SIGCOMM 2025宣布，由朱亦博博士（阶跃星辰联合创始人、副总裁）担任一作的论文《Congestion Control for Large-Scale RDMA Deployments》荣获时间检验奖。该论文提出的DCQCN协议，为数据中心大规模RDMA网络提供了可扩展的拥塞控制方案，并已成为NVIDIA高速互联的核心标准，广泛应用于全球头部互联网公司的大规模AI计算集群。该奖项肯定了DCQCN协议在过去十年中对学术研究和产业实践产生的深远影响，是RDMA网络发展的里程碑式成果。
🏆 **DCQCN协议的里程碑式成就**：由阶跃星辰联合创始人朱亦博博士在2015年提出的《Congestion Control for Large-Scale RDMA Deployments》论文，因其提出的DCQCN协议，荣获了SIGCOMM 2025的时间检验奖。这项研究成果为数据中心大规模RDMA网络提供了关键的可扩展拥塞控制解决方案，其影响力跨越十年，至今仍是前沿AI系统的重要组成部分。
🚀 **广泛的产业应用与影响**：DCQCN协议已成为NVIDIA（前Mellanox）高速互联通信的核心标准，并在全球领先互联网公司的AI计算集群中得到大规模部署。这不仅极大地推动了高性能网络基础设施的发展，更为新一代人工智能计算的高效运行提供了坚实的技术支撑，是RDMA网络发展史上的一个重要节点。
💡 **技术创新与未来展望**：DCQCN协议的成功证明了早期研究的长期价值。阶跃星辰基于朱亦博博士在AI系统与基础设施建设方面的深厚经验，致力于构建行业领先的系统能力。最新发布的Step 3基座模型，通过系统和架构创新实现领先的推理效率，尤其对国产芯片友好，展现了将前沿技术洞察转化为实际产品优势的强大实力。
原创 阶跃星辰 2025-09-10 15:56 北京
这项十年前的研究成果，今天依然活跃在最前沿的 AI 系统中。
全球计算机网络领域最具影响力的会议 SIGCOMM 2025 正在葡萄牙举行，很高兴和大家分享一个最新消息！由阶跃星辰联合创始人、副总裁朱亦博担任一作的论文 《Congestion Control for Large-Scale RDMA Deployments》荣获时间检验奖（ Test of Time Award）！论文地址：https://conferences.sigcomm.org/sigcomm/2015/pdf/papers/p523.pdfSIGCOMM（ACM Special Interest Group on Data Communication）是全球计算机网络领域最具影响力的国际顶级会议之一，长期引领网络系统和协议的发展方向。它不仅是学术界展示前沿研究的重要舞台，也为产业界提供了深远的技术启发。时间检验奖（Test of Time Award）是 SIGCOMM 最具分量的荣誉之一，旨在表彰 10 至 12 年前发表，至今仍被认为卓越并持续对学术研究和产业实践产生深远影响的工作。今年，评审委员会将该奖项授予《Congestion Control for Large-Scale RDMA Deployments》，即提出 DCQCN（Data Center Quantized Congestion Notification） 协议的论文，评价其为“一种可扩展的 RDMA 网络拥塞控制方案，对产业应用和学术研究均产生了持久影响。”
奖项信息：
https://www.sigcomm.org/awards/acm-sigcomm-test-of-time-paper-award阶跃星辰联合创始人、副总裁朱亦博在 2015 年攻读博士学位期间，以第一作者身份发表了论文《Congestion Control for Large-Scale RDMA Deployments》，提出 DCQCN 协议，为数据中心大规模 RDMA 网络提供了可扩展的拥塞控制方案。过去十年间，DCQCN 协议已成为 NVIDIA（前 Mellanox）高速互联的核心通信标准，并在全球头部互联网公司的大规模 AI 计算集群中得到广泛部署。它不仅推动了高性能网络基础设施的发展，也直接支撑了新一代人工智能计算的高效运行，被业界公认为 RDMA 网络发展的里程碑式成果。作为该成果的一作作者和核心贡献者，朱亦博博士在学术研究与产业实践中积累了深厚经验，并将这些前沿技术洞察带入了 AI 系统与基础设施建设之中。在朱亦博的带领下，阶跃星辰构建了行业领先的系统能力，以极高的计算资源利用率完成 Step 系列基础大模型训练，并在保障性能的同时实现推理效率的行业领先。阶跃星辰最新发布的 Step 3 基座模型，通过系统和架构创新实现了行业领先的推理效率，旨在面向推理时代打造最适合应用的模型。Step 3 对国产芯片友好，根据原理分析，Step 3 在国产芯片上的推理效率最高可达 DeepSeek-R1 的
300%。Step 3 现已开源，欢迎大家下载体验。Step 3 开源地址：Github：https://github.com/stepfun-ai/Step3Hugging Face：https://huggingface.co/stepfun-ai/step3魔搭ModelScope：https://www.modelscope.cn/models/stepfun-ai/step3https://www.modelscope.cn/models/stepfun-ai/step3-fp8
延展阅读阅读原文
跳转微信打开
