华为王辉：超大规模集群训推和网络自动驾驶，是AI在网络中深度应用的发展方向 | MEET 2025

主要观点总结

文章主要介绍了AI与其背后的通信网络之间的紧密联系，表现为Network for AI和AI for Network两层关系。文章还提到了在大模型训练方面，无阻塞网络可以提升大规模训练的效率，跨远距离的算力协同通过将分散的算力整合成大规模算力来加速AI训练推理。同时，AI在网络领域的应用也面临着决策实时性、推理严谨性和场景泛化性等挑战。华为NCE数据通信领域总裁王辉在MEET 2025智能未来大会上分享了关于AI和网络的看法，介绍了AI在垂直行业落地时面临的挑战及解决方案。

关键观点总结

关键观点1: AI与通信网络的两层关系——Network for AI和AI for Network。

文章阐述了AI与通信网络之间的紧密联系，其中Network for AI指的是用网络加速AI训练推理，而AI for Network则是通过AI手段让网络变得更加安全可靠。

关键观点2: 大模型训练与网络的挑战及解决方案。

文章指出在大模型训练方面面临着如何长时间稳定训练以及如何将多个跨远距离的小规模训练资源连接成超大规模训练集群的挑战。对此，通过先进的算法和网络技术来维持网络负载均衡、实现远距离数据中心协同训练等解决方案被提出。

关键观点3: AI在垂直行业的落地挑战及应对措施。

文章提到在垂直行业应用AI和大模型时面临的决策实时性、推理严谨性和场景泛化性等挑战，并介绍了通过智能网元、网络数字地图以及通信大模型等组成的系统解决方案来解决这些问题。