https://nacos.io/ Nacos社区 2.0发展回顾 • Github仓库突破3w stars • 贡献者突破400 • 开源生态：多语言&集成 社区活跃度 影响百万开发者 • 官网访问用户数达90万 • 下载量达到300w次 • 服务超百家各领域头部知名企业 • 被国内大多云厂商托管 • 获得各类社区奖项8个 企业级应用 • 2021 OSC 中国最受欢迎开源项目 • 2022 Spring AI & Diff 等AI框架支持 官网持续优化 易用 ｜ Nacos3.0 一个易于构建 AI Agent 应用的服务、配置和AI智能体管理平台 稳定 谢谢 Thank You 安全 Nacos MCP社区群 Nacos 社区群 微服务 AI Nacos 3.0 MCP Registry 罗 鑫 （ 子 葵 ） Nacos Commiter Proxy Token限流 Cache / RAG Tools/MCP Server OTel API Gateway OTel API 管理 流量防护 WAF防护 服务发现 绿网/敏感信息过滤 MCP Server 工具集 Higress AI 网关架构 AI开发插件集 AI安全防护 多模型适配 LLM缓存 提示词模板 提示词装饰器 请求/响应转换 向量检索

近年来，AI 技术迅猛发展，算力作为数字经济的基础资源，其重要性与日 俱增。我们进入了一个计算力驱动创新的时代，这不仅影响着科技领域的演进， 更深刻地改变着社会的方方面面。目前，国家正按照“点、链、网、面”体系化 推进全国一体化算力网络工作，综合算力指数作为衡量我国算力发展水平的重 要标尺，相关研究工作意义深远。 随着 AI 在千行百业加速渗透，算力赋能数字经济社会的效能，不仅仅取决 于算 潜力尚待充分挖掘，亟需通过深化一体化算力网建设，强化统筹协 同与动态优化能力；全面提升算力供给质效，加速推动结构的迭代 升级；夯实存力运力底座，促进“算存网”协同演进；构建绿色低碳 体系，加速基础设施绿色升级；深度开展融合创新实践，助力产业 生态繁荣发展。 《2025 综合算力指数》全面呈现了我国综合算力发展现状，挖 掘各地区综合算力发展问题，并给出发展建议，为我国算力产业“点、 链、网、面”体系化发展提供参考，为数字中国建设实现跨越式发展 .............. 36 （一）深化一体化算力网，强化统筹协同与动态优化.................................. 36 （二）提升算力供给质效，推动结构迭代升级.............................................. 37 （三）夯实存力运力底座，促进“算存网”协同演进.........................

化为驱动创新的价值源泉，持续 释放算力价值。 智算服务是发挥极致集群算力的关键要素，释放算力新质生产力，服务 不可或缺。智算集群是一个复杂工程系统，非简单的软硬件的堆砌，它要求 算、存、网、服务的高效协同。智算服务包含智算集成、运维、计算使能和优 化、辅助运营等方面。发挥极致集群算力，需要构建智算服务产业共识，持续 推进智算服务产业升维。 我们期望通过本案例集的发布，能够进一步促进行业内各方的深度交流 ............................................................................... 15 3.2.1.1 面向“一网协同”和“一网通办”场景的大模型应用 ..................................... 15 3.2.1.2 华为 ModelMate RAG+Agent 助力海关共启智能政务新篇章 、TensorFlow 等框架降低 AI 开发门槛，模型 即服务成为新趋势；应用层面，AI 渗透至智能驾驶、智慧城市、生物医药等领域，推动智 算产业化落地。 未来趋势方面，绿色化，智能化和算网融合是算力未来发展趋势。降低 PUE，采用液 冷、可再生能源技术是绿色低碳发展主要的方向；算力调度与网络协同极大提升资源利用 率；大模型持续进化，推动智算向更高阶发展。 智算产业正重塑全球

造 新 质 生 产 力 的 重 要 抓手 行业知识更深 业务流程更深 产业网链大模型 招商服务 技术分析 情报服务 产业研究 知识问答 报告生成 面向产业创新领域， 以通用中文大模型为基座， 注入数十亿海量产业数据和数百个产业链知识图谱， 结合工具集、 知识库和指令微调训练得到产业网链大模型 。 • 底层拥有强大的产业数据和知识图谱数据，避免产业基础能力不足； • 实现智能化、精细化的产业治理模式，推动产业创新与发展， 加强产业创新生态完善； • 具备强大的自动化处理产业信息能力、智能分析与预测 ，提升服务效率，降低人力成本。 产业网链大模型训练过程 产业网链大模型 人才库 3000 万 + 专家库 3 万 + 全球海关 20 亿 + 大宗商品交易行情 15 亿 + 政策 590 万 + 资讯 4000 万 + 招投标 14 亿 提供 产业链图认知 产业主体画像 产业实体匹配 产业发展预测 产业数据探索 业报告生成等 个方向的特色能力。 产业垂域大模型 iChainGPT 产 业 网 链 大 模 型 使 用 海 量 产 业 数 据 和 知 识 图 谱 训 练 ， 创 新 性 地 引 入 了 “ 大 小 模 型 协同 ” 的智能体 框架 ， 面向产业 创新业务场景 ， 提供了包括产业知识问答

策略控制器 知识引擎 实践案例 - 算法实践： xx 云基于大模型 Prompt 引擎实 现本地 API 联通的定制化告警分析设备 现网设备日志 根据现网数据库分析告警事件， 结合离线知识库进行业务问答。 离线知识库 现网数据库 大模型盘古 任意大模型 开源大模型 前端效果信息 动态控件请求 参数缺失 / 有 误 实践案例 - 服务实践： Prompt 引擎服务设计

Transformer 架构，支 持 RESTful API 和 SDK 两种接入方式，能够与主流 CRM 平台（如 Salesforce、Zoho、微软 Dynamics）实现无缝对接。通过 API 网 关层的数据格式转换（JSON/XML），系统间的数据交互延迟可控 制在 200ms 以内，满足企业级实时交互需求。关键性能指标测试 显示，在并发量 500QPS 的场景下，DeepSeek 的响应成功率保持 14 天预测可能故障部件 - 自动生成预防性维护建议（含备件清单和操作视频链接） - 同步推送服务经理移动端，确保及时跟进 跨渠道体验优化 整合微信、官网、400 电话等多渠道数据流，大模型可识别客户旅 程断点： - 当客户在官网反复查看产品页但未留资时，触发企业微信精准触 达 - 对投诉后 48 小时内未解决的客户，自动分配高级经理外呼任务 - 统一各渠道服务口径，确保品牌表达一致性（风格检查准确率 荐方案： 1. 数据整合与清洗 系统自动聚合客户交互数据，包括但不限于： o 历史订单记录（产品类型、采购周期、客单价） o 沟通日志（邮件、通话、在线咨询中的关键词提取） o 行为轨迹（官网浏览时长、高频访问页面） o 外部数据（行业报告、竞品动态） 2. 需求优先级建模 通过 DeepSeek 的 NLP 能力解析非结构化数据，结合预置的 行业规则库，输出需求权重评分。例如：

接口规范 复刻 Deep seel 的推理加速能力 一键发起模型部署 推理加速 DeepSeek 模 型 客 户 数 据 训练加速 DeepSeek 联 网 助 手 文档问答 知识摘要 • 模型 + 训练平台 + 应用构建 平台 全链路能力。 • 提供从训练——推理——应 用的一站式丝滑服务体验 • 全面接入 deepseek 混元文生 图 .. 汽车 语音助手 零售 电子 说明书 金融 代理人 辅 助 ... ① 标准模式 内置 RAG 最优流 程 文档解析 多轮改写 文旅 虚拟 导游 政务 一网 通办 ② 自定义插 件 应用 场景 三方大模型 插件 工作流模式 “ 智能生产线 ” 使用指定的工作流来响应用户所 有对话。如果你对应用的执行流程， 有更加个性化的需求，可以通过工

点，该观点认为智能源于大脑神经元的物理结构和 复杂的网络连接，是由大量如神经元的简单元素通 过非线性相互作用产生的集体行为结果，智能行为 的模拟可以通过构建大量简单计算单元组成的大规 模 网 络 ，并 不 断 调 整 网 络 单 元 间 连 接 权 重 来 实 现[9-10]。优势在于从数据中学习的能力，善于处理复 杂的、模糊的问题。 1.1.2 主动学习 与传统结构化的知识获取方式相比，大模型采 和不同的应用场景之中传播。应急管理知识创新依 赖于这样一个开放的知识生产网络，网络中节点联 结密度影响了知识的传播、积累以及最终解决复杂 问题的能力，是影响知识创新能力的关键变量。 利用大语言模型技术建设应急管理知识生产网 络中的超级节点，将各领域的行业专家、各学科的 专业学者、各应急部门的专业人员等各类应急知识 生产者有机联合起来，参与每一轮问题解决中，最 大化网络中节点联结密度，超越跨学科知识生产中 知识生产场所和应用场景的物理局限，实现知识生

一 方面，为满足大数据、数据库、3D视频处理在内的一些单核敏感型业务的需要，云服务仍将 持续提升单核、单实例性能。 多技术融合提升连接性能：云服务商综合利用内存/缓存、PCle、RDMA、IP网、EIP、VPC 等一系列技术升级和软硬件融合优化成果，大幅提升云、边、端不同位置服务之间的协同效 率，这对于保障在线业务的体验至关重要。 存储方案升级应对大数据量冲击：云服务商通过采用更高性能的存储设备和更高效的存储架 异构系统的广泛应用，数 据安全需求也延伸至 GPU 等加速器。为应对这一挑战，英特尔在至强 ®6 处理器中推出了 TDX Connect 技术，实现 CPU 与加速器协同构建统一的数据安全防护网。无论数据位于服务器 CPU 中 处理，还是在加速器中运行模型与计算任务，TDX Connect 都能提供端到端的保护。它确保用户数 据在云平台处理的全流程始终受到硬件级防护，兼顾安全性与高效性，有效隔离主机操作系统、虚拟

数据进行质量检查，发现并修正数据中的异常或错误。质量检查可 通过自动化脚本或人工抽查相结合的方式实现。 为保障数据安全性，需建立全面的数据安全防护体系，包括网 络隔离、入侵检测、数据脱敏、数据泄露防护等措施。网络隔离可 通过虚拟局域网（VLAN）或防火墙实现，限制不同网络区域之间 的数据流通。入侵检测系统（IDS）和入侵防御系统（IPS）可实时 监控网络安全状况，及时发现并阻止潜在的安全威胁。数据脱敏技 系统应采用 多层次的安全防护机制，包括网络安全、数据安全、应用安全和物 理安全。网络安全方面，通过部署防火墙、入侵检测系统（IDS） 和入侵防御系统（IPS）来防止外部攻击。同时，采用虚拟专用网 络（VPN）技术确保数据传输的加密性和完整性。 数据安全是系统设计的核心，数据存储应采用加密技术，确保 数据在传输和存储过程中的安全性。对于敏感数据，使用高级加密 标准（AES）进行加密，并在数据访问控制上实施严格的权限管 HDD 作为初始存储容 量，并通过分布式文件系统（如 HDFS 或 Ceph）实现高效的数据 管理与访问。 网络带宽的优化对于分布式训练尤为重要。建议采用高速网络 互联技术，例如 100Gb 以太网或 InfiniBand，以确保节点间数据 传输的低延迟和高吞吐量。对于中小规模集群，可采用树状网络拓 扑结构；对于大规模集群，则需考虑更复杂的 Fat-Tree 或 Dragonfly 拓扑结构，以提升网络性能。