面向新型智算中心的以太网弹性通道（FlexLane）技术白皮书

背景与需求

随着AI大模型的兴起，算力需求呈指数级增长，智算中心建设加速。智算中心内部及间海量数据交换对网络链路可靠性提出极高要求，任何链路故障都可能导致AI训练任务失败。现有光模块成本高、可靠性瓶颈，大规模集群中链路数量激增，已有技术难以满足新型智算中心AI业务对可靠性的需求。

FlexLane技术架构

FlexLane技术基于高速接口多通道架构，打破原有固定组合，引入灵活多通道架构，通过降速运行实时规避任何通道故障，将链路可靠性提升万倍以上，助力AI网络互联可靠性超越5个9。技术架构主要包括检测功能、切换机制和交互协议三个子系统。

FlexLane关键技术

FlexLane整体流程包含故障通道的检测、隔离、恢复以及主动开启或关闭通道。关键技术包括：

• 故障隔离：支持软件升级和硬件演进两种方案，通过协议报文通告故障信息，隔离故障通道，实现降速运行。
• 故障预防：支持在故障发生前关闭劣化通道，避免AI任务中断。
• 动态节能：根据信道质量和流量变化，关闭或开启接口中的通道，降低能耗。

技术效果

FlexLane接口支持隔离任意故障通道降速运行，只有当接口中的所有通道都故障时，接口才会失效。以双通道光模块为例，FlexLane接口可靠性比标准接口提升7个数量级，AI网络光互联部分的可靠性可达6个9。

应用场景

FlexLane技术可广泛应用于移动承载、园区、智算中心以及中心间互联各种组网场景。在智算中心内部互联场景，支持降一通道策略，带宽仅损失1/N；在智算中心间互联场景，可靠性大幅提升，例如支持三条通道故障隔离后，1小时内发生故障的概率由4×10^-7降低至1×10^-28。

总结与展望

FlexLane技术为智算中心提供灵活、经济、高效的可靠性保障，预计在智算中心内部及间互联场景将获得广泛部署。FlexLane技术与链路级重传（LLR）技术结合，可实现高速互联故障无损；链路降速信息实时上报至管理或控制平面，可实现全网调优。未来，FlexLane将持续演进，引导未来高速接口产业走向接口性能最优与可靠性并重，为多通道高速接口扫清障碍，助力智算中心网络互联迈向更大规模领域。