xié)同訓推的三大核心技術。模型拆分學習技術通過將模型與數(shù)據(jù)按安全等級、處理需求拆分部署，從根源上避免了原始數(shù)據(jù)泄露的風險。同時，解決算力獲取、數(shù)據(jù)保護與成本控制的矛盾。精準流控技術與SRv6切片功能結合，通過整網(wǎng)路徑部署對應的切片，在滿足不同業(yè)務對網(wǎng)絡帶寬、時延、抖動等差異化SLA需求的情況下實現(xiàn)逐級反壓。從而保障企業(yè)用算的算效穩(wěn)定性，降低企業(yè)用算成本。自動流級調(diào)度技術通過控制器納管智能IP廣域網(wǎng)設備，基于優(yōu)化算法以網(wǎng)絡帶寬利用率最大為目標進行路徑規(guī)劃，實現(xiàn)網(wǎng)絡運力最大化，進一步為企業(yè)用算提高效率，可有效降低企業(yè)用算成本。

4. 關鍵技術典型場景實驗驗證。在實驗室針對大模型存算分離、云邊協(xié)同訓推、訓推安全等方面進行了系統(tǒng)性研究與多輪次驗證。實驗數(shù)據(jù)有效驗證了模型拆分學習技術的安全性，同時驗證了精準流控技術與自動流級調(diào)度技術對智能IP廣域網(wǎng)絡的無損與算效保障，在LLAMA2-13B、Qwen2.5vl-32B、CV類模型RESNET、DeepSeek等大模型100KM和400KM存算拉遠場景下，算效劣化低于3%，Qwen 32B模型在200KM云邊協(xié)同推理場景下，劣化不超過5%。

報告目錄

一、概述

（一）背景

（二）AI大模型訓練與推理技術應用

二、大模型微調(diào)訓推場景面臨的挑戰(zhàn)

三、基于智能IP廣域網(wǎng)（AI WAN）的存算分離與云邊協(xié)同訓推技術方案

（一）方案總體架構

（二）模型拆分學習技術

（三）精準流控技術

（四）自動流級調(diào)度技術

四、關鍵技術典型場景實驗

（一）存算分離拉遠算效

（二）云邊協(xié)同推理安全性

（三）云邊協(xié)同算力資源配置優(yōu)化

五、總結展望

主要專家簡介

中國信通院技術與標準研究所互聯(lián)網(wǎng)中心主任，高級工程師

高巍

中國通信標準化協(xié)會TC3WG3組長，網(wǎng)絡5.0技術和產(chǎn)業(yè)創(chuàng)新聯(lián)盟秘書長。長期從事數(shù)據(jù)通信、云計算、工業(yè)互聯(lián)網(wǎng)等領域的研究，負責2項國家標準和20余項行業(yè)標準的制訂，在國內(nèi)外公開發(fā)表論文20余篇，參編專著1部，獲得專利授權3項。

中國信通院技術與標準研究所工程師

陳云柯

長期從事數(shù)據(jù)通信、智算廣域網(wǎng)等領域研究工作，負責1項國家標準和4項行業(yè)標準的制訂，在國內(nèi)外公開發(fā)表論文6篇，獲得國家發(fā)明專利4項。

版權聲明：本報告版權屬于中國信息通信研究院、華為技術有限公司，并受法律保護。轉載、摘編或利用其它方式使用本報告文字或者觀點的，應注明“來源：中國信息通信研究院、華為技術有限公司”。