近日，『华为中国合作伙伴大会2025』在深圳开幕，第一线DYXnet作为重要合作伙伴受邀出席本届峰会，第一线网络研发总经理张先国代表公司发表『新一代超互联城市算力网络底座实践和思考』，立足于AI大模型平权的大时代，重点讲解了第一线在算力网络方面的创新成果『AI原生超互联总线』。

网络研发总经理张先国先生发表演讲

大模型私域部署兴起

从闭源军备竞赛走向开源全面繁荣

张先国演讲指出，以DeepSeek R1开源为界，大模型发展步入 “开源主导的智能普惠时代”。此前大模型发展以闭源为核心，OpenAI 构建 “大型机时代” 生态，模型能力集中，基础设施呈 “封闭模式”，依赖大平台资源，头部机构主导竞争，开源模型性能远落后。如今到新阶段，DeepSeek等开源模型生态爆发，性能逼近甚至超越闭源模型，大幅降低模型部署和使用门槛，推动技术架构与创新向私域迁移。基础设施转向 “开放模式”，企业能依托私域数据+开源模型+超互联安全网络+共享算力架构，构建自主可控的 AI 服务体系，重构大模型应用的技术生态与产业逻辑 。

消除大模型部署难题

瞄准企业资源困境以创新协同破局

然而，技术迭代虽为大模型私域部署提供性能保障，但企业尤其中小企业仍面临大模型对算力资源依赖的挑战，在保障数据安全下利用共享算力降本、减少技术壁垒，是构建自主可控 AI 体系的关键矛盾。第一线联合世纪互联等正生态协同破局，打通算力、数据、模型的流通链路，构建基础底座。

第一线通过动态扩容和整合技术，将分散的计算资源逐步转化为统一管理的平台化资源池。这一过程从单节点扩展至区域级网络，结合城市级基础设施与广域网络基础设施，形成多区域、多节点的资源融合协同能力。核心目标是打破物理资源的空间界限，依托超互联的架构，在保障私域安全空间的基础上，实现资源的弹性调度与高效利用，为客户提供从分散到集中的资源整合服务。这一突破不仅推动了分布式算力资源的集约化利用，更通过生态协作重构了大模型部署的技术范式。

张先国表示，这一平台的核心在于消除客户对资源物理位置的感知。通过统一管理体系，客户无需关心资源分布，可直接按需调用算力，平台自动完成负载均衡、故障切换及集群部署，确保客户业务在毫秒级延迟下稳定运行，且资源扩展与迁移对客户完全透明。

承载智算资源全域协同

构筑AI 原生超互联总线架构

这一进程中，第一线正在加速构建的AI原生超互联总线架构，成为拉通算力+模型需求侧到供给侧，以及对枢纽型（Hub）、辐射型（Spoke）、边缘型（Edge）等不同形态的智算中心进行融合管理的关键脉络。

AI原生超互联总线凭借动态切片、加密技术以及安全网关产品的集成创新，可达成城域范围内各类算力主体（涵盖世纪互联AIDC、公有云AI算力、边缘算力等，以及园区、楼宇、企业乃至个人），均通过就近节点实现高速、安全接入总线，进而创建动态私有网络，无缝连接算力资源、私域数据及模型，构建完全契合自身需求的私有计算空间，真正实现网络与计算资源的按需定制与高效利用。

张先国具体讲解道，在AI原生超互联总线具体构建过程中，第一线结合母公司优势，以及生态伙伴的技术能力，对网络层、管理层等多方面进行了升级。

接入侧，第一线通过实施园区/楼宇网络改造重构，实现家庭/企业基于全光直连/F5G技术，移动终端基于5G网络切片技术，进行多终端差异化接入。同时，核心网络层，第一线合作运营商，打通了园区到算力、园区到5G UPF的链路，帮助企业实现高速、安全的私域组网。管理层面，第一线实现了园区网络控制面的上移，结合区块链等技术，支持企业进行整体私域网络的管理，简化日常维护和管理的复杂度。

底层网络采用二层VXLAN、FlexE、SRv6等技术，基于用户维度实现隔离，构建“一张网/不同用户专有空间”架构，通过叠加数字身份与密码学逻辑，为不同企业/业务提供安全隐私端到端能力。

值得一提的是，AI原生超互联总线架构还采用了华为星河AI广域网解决方案，基于加密流精准识别和智能流调度技术，实现增值体验保障。在算力网数据快递和存算拉远场景中，该方案能够根据流特征精准识别智算业务，并根据网络资源实现千万流的均衡调度，提升网络吞吐率，保证智算业务的传输可靠性，实现海量数据高效入算，构筑端到端弹性无损算力网。

从数据中心走向广域

基于远程RDMA创新应用

网络研发总经理张先国先生发表演讲

张先国称，第一线在升级园区网络时，正把数据中心结构扩展至城域及全球。实现这一目标，需在AI原生超互联总线架构中，创新应用远程RDMA等关键协议。当下，第一线正探索借远程RDMA协议，推动企业大模型数据与多区域异构算力互联协同，并通过多场景技术实证，揭示其在关键 AI 业务流程中的性能表现。

大模型文件传输场景下

基于远程RDMA技术的AI原生超互联总线，在2000公里以上的远程传输中，即使在小带宽切片下传输速度也可达TCP的20倍以上，较多线程多路TCP也有2倍以上速率优势，且CPU利用率更优。而物理带宽越大远程RDMA协议优势越突出。200Gbps网络实测中，即使在少量丢包的场景下，远程RDMA技术实现160Gbps以上速率，而受内核与系统限制的TCP多流模式仅达30Gbps。

跨节点模型微调训练场景

10km间距的两节点基于400Gbps双链路协同训练大模型，与同节点训练相比，总体差距控制在2%以内。

模型分发场景

大模型文件，在10Gbps非高速网络环境下，仍实现5～8倍的速度提升，凸显AI原生超互联总线在广域传输、模型训练及分发场景的高效性能。

企业私域AI落地方案

【某教育客户案例】

教育企业客户数据量高达300TB+，包含多种形式。第一线打通其原有存储与第一线边缘节点，从而形成安全网络互联，并调度 64 台算力资源为其进行模型微调训练，训练结束后进行多节点部署与模型分发，连接到线下体验节点等，实现端到端多点间至少100Gbps的高速“AI内网”，实现数据的拉远训练和模型的快速分布式部署。

这一过程可根据客户不同阶段的需求，动态调整资源。从训练期间的64台训练资源，可以在几分钟内快速完成资源切换和部署，调整为分布在不同区域的推理算力资源，并依托“AI内网”对接其内部知识库，构建分布式私域计算空间，实现网络与算力的精准整合创新。

随着AI原生超互联总线的规模化落地，企业级AI部署正从单一算力依赖转向多维资源协同。该架构通过高速安全总线实现网络资源按需分配，依托动态切片技术、弹性算力调度算法、安全加密技术等构建分布式计算网格，促进AI在私域场景下的快速落地和创新。

未来，AI原生超互联总线的进一步演进将加速多域协同计算的普及，最终推动智能计算从云中心向城市级算力网络的范式跃迁。