2048 台服务器合计消纳 IT 功率约 21504KW ； 2) 建设 5 个 128 合计 640 台算力服务器组成的推理集群，主卡选用 5090, 合计消纳 320 个 12KW 机柜，单台 算力服务器最大功耗 6KW 计算， 640 台服务器合计消纳 IT 功率约 3840KW; 3) 建设 5 个 128 合计 640 台算力服务器组成的推理集群，主卡选用 H20, 合计消纳 320 2048 （ 2 * 1024 ） 10.5 12 1 ： 1 2048 21504 推理池 1 RTX5090 5120 640 （ 5*128 ） 6 12 1 ： 2 320 3840 推理池 2 H20 5120 640 （ 5*128 ） 4.5 9 1 ： 2 320 2880 合计 26624 3328 2688 28224 算力池规划表 算力池规划 5A 级科技型办公中心

地区、机构、团队以及 科学家个人等的表现。本报告利用国家 / 地区研究前 沿热度指数，从十一大学科领域整体、各学科领域和 特定研究前沿三个层面，测度揭示了各国在《2025 研 究前沿》报告的 128 个研究前沿的基础研究活跃程度。 （1）国家 / 地区研究前沿热度指数的定义和计算 方法如下： ① 国家 / 地区研究前沿热度指数 国家 / 地区研究前沿热度指数 = 国家 / 地区贡献 度 全球研究前沿的领先地位主要由美国和中国占 据，其他国家仅在少数领域、个别前沿闯入前列。 在 十 一 大 学 科 领 域 的 128 个 前 沿 中， 中 美 两 国研究前沿热度指数排名第一的前沿数合计占比达 90.6%。美国研究前沿热度指数排名第一的前沿数为 64 个，占全部 128 个前沿的一半。中国排名第一的前 沿数为 52 个，占比超四成（40.6%）。德国有 3 个前 沿排名第一，英国和加拿大各有 在分领域层面国家 / 地区研究前沿热度指数得分排名第一的研究前沿数量和比例 领域 研究前沿数 排名第一前沿数 比例 美国 中国 德国 英国 加拿大 美国 中国 德国 英国 加拿大 十一领域综合 128 64 52 3 1 1 50.0% 40.6% 2.3% 0.8% 0.8% 农业科学、植物学和动物学 11 2 6 0 0 0 18.2% 54.5% 0.0% 0.0% 0.0% 生态与环境科学

[Table_Report] 相关研究 1.【华西计算机】深桑达深度：左手国资云，右手 数据要素 2023.06.08 -21% 16% 53% 91% 128% 165% 2022/07 2022/10 2023/01 2023/04 2023/07 相对股价% 深桑达A 沪深300 证券研究报告|公司动态报告 仅供机构投资者使用 582/672/787 亿 元，归母净利润为 2.88/4.95/8.35 亿元，每股收益（EPS）为 0.25/0.43/0.73 元，对应 2023 年 7 月 7 日收盘价 32.37 元， PE 分别为 128/74/44 倍，强烈推荐，维持公司“买入”评级。 风险提示 1）市场份额被竞争对手挤压；2）政策推进不及预期；3）大 模型技术发展不及预期；4）经济下滑导致的系统性风险。 盈利预测与估值 582/672/787 亿元，归母净利润为 2.88/4.95/8.35 亿元，每股收益（EPS）为 0.25/0.43/0.73 元，对应 2023 年 7 月 7 日收盘价 32.37 元，PE 分别为 128/74/44 倍，强烈推荐，维持公司“买入”评级。 4.风险提示 1、市场份额被竞争对手挤压； 2、政策推进不及预期； 3、大模型技术发展不及预期； 4、经济下滑导致的系统性风险。

0GE或 48*200GE+8*800GE作为接入，128*400GE或128*800GE作为汇聚。 AI Fabric 2.0关键技术 11 智算网络市场当前则以400GE接入为主，采用盒盒组网或框盒组网，采用比如 32*400GE盒式、128*400GE盒式、36*400GE框式等款型；后续会向800GE演进，比 如采用128*800GE等设备进行组网部署。两层盒盒的扁平化组网仍是最优的选择，两层盒 2T高性能网络成为主流。51.2T交换容量的设备普遍为112G Serdes设计，可 以通过512*100GE Radix扇出对外提供更多的连接端口。使用100GE端口形态的两层Clos 架构可以构建128K（512 * 256）个100GE接入带宽的网络。 当算力卡支持将400GE带宽性能拆分为4*100GE端口，分别接入4个100GE接入带宽 的Clos网络，组成4平面扁平化组网架构。如下图所示，红，橙，蓝，绿分别组成一个独立的 多平面扁平化组网规模 通过多平面扁平化组网技术可以实现两层Clos建超万卡规模集群。如下图所示以 512*100GE扇出为例，多平面两层组网可以将口卡比为3:1的集群规模由8K大幅提升16倍 到128K区间。 19 关系国计民生行业如金融银行，运营商等，响应国家一体化大数据中心规划，纷纷在 中西部布局其下一代数据中心。企业依据过往20年数据中心发展，结合当前及未来自身业 务发展规划，均考

测，人员聚集，快速移动，非法停车，音频异常侦测，人脸检测，外部报警， 客流量统计，热度图，微卡口； XXXX 解决方案 第 11页 ? 支持报警 2 进 2 出，音频 2 进 1 出， 485，RS232,BNC，HDCVI,128G SD卡， 内置 MIC； ? 支持电源 DC12V电源返送，最大电流 165mA,功耗 2W； ? 支持 G.711A、G.711Mu、G.726、AAC多种音频编码格式； ? 支持 A GUI界面操作； ? 可接驳支持 ONVIF协议的第三方摄像机和主流品牌摄像机； ? 支持 IPv4、IPv6、HTTP、NTP、SADP、DNS、ONVIF（支持 2.4 版本）协议； ? 支持最大 128 路网络视频接入，网络性能接入 400Mbps，储存 320bps，转 发 320Mbps，80Mbps 回放； ? 支持 12M/4K/6M/5M/4M/3M/1080P/1.3M/720P IPC

后台知识库在线热更新 长尾问题处理 依赖 FAQ 库覆盖 通过 RAG 技术实时检索未训练知识 在部署架构上，传统方案需本地部署音频服务器和存储设备， 而本方案采用边缘计算+云端弹性扩容，通过模型量化技术将 128 层 Transformer 模型压缩至 8GB 内存即可运行，使单台边缘设备 可同时服务 200+并发请求。此外，传统方案的语音库占用空间通 常超过 100GB（含多语言版本），而本方案通过声学模型共享机 衡：根据实时请求量自动切换 7B/20B 参数规模的子模型，在保证 98%意图理解准确率的同时，将响应延迟控制在 800ms 以内 - 上 下文窗口扩展：采用 NTK-aware 插值方法将上下文窗口扩展至 128k ，显著提升长文本讲解的连贯性 - 语音特征编码：新增音频编 码专用 tokenizer，支持将梅尔频谱特征直接映射为语义向量 模型量化部署采用混合精度方案，在 NVIDIA T4 显卡上实现 实现高精度语义解析的同时，满足公共服务实 时响应要求（<800ms/query） 训练数据 4.6TB 中文语料（含专 业领域语料 35%） 覆盖法律、医疗、政务等公共服务高频领域术 语 上下文窗 口 128K tokens 支持长文档解析与多轮对话场景记忆 API 延迟 平均 720ms（标准云服 务器部署） 符合语音交互系统对端到端延迟的严苛要求 模型的核心能力通过三阶段验证： 1. 基准测试：在

大模型作为新一代千亿参数级多模态大语言模型， 在金融银行业务场景中展现出显著的技术优势与适配性。其核心能 力建立在三层技术架构之上：基于 Transformer-XL 的混合专家模 型 （MoE）结构实现动态计算资源分配，128K 超长上下文窗口结合动 态稀疏注意力机制，以及通过强化学习与人类反馈（RLHF）优化 的金融领域微调策略。在银行业典型任务测试中，模型在金融语义 理解、复杂逻辑推理和多轮对话维持方面表现突出，其中在合同关 验证，在信用卡欺诈检测中实现误报率低于 0.3% 的同时保持 98.6% 的召回率。 模型的知识更新机制采用双通道设计：静态知识通过季度更新 的金融知识库（ 涵盖巴塞尔协议 III 等 128 个监管框架）进行批量注 入，动态知识则通过实时流数据处理平台接入市场行情与监管通 告。测试数据显示，该机制使模型在利率政策变更后的知识更新时 效性缩短至 4 小时内，显著优于同业常见的 关键参数配置需平衡性能与资源消耗，典型设置如下： - 学习率：采用余弦退火策略，初始值 3e-5 ，最小衰减至 1e-6 - 批量大小：根据 GPU 显存动态调整，推荐范围 32-128 - 训练轮次：早停机制（patience=3） 监控验证集 F1 值 - 正则化：Dropout 率0.1 ，权重衰减系数 0.01 效果评估采用分层次测试体系：在单元测试层面，通过混淆矩

核心论文出版年的平均值。 ④ 引用至少两篇核心论文的施引论文。 2. 方法论 整个报告分析工作分为两个部分：研究前沿的 遴选和命名由科睿唯安和中国科学院科技战略咨询研 究院科技战略情报研究所合作完成，128 个研究前沿 的核心论文及其施引论文的数据由科睿唯安提供；研 究前沿的分析和重点研究前沿（包括重点热点前沿和 重点新兴前沿）的遴选及解读由中国科学院科技战略 咨询研究院科技战略情报研究所主持完成。此次分析 研究前沿》分析报告反映了当前自然科学 与社会科学的 11 大学科领域的 128 个研究前沿（包括 110 个热点前沿和 18 个新兴前沿）。我们将 ESI 数据 库中 20 个学科的研究前沿和 RHN 数据库中的新兴主 题划分到 11 个高度聚合的大学科领域 ②，以此为基础 遴选出较为活跃或发展迅速的研究前沿。报告中所列 的 128 个研究前沿的具体遴选过程如下： 2.1.1 热点前沿的遴选 前沿。 2.1.3 研究前沿的命名 由各学科战略情报研究人员，根据研究前沿的核 心论文的研究主题、主要内容和特点等，对 128 个研 究前沿逐一进行命名，并结合专家意见调整确定。 2.2 研究前沿的分析及重点研究前沿的遴选和解读 本报告在遴选的 128 个研究前沿的数据的基础上， 由中国科学院科技战略咨询研究院的战略情报研究人 员对 11 大学科领域的 110 个热点前沿的发展趋势进行

123 九、 经济效益与社会效益分析......................................... 128 9.1 经济效益..................................................................128 9.2 社会效益................................................. 负责实际存储数据块， 将数据以块的形式存储在本地磁盘上， 并定期向 NameNode 汇报自身存储的数据块信息 。 当用户上传文件 时 ，HDFS 会将文件切分为多个数据块 ，每个数据块的默 认 大小为 128MB （可根据实际需求调整）， 然后将这些 数据 块分布式存储到不同的 DataNode 上 。为了保证数 据的可 靠性 ，HDFS 会对每个数据块进行多副本存储 ，副 本数量可 以根据用户的需求和系统的配置进行设置， ， 可以使用 AES 算法进行加密 。在加密过程中， 首 先选择一 个合适的加密密钥， 密钥的长度可以是 128 位 、192 位或 256 位 ，密钥长度越长 ，加密强度越高 。然后 ，将需要加密 的数据按照 AES 算法的规定进行分组， 每组 数据长度为 128 位 ，对每组数据使用选定的密钥进行加 密操作 ，生成加 密后的密文 。当需要读取数据时， 使用相 同的密钥对密文进

24G 1 3,945 8.17 24 32B 方案 1 GPU-pi5 16U64GB 显卡 1 * 24G 100 1 3,945 8.17 12 70B 方案 1 GPU-pi5 32U128GB 显卡 2 * 24G 200 1 7,890 16.34 5 3. 核心优势 方案核心优势 低成本： 提供高性价比的云服务器，用户可以根据实际需求自定义不同规格的云服务器。 一键部署：