鲲鹏原生开发的机遇和挑战 01 02 鲲鹏原生开发的核心技术理念 03 03 鲲鹏原生开发能力介绍 05 3.1 代码开发阶段 06 3.1.1 代码开发 06 3.1.2 代码优化 28 3.1.3 编译 30 3.1.4 调试 32 3.1.5 调优 37 3.2 流水线阶段 61 3.2.1 门禁检查 61 3.2.2 编译构建 66 3.2.3 鲲鹏开发套件 DevKit+ 鲲鹏应用使能套件 BoostKit， 实现 1 套代码 +1 条流水线构建多平台版本，效率更高、性能更优。 图 2-1 核心技术理念 代 码 开 发 阶 段 代码开发 代码优化 编译 调试 调优 • 场景化 SDK • 启发式编程 • BoostKit 应用使能 • 鲲鹏亲和分析 • 毕昇编译器 • 毕昇 JDK • GCC for openEuler • 鲲鹏调试器 亲和分析 • 编码规范检查 • 毕昇编译器 • 毕昇 JDK • GCC for openEuler • 自动反馈优化 • 测试框架 • 测试工具 • 测试样例 • 病毒扫描 鲲鹏兼容 & 亲和， 性能 5%↑ CFGO/LTO/ 自动向量化 / 指 令流水优化，性能 10% ↑ 应用编译调试， 性能 5%~10% ↑ 多样性算力测试套件， 效率 20% ↑ 病毒扫描， 效率

驱动，算力网络应运而生。作为一种结合算力和网络资源的新型信息 基础设施，算力网络通过将动态分布的计算和存储资源互联，将网络、 存储和算力等多维度资源的统一协同调度，实现连接和算力在网络的 全局优化。算力网络提供了一种弹性、高效、可扩展的服务模式，使 得海量的应用能够按需、实时调用分布式计算资源，为数字化转型业 务提供更加经济、高效、泛在的算力供给方案。 在算力网络推进各行业数字智能化转型过程中，随着行业应用涉 生成算力网络通过将 AI 技术与算力网络的基础设施、功能流程、服 务应用等深度融合，把 AI 的解决目标和承载方式都设在算力网络内 部，利用 AI 技术赋予算力网络基础设施智能化、业务流程一体化、 服务能力自优化、算网运维自动化等能力，进而为多元应用提供泛在、 高效、灵活、安全的服务化算力供给。算力网络服务生成是利用 AI 技术使能算网深度融合与智能服务的新范式，也是智能算力网络构建 的终极目标。 ... 37 4.4 业务流程自主管控 .................................................................. 42 4.5 服务自优化与持续演进 .......................................................... 46 五、技术挑战与未来方向 .................

合与应用，初步具备基于数据的运营和优化能力。 c) 三级：组织应具备数字化转型总体规划并有序实施，完成关键业务的系统集成和数据交互，在 运营、生产和服务领域实现基于数据的效率提升。 d) 四级：组织应将数据作为支撑运营、生产和服务关键领域业务能力提升优化的核心要素，构建 算法和模型为业务的相关方提供数据智能体验。 e) 五级：组织应基于数据持续推动业务活动的优化和创新，实现内外部能力、资源和市场等多要 判断数字化转型的问题， 并做出调整优化； c) 应确保人员树立科学开 发数字资源的观念与方 法，并以数字化、软件化 的方法，共享知识、技能 和经验 ； d) 应识别信息技术及其服 务创新人才、数字化转型 治理与管理人才等需求， 并有意识地吸纳和培养 相关人才 a) 应结合数字化转型战 略，建立岗位数字化评 价优化机制，持续优化 岗位数字化评价模型； b) 应基于数字化转型优 化调整战略，适时优化 调整组织结构与岗位 职 能 ； c) 应持续推进数字化转 型生态文化建设； d) 应建立专门的专家团 队、研究团队、执行团 队，支撑生态体系建设 与发展 GB/T 43439—2023 表 2 组织的成熟度要求 (续) 成熟度等级要求 能力子域 一级 二级 三级 四级 五级 转型战略 a) 应明确数字化转型的重

智能化带来的优化和改善空间；②从实际可落地的角度，梳理可率先 形成赛道赋能的方向；③从未来的发展趋势看，化工行业国内外可能出现的格局变化；④落地到具体板块，AI 智能化 能够形成的行业赋能和重点关注的行业机会。 核心逻辑 从大致的路径看，AI 在化工行业应用更多向着拓品、降本两个维度发力。拓品可以通过缩短研发时间，落地工艺设 计、优化工程装置、提升产品差异度等或缩短时间，或优化结果；而降本可以通过人工替代，精准对接，流程优化， 可以通过人工替代，精准对接，流程优化， 模拟改造等维度支撑成本改善。 化工行业智能化升级，顺势把握三重机遇。①影响越大的方向，落地速度越快，技术研发的变革或将是主“战场”； ②领军型企业有资金、有要求、有能力、有需求，有望成为 AI 智能化的先期参与者，尤其是大型央国企；③具有较 高的行业敏感度，对接难度相对较小或者改造优势比较明显的意愿型企业也将具有先期优势。 国内外化工行业的软实力差距有望逐步缩窄。经过 AI 智能化在各个领域的实体应用和优化，在化工行业领域，我们认为可能出现的四类关注点：  破除现有限制瓶颈的方向，将有望最开始明显受益：直接改善效率和提升速度的领域，或将最开始获得切入，目 前对选定方向，重复性测试或者方向性改善的领域，AI 智能化将有望直接缩短研究周期，降低投入成本，建议关 注合成生物方向，农药创制药赛道等；  技术研发的优化或将是智能化落地的主“战场”：AI

匹配方面，算力 基础设施主要集中在东部负荷中心，依赖化石能源供电，而西部新 能源富集区却面临算力需求不足的问题，影响了绿电的消纳。在系 统协同层面，算力调度以性能优化为导向，电力系统则以稳频调峰 为目标，二者缺乏统一的优化框架，造成新能源利用率损失 3%- 5%。技术层面，算力系统的异构性与电力系统的波动性难以通过传 统控制模型实现兼容，跨域协同效率低下。这些问题的存在严重制 约了算力产业与能源系统的协同发展。 33 4.1 电力侧发展与绿色转型 ..................................................................... 33 4.1.1 优化可再生能源供给体系..................................................... 33 4.1.2 完善供需动态平衡机制............... .. 37 4.2.2 构建算力-电力接口技术 ....................................................... 38 4.3 平台侧建设与功能优化 ..................................................................... 40 4.4 用户侧协同与服务创新 ........

方向。凭借其在提高生产效率、降低人力成本、提升产品质量等方面 的显著优势，“机器人+人工智能”正在汽车制造、电子信息、金属 材料等关键行业加速落地，展现出广阔的应用前景。 本报告中的“机器人+人工智能”指的是建模优化、机器视觉、 语音交互、机器学习、深度学习等人工智能技术应用于机器人上的智 能体。其工业应用包括两个层次，一是嵌入各类智能软硬件的机器人 产品在生产操作、物流配送等典型工业场景中的应用，二是智能化的 生产场景 . 12 3、质量管理：机器视觉检测大量取代人工检测 ............ 12 4、安全管理：在部分重化工业存在一定需求 .............. 13 5、试验验证和产线优化：仅在部分龙头企业开展探索 ...... 13 （二）应用行业：重点用于汽车、电子、金属三大行业 ..... 14 1、汽车：关注精细生产、高效物流和外观检测 ............ 15 2、半导体：重点在质量管理和柔性操作 更复杂的感知和处理任务，如图像识别和语音识别；第四阶段是高度 智能阶段，机器人展现出较高的自主性和适应性，能够进行自我学习 和优化，执行复杂的任务；第五阶段是超级智能阶段，机器人理论上 将具备超越人类的智能水平，能够进行创新和自我意识的决策。 在工业领域，机器人的规模化应用正在从中度智能向高度智能过 渡。随着深度学习算法的优化以及多模态感知技术的融合，工业机器 人将具备更强大的感知、认知和决策能力，能够更加精准地识别复杂

且多样化需求，已经难以有效应对。分布式算力感知与调度技术应运 而生，成为应对海量、泛在、实时计算需求的关键基础设施。这一理 念旨在构建一个能够动态感知全网算力资源，并根据任务需求进行智 2 能化、自动化、最优化调度的新型信息基础设施，降低计算延迟与成 本，支撑新型智能化应用的落地。 分布式算力是相对于传统集中式算力（如单一超级数据中心）而 言的算力部署与利用模式，其核心是将一个大的计算任务分解成若干 脑”和中枢。它根据感知到的全网算力资源分布图景和实时状态，在 复杂约束条件下，通过智能高效的算法，将计算任务合理地分配到最 合适的节点上执行，从而实现全局最优的资源利用率、最低的运营成 本和最佳的用户体验。调度决策是一个高度复杂的优化问题，其目标 函数通常是多维度的，需要在性能目标、经济目标和系统目标之间寻 求最佳平衡点。分布式调度策略多种多样，从传统的基于静态规则的 调度，如轮询、随机分配等，到更为复杂的动态调度策略，如基于负 调度决策则需将能耗和碳排放作为重要优化目标或约束条件， 例如优先将任务调度到使用可再生能源的数据中心或能效比 更高的节点，或利用电价谷值进行计算，实现“绿色调度”。 5 分布式算力感知与调度是现代计算范式的核心支柱。它通过构建 全域资源认知神经网和智能调度决策中枢，实现了对泛在、异构、动 态算力资源的有效整合与按需供给。其核心在于全局化资源视图、多 目标动态优化、高度环境适应、跨域无缝协同、智能学习进化以及对

分析历史运维数据，AI可以实现预测式运维，变 被动运维为主动运维，比如提前评估资源，根据负载变化自动扩缩容等。 智能化调优：利用ML/大模型、RL等AI技术，进行智能化数据库参数调整、索引推荐、优化器增强、 视图创建等，实现智能化调优。 AI培训、学习：AI可以拆解数据库相关技术文档，提炼关键信息，助力开发人员和DBA学习数据库 技术。基于数据库相关技术文档和积累的运维案例库，利用大模型等AI技术打造运维学习小助手 型差异导致的应急流程碎片化 问题。 此外，可能遇到技术兼容性问题，如不同系统之间的数据格式、通信协议不一致等，可通过开发适 配层或中间件来解决。业务流程冲突也是常见问题，需要对现有业务流程进行优化和调整，确保 应急处理流程与正常业务流程的协同。 �.� 数据安全、合规挑战 随着数据泄露和隐私问题的增加，数据库安全和合规性成为企业关注的重点。在自动化建设中， 需采取包括加密、访问控制和 与数据库能力的理解，提升银行运维团队的能力。 �.�.� 运维团队能力可持续发展 � 数据库可靠运维的核心目标是保障数据库的可用性、一致性、安全性，确保业务连续性，这需要 “故障预警、问题定位、应急处置、复盘优化” 的全流程高效执行。 需要制定对等的权责制度，明确各角色在巡检、故障处置、变更等环节的权责，避免跨角色协作时 “有权无责” 或 “有责无权”，防止问题悬置、故障恢复延迟。与此同时，以责任约束权限，避免因

智能家居控制：智能家居系统使用DeepSeek语音 控制灯光、温度等设备 家庭安全监控：智能家居系统使用DeepSeek监控 家庭安全，提供警报 智能家电管理：智能家居系统使用DeepSeek管理 家电，优化能源使用 语音助手：智能音箱使用DeepSeek语音助手控制 家居设备 家庭健康监测：智能家居系统使用DeepSeek监测 家庭成员健康数据 智能照明：智能家居系统使用DeepSeek根据环境 游戏虚拟助手：游戏平台使用DeepSeek提供虚拟助手， 帮助玩家解决问题 游戏内容生成：游戏平台使用DeepSeek自动生成游戏内容 游戏数据分析：游戏公司使用DeepSeek分析玩家数据， 优化游戏体验 游戏语音识别：游戏平台使用DeepSeek提供语音识别功 能，增强游戏互动 游戏内容审核：游戏平台使用DeepSeek自动审核用户生 成的内容 游戏市场分析：游戏公司使用DeepSeek分析市场数据， 驶系统，识别道路和障碍物 智能物流：物流公司使用DeepSeek优化物流路线， 提高配送效率 智能农业：农业公司使用DeepSeek监测作物生长， 优化种植方案 智能交通：交通管理部门使用DeepSeek优化交通 流量，减少拥堵 智能环保：环保机构使用DeepSeek监测环境数据， 提供环保建议 智能能源管理：能源公司使用DeepSeek优化能源 使用，提高能源效率 智能城市规划：城市规划部门使用DeepSeek分析

承载网还需与地面光纤网或无线骨干网形成互联接口，实现跨域无缝 对接。由于卫星在轨运行形成高度动态化的拓扑结构，卫星互联网承 载网的控制平面必须具备快速的拓扑感知与预测能力，通过基于轨道 力学的链路预测实现路由的提前优化配置，并借助分布式控制与跨域 编排机制，在多域多业务并行运行的情况下保持网络稳定。 在能力特征方面，卫星互联网承载网的首要优势是全球覆盖。依 托大规模卫星星座的轨道布局，它可以为地面基础设施难以覆盖的海 的 微波通信和光通信技术，结合新一代高速调制编码和自适应链路控制， 实现 Tbps 级骨干通道；在低时延方面，将优化轨道布局和跨域路由 4 算法，以满足 6G 及其后续网络对超低时延通信的需求；在智能化方 面，将引入人工智能和机器学习技术，用于链路状态预测、路由动态 优化和资源自适应分配，推动网络具备更高的自治能力；在开放性方 面，承载网将逐步实现与地面互联网标准的深度融合，支持多运营商、 设备只需专注于按照既 定规则进行数据转发，这降低了星上设备的复杂度和成本，同时也便 于对网络进行统一管理和控制。例如，通过地面网络控制器，能够方 便地对整个卫星互联网承载网的路由策略进行调整和优化，以适应不 同的业务需求和网络状况。​ 6 然而，集中式架构也存在明显的缺点。由于所有的路由计算均依 赖于地面中心，一旦地面控制器出现异常故障，整个卫星互联网承载 网的路由功能将受到严重影响，甚至可能导致网络瘫痪。而且，在面