围绕业务重点需求与核心痛点，对云网络系统中的局部组件或整体架构进行优化重构，涵盖云网关，虚拟交换机，虚拟网络控制器等各云网络组件。当前正在投入云网关平台化架构的研究探索。

设计孵化新网络服务或原有网络服务的新特性，以满足客户提出或自主识别的大颗粒关键功能诉求。

研究广域网QoS的探测、表征以及故障定位和定界；研究方向包括通过主动测量、被动测量以及主动和被动相结合的方式。

通过动态感知网络故障，主动绕过拥塞链路，降低用户服务中断时间；通过感知网络质量变化，主动优化用户公网访问路径，解决错综复杂的运营商互联带来的网络路由不优和质量恶化问题。

对海量的网络运维KPI、日志等原始数据，通过大数据平台结合AI算法，实现网络故障的及时发现，对资源类的指标通过算法预测，做到故障预警，保障网路高可用的达成。

通过故障大盘，收集网络的拓扑、服务关系、告警、事件以及设备状态信息，智能的决策故障的影响有多大，根因组件在哪，并根据历史知识学习，推荐解决方案，迈出网络自动驾驶的重要一步。

通过模型和图数据库，将网络的拓扑、配置信息、版本信息、服务、指标依赖关系管理起来，并提供多种查询和知识挖掘的能力，支撑网络异常判断、根因分析、自动化变更的实现。

采用Regionless架构，我们可以让应用自动地运行在多个地区数据中心中，并利用不同地区基础设施的优势来提高应用程序的运行效率。其中，Regionless编程框架支持应用程序的SLA分发；Regionless数据服务支持应用状态的跨地区流动；全球网络基础设施支持分发基础设施的高可靠/高性价比。

围绕网络操作系统、接口、协议、芯片等领域，研究测量、虚拟化、在网加速等分布式网络系统，软硬协同，打造业务定义的可编程网络，重构云网络，加速计算与网络创新，提升网络性能与性价比。

对海量云上资源监控数据进行ML建模分析，通过离线训练建立云上负载特征模型，提供线上系统基于这些资源使用趋势和特征做出合理的决策。根据不同应用场景，对算法进行优化，并与业务方基于智能画像分析技术进行联合创新。

针对云上实例多样、集群庞大、资源共享等特点，构建新一代集群资源管理调度系统。除了关注资源统一、性能问题，更关注资源利用率、实例间干扰、业务特征等深层次影响资源使用效率的问题，对此进行关键技术突破，实现闭环、高效的资源管理调度系统。

结合智能网卡、SDI卡等硬件实现性能提升和管理成本节约，并在此基础上对OS、虚拟化层在资源开销、性能、安全等方面的优化点。并且考虑异构计算芯片在微架构层面的不同特征，研究其对云上业务的最佳配置和匹配，最大限度优化资源使用。