简介
人工智能迎来范式重大变革，OpenClaw 驱动的 Agent 浪潮推动 AI 从单模型交互走向多智能体自主协作，网算存一体化 AI 集群是支撑这场变革的核心基础设施。随着算力集群向超十万卡规模拓展，构建适配多智能体时代、大规模高效可靠的智算网络成为行业关键命题。 本次 Agentic NET 论坛邀请微软、阿里云、英伟达、腾讯云、阶跃星辰专家，结合落地实践解读 AI 集群业务特征、下一代集群互联架构、通信优化与协议创新，剖析现存技术挑战与解决方案；同时探讨万卡集群网络发展趋势、开放网络设计，探索 GPU 互联关键难题破局路径，分享前沿产业观点，为科研人员与工程从业者提供一线实践参考。
简介为官网原文，部分内容可能未写完。
人员
主席
- 王晓亮 · 南京大学
- 管紫轩 · 华为
嘉宾
- 金峰 · 腾讯科技（深圳）有限公司
- 宗志刚 · 阿里巴巴
- Yuanwei Lu · 上海阶跃星辰智能科技有限公司
- 李虎 · 百度时代网络技术（北京）有限公司
- 牛治雄 · 微软亚洲研究院
报告安排
Cubesandbox研发设计的实践和思考
金峰 · 腾讯科技（深圳）有限公司
简介
Agent从“对话式”向“执行式”发展， 承载Agent运行的基础设施应该有什么样的改变，当基础设施的用户从人向Agent转变，会面临什么样的技术挑战，从CubeSandbox的设计出发，陈述我们在这方面的一些思考和实践。
云网络在Agentic AI应用中的挑战和实践
宗志刚 · 阿里巴巴
简介
AI从训练逐步走向推理，agent应用也呈现越来越丰富的趋势，云上部署agent应用以及推理服务，对于云计算网络有哪些新的挑战，阿里云网络面对这些挑战的实践过程。
大语言模型长上下文训练的挑战与优化
Yuanwei Lu · 上海阶跃星辰智能科技有限公司
简介
长文档理解、代码仓库分析与长程智能体交互，对模型的上下文长度和信息利用能力提出了更高要求，也使训练面临计算量增长、跨卡通信、负载不均衡与激活显存等多重挑战。本报告以“瓶颈如何随优化迁移”为主线，结合训练系统实践，由浅入深介绍大语言模型在长上下文训练中的挑战与优化。
百度 AI 网络体系化演进
李虎 · 百度时代网络技术（北京）有限公司
简介
面向万卡级大模型训练与推理对互联带宽、时延与可靠性的需求，本报告涉及 Scale-Across / DCN / Scale-Out / Scale-Up 四层 AI 网络架构演进。Scale-Out 以多平面全二层组网与自研 102.4T 交换机，四平面可支撑 10 万卡 800G 无损接入，并将单端口故障影响域收敛至 25%。Scale-Up论述百度天池超节点的代际演进。
高效的下一代 AI 网络基础设施：从可扩展网络架构到快速仿真平台
牛治雄 · 微软亚洲研究院
简介
AI 训练与推理正在重塑数据中心网络的需求。大规模 GPU 集群不仅要求网络具备高性能的集合通信能力，还需要具有强大的弹性，以应对低熵突发流量、复杂的通信依赖关系以及多样化的故障场景。然而，现有的 InfiniBand 和以太网网络在应对这些新型工作负载时仍面临挑战。 本报告将首先介绍现代 AI 基础设施对网络的需求以及当前的设计趋势，并从模型、框架、工作负载到网络系统的不同层次，探讨大规模 GPU 集群的整体设计。随后将介绍微软亚洲研究院（MSRA）在下一代 AI 网络工作负载与网络协同设计方面的最新研究进展，重点涵盖网络架构、传输协议以及服务器内网络系统。为支持无需依赖真实硬件的系统研究，我们构建了高保真、高效且可扩展的仿真平台 AllSpark，用于模拟和分析大规模 AI 集群中的网络行为。在此基础上，我们进一步探索下一代 AI 网络基础设施的设计，为构建高性能、高弹性和可扩展的 AI 网络提供支持。