一、算力和网络原本是分开排的

（一）两套系统各自为政

传统做法是算力与网络分开管理：算力侧负责分配卡，网络侧负责保障通道。任务拿到资源之后才开始搬数据，如果此时链路拥塞，算卡只能空等。两套系统各自看各自的指标，谁都不认为问题出在自己这里，最终表现为任务启动慢、运行效率低。

（二）分开排带来的三类问题

分开排的后果集中在三处：一是启动慢，数据搬运串行在任务开始之后；二是效率低，跨地域训练时通信被拥塞拖慢，扩展收益迅速衰减；三是成本上升，带宽按峰值预留则闲置，不预留则关键时刻不够用。三类问题都源自同一个缺口：调度决策看不到网络状态。

1. 启动慢：数据搬运排在任务开始之后，算卡空等。

2. 效率低：跨地域通信受拥塞影响，扩展收益衰减。

3. 成本上升：带宽按峰值预留则闲置，不预留则不够用。

二、算网协同要解决什么

（一）把网络状态纳入决策

算网融合调度的核心，是把链路带宽、时延与当前占用情况作为调度输入。派发任务时不再只看哪里有空闲的卡，还要看数据到那里的通路是否顺畅。网络状态成为一等公民之后，任务被派往的路径才是真正可执行的，而不是名义上资源最多但实际最慢的那条。

（二）算力与带宽的联合预留

更高一层的协同是联合预留：在申请算力的同时申请一条有保障的通道，两者同时到位才开始计费。这样算卡不会因为等数据而空转，带宽也不会在任务尚未就绪时被白白占用。联合预留需要两侧系统打通接口，是协同真正落地的关键一步。

（三）时段与优先级的配合

传输也可以分时安排。大体积数据集的同步安排在链路空闲时段，任务运行期间的增量传输走高优先级通道，两者互不挤占。把传输分成批量与增量两类，分别设定时段与优先级，带宽成本与任务体验可以同时兼顾。

① 联合预留：算力与带宽同时到位，减少算卡空等。

② 分时传输：批量同步安排在空闲时段，增量走高优先级。

③ 状态可见：带宽与时延作为调度输入，决策更接近实际。

三、按数据位置派发任务

（一）数据就近优先

最有效的优化往往最简单：把任务派到数据所在的地方。数据集规模大且不便频繁搬动时，就近派发能省下整段传输时间。天翼云存储支持多地域部署与就近读取，配合算力资源的地域分布，可以让大多数任务实现数据不动、任务动。

（二）什么情况下值得搬数据

并非所有情况都适合任务移动。如果任务需要长期反复访问同一份数据，而当地资源长期紧张，那么一次性把数据同步过去反而更省。判断依据是访问次数与数据规模的乘积：访问越频繁、数据越小，搬数据越划算；反之则让任务过去。

四、三种典型场景

（一）跨地域训练

跨地域训练对通信要求最高，通常只在通信量可控的前提下进行：要么按数据分片切分任务，各地只处理本地分片；要么采用通信量较小的训练方式，减少同步频次。把通信量作为能否跨地域的判断依据，可以减少为了凑资源而让效率大幅下降。

（二）数据集分发

数据集分发是最适合算网协同的场景：传输量大、时间要求相对宽松、可以提前安排。把同步任务排在链路空闲时段，配合断点续传与校验，既不影响在线业务，也能保证数据完整。分发完成后再触发训练任务，形成有序衔接。

（三）多地推理

多地推理盯住的是就近响应。模型权重提前分发到各地，用户请求由最近的节点处理，只把必要的统计信息回传。天翼云的内容分发能力可以承担权重与静态资源的分发，让各地节点保持一致，同时压低回源带来的时延与流量支出。

五、落地与验收

（一）分阶段接入

算网协同不必一步到位。建议先在网络状态可见上做文章：把带宽与时延数据接入调度视图，让派发决策有据可依。跑通之后再实现联合预留，最后才做分时传输。每一步都能单独产生收益，也便于在出现问题时定位到具体环节。

（二）验收指标

验收要看三项：任务从提交到开始运行的总时长、数据准备阶段占比、以及运行期间因等待数据造成的算卡空闲比例。前两项反映协同效果，第三项最能说明问题是否真正解决。三项指标稳定改善之后，再扩大协同范围。

六、天翼云的相关能力

（一）算力与网络的协同基础

天翼云同时具备算力与网络资源，具备把两者放在一起调度的天然条件。天翼云息壤负责算力侧的统一纳管与任务派发，网络侧提供跨地域通道与带宽保障，天翼云存储承担数据的就近存放与同步。三者打通之后，任务可以在合适的地域拿到资源并就近读取数据。

七、与内容分发的配合

（一）静态资源与权重的分发

模型权重、分词器与静态资源体积不小，如果每次启动都从中心节点拉取，既慢又占用带宽。借助内容分发能力把常用资源缓存到各地节点，任务启动时就近获取，可以显著缩短准备时间，这对需要频繁扩容的推理场景尤其重要。

（二）回源策略与一致性

缓存带来一致性的新问题：资源更新之后，各地节点何时生效。建议按版本标识管理，更新时发布新的版本号而不是覆盖旧文件，回源策略按版本号配置。这样既能命中缓存，又不会出现不同节点使用不同版本的情况。版本号同时写入任务日志，出问题时可以直接确认节点用的是哪一版，排查范围随之缩小。

八、成本与组织

（一）带宽成本怎么管

跨地域传输的费用容易被忽略。管理方式与算力类似：先按项目统计流量去向，找出消耗最大的几类任务，再针对性优化，比如压缩后再传、增量同步、或者把任务派到数据所在地域。数据可见之后，优化方向自然清楚。建议按月输出各项目的流量消耗与变化曲线，异常增长能在第一时间被发现并处理。

（二）谁来负责协同

算网协同横跨两个团队，最容易出现责任空白。建议指定一个协同负责人，同时了解算力与网络两侧的情况，负责规则制定与异常处理。这个定位不必是专家，但要能推动两侧一起解决问题，并有权召集相关人。

结语：算网融合调度的价值，在于让调度决策看得见网络，不再出现卡已就绪、数据还在路上的尴尬。落地可以从网络状态可见开始，再逐步做到联合预留与分时传输。判断任务该不该跨地域，关键看通信量与数据访问频次。建议先补齐任务启动时长与算卡空闲比例这两项观测，再按数据决定优化方向。