近日，中国电信与上海交通大学云计算联合实验室、中国电信与河海大学联合科研团队、中国电信与西安电子科技大学联合团队的三篇论文被国际并行计算领域顶级会议The 55th International Conference on Parallel Processing（ICPP 2026）正式录用，ICPP是计算机并行处理领域中历史最悠久的国际大会。三篇论文分别围绕CXL内存池化性能优化、边缘视觉语言大模型高效推理、分布式存储系统三个方向取得了重要研究进展，体现了中国电信云计算研究院在云计算基础设施、边缘智能计算、以及存储系统领域的持续创新能力。
成果一：面向公有云场景的性能感知内存卸载系统Aethon
《Aethon: Performance-aware Memory Offloading for Co-running Applications in Public Clouds》由上海交通大学计算机学院过敏意教授、陈全教授、庞浦助理研究员牵头，与中国电信云计算研究院汤闻达研究员组成团队，深度合作完成，在研究院CXL（Compute Express Link）平台上的技术开发和原型验证。双方围绕下一代云基础设施内存池化技术开展联合攻关，充分发挥了高校在前沿算法创新与企业在大规模平台验证方面的各自优势。
该工作针对公有云场景下多应用共存时内存池化技术的性能瓶颈，提出了自适应内存卸载系统Aethon。Aethon通过基于Stall的性能预测器、基于敏感度的冷数据卸载器和带宽感知的热数据卸载器三大创新组件，在不侵犯用户隐私的前提下精准建立性能衰减预测模型，优先让对卸载不敏感的应用多卸载冷数据，并在本地内存带宽饱和时精准地将热数据流量分流至远端内存池。在真实CXL硬件平台上的评测表明，Aethon比业界标杆方案TPP平均多卸载14.2%的数据（最高达27.4%），极大提升了公有云服务器的应用部署密度与商业效益。
图1：Aethon系统概览
成果二：面向异构边缘设备的视觉语言大模型流水线推理优化框架IHS-LM
《IHS-LM: Intra-batch Hybrid Scheduling and Layer Migration for VLM Pipeline Inference Acceleration on Edge Devices》由河海大学计算机与软件学院与中国电信云计算研究院联合完成。研究团队由河海大学计算机与软件学院李云博士研究生、庞天富博士研究生、蔡知宇博士研究生、潘祯祥博士研究生、毛莺池教授，以及中国电信首席科学家、云计算研究院院长吴杰教授共同组建。
该研究针对异构边缘设备上视觉语言大模型流水线并行推理中的负载失衡问题，提出了融合批内混合调度（IHS）与带宽感知模型层迁移（BAMLM）的协同优化框架IHS-LM。其中，批内混合调度机制根据请求Token分布和KV Cache空闲容量动态调整Prefill与Decode的Token比例，有效减少流水线空泡；带宽感知模型层迁移机制通过滑动窗口实时感知网络带宽变化，在无需重新传输模型权重的情况下动态平衡各流水线阶段负载。在真实NVIDIA Jetson异构边缘集群上的实验表明，IHS-LM平均推理延迟最高降低17.5%，动态带宽场景下整体推理性能最高提升30.5%，显著提升了边缘视觉语言大模型协同推理的效率与稳定性。
图2：IHS-LM框架概览
成果三：面向大规模分布式存储系统冗余编码转化框架DdlRT
《DdlRT: A deterministic data layout for efficient redundancy transitioning in erasure-coded systems》由西安电子科技大学与中国电信云计算研究院联合完成。研究团队由西安电子科技大学徐亮亮副教授牵头，耿晓彤硕士研究生、段浩琪硕士研究生、陈婷婷准聘副教授，以及中国电信云计算研究院胡存琛研究员共同完成。
该研究针对分布式存储系统中纠删码数据冗余转换时流量开销大与负载不均衡的问题，提出了基于确定性数据布局的冗余转换优化方案DdlRT。其中，两级正交阵列映射机制通过构建跨机架与节点的确定性条带放置策略，使数据布局主动感知转换过程，从源头避免或显著降低转换流量；负载感知条带分配机制在保证机架级与节点级存储均衡的前提下，实现条带与存储节点的确定性绑定，有效抑制传统随机布局引发的负载波动。在真实分布式存储集群上的大规模仿真与实际系统实验表明，DdlRT的冗余转换流量最高降低92.37%，转换时间最高缩短94.35%，同时显著改善了系统整体负载均衡性，为动态调整编码参数的存储系统提供了高效可靠的冗余转换支撑。
图3：DdlRT框架概览
International Conference on Parallel Processing（ICPP）是国际并行计算领域历史最悠久、最具影响力的学术会议之一，自1972年创办以来已连续举办五十余届。会议长期聚焦并行计算、高性能计算、分布式系统、人工智能系统及边缘计算等前沿方向，吸引了来自全球高校、科研机构和产业界的大量优秀研究成果，在国际并行计算领域具有重要影响力。
此次三篇论文同时被ICPP 2026录用，充分体现了中国电信云计算研究院在体系结构、高性能计算与边缘智能领域的综合科研实力。在集团首席科学家、云计算研究院院长吴杰教授的带领下，研究院持续深耕云计算基础设施技术创新，与上海交通大学、河海大学、西安电子科技大学等高校保持紧密的产学研合作，在下一代云基础设施内存池化、边缘大模型高效推理部署、分布式存储系统等核心方向上不断取得原创性突破。未来，中国电信云计算研究院将继续围绕云边端协同智能计算方向持续攻关，为推动我国算力基础设施的自主可控与高质量发展贡献力量。
中国电信云计算研究院北京总部(北京市海淀区学院路42号)
中国电信云计算研究院上海分部(上海市浦东新区世纪大道211号)
京公网安备11040140060|京ICP备12007914号 增值电信业务经营许可证A2.B1.B2-20090001
近日，中国电信与上海交通大学云计算联合实验室、中国电信与河海大学联合科研团队、中国电信与西安电子科技大学联合团队的三篇论文被国际并行计算领域顶级会议The 55th International Conference on Parallel Processing（ICPP 2026）正式录用，ICPP是计算机并行处理领域中历史最悠久的国际大会。三篇论文分别围绕CXL内存池化性能优化、边缘视觉语言大模型高效推理、分布式存储系统三个方向取得了重要研究进展，体现了中国电信云计算研究院在云计算基础设施、边缘智能计算、以及存储系统领域的持续创新能力。
成果一：面向公有云场景的性能感知内存卸载系统Aethon
《Aethon: Performance-aware Memory Offloading for Co-running Applications in Public Clouds》由上海交通大学计算机学院过敏意教授、陈全教授、庞浦助理研究员牵头，与中国电信云计算研究院汤闻达研究员组成团队，深度合作完成，在研究院CXL（Compute Express Link）平台上的技术开发和原型验证。双方围绕下一代云基础设施内存池化技术开展联合攻关，充分发挥了高校在前沿算法创新与企业在大规模平台验证方面的各自优势。
该工作针对公有云场景下多应用共存时内存池化技术的性能瓶颈，提出了自适应内存卸载系统Aethon。Aethon通过基于Stall的性能预测器、基于敏感度的冷数据卸载器和带宽感知的热数据卸载器三大创新组件，在不侵犯用户隐私的前提下精准建立性能衰减预测模型，优先让对卸载不敏感的应用多卸载冷数据，并在本地内存带宽饱和时精准地将热数据流量分流至远端内存池。在真实CXL硬件平台上的评测表明，Aethon比业界标杆方案TPP平均多卸载14.2%的数据（最高达27.4%），极大提升了公有云服务器的应用部署密度与商业效益。
图1：Aethon系统概览
成果二：面向异构边缘设备的视觉语言大模型流水线推理优化框架IHS-LM
《IHS-LM: Intra-batch Hybrid Scheduling and Layer Migration for VLM Pipeline Inference Acceleration on Edge Devices》由河海大学计算机与软件学院与中国电信云计算研究院联合完成。研究团队由河海大学计算机与软件学院李云博士研究生、庞天富博士研究生、蔡知宇博士研究生、潘祯祥博士研究生、毛莺池教授，以及中国电信首席科学家、云计算研究院院长吴杰教授共同组建。
该研究针对异构边缘设备上视觉语言大模型流水线并行推理中的负载失衡问题，提出了融合批内混合调度（IHS）与带宽感知模型层迁移（BAMLM）的协同优化框架IHS-LM。其中，批内混合调度机制根据请求Token分布和KV Cache空闲容量动态调整Prefill与Decode的Token比例，有效减少流水线空泡；带宽感知模型层迁移机制通过滑动窗口实时感知网络带宽变化，在无需重新传输模型权重的情况下动态平衡各流水线阶段负载。在真实NVIDIA Jetson异构边缘集群上的实验表明，IHS-LM平均推理延迟最高降低17.5%，动态带宽场景下整体推理性能最高提升30.5%，显著提升了边缘视觉语言大模型协同推理的效率与稳定性。
图2：IHS-LM框架概览
成果三：面向大规模分布式存储系统冗余编码转化框架DdlRT
《DdlRT: A deterministic data layout for efficient redundancy transitioning in erasure-coded systems》由西安电子科技大学与中国电信云计算研究院联合完成。研究团队由西安电子科技大学徐亮亮副教授牵头，耿晓彤硕士研究生、段浩琪硕士研究生、陈婷婷准聘副教授，以及中国电信云计算研究院胡存琛研究员共同完成。
该研究针对分布式存储系统中纠删码数据冗余转换时流量开销大与负载不均衡的问题，提出了基于确定性数据布局的冗余转换优化方案DdlRT。其中，两级正交阵列映射机制通过构建跨机架与节点的确定性条带放置策略，使数据布局主动感知转换过程，从源头避免或显著降低转换流量；负载感知条带分配机制在保证机架级与节点级存储均衡的前提下，实现条带与存储节点的确定性绑定，有效抑制传统随机布局引发的负载波动。在真实分布式存储集群上的大规模仿真与实际系统实验表明，DdlRT的冗余转换流量最高降低92.37%，转换时间最高缩短94.35%，同时显著改善了系统整体负载均衡性，为动态调整编码参数的存储系统提供了高效可靠的冗余转换支撑。
图3：DdlRT框架概览
International Conference on Parallel Processing（ICPP）是国际并行计算领域历史最悠久、最具影响力的学术会议之一，自1972年创办以来已连续举办五十余届。会议长期聚焦并行计算、高性能计算、分布式系统、人工智能系统及边缘计算等前沿方向，吸引了来自全球高校、科研机构和产业界的大量优秀研究成果，在国际并行计算领域具有重要影响力。
此次三篇论文同时被ICPP 2026录用，充分体现了中国电信云计算研究院在体系结构、高性能计算与边缘智能领域的综合科研实力。在集团首席科学家、云计算研究院院长吴杰教授的带领下，研究院持续深耕云计算基础设施技术创新，与上海交通大学、河海大学、西安电子科技大学等高校保持紧密的产学研合作，在下一代云基础设施内存池化、边缘大模型高效推理部署、分布式存储系统等核心方向上不断取得原创性突破。未来，中国电信云计算研究院将继续围绕云边端协同智能计算方向持续攻关，为推动我国算力基础设施的自主可控与高质量发展贡献力量。
