在跨域智算场景中，一个长期痛点逐渐显现：即便算力总量充足，若数据与算力各管各的，任务在跨域流转时仍会因回源等待而迟滞，算力的优势被网络的耗时抵消。算网融合调度以「数随算走」与「算随数动」为核心，正是为化解这一矛盾而生。

一、理解数随算走与算随数动

1.1 两个机制分别解决什么

数随算走，指让数据向算力所在位置流动，减少任务因数据回源而产生的等待；算随数动，则指在靠近数据的地方调度算力，降低跨域传输的时延。二者一体两面，共同目标是让算力与数据在协同中动态对齐，而不是各自为政。

1.2 为什么跨域场景尤其需要它

跨域科研与产业任务往往数据在一地、算力在另一地，若强行搬运或空跑，效率漏损最为隐蔽。只有当调度侧同时掌握算力分布与数据位置，才能做出「让谁靠近谁」的最优决策，跨域协同才真正顺畅。

1.3 需要了解的基础概念

1. 算数协同：让算力调度与数据通路同步决策，避免二者脱节。

2. 多级互联：在不同区域之间建立算力与数据的协同通道。

3. 异构算力纳管：以Triless三无关架构接入多元芯片与框架。

二、天翼云如何支撑数随算走

2.1 算力互联调度平台

天翼云息壤算力互联调度平台把分散、异构的算力纳管为统一资源视图，依托算数协同与多级互联实现「数随算走、算随数动」的跨域高效调度，使资源从「可见」走向「可用」，为算网融合提供核心底座。

2.1.1 调度侧对网络质量的感知

平台能够感知链路质量与算力分布，当发现某条通路异常或拥塞时主动规避，让任务始终选择更优的算力与数据组合，跨域连续性因此更有保障，运维也从被动救火转向主动编排。

2.2 异构算力纳管提供统一底座

通过Triless三无关能力，平台把不同厂商、不同架构的加速资源平等纳入统一视图，用户无需关心底层差异。算数协同在此基础上叠加，让「数据去哪、算力在哪」被统一权衡，协同效率显著提升。

2.3 层级分治映射算法统筹决策

平台采用层级分治映射算法，融合负载、网络、优先级等多维要素，在数随算走与算随数动之间做出精细分配，避免局部过热或长队等待，调度从粗放走向精细。

三、机制之上的稳定保障

3.1 断点续训守护长周期任务

跨域长周期训练最怕中断，平台具备分钟级故障恢复与断点续训能力，意外后可从检查点快速续跑，把影响压到最低，让大规模任务跑得久也跑得稳，数随算走的价值因此更可靠。

3.2 万卡级调度支撑规模

平台可调度多个万卡级资源池，单集群调度性能可达每秒两千实例量级，支撑千亿参数模型训练，让数随算走与算随数动在规模化场景中依然稳健，协同不被规模拖垮。

3.3 衔接一体化智算服务平台

算网融合调度可衔接一体化智算服务平台，使训推任务同时获得算力与网络双重保障，数据、算力、任务在统一底座上被连贯编排，体验更顺滑。

四、展望：让数据算力同频

让数据与算力同频，是下一阶段的重点。随着算数协同的持续深化，分散的资源将进一步编织成可流动的网，跨域迟滞被持续消解，普惠算力不再受位置束缚。

数随算走与算随数动，本质上是让算力与数据在协同中彼此靠近。算网融合调度以算数协同把这道连接做顺，让分散各地的智能任务真正跑得通、跑得稳。