人工智能领域包括8大重要应用场景，包括：识别检测、语音交互、AI芯片、自动驾驶、机器人、视频解析、人机协同、机器翻译、精准推荐等。每类场景对算力的要求不同。

计算机网络通信中两个重要的衡量指标是带宽和延迟，AI 网络也是如此。在向百亿级及以上规模的发展过程中，影响AI计算集群性能的关键并不只在于单个芯片的处理速度，每个芯片之间的通信速度也尤为重要。

根据 IDC 的数据，2022 年，AI 网络市场已达到 20亿美元，其中 InfiniBand 贡献了 75% 的收入。2023 年AI 基础设施建设投资将达到 1540亿美元，到 2026 年将增长到 3000亿美元。

数据中心在现代社会扮演着至关重要的角色，它们是数字化时代的神经中枢，支持着云计算、大数据、人工智能等技术的快速发展。在传统的数据中心中，冷空气通过充斥着计算、网络和存储系统的机架被加热后，通过冷却设……

在这个快节奏的数字化时代，数据中心扮演着关键的角色，支撑着云计算、大数据和人工智能等创新技术的发展。

在AIGC迅猛前进的道路上，智能算力作为AI网络的基石，是支持AI大模型训练和推理的关键；高性能网络则是AI网络基础设施的纽带，推动更高性能的网络互联成为业界重要的探讨方向。

9月10日 - 9月14日，SIGCOMM 2023在美国纽约哥伦比亚大学召开。SIGCOMM是ACM组织的网络通信领域旗舰型会议。本次SIGCOMM 2023共收到323篇论文，录用71篇（录用率为22%），录用文章数量创下了大会纪录。

2023 年 4 月，在捷克首都布拉格举行的开放计算项目 (OCP) 区域峰会上，一直游离在组织之外的Amazon宣布了一项新的贡献即开放企业边缘网关，同时拿出了新鲜出炉的边缘网关基础规范白皮书。

超高带宽、超低延迟、超高可靠，这是大模型训练对于网络的要求。

随着AI大模型“百花齐放”，底层的算力需求与日俱增。目前，AI大模型的训练参数已飙升至万亿级别，如此庞大的训练任务无法由单个服务器完成，需要大量服务器作为节点，通过高速网络组成算力集群，相互协作完成任务。……

生成式AI和大语言模型（LLM）正在以难以置信的方式吸引全世界的目光，本文简要介绍了大语言模型，训练这些模型带来的硬件挑战，以及GPU和网络行业如何针对训练的工作负载不断优化硬件。

8月25日下午，在第七届未来网络发展大会闭幕式上，紫金山科研团队在闭幕式活动中正式对外发布《算网操作系统白皮书》、《光电融合服务定制广域网》、《以网络IO为中心的无服务器数据中心》三本白皮书。