智慧运维平台建设方案 于正常和故障两种状态。然而事实上，阀值管理很难对实际的运维管理工作有指导意义。这是因 为由于各类设备都承载了各种业务，由于每个用户实际业务不同，即便完全相同的设备的运行指 标也呈现出不同的负载变化。另外运维管理系统的核心价值体现是“防患于未然”，采用固定阈值的 结果是走向两个极端，要么设备故障了才告 智慧运维平台建设方案 智慧运维平台拓扑管理不仅是，拓扑结构的展现方式，更是用户监控的智能帮手；针对于业 务承载的主机，系统同样提供了系统拓扑，不仅提供全局状态监控界面，同时也讲拓扑图作为全 局分析工具，实现对于管理对象增长趋势的全域分析，包含对全域设备的 CPU 业务应用情况的分 析，整体智能分析业务上 停机检修是每个企业中不可避免的运维场景，检修时段的监控是没有意义，而且会导致相关 误告警；BTSO 将停机作为基本运维场景，用户可以按照在系统中制定停机计划，比如网络设备停 机、主机停机，系统自动根据关联关系对于相关联的线路和承载软件自动列入计划。 计划执行前，系统可以以邮件、短信多种方式通知管理员做好相关保存备份工作。 计划执行时，系统自动屏蔽相关设备与软件的告警项目； 计划结束后，系统自动启用告警监控； 相关统计

备运行的固定阈值，来界定设备处 于正常和故障两种状态。然而事实上，阀值管理很难对实际的运维管理工作有指导意义。这是因 ⱻ6⼀82 疘ഀ ࠀ⨀⨀⨀⨀ꡒ 穦条킏ꅻٴ獞聢⽧륥䡨 为由于各类设备都承载了各种业务，由于每个用户实际业务不同，即便完全相同的设备的运行指 标也呈现出不同的负载变化。另外运维管理系统的核心价值体现是“防患于未然”，采用固定阈值的 结果是走向两个极端，要么设备故障了才告 用户根据业务关系快速调整到用户需要的展现方式，同时将管理对象的实时性能和告警信息通过 图标的不同状态展现给用户。 智慧运维平台拓扑管理不仅是，拓扑结构的展现方式，更是用户监控的智能帮手；针对于业 务承载的主机，系统同样提供了系统拓扑，不仅提供全局状态监控界面，同时也讲拓扑图作为全 局分析工具，实现对于管理对象增长趋势的全域分析，包含对全域设备的 CPU 业务应用情况的分 析，整体智能分析业务上 停机检修是每个企业中不可避免的运维场景，检修时段的监控是没有意义，而且会导致相关 误告警；BTSO 将停机作为基本运维场景，用户可以按照在系统中制定停机计划，比如网络设备停 机、主机停机，系统自动根据关联关系对于相关联的线路和承载软件自动列入计划。 计划执行前，系统可以以邮件、短信多种方式通知管理员做好相关保存备份工作。 计划执行时，系统自动屏蔽相关设备与软件的告警项目； 计划结束后，系统自动启用告警监控； 相关统计

行业相关文件及标准 持续安全运营需求 第 一 层 第 二 层 第 三 层 安全 需求 第二层安全需求 业务刚需  系统覆盖范围广，设备数量及种类多， 需要强化集中安全运维 。  业务承载重要敏感数据多，数据安全隐 患突出，需要加强保护。 第三层安全需求 长治久安  系统上线后，进入运营期，需要建立安 全运维的长效机制  需要对事件快速发现及处置，迅速减少 损失，降低影响 立定级备案；  国家关键信息基础设施（重要云计算平台）的安全保护等级 应 不低于第三级（例如政务云、工业云等），金融云需要 达到四级；  云平台其承载或将要承载的等级保护对象的重要程度确定其 安全保护等级，原则上应不低于其承载的等级保护对象的安 全保护等级；  对于大型云计算平台，应将云计算基础设施和有关辅助服务 系统划分为不同的定级对象； 第 27页 等级保护流程和各方职责 负责云上业务信息系统备案，备案地点工商注册地或实际经营所在地 备案系统 大型云计算平台应将云计算基础设施与辅助系统（运维系统、运营系统）分别定级 在云端的业务应用系统 备案等级 关键信息基础设施云计算平台≥ 3 级；不低于承载的等级保护对象的安全保护等级 GBT 22240-2020 信息安全技术 网络安全等级保护定级指南 备案时间 对外提供服务前 云计算平台完成备案后 05/ 监督检查 公有云租户上云系统测评

用于库容分解和到货节奏安排 长 * 宽 * 高 最小配货规格 用于门店叫货标准 1*1.5 、 1*30... 停止出库时间 精细化库存管理 XX 天 库龄管理 精细化库存管理 XX 天 托盘承载量 精细化库存管理及供应商发货管理 XX 件 发货属性 用于调拨协同、门店发货管理 拆零、整件 商品批次 精细化库存管理 生产日期 物流状态 发货 / 调拨追踪 发货、在途、到场、质检  单 工厂接 单 / 排 产 仓库 质检 工厂 质检 采购订单量 手工核算 1 CDC 收货 工厂生产过程状 态不可视 2 缺少异常供货 商品预警 3 CDC 收货没有根 据库容承载给出 系统预警 6 调拨单没有考 虑商品体积及 整车率 8 库存查询，批 次查询不方 便，获取麻烦 7 无法了解订单的实时 状态，无法及时监控 缺货物料 9 无法了解订单的时时 状态，无法及时监控 销售 电商 销售 物流与供应链 使用的查询系 统库存有差异 5 电商销售多个分析表 单为手工核算 10 商品价格、页面调 整、商品策略等通过 手工表格审批 11 预约到货没有根 据库容承载给出 系统预警 4 电商销售手工报表 录入系统，部分信 息从系统关联取数 电商销售手工报表 录入系统，部分信 息从系统关联取数 生产过程 状态录入 系统 生产过程 状态录入 系统 生产过程

一是高性能传输挑战。大模型需要大量的数据进行训练和推 理，千亿模型单次计算迭代内，梯度同步需要的通信量达百GB 量级；MoE稀疏模型下张量并行的卡间互联流量带宽需求达到数 百至上千GBps量级。服务器节点间互联网络会承载数据并行和流 水线并行流量，千亿参数模型如GPT-3并行训练节点间带宽需求 达到13.5GB（108Gbps），如表2所示。万亿模型参数面带宽需求 增加到200Gbps至400Gbps。AI智算网络需提供更高的带宽来支持 金融机构普遍采用多地多中心、多分支网络互联架构。在 AI 大模型训练初期，集群规模较小，单数据中心即可集中部署 训练资源池；后续随着算力规模增长，如万卡集群，可能会涉及 同城多数据中心甚至跨城市数据中心的 AI 集群融合承载。另外， 边缘数据中心可部署靠近用户的推理任务，以实现业务的快速决 策与处理能力，提升客户体验。 金融 AI 智算网络在基础设施之上，以网络运载力支撑 AI 算 力充分释放，不仅涉及数据中心网络，还涉及高吞吐的骨干网络 算，同时每次计算结束需要进行交叉参数协同。所以 AI 大模型 训练是一个并行+串行的过程，千卡规模的算力基础设施包含了 参数面、样本面、业务面、管理面和存储面网络。其中最重要的 是参数面网络，因其承载着训练过程中每次迭代的参数同步和交 互，这对网络的要求最为严苛，直接决定了 AI 集群的实际算力。 其与传统网络的区别显而易见：高带宽、低延迟、高可靠性、扩 展性、容错能力、安全性、高效的数据分发与训练调度软件协同。

，更有不少头部 大行作为先行者，率先将主机承载的核心系统业务也迁移上云，加速了 金融行业数智化、自主创新进程。 目前，大部分国有银行和股份制银行已经完成了从一般类业务上云到核 心类业务上云改造的试点工作，进入到核心业务批量上云改造阶段。柜 面系统、网银系统、信贷系统、投资理财系统、信用卡系统等核心交易 系统陆续迁移到云上，使得金融云平台承载的业务规模不断扩大，重要 性不断攀升。随之而 是核心业务上云后，任何业务中断都会引发重大的影响。金融对公众开 放的核心业务一旦中断会造成严重的社会影响甚至引发信用危机。除业 务中断外，业务的劣化，如卡顿、报错等，也会造成最终用户的不满和 投诉。这就对承载核心业务的云平台提出了更高的稳定性、可靠性要 求。 除了稳定的产品外，强大的运维体系是保障云平台稳定性最直接、最有 效的手段。在主机核心业务逐步上云后，如何加强运维全链路监控能 力，快速定位 应用运行过程中会产生大量的运维数据，包括端侧 数据、拨测网络数据、实例指标数据(Metrics)、日 志数据(Logs)、调用链数据(Traces)等。这些运维 数据需要一个统一的运维数据仓库进行承载。运维 数仓主要由数据集成、ETL、数据湖、MPPDB、 数据应用等功能组件构成，典型数据处理流程如 下： 数据集成：这些数据并非全部是结构化的数据，因 此需要有完备的数据集成平台，支持多种运维数据

数字化内容 系统支持 数据分析 运营支撑 业 务 架构 信息系统架构 数据架构 技术架构 数字化设备架构 数字化架构项目承载战略顶层设计 完成数字化需求转化、场景设计、数字化能力和数字化架构规划 数字化创 息 数字化设备 数字化互动 & 展 示 增强 可用于两求产品和产品列睾量示的数字化显示 交巨设备 可用于获取产品信息的数享化里示和交豆设备， 具有加味性 可行的产品识方 式 线上产品信息展示页面 承载全渠道模 式 规划的输入， 本项目逐级 展开消费者 历程至全渠道场景，并完成场景的详细设计 需求 全渠道升 级 需求 数字化需求 实现体验提升 健康企 业 概况、企 业 发展 规划，感受品牌形象 认可品牌、了解企 业 实力 政府机构 创 新 试验 · 政府机构及资方 根据数字化战略中各类客群在大兴店中实现的价值诉求， 大兴体验店将承载三类角色定位： 客群 实现的价值诉求 定位 · 高阶指导原则 企 业 品 牌 ： 在

•企业级语音核心网关 +UC 服务器实现即时消 息、语音、多媒 体 会议一网承载。 •呼叫集中控制，座机、手机一号通。 ③IP 兼容 TDM 保护客户投资 : •语音网关下挂老 PBX ，实现 IP 兼容 TDM ， 保护客户投资 。 ① ② ③ 移动化 协作化 精细化 方案设计点 “ 系统多”解决之道：一网承载办公协同， eSDK 整合业务体验 20 身临其境 极致高清——华为智真产品介绍

硬件与固定编程，而具身智能融合 AI 大模型、多模态感知、端到端 控制，实现感知—认知—决策—执行的动态闭环。应用场景有望从商 用、工业扩展到医疗、家庭、教育等，推动“软件定义硬件，硬件产 品承载软件剩余价值”的产业趋势发展。 国家逻辑×市场逻辑双轮驱动，开启 20-30 年黄金期。具身智能 已被纳入国家战略，既服务于国家安全和“卡脖子”突破（无人装备、 航空航天、工业机器人），也顺应市场逻辑，满足老龄化社会、消费 在产业演化方面，传统机器人到具身智能的产业演化反映了从 “自动化”到“智能化”的范式跃迁。传统机器人以硬件+固定编程为核 心，具身智能以软件智能（大脑、小脑）+硬件升级（结构优化）为 核心，让“软件定义硬件，硬件产品承载软件剩余价值”成为趋势。 7 图表 5：机器人智能化持续迭代升级 如今，全球具身智能产业链竞争呈现多极分化格局，各国在技术、 生态与商业化层面各有优势与短板；总的来看，中、美将引领整体风 ”与美国“初 创驱动、创新优先”的产业资本生态差异。 23 五、影响具身智能产业变革的间接变量：政策 2025 年，中国具身智能政策已形成“国家顶层定方向、部委定标 准、地方定赛道、园区做承载、基金做杠杆、场景做牵引”的系统推 进模式。区域竞争不再是简单的“给钱、给地”，而是围绕“技术闭环 —量产能力—数据回流—商业闭环”展开的全链条竞速，未来 2-3 年 将进入“万台级量产、千亿级集群、场景全面渗透”的关键窗口期。

 第二个“圈”是近场边缘，覆盖 5~20ms 时延范围，算力以渲染为主，同时还有一部分推理，主要面向视频场景；  第三个“圈”是传统的公有云（也称为中心云），覆盖 20~100ms 时延范围，用于承载未下沉到边缘的业务，例如海量的数据 存储，挖掘，训练等。 工业场景中的边缘计算主 要围绕现场边缘，面向工业边缘 场 景 ， 推 出 了 边 缘 智 能 小 站 EIS ： 提供部署在用户数据中心 能力。  5G 高质量网络的覆盖，可以为 AGV 调度提供平滑切换的可靠网络；  5G 可助力提高 AGV 之前的协作水平，支持特殊环境的远距离实时控制。 MEC 系统 5G 接入网 5G 承载网 / 核心网 工业虚 拟专网 5G 智慧工厂平 台 5G+AGV 5G+AGV 目 录 3st 行业分析 解决方案及其场景分析 基础能力方案落地 典型案例 38 智绘工厂，智造未来 在线统一运维：共享大云 运维体系，接入智能运维监控 平台，提供 7*24 小时在线专业 运维服务。 40 智绘工厂，智造未来 云底座——边缘小站 基础环境 机房 电力 机柜 综合布线 移动 IT 承载网 硬件设备 X86 服务器 网络设备 安全设备 IaaS 云原生虚拟化底座 边缘 EIS 管理平台 统一认证 角色权限 资源管理 日志分析 监控告警 升级扩容 标准 API GPU 云主机