3.2 训练流程设计................................................................................31 2.3.3 分布式训练....................................................................................34 2.4 推理服务层 可维护性。 数据层作为底座的基础，采用分布式存储技术，支持结构化、 半结构化和非结构化数据的统一管理。通过数据湖架构，实现多源 异构数据的集成与治理，为上层提供高质量的数据支持。同时，引 入数据安全和隐私保护机制，确保数据在采集、存储和传输过程中 的安全性。 计算层是大模型底座的核心，主要负责模型的训练、推理和优 化。采用高性能计算集群和分布式计算框架，支持大规模并行计 算，提升 的解决方案。通过低代码开发平台和可视化工具，支持业务的快速 构建和部署。应用层还提供智能分析和决策支持功能，帮助园区管 理者实现科学决策和高效管理。 为提升系统的整体性能，架构设计中引入了以下关键技术： - 分布式存储与计算：实现海量数据的高效处理。 - 边缘计算与云端协同：提升实时数据处理能力。 - 动态资源调度：优化资源利用效率。 - 微服务架构：提高系统的灵活性和可维护性。 通过以上设计，大模型底座能够为工业园区数字政府提供强有

多样化产品组合，满足不同阶段转型需求 10 五大典型场景与丰富案例实践 构建具备全栈能力的企业云平台 11 某服装行业龙头集团：从基础替代到全栈升级的企业云建设之路 宝信软件：以超融合和分布式存储双架构驱动宝武集团 IT 基础架构整体升级 信义玻璃：部署分布式防火墙，构建数据中心双活集群 承载 MES 等核心业务系统 19 扬州国宇电子：承载全部核心业务，以 IT 升级赋能业务发展 明日控股：承载中台核心数据库，加速数字化转型 制造行业 IT 基础架构转型方案与实践 10 SmartX 榫卯 ®企业云平台：让企业自建云更简单 多样化产品组合，满足不同阶段转型需求 除基于榫卯企业云平台落地的整体方案，您还可以选择榫卯超融合、榫卯分布式存储和榫卯 AI 平台三大产品线，适应不同转型阶段和特定场景需求。 原 SmartX HCI，以融合的部署 架构提供了服务器虚拟化与分 布式存储能力，帮助企业构建 精简、弹性的现代化数据中心， 负载下的业务效率。 面向企业的大模型基础设施， 支持在本地环境中安全、高效 地管理异构算力资源，部署推 理服务，助力生成式 AI 应用的 快速落地。 榫卯®AI 平台 榫卯®超融合 榫卯®分布式存储 制造行业 IT 基础架构转型方案与实践 11 五大典型场景与丰富案例实践 构建具备全栈能力的企业云平台 榫卯企业云平台不仅具备承载核心应用系统 与数据库的能力，还可提供网络与安全、备份

SAML2 公有云 私有云 分布式云 主机安全 堡垒机 DDOS WAF 云监控 云原生网络 私有网络 VPC 路由网关 Dubbo SpringCloud Prometheus/ Grafana 售后服务领域：腾讯乐享帮助打造一站式智慧售前 / 服务社 区 Deepseek 大模型引擎 结合物联网和人 工 智能 打造的勘探 / 安装 / 巡检一体化平台， 节约人力成本，降低安全风险，提高工作效率 针对分布式光伏的现场勘查、安装、巡检，如何利用数字化手段，解决控制人力成本与确保安装质量之间 的 矛盾？ 场景、节点 当前方案 未来改善 施工警示牌、安全防护，组件 铭牌、逆变器、并网箱、线缆 线径，接地电阻、组串方案及 2000 套 每天报装 数 50 张 每套图片数 腾讯 Ti 平 台 AI 图像 识别 腾讯临境 360 全景 分布式光伏 作业 APP 安装巡检管理 云边协同的智能运维方案帮助新能源场站实现无人运维，智能运维 • 基于分布式云计算和 AI 等先进技术，通过云边协同架构，实现总部与边缘场站两级资源协同互动，打造新一代无人 化智能场 站 • 数字

10 五大典型场景与丰富案例实践 构建具备全栈能力的企业云平台 11 某服装行业龙头集团：从基础替代到全栈升级的企业云建设之路 宝信软件：以超融合和分布式存储双架构驱动宝武集团 IT 基础架构整体升级 信义玻璃：部署分布式防火墙，构建数据中心双活集群 承载 MES 等核心业务系统 实现信创转型与 VMware 的升 级替代。 多样化产品组合，满足不同阶段转型需求 除基于榫卯企业云平台落地的整体方案，您还可以选择榫卯超融合、榫卯分布式存储和榫卯 AI 平台三大产品线，适应不同转型阶段和特定场景需求。 原 SMTX ZBS ，为大中型企业 云资源池到大数据分析提供“永 续”的数据基础设施，以更优化 的总拥有成本，提升多种场景 负载下的业务效率。 面向企业的大模型基础设施， 支持在本地环境中安全、高效 地管理异构算力资源，部署推 理服务，助力生成式 AI 应用 的 快速落地。 榫卯 ®AI 平台 榫卯 ® 分布式存储 SmartX 榫卯 ® 企业云平台：让企业自建云更简单

基于上述调研结果，对整车厂商、智驾供应商以及高校和研究机构等受调单 位面临的痛点问题进行分析，在一定程度上能够反映行业整体情况。 （1）数据方面 企业数据持续积累，但事故和 Corner Case 数据积累较少。从数据分布看， 存量数据中以人类驾驶常规数据和自动驾驶常规数据为主，Corner Case 数据和 人类驾驶事故数据较少。从企业需求看，对人类驾驶事故数据和自动驾驶 Corner Case/接管/事故 行业需求及解决方案 总体而言，当前行业中对端到端自动驾驶资源要素的需求迫切程度排序为数 据>算力>算法，这也是受调单位期望行业级智算数据平台的优先建设顺序。 数据方面，目前企业有一定数据积累，但数据分布覆盖不足、关键数据集中 在个别单位手中，需要建立行业级数据交易平台，以帮助解决数据流通问题，为 智能驾驶智算数据平台发展研究报告 10 智能驾驶模型训练提供足够数据要素基础。目前，数据流通的主要阻碍在于标准 技术的发展提供一个稳定、可预期的机制规范和环境，加速技术创新和应用落地。 4.1.3 数据方面：开展数据流通试点，疏通资产交换渠道 当前我国企业已开展智能驾驶数据的大规模采集和应用，部分头部企业已积 累大量数据。但从数据分布来看，罕见高危场景数据量较小，严重制约了具备应 对高复杂、高随机的混杂交通场景能力的智能驾驶模型训练和测试。依托行业级 智算数据平台建设，通过建立数据采集、数据标注、数据质量等相关标准，开发

AI 应用的落地效果。这要求数据库不仅是数据的 " 仓库"，更要是 AI 能力的 "孵化器"，让业务团队无需复杂技术就能调用智能分析能力。 正是在这样的背景下，我们看到了一体化云数据库的价值。它用分布式架构消解了多渠道并发的 压力，用 HTAP 引擎打通了交易与分析的壁垒，用向量原生能力架起了数据与 AI 的桥梁。雅 戈尔的实践证明：当数据底座从 "各自为战" 转向 "协同作战"，IT 系统才能真正成为业务增长 等非线性因素驱动，导致预测偏差持续累积。以服装行业为例，根据 Gartner 报告，经销商基 于区域市场经验的订货需求，与终端消费者实际购买行为存在约 20%-30%的偏差。 其次是数据处理能力的代际鸿沟。传统 BI 系统采用分布式计算架构，面对多维数据时面临时效 性和维度两大瓶颈。以时效性为例，根据中国连锁经营协会的调研，68%的零售企业因数据滞后 导致库存周转率过低，年均损失金额超过 500 万元。 人工智能技术的 。 这种弹性为企业带来了双重收益：增强运营韧性和显著节约成本。使 IT 成为业务增长的灵活伙 伴，支持积极的增长战略，同时避免了高昂的基础设施成本。 例如，泡泡玛特利用一体化云数据库打造新一代分布式抽盒机系统，在新品发售等高并发场景下， 系统连续性达到 99.999%，轻松应对秒杀期间的百倍流量，将扩缩容时间降低了 90%，显著提 升了用户体验。 第二，实时决策中枢，将“滞后经验判断”

7-2 用户选择偏好与年龄阶段列联表..................................................... - 34 - 表 8-1 智能手环用户满意度评价中位数分布............................................. - 41 - 表 9-1 logit 模型最终回归结果（筛除后）..................... 智能手环用户性别分布................................................................... - 37 - 图 8-6 智能手环用户年龄分布................................................................... - 37 - 图 8-7 智能手环用户学历分布....... ............................. - 38 - 图 8-8 智能手环用户职业分布................................................................... - 38 - 图 8-9 智能手环用户年收入分布.....................................................

用直接相互之间独立，未能形成资源合力。 2.5.1.3 感知薄弱 当前 XX 港区传感器设备主要用于环境监测和重大危险源监测，全园区感 知节点数量较少，难以支撑大数据挖掘应用；针对能源、环保的感知设备分布 不足，无法满足精细化管理需要。同时，园区内的数据分布于各政府业务部门、 61 企业，数据资源未能形成合力促进信息的分析和挖掘，对园区管理者难以起到 辅助决策的作用。通过信息资源的共享和整合，将提升政府监管能力和效率的 口规范，以统一接口服务方式实现智慧应用对公共数据库资源的访问。 3.3.3.2 公共支撑平台建设需求 公共支撑平台统筹应用系统共性插件的开发需求，对可复用的业务流程模 块进行封装，提供智能接入组件、分布式消息调度、数据管理服务，组装成为 完整的业务功能，并以接口服务方式对外提供，方便应用系统使用，降低其开 发难度，提高应用上线速度，具体如下表。 表 需求分析-25 公共支撑平台功能需求表 数据服务功能 负责根据核心控制模块的控制与调度，根据数据服务 请求类型提供相应的服务服务功能，包括数据缓存、 数据同步、基础数据自检、大数据同步和服务访问 数据存取功能 负责对实时数据库、分布式数据库、结构化关系数据 库、文本或二进制文件的访问方式进行封装，通过各 种适配器模块屏蔽各种数据库和文件的数据读写操作 的差异性，对外提供统一的数据访问接口来实现数据 访问服务 核心控制功能

式。头部互 联网企业、AI 龙头企业、三大运营商等均在积极推动万卡集群建设， 根据不完全统计，截至 2025 年 7 月，我国已建成 18 个万卡级智算集 群，芯片合计超 23.9 万卡，主要分布于北京、上海、安徽、内蒙古、 甘肃等国家算力枢纽节点。其中，国产万卡集群为 12 个，智算芯片 超 14 万卡，占全国万卡集群的 58%。 （二）海外加快十万/百万卡集群演进，跨地域的多节点协同部 万卡集群。另一方面，跨地域的多智算中心协同及分布 式部署成为新方向。谷歌已组建跨多个智算中心的大规模集群，完成 Gemini Ultra、Gemini 1.5pro 等大模型训练；OpenAI 计划分五个阶 段建设多个智算中心，并通过多智算中心互联最终打造百万卡级别的 超大规模基础设施。中国电信基于国产化算力完成跨百公里千亿参数 模型在千卡规模下的分布式智算中心互联验证，初步证实大模型跨智 算中心分布式协同训练的可行性。 tokens 相关信息并生成 KV 缓存（键-值缓存），计算下一个可 能出现的 token 的概率分布；解码阶段，模型需要根据概率分布选定 一个 token 作为输出，之后计算这个 token 并更新 KV 缓存，计算下 智算产业发展研究报告（2025） 27 一个可能出现的 token 的概率分布，如此循环至生成结束。 预填充和解码在计算模式和算力要求上存在差异。预填充是计算 密集型，容易迅速饱和

工艺 质量 装配 岗位 区域 5G 边缘云 中心云  5G 网络宏微结合灵活覆盖  采集设备接入 5G 网络  分流采集数据至边缘计算平台  边缘计算平台按需配置加速硬件  软件分布式部署在边缘计算平台  如采用集中管理模式，需要与中心云的 管理平台互联  支持集中管理模式 边缘计算平台协同 前端 UI 按场景提供交互界面。 支持图片及视频采集。 支持每个采集设备单路或多路识别。 支持每个采集设备单路或多路识别。 图片视频处理，标记和上报。 数据存储查询。 AI 核心能力。 Web 服务 提供数据查 询呈现能力 AI 平台提供能力集和开发环境。 AI 训练及优化。 分布系统集中管理，数据留存。 5G+AR 在智能制造应用网络架构 被检测对象 AR 和采集终端 5G 网络 应用，平台和边缘云 后台和中心云 88 A2 ：工业大数据解决方案 应用 场景 企业级数据湖 整合层 HDFS 分布式存 储 系统 No SQL 统一资源 调度管理 分布式 计算框架 数据仓库 MPP 流计算 内存计算 图计算 服务层 搜索与查询 可视化分 析 第三方工具 数据管理平台 LEAP DataGov 元数据 数据安全 数据生命周 期 数据标准 数据质量 数据模型 大数据 计算平台 LEAP HD 知识库 预测库 深度学习分布式框架 DeepNEX