着 “规模定律”不断演进，从预训练扩展到覆盖预训练、后训练、逻辑推理的全流程，其参数与集群 规模实现“双万” 跨越，行业模型落地需求专业化。 传统的服务器集群架构在这场变革中瓶颈愈发明显。千亿级模型一次梯度同步产生的 TB 级数据 让传统以太网带宽难以承受；同时，伴随算力规模扩大，万级处理器带来的故障常态化，对自动化 运维与 RAS 能力提出了更高要求。在这样的背景下，超节点的出现成为了面向大模型未来发展的必 颠覆性变革的核心力量。大模型所展现出的涌现能力与通用潜能，正在重构人类对创新的想象边界， 但同时也对底层智算基础设施提出更高要求和挑战：模型参数规模从千亿迈向万亿乃至更高，训练 数据量呈指数级增长，传统松散耦合的集群架构已难以满足高效的计算需求，智算基础设施正开始 新一轮的技术革新。 在此背景下，超节点应运而生。它并非偶然的技术产品迭代，而是智算需求与系统创新深度共振 的结果，具有划时代的重 成为可扩展模型的核心架构方向。在复杂的混合并行策略下，随着并行规模持续扩大，系统节点间 通信带宽与可用显存容量成为制约大模型可扩展性的瓶颈，亟需计算架构创新以满足未来更大规模 模型训练的需求。超节点架构突破传统互联瓶颈与共享协议限制，不断突破系统性能上限，成为多 样化算力集群技术未来演进的必然趋势。本发展报告系统梳理了超节点技术架构的国内外演进路径 与生态发展格局，清晰界定了超节点需具备的技术特征与系统属性，为产业界提供了具有前瞻性的

锋、喻杰奎、李恒、武毅博、郭鑫、李浩、胡海、汪漪，凌晨曦 前 言 当前，以 6G、云计算、人工智能、未来网络技术等为代表的新 一代信息技术正加速与实体经济深度融合，推动各行业数字化转型向 纵深发展。然而，传统分离的光传输与 IP 网络架构已难以满足数字 经济时代对超高速率、超低时延、超高可靠性的严苛要求。光电融合 网络技术作为新一代信息基础设施的核心支撑，通过 IP 层与光层的 深度融合，构建起大 相干容量提升）重获关注。消除独立光转发设备不仅降低 CAPEX， 其扩展传输距离还可绕过汇聚节点，进一步节省成本。 光电融合网络技术是通过光层传输与 IP 层控制的深度协同，构 建的统一网络架构体系。其核心是将传统分离的光传输系统 （DWDM/OTN）与分组交换设备（路由器/交换机）在物理设备层、 协议层和网络管理层实现三重融合，形成下一代确定性、可编程、广 覆盖的智能承载网络。光电融合网络技术具备如下三大关键特征： 控制器）实现电信级路径动态调度， 完成全网粒度识别、片段级路径编排与秒级快速发放，支持广域高效 算力连接。 1.2 光电融合网络需求和意义 随着 5G、物联网、高清视频等技术的普及，数据流量呈爆发式 增长。传统通信网络在传输容量和速度上逐渐难以满足需求，光电融 合网络凭借光信号高带宽的优势，能实现高速大容量数据传输，满足 不断增长的数据传输需求。 算力资源的分布往往和需求不匹配，导致资源利用率不高，严重

了令人瞩目的成就，但经过对其发展现状的冷静分析，我们可以看到，AI 的发展仍处于起步阶段。 目前，AI 应用仍主要集中在以问答功能为主的 AI 助手上。这类 AI 系统通常被视为“黑盒 子”，其属性难以像传统 ICT 系统那样被完全理解和保障。AI 仅仅提供了基础模块，而有待解决的 关键问题是如何将这些模块有效组合，打造出具有人类智能水平的智能系统。值得一提的是，AI 在 工业和服务领域的应用潜力巨大，但这一潜力尚未得到充分挖掘。 是创造 一种“能够理解、学习任何人类所能完成的智力任务的机器”，更在于让机器能够整合自身能力， 自主行动，感知现实环境，并以自适应且可靠的方式追求其目标。 智能系统的构建正在颠覆传统的系统工程，需要将基于传统 ICT 模型的开发与数据驱动的 AI 技 术相结合。我们需要通过混合解决方案构建智能系统，确保其能够基于大量已有知识做出安全高效 的决策，还能规避 AI 系统的不可解释性。 在构建智能系统时，如果需要整合一些不可信的 息和模型）结合 起来。在开发智能系统时，我们需要在系统设计的正确性和运行阶段的韧性之间实现平衡，并通过 定期或针对性的更新，实现系统的持续演进。 此外，系统验证目前正从理性主义向经验主义转变。传统的基于模型的技术虽能保证高可靠 性，但由于系统固有的复杂性和异构性，已不再适用。我们需要超越当前随机测试和仿真的方法， 开发更严格的验证技术。同时，我们还必须通过基于知识的监测技术弥补可靠性降低的影响。

的期望。人们越来越希望能够通过语音命令、触摸屏和手势的组合来控制设备。  多模态用户界面 (UI) 正在改变人类与科技的交互方式，它能够通过多种输入方式（包 括语音、触控、手势和视线追踪）实现无缝沟通。与传统的单模态用户界面不同，多模 态界面允许用户根据自身情况选择最直观的交互方式，从而增强了可访问性、适应性和 用户参与度。人们对免提和非接触式交互的需求日益增长，推动了多模态用户界面在智 能设备、车载信息娱乐系统和工业应用中的应用。 并促进团 队成员之间的协作。通过将 AI 直接嵌入到工作流程中，这些工作区使用户能够更智能、 更高效地工作，最终提高整体生产力和创新能力。 4. AI 工作簿： AI 工作簿将 AI 的强大功能与传统的数据分析和管理工具相结合。例如 9 V7 Go、Elicit Workbooks、Sheets 或 Excel API 集成。这些平台增强了数据处理能力，使 用户能够自动输入数据、执行复杂计算并从海量数据集中获取洞察。AI 动化、更隐形的 AI 集成的转 变。这种方法涉及将 AI 功能直接嵌入后端流程，从而允许无需用户直接交互即可完成 任务。AI 驱动的自动化可以处理从调度和资源分配到监控和维护的所有事务。通过消 除对传统用户界面的需求，无面容工作流程实现了无缝高效的操作，使用户可以专注于 更具战略性和创造性的任务。 总而言之，这七种新兴的生成式人工智能用户界面改变了人们与科技的互动方式。从聊器人、 增强型浏览器到

它是一场数据变革，数据“所有权”和身份“自主权”将 从大型平台回归到用户手中，互联网将更加平等，更加开放， 更加符合群体利益。它是一场信任变革，信息互联网将演化为 可信的价值互联网，并衍生出不同于传统模式的分布式经济、 分布式金融。它是一场组织变革，企业的痕迹或将被“抹 除”，没有董事会，没有管理层，没有公司章程……仅依靠算 法就可开展各类业务活动，“无组织形态的组织力量”将成为 经济系统的内在 化 信息网络，实现数据自动采集，从源头降低虚假数据上链的可能 性。 Web 3.0一方面能够实现用户侧自主管理身份，另一方面也可实 现网络资源侧自主管理地址，真正做到端到端访问过程的去中介 化。传统互联网作为全球化开放网络，其资源访问依赖中心化管理 的域名系统（Domain Name System，简称DNS）。DNS作为互联网最 根本的基础设施，虽然从IPv4（Internet Protocol 仍有可能被操控。Web 3.0作为全新的去中心化的价值互联网，需要 全新的去中心化的DNS域名系统。这在技术上可以通过分布式账本实 现，资源发布方可以自主注册和管理域名，用户可以自主查询和解 析域名。DNS不仅可以对传统互联网信息资源，还可以对更广泛意义 上的数字资产、数字实体、区块链等进行命名和解析，从而使智能 合约可以对数字资产以更方便和可读的方式进行操作，进而让Web 3.0可以更好地实现数字空间与现实空间的互动。

贾雪琴、詹立东、平庆瑞、曹畅、唐雄燕、张岩、史可、王立文、 曹云飞、王施霁、霍如、刘辉、王志浩 I 前 言 2024 年 1 月 31 日，习近平在中共中央政治局第十一次集体学 习时强调“高质量发展需要新的生产力理论来指导”。传统的 ISO/OSI 等经典网络理论，虽然涵盖了联网设备之间，从物理连接、 数据传输、会话管理到应用服务的完整通信功能，但并未纳入网络用 户交互所需的身份识别、行为交互、数据解析等能力。针对当前互联 储的成本，大大缩短了应用建设周期。这一时期，互联网应用层协议栈经历了重 要演进，如 HTTP/2（2015 年）、QUIC（2012 年提出，后成为 HTTP/3 基础） 等新协议的出现，旨在解决传统 TCP/IP 在高延迟、移动环境下的性能问题。 随着全球数字化转型、国际贸易、数字金融等业务的发展，相关技术正处于 快速迭代演进阶段。本白皮书主要针对全球文本互联 Web2.0 之后的下一代数 参考模型标准（ISO/IEC 7498）。 作为现代网络协议的基础架构，OSI 七层模型虽然涵盖了物理连接、数据传 输、会话管理到应用服务的完整通信流程，但是受限于领域特定数据与网络公用 性的矛盾问题，传统的 ISO、TCP/IP 等经典网络理论主要定位在异构网络通信 层面，数据互联所需的身份识别、行为交互、数据语义解析等需求被当做应用层 问题由“客户端-平台（服务器）”交互模型解决。 2) 缺乏对数据的合理抽象

逐渐深入 并展现出巨大潜力。本文系统梳理了量子通信技术发展背景、主要原理及 其在金融信息安全中的作用，重点分析了量子密钥分发和量子直接通信两 类核心技术路线在实际金融场景中的应用。在量子计算对传统加密体系带 来挑战的背景下，量子通信凭借基于量子力学原理的高度安全性，为金融 行业提供强有力的安全保障。通过介绍各金融机构实际案例，本文展示了 量子通信在金融实用场景中的创新应用路径，展示了其在数据传输方面的 搜索时间实现二次方级别的加速。鉴于 Grover 算法可 以快速从无序的数据库中找到待查找的目标值，从而威 胁到了基于相关数学问题设计的对称密码算法安全。此 外，有研究表明 Grover 算法可以比传统计算机更快地 破解加密散列，这意味着 Grover 算法可能会降低杂凑 函数的安全级别。学界一般认为 Grover 算法破解密码 的能力等价于将等效密钥长度减半，因此可以通过增加 密钥的长度来缓解 印，其他应用取得的效果尚需时间的检验，银行寄予厚 望的风控，除了反欺诈效果不错外，大模型的应用效果 并不理想，因为可解释性不强，面向的客群不同，所以 与互联网大厂有不小的差距。评分、评级依然是传统模 型为主。智能客服用于呼出效果尚可，但客户接收度并 不高，比如笔者接到的呼出电话，绝大多数就直接挂断 了，AI 永远代替不了的可能就是人与人之间有温度的 交流，因此将来直接与客户交流的工作很难用

从基建到运营， 做数字化转型 的终极赢家 回 顾过去十年，规模最为浩大的商业浪潮 非数字化莫属。云计算、大数据、物联 网、人工智能等先进技术嵌入各个行业， 推动跨界协同与边界重塑，在不断对传统的行 业与企业形成冲击的同时，也在开拓新的商业 模式与产业机遇，这个过程就是数字化转型。 数据显示，过去十年间，我国数字经济规 模从 11 万亿元增长到 45.5 万亿元，占国内生 产总值比重由 行管理和经营决策应用、对组织内外部协同效 率进行提升、对 IT 底座进行加固和拓展建设， 对科技和业务场景进行链接以支持数字化业务 的实现、运行和持续创新等。 以友邦人寿和阿里巴巴为例。在传统金融 行业中，友邦人寿是数字化运营的成功典范。 友邦构建了自己的数字化转型路径——TDA （Technology，Digital，Analytics）战略，以 促进内部管理的细化和客户服务的专业化。基 比如，很多企业在实施数字化转型时会 发现，数字化新模式所要求的跨部门协作较 难推进。 数字化转型是企业的一项全局性工作，很 多数字化任务在企业内都是跨部门、跨职能开 展的。而对于很多企业来说，受制于长久以来 积累下来的传统组织文化，跨部门的横向联动、 涉及多方的资源调度和工作协同等较难执行。 其次是，数字化转型是一项系统性工程， 需要全面厘清智能化应用场景，全面提升经营 管理的精细化、智能化程度。 目前，企业在运营上的举措通常包括引入

宇宙等技术的爆炸式发展，传统的集中式算力计算模式面对如此庞大 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 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 载均衡的调度、基于服务质量（QoS，Quality of Service）的调度、 基于经济效益的调度等。现代的算力调度系统越来越倾向于采用人工 而是驱动社会经济形态深刻变革、与热力、电力并驾齐驱的关键生产 力，是支撑数字经济高质量发展的战略基石。中国信通院指出，随着 新一代通信规模建设和边缘计算应用的持续部署，越来越多的应用运 行和数据生产处理在边端侧开展，这对于传统算力基础设施的部署、 调度提出了新要求，分布式算力通过不同范围部署不同规模算力，为 政企数智化转型各场景随需获取算力提供新思路。在此背景下，分布 式算力感知与调度技术作为构建下一代算力基础设施的核心神经系

www.top100summit.com • 一、传统企业转型需要方法指导 • 二、SABOE数字化转型方法论 • 三、案例：汽车金融数字化应用 • 四、案例：美的集团数字化转型实践 目录 www.top100summit.com 一、传统企业转型需要方法指导 www.top100summit.com 数字经济时代来临 传统企业纷纷转型升级 • 2012-2017年，建行新一代业务系统建设 联网、区块链为代表的数字技术进入了集中成熟 爆发期。 • 数字技术组合应用，发挥数据价值 • 互联网、物联网积累了海量数据 数字技术发展成熟 经济发展进入新常态 数字技术发展成熟 互联网企业跨界而来 传统企业纷纷转型升级 数字经济 农业经济 工业经济 B.C. 8000 A.D. 1760 A.D. 2010 www.top100summit.com 数字经济发展方兴未艾 • 2021年3月，《国民经济和社会发展第十四个五 top100summit.com • 请对案例内容进行概括介绍，突出案例的亮点和独特性，以便在开场能迅速让听众感知到案例价值。 从传统企业走向数字企业 数字企业 ◼ 经营管理数字化 ◼ 价值链数字化 ◼ 敏捷创新响应市场需求 ◼ 极致客户体验 传统企业现状 ◼ 决策靠经验 ◼ 流程割裂，系统竖井 ◼ 响应慢 ◼ 以产品为中心，体验差 大数据和AI贯穿“感知——认知——决策——行动”整个链路，