异网异构边缘算力系统总体架构 研究报告 2025 年 8 月 版权声明 本报告版权属于中国铁塔股份有限公司、中国信息通信研究院、 中国移动设计院、江苏省未来网络创新研究院所有并受法律保护，任 何个人或组织在转载、摘编或以其他方式引用本报告中的文字、数据、 图片或者观点时，应注明“来源：中国铁塔股份有限公司、中国信息 通信研究院、中国移动设计院、江苏省未来网络创新研究院”。否则 将 化就 近算力供给能力。本报告针对当前边缘算力资源碎片化、组 网方式多样化、管理孤岛化等问题，首次系统化提出“异网 异构边缘算力系统”架构，通过多元异构算力融合调度与跨 域网络智能协同关键技术，为边缘算力的建设和发展提供实 施路径参考。 目前，产业界与学术界对异网异构边缘算力系统的研究 尚处于探索起步阶段，新的架构和应用模式正在不断涌现。 本研究报告为阶段性成果，尚待持续完善，诚挚期待读者批 进程导致算力硬 件和互联网络呈现出较大差异，异网异构资源难以高效管控与对外服 务。我国边缘算力设施存在差异巨大的异构算力硬件，芯片类型包括 了通用 CPU、GPU、FPGA、ASIC 等，服务器架构具有并存的 x86 架构 与 ARM 架构，导致算力度量、管控和调度需要克服不同芯片厂商的标 准差异。单一边缘节点受限于算力容量、计算资源异构、并发服务总 2 数等短板，难以满足大规模用户的请求，导致各单位建设了大量的边

框架工具层优化 模型扩展组件层优化 DAS（DCU AI Software Stack/DCU人工智能基础软件系统） C86 CPU DCU加速卡 存储 高速网络 DTK（DCU Tool Kit/DCU异构计算平台） 全栈优化 软硬协同释放DCU 澎湃算力性能 DCU：全面兼容主流生态 / FULL ECOSYSTEM PROFILE 类CUDA API的 开源软件开发平台 原生支持多种加速库 和Slurm调度系统 功能健全的DCU软件栈 性能分析工具 主流HPC应用 Gromacs/VASP etc 人工智能框架 TensorFlow/PyTorch/ paddlepaddle 国内典型 异构应用 OpenMP/OpenACC 类CUDA编程环境 OpenCl 编译器 驱动 DCU加速卡 主流应用 函数库 开发环境 通讯加速库 SPARSE加速库 LAPACK加速库 PRIM 支持C/C++/Fortran、OpenMP/OpenACC、Python编程，支持GPU Direct网络加速，支持多种 Profiling 方法 HYGON 09 10 HYGON 海光DCU行业实战手册 DTK异构计算平台 DTK（DCU Toolkit）集成了DCC（DCU Collect Compiler）编译器、经过验证和优化的计算库，支持多种编程语言，同时提供运行、 编译、调试和性能分析功能。

.......................................................................................... 12 3.1 异构硬件虚拟化........................................................................................... 12 从低到高的多个频段，并涵盖从通信到感知的多个功能，构成多频段收发单元。  异构硬件虚拟化：硬件虚拟化是云计算技术的基础，也是无线网络实现云化的关键技术。 无线网络的底层硬件，尤其是承担主要处理功能的基带单元，将进一步向异构方向发展， 即通过通用硬件与专用硬件的结合，融合不同架构、不同功能、不同定位的各类异构硬 件，从而满足多种多样功能对底层硬件资源的多样化需求。此外，各类异构硬件还将进 一步基于虚拟化技术，实现资源的深 ，从而向上层应用提供的资源统一管理 与按需分配，达到软件与硬件的协同。  无线云平台强化：不同于传统以 CPU 为核心的云平台设计，6G 无线网络的云平台将采 用面向异构硬件的设计理念，采用更加扁平化的方式为多种异构硬件提供资源的统一管 理、调度，并面向上层多种能力与应用，提供运维、应用等维度的管理功能。此外，低 时延、严时序要求下的确定性处理能力也是 6G 无线云平台不同于传统云平台的强化重

..............................................................................................26 2、异构混训................................................................................................. 等架构芯片，重点应用于智能手机、智能汽 车 、 工 业 机 器 人 等 ， 满 足 边 缘 与 终 端 计 算 需 求 ； 中 科 曙 光 Nebula800、长三角国家技术创新中心“珠玑”平台通过 CPU、GPU 异构融合，支持多精度计算、算力统一调度等，用于科学计算、 智能制造、城市大脑等，满足平台与生态建设领域需求。 （二）智算服务市场增长迅速，智算服务供给日趋多元。 智算产业发展研究报告（2025） ，华为以 41.7%的市场份额独占鳌头，凭借昇腾 910B 国产 AI 芯片和全栈解决 方案，成为智算中心建设和运营的核心支撑。新华三、百度、中国电 子云、商汤科技合计份额约 15%，主要提供异构算力整合和行业解决 方案。解决方案市场竞争激烈，规模效应尚未显现，市场玩家正处于 竞争关键变革期，短期内大模型赋能行业能力、数据/算法等专业服 智算产业发展研究报告（2025） 16 务能力至关重要。

开放的空域是低空经济规模化发展的关键，将空域开放与场景使用相结合， 有助于提高空域资源的有效利用率，推动低空经济的快速增长。当前的目标是将 低空打造成“可计算”的空域，构建低空飞行的“航路网”，支持具有“异构、高密 度、高频次、高复杂性”特征的大容量融合低空飞行。因此，空域管理需要向智 能化、精细化方向转型，以满足日益增长的无人机飞行需求，确保低空经济的安 全高效发展。 （5）技术是支撑 低空 信息/数据安全交织的问题。内生安全基于动态异构冗余（DHR）架构，不排斥 传统安全技术，而且与传统安全技术结合可以获得非线性的防御增益。比如，在 部分或全部可重构的执行体中差异化地部署入侵隔离、检测、预防等传统手段， 或者采用防火墙、蜜罐、沙箱、杀毒软件、查补漏洞等多样化技术措施，或者应 用动态化、虚拟化迁移以及加密认证等主动防御技术，其作用都是提高执行体之 间的异构度，给非配合环境下的协同攻击带来更大的不确定性，提高 方案，实现对已知威胁的有效检测，对未知威胁的主动防御。 23 图 7 纵深安全防御解决方案 在硬件层面，飞控系统作为无人机核心控制中枢，直接决定着无人机任务执 行的稳定性和可靠性。飞控系统不仅搭载多个异构处理器，例如同时采用基于 ARM 架构和 x86 架构的处理器，更配备冗余设计的传感器、电源模块及通信模 块。飞控系统还集成了先进的故障诊断模块，实时监测各组件和软件模块的运行 状态，通过分析

拟化管理平台 实现Power私有云 关键组件 软件：PowerVC 硬件：Power服务器 + SVC （可选） 实现异构私有云 关键组件 软件：PowerVC + StartCloud 硬件：异构服务器（Power， PowerLinux，x86） + SVC （可选） 实现X86私有云 关键组件 软件：VMware VC 硬件：任何 可进行大规模扩展 易资源回收 实现异构私有云 关键组件 软件：开源OpenStack云管平台 硬件：异构服务器 （Power,PowerLinux,x86)+支持 OpenStack的各类存储 特点 自行开发，安全可控 紧密结合企业实际需求 物理机也可纳入管理 功能丰富和强大 支持异构计算资源和存储资源 特点 特点 实现快速供给、快速部署 实现快速供给、快速部署 具弹性、易扩展 易资源回收 支持异构存储 适合开发测试、准生产环境、生产 环境 优点 全部自动化 管理简单 能够通过维保转嫁风险 实现快速供给、快速部署 具弹性、易扩展 易资源回收 支持x86平台 支持异构虚拟化 支持异构虚拟化管理平台 支持异构存储 适合开发测试、准生产环境、生产 环境 缺点

现空天地一体化协同服务. 在 LAIN 新范式驱动下, 低空网络管控体系正在经历从 “人工主导” 向 “智能自治” 的范式重构. 传统通信网络基于静态配置与人工干预的运维模式, 在应对低空场景特有的高动态性、异构性及跨域 协同需求时, 暴露出显著局限性. 首先, 全局态势感知能力缺失. 传统网元移动性管理机制难以捕捉低 空网络三维拓扑的秒级动态变化 [4], 且无法实时获取无人机节点的能源状态、三维坐标等关键参数 其建设与运行依赖多项前 沿技术支撑, 但通感算一体化、数字孪生、高精度定位导航、飞行器可信接入与监测等关键技术仍需 深化研究与创新. 与此同时, 低空网络的管控范式亟须系统性革新, 具体表现如下. 首先, 异构网络融 合困难, 5G-A 网络对 300 m 以上空域覆盖不足, 需卫星通信补充, 但空地网络协议转换、频谱干扰协 调缺乏标准化方案, 通感一体化技术成熟度不足. 其次, 现网对高动态环境适应性薄弱 将探索 6G 空口 AI 与通感一体技术. 1.3 无人机网络管控技术研究现状 以低空智联网为代表的新型通信网络的管控技术研究也是当前的研究热点. 目前通信网络面临 着异构制式和频段统一管控难, 商业和消费级用户业务需求各异, 海量异构终端的能力差异大等挑战, 导致网络运维难度指数级增长, 亟须改变以人工干预为主的传统范式, 引入 “规划、建设、维护、优 化、运营” 全生命周期的智能管控能力, 实现全流程自治

新型电力系统电力扰动 新型电力系统使电力扰动发生频率高、传播范围广、演变形态多、影响危害大，对电力扰 动分析、应用和应对提出了新要求、新挑战。 演变形态多 多元异构设备的扰动 响应特性差异大，扰 动时变形态多样。 发生频率高 多元异构电力电子设 备交互影响，原生、 次生扰动源增加。 14900 系 14700 统 14500 总 14300 14100 第 13900 13700 数据来源：《中国电力行业年度发展报告 2023 》 储 能 挑战 3: 异构设备时空分散，弹性 负荷难以协同精准调控 220kV 水泥制造 110kV 电压等级 220kV 110kV 35kV 10kV 0.4kV 10kV 电解铝厂 地区电网 芦 数 据 层 1. 非侵入式异构 设 备 感 知 ① 平稳 / 非平稳设备波 动特征提取 ② 自适应轻量化设备数 调度层”自下而上建立异构设备时序泛化模型、 提出弹性负荷量化 方法、创新“源 - 荷”协同调控策略，实现负荷弹性资源化利用。 03 负荷弹性资源化利总体思路 设备功率分解模型 W′=W×f×LR+L 自适应窗长 自适应双向滑动窗 (iled wnbow sue) pphoxcB mteli mddia ■■mn ■ S2PI 3.1 轻量化异构设备感知 利用计量、

，提升资源利用效率 推理服务可下沉边端 ，适应军事场景需求 教务、 教 学 、 教 研 、 教 管 、 教服、 校 园 、 宿 舍 、 食 堂 异构算力适配 模型管理 模型训练 模型开发 算法引擎 服务管理 服务发布 预置能力 固件管理 智能 开放 OP YTr orch time (H) 基础： 算力资源细粒度切 分 32 GPU 显存 16 8 4 支撑： 资源池化管理和分 配 基于任务、 用户和资源状 况进行任务执行排序 GPU 异构 user2 user1 user1 视觉场景 文本场景 …… 训练 推理 任务 用户 智算中心： 数据中心（面向人工智能 ，数据一站式管理） 型发布等功能 ，帮助用户快速、便捷的完 成 模型训练与模型发布 算法引擎 深度学习 基础环境 主流计算框架支持 异构算力适配 基于“智能、 开放、 便捷”的理念 ， 面向模型架构设计、 代码调试、 模型训练、 参数调整 ，模型评估、 模型管理的所有环节 ， 针 对不同角色用户 ，提供对应开发工具 ， 以适应不同难度的模型训练需求

智能感知 智能研判 智能信控 核心技术基础 图灵自研 AI 生产力平台 ， 以高效 AI 生产与标准应用集成为目标 ， 实现算法工程到行业 应 用端到端一站式落地 ， 2.0 版本面向多模态数据处理、异构大模型训推架构等提供工具化基础。 贯通数据、算法、 引擎、评测全流程， 综合提升模型开发与工程落地效率 40% + 支持百万级数据存储 、 预处理 、 自动化标注 、 3D 标注 、 数据标签化及检索等全生命周期管理。 MXNet 、 TensorFlow 等 6+ 框架 算法池。 支持模型异构设备推理转换 、 场景化 AI 测试 、 引擎发布， 全面适配华为、 寒武纪、 算能等系列硬件。 图灵 AI 生产力平 台 （ Turing - AICMS - 2.0 ） 依托鹏程 脑海多模态通用大模型 ∙ ， 通过多源异构知识语料与多模态特征编码协同提升多 模态生成式问题理解精度 ， 并结合微调垂域化训练 并结合微调垂域化训练 ， 推进 Turing 多模态大模型行业应用赋能。 多源异构知识语料库 领域知识向量化 大模型垂域微调增量训练 众多应用场景任务 核心技术基础 Embeddings 模型 领域知识矢量