.................................................................................. 7 图表 6： 通用算力、超算算力和智能算力应用场景和特点一览 ................................................................................... 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 8 工业/能源 AI 数据中心供配电投资机会涌现 智能算力需求上行催化供配电系统迭代 算力分为通用算力、超算算力和智能算力，应用场景和核心硬件有显著差异，因此对供配 电系统需求亦有所不同。拆分来看： 1） 云数据中心-通用算力：亦称为基础算力，芯片架构主要以 CPU 为算力核心，主要用于 满足云计算和边 为案例，其计算额定功率为 134kW（24 台设备机架*7kW 单机架功率输出*0.8 需要系 数），该项目选用 240 kVA 模块化 UPS 电源（6 个 40kVA 功率模块）。 2） 超算中心-超算算力：主要基于超级计算机，通常用于科学计算，超算中心设备往往具 备高度定制化。根据《超级计算数据中心供配电系统设计探讨（江峰，《智能建筑电气 技术》2022 年第 4 期）》，以运算速度为 300Pflop/s

开放科学（资源服务）标识码（OSID）： 摘 要： 人工智能训练的计算复杂度逐年猛增，所需的智能算力从每秒千万次运算增加 到数百亿次，甚至进入千亿级别，促进了大规模智算中心的建设。智算中心主 要满足智算算力的需求，其布局、建设及维护方案与传统的云资源池存在较大 差异，当前运营商对智算中心的布局以及详细方案并没有统一的建议和参考。 分析了大模型发展带来的算力、存储、组网的需求挑战，对运营商智算布局以及 面临无法在中国出售或者改版而导致性能下降的问 题，而国产GPU则在能力和生态上存在差距。 根据现状，在算力策略和方案上的建议如下。 a）积极发展多元算力供给。一方面，应发展多元 GPU 芯片。GPU 芯片影响单位智算算力，已经成为制 约大模型发展的瓶颈，鉴于当前国内外政策和 GPU 发 展水平，应积极开展多元算力芯片适配以及异构算力 的管理和调度。另一方面，智算和通算需紧密结合。 AI 大模型的前端访问和上层应用离不开通算，而在训

阿里云和中科院计算所等开源发布高通量以 太网ETH+。这些创新增强了RoCE能力，媲美或缩小与InfiniBand性能差距；中心间互联指的是城域内多个 数据中心之间的互联组成一个大的集群，实现智算算力资源整合，这个距离一般在100公里左右，中国电信 基于800G C+L技术和长距RDMA无损技术，实现了120公里、千亿参数大模型的分布式集群训练，性能达到 集中训练的95％以上。 拥塞控制 下，各国纷纷将人工智能视为国家战略制高点。中国的“东数西算”工程、美国的“星际之门”项目等国家 级规划，正在加速智算基础设施的全球推进。据权威机构预测，到2030年，全球生成式AI市场规模将达到惊 人的1.5万亿美元，而智算算力在整体算力中的占比将超过90%。这一趋势直接催生了超大规模GPU集群的组 网需求，从早期的千卡级快速演进至如今的万卡甚至十万卡规模，推动网络技术从传统数据中心架构向高性 能、低时延、无损传输的

建设 接口 建设 模型 迭代 数据 标注 系统 部署 产品 评测 运营 监控 通过众多智能客服项目沉淀建设方 法论 产品监控 运营情况监控 入口流量适配 代码 NLU 算法 语义计算算法 模型调优 存量数据的标注 增量数据的标注 私有化部署方案 代码安全部署方 案 客户核心系统集 成方案 智能多轮对话 智能运营管理平 台 智能知识平台

以“吉房贷”为例，这是吉林银行推出的个人房屋贷款产品，是个贷部门的核心业绩产出点，需要定 期对总行、各分支行领导推送每日的吉房贷战报。 原本处理逻辑是从贷款系统导出 Excel 后，经过大量口径处理、逻辑计算算出完成率以及排名，再 形成邮件进行推送。 如今，借助 FineBI 工具搭建了个人金融部的战报，直接从报表集市层获取原表，按照贷款种类、 担保方式、放款日期、结局金额、数据日期等进行筛选，并做排名快速计算，定时推送，完整地监

通过基于与或非的逻辑运算进行关联，将单个事件通过字段条件判断进行筛选，从而将安全专 家的事件分析结果固化到规则引擎中，在事件接入后迅速分析出安全告警。 统一安全管理平台，拥有智能的攻击路径分析引擎，具备基于图形计算算法的关联分析能 力。攻击路径分析引擎采用了图数据库，将设备 IP 作为图中的节点，将安全事件作为有向图中 节点的连接关系，自动绘制攻击图；在查找经过某个节点的攻击路径时，基于安全事件的权重 和时间的先后顺序，自动计算攻击路径。