当下，AI正在焕醒全行业的创新视角，智算系统的连续、稳定运行至关重要。一份关于LLaMA 3的官方论文报告显示：万卡集群平均每3小时故障一次，其中10%的故障因网络引起，而由光模块/光纤引起故障的概率达到8%。但网络系统故障原因“盘根错节”，排障往往需要耗费数小时甚至数天，这导致AI时代下的网络运维工作更加复杂。
如何让网络运维跟紧智能化演进步伐？如何对故障率较高的光模块/光纤状态进行监测和预警？如何端到端提升AI网络效率？
智能运管平台ICE集成了元脉网络自研“光链路监测小模型”，该模型以完整的“本端光模块-光纤-对端光模块”监测链条为基础。并通过神经网络预测、削顶双高斯混合数学建模、时间序列分析等多种方式进行联合决策，实现对光纤/光模块部件的全局监控。打破被动防御的桎梏，是业界首个具备光链路主动守护能力的纯软件监测模型，无需其他硬件、测试仪器等设备的辅助，部署更容易、资源占用更少、响应速度更快。
一是信息多维度采集，预测结论更精准。ICE通过收集光模块的收发光功率、电压、电流、温度、纠前BER(Raw Physical BER)、纠后误码数(Effective Physical Error)、高阶(13阶及以上)FEC Symbol Error等参数进行分析，提高预测结论的精准度，为智算系统的连续运行提供保障。
二是独创轻量化算法模型，运维工作更稳妥。ICE内置80KB的自研轻量化“光链路监测小模型”，使运维工作不依赖外网环境，也可在不中断业务的前提下完成在线升级，摆脱外部模型资源牵制，节约算力成本，让AI网络运维工作“轻装上阵”。
三是独立全景图界面，故障分析更立体。在界面展示设计上，ICE采用“全景图”的设计思路，可动态展示光模块的健康状态、故障位置、故障原因等信息，真正实现运维工作的全面可视。
四是预警分级提示，障前干预更即时。ICE可提前对光模块异常原因进行分级，并在全景图中以不同等级的“告警标识”进行提示，方便用户依据优先级进行提前干预，提高运维效率，降低运维成本。帮助客户实现从“被动修”到“主动防”的转型，大幅提升智算系统的有效训练时间比（ETTR）。（记者 战钊）
来源： 光明网