摘要：随着人工智能大模型的广泛应用，其对算力的需求急剧增加，对现有计算资源构成巨大挑战。本文提出了一种基于广域AI算力集群的分布式解决方案，旨在通过整合分散的计算资源，提升算力利用效率，缓解大模型对算力需求的巨大压力。该解决方案以国产AI芯片为核心，结合国家重大科技基础设施-未来网络试验设施（CENI）确定性网络，构建一个高效、可扩展的分布式计算环境，通过精细设计的架构和关键技术，实现了数据的快速交换、资源的动态调度以及高可靠性的容错与恢复机制。试验结果表明，该解决方案显著提高了模型训练和推理速度，同时保持了模型的准确稳定，有效优化了资源利用率。此外，该方案还有助于推动国产AI芯片的技术进步，增强我国在人工智能领域的自主可控能力。通过深入探讨解决方案的可行性、存在的问题及改进措施，本文为基于广域AI算力集群的分布式计算提供了有价值的参考和借鉴。