腾讯云发布了星脉网络2.0，这是一款针对大模型训练而设计的升级版网络，旨在解决大型模型训练中通信效率低下的问题。旧版星脉网络中，计算结果同步通信时间占比超过50%，严重影响训练效率。新版本通过多项技术升级，显着提升了网络性能和可靠性，为大规模模型训练提供了更强大的支持。
1. 支持单集群10万卡组网，规模翻倍，网络通信效率提升60%，大模型训练效率提升20%，故障定位从天级降低至分钟级。
2. 自研交换机、光模块、网卡等网络设备升级，基础设施更加可靠，支持单集群10万卡GPU 以上的规模。
3. 全新通信协议TiTa2.0部署在网卡上，拥塞算法升级为主动拥塞控制算法，通信效率提升30%，大模型训练效率提升10%。
4. 高性能集合通信库TCCL2.0采用NVLINK+NET 异构并行通信，实现数据的并行传输，同时具备Auto-Tune Network Expert 自适应算法，提升通信性能30%，大模型训练效率提升10%。
5. 新增腾讯独家技术灵境仿真平台，实现全面监控集群网络，精确定位GPU 节点问题，将万卡级训练故障定位时间从天级降低至分钟级。
通过这些升级，星脉网络的通信效率提升60%，大模型训练效率提升20%，故障定位精准度也得到了提升。这些改进将有助于提高大型模型训练的效率和性能，让昂贵的GPU 资源得到更充分的利用。
星脉网络2.0的升级为大模型训练带来了显着的效率提升和可靠性增强，其在网络设备、通信协议和故障定位等方面的改进，将推动大模型技术的发展，并为用户带来更经济高效的AI训练体验。