.................................67 1 一、分布式算力感知与调度背景 本白皮书创新提出分布式算力感知与调度模型与架构。分布式算 力是一种新型的计算模式，在实时感知多类型、多数量计算设备资源 状况的基础上，借助统一的度量范式对资源量进行对比与评估，再结 合任务的计算强度、时延要求和数据依赖等特征，以及网络带宽和能 量预算等约束，运用自适应的智能调度算法将大规模的计算任务分散 算力已成为驱动社会进步的核心生产力。随着人工智能、物联网、元 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。 现。边缘算力强调“地理近端性”，即计算能力的部署靠近数据源， 以满足低延迟和高实时性的需求；而分布式算力更关注“全局最优性”， 侧重任务的分解与协同，以处理大规模和复杂的计算任务可能调度至 边缘、核心云或两者协同，例如“云-边-端”分层推理。 分布式算力感知与调度的核心在于“感知”与“调度”两个相互 依存、紧密结合的环节。“感知”是基础和前提，它指的是系统具备 全面、实时、精准地获取分布式网络中各个计算节点资源状态的能力。

在这些领域的关键作用外，报告还探讨 了 AI 与其他创新技术的协同效应，以及转型可能带来的社会和经济影响。 例如，在 AI 大模型和云计算技术的支持下，教育应用将能够动态分析学生的知识掌握情况， 帮助教师实时生成个性化的教学方案，确保每个学生都能享受量身定制的学习体验。医疗行业将不 再局限于“治病救人”，而是完全融入一个由 AI、数字行为建模、远程医疗和合成生物学等前沿技 术驱动的全球健康生态系统。 协同演进的复杂生态系统。从计算范式的革命（突破冯 • 诺依曼瓶颈）、存储范式的改变（数据即 智能），到网络范式的跃迁（迈向智能体互联网），其底层驱动力是一致的：即为了支撑智能体在 物理与数字融合的“镜像世界”中进行大规模、实时、可靠的交互与决策。智能体（Agent）作为 核心载体，其从执行工具到决策伙伴的演进，标志着人工智能从处理信息的工具转变为能够主动规 划、协作并作用于环境的认知主体。这不仅是技术的升级，更是生产力和生产关系的范式革命。 将通过 实时分析系统的安排，实现可再生能源发电与需求的平衡，开启零碳城市生态系统的时代。此外， 基于 AI 的气候建模将提供前所未有的预测能力，帮助决策者采取预防措施，应对极端天气事件和海 平面上升，这对像香港这样易受影响的沿海地区来说至关重要。 人类生产将经历场景跃升，重塑工作的本质和创造力。在制造业，具身智能将催生出自我优 化的工厂，机器不仅能执行任务，还可在运行过程中实时优化流程设计，形成一个持续创新的良性

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 对一些实时性要求较高的业务场景时，地面控制器计算路由并将转发 表上注到卫星互联网路由器的过程可能会产生较大的时延，无法及时 响应用户需求。例如，在突发的军事通信场景中，对网络的快速响应 能力要求极高，集中式架构可能难以满足这种实时性需求。​ 图 3-1 卫星互联网承载网集中式架构图 为了应对这些问题，研究人员进行了相关研究。例如，采用基于 全解决依赖地面控制器的问题。此外，为了进一步提升路由算法的负 载均衡、运行效率、故障容错以及差异化服务保障能力，部分研究引 入了网络状态感知机制以及深度强化学习等人工智能方法，进一步优 化路由策略。通过实时感知网络状态，并利用人工智能算法进行智能 决策，提高了集中式架构下卫星互联网承载网的性能。 3.1 分布式架构 分布式架构与集中式架构截然不同。在分布式路由方案中，卫星 互联网承载网中的每一个卫星互联网路由器都必须动态地自主维护 承载网拓扑动态 时变、链路频繁切换的特点。每个路由器能够实时根据本地的链路状 态和邻居节点信息，快速调整路由策略，从而实现更高效的路由转发。 8 图 3-2 卫星互联网承载网分布式架构图 然而，分布式架构也面临一些挑战。一方面，每个卫星互联网路 由器都需要具备强大的计算能力和存储能力，以维护复杂的网络全局 拓扑信息并进行实时路由计算，这对星上设备的硬件资源提出了很高 的要求。在卫星

步骤二：资源状态上报 为了确保算网协同调度平台能够实时掌握资源的动态情况，实现 精准调度，算力提供者需要定期或实时向调度中心上报算网资源状态。 这些状态信息涵盖了资源的关键性能指标，如空闲可用的 CPU 核心 数量、内存数量、GPU 数量以及存储容量等。通过及时、准确的状 7 态上报，调度中心能够如同拥有了一双“透视眼”，清晰地了解资源 的实时情况，从而根据用户的需求进行科学合理的调度安排，避免资 提供的便捷操作界面（如控制台等），发起算网调度请求。调度中心 在接收到请求后，迅速启动协同调度机制，如同一位经验丰富的指挥 家，协调各方资源，综合考虑用户的算力、网络和存储需求，以及当 前资源池中各类资源的实时状态，制定出最优的调度方案。通过准确 的任务分配、流量调度和数据传输安排，满足用户多样化的应用需求， 确保业务的高效运行。 8 图 3-3 总分调度-算网调度操作与协同调度 3.2 分总调度架构 作提供坚实的数据支持 10 图 3-4 分总调度-资源注册登记与纳管 步骤二：资源状态上报 ● 为了保障调度的准确性和及时性，算力提供者需要持续向调度中 心上报算网资源状态，包括资源的实时使用情况、性能指标变化等关 键信息。这些信息如同资源的“健康报告”，帮助调度中心及时了解 资源的动态变化，以便在调度过程中做出更加科学合理的决策。 图 3-5 分总调度-资源状态上报 步骤三：算网资源调度使用

山东农信：基于多法人架构的客户统一授信系统 微众银行：全栈自主可控的金融级智算 AI 网络建设与实践 湖北农信：智能运维平台 四川银行：新一代工程基于云平台分布式架构下的核心系统测试实践 中国邮政储蓄银行：新核心统一查询——实时数据分析查询的分布式解决方案 中信建投证券：长尾客户普惠数智金融服务平台 安诚保险：保险客户自助服务平台 太平洋寿险：云原生 paas 平台 财信人寿：“吉小星”AI 助手——保险全链路智能增效引擎 将连续变量量子密钥分发技术引入商业银行日常办公运 维环境相关场景，为金融数据传输提供强有力的安全保 障。以异地软件包分发场景为例，连续变量量子密钥分 发技术可保障在分发软件包的过程中若尝试任何窃听或 篡改都将被实时检测，从而使得运维团队能够在第一时 间发现潜在的安全威胁，降低信息安全风险，确保系统 升级的顺利进行。再以即时通信文件传输场景为例，即 时通信文件传输可能涉及包含客户数据、业务机密、战 略决 收端放置于银行经营机构，用以接收客户厂房设备的 监控数据。在实际数据传输过程中，量子直接通信监 控系统由于受到机房工作环境和传输光纤信道特性变 化的影响，系统的实时通信信息传输速率波动范围为 10kbps±2kbps，该波动范围不影响量子直接通信系统 在应用场景下的数据传输实时性，满足实际应用的要求。 当前，以量子通信为代表的量子科技已逐步从实验 室走向金融实用领域，不断向工程化和实用化转化。作 为新质生产力的重要代表，量子通信为金融信息安全提

..... 18 2.2.5 生成式智能化决策控制........................................................ 19 2.2.6 全周期高实时数字孪生........................................................ 22 2.2.7 多要素高可信算电交易................. 尽管我国风光发电装机超 14.5 亿千瓦（2024 年底），但间歇性、波动 性导致西部“弃风弃光”与东部“缺电”并存，而算力中心的灵活负 载特性可成为破解这一困局的关键——通过 AI 调度算法将非实时计 算任务转移至绿电富集时段，理论上可提升新能源消纳率 15%以上， 实现“比特”与“瓦特”的时空耦合。政策层面，“东数西算”工程已 明确要求 2025 年国家枢纽节点数据中心绿电占比超 80%， 规划协同层面，我国通过“东数西算”工程（国家发改委等，《关 于深入实施“东数西算”工程加快构建全国一体化算力网的实施意见》， 2023 年 12 月）系统推进算力基础设施布局与能源资源禀赋的匹配， 引导实时性要求低的算力负荷向西部新能源富集地区转移。根据国家 发改委 2025 年监测数据，内蒙古、甘肃等西部枢纽节点数据中心绿 电占比已达 65%（其中内蒙古和林格尔数据中心集群绿电占比达 84.57%，2025

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 及的需求逐渐多样化、模型更加复杂化，行业应用中新业务、新需求、 2.1 服务生成算力网络目标愿景 服务生成算力网络旨在通过自动化和智能化的手段，实现基础设 施智能化、业务流程一体化、服务场景定制化、算网系统自动化等， 能够为多元应用提供泛在、高效、实时、灵活、安全的服务化算力供 给，并使能网络自身的自治运行与持续演进，最终实现网络无所不在、 算力无所不达、智能无所不及。 2.2 服务生成算力网络关键特征 服务生成算力网络的主要特征包括：意图驱动的算网融合、算网 环境中的虚拟化 表示，数字孪生通过利用数字技术和模拟方法，在虚拟环境中对现实 世界的实体、系统或过程进行建模、仿真和分析的过程，能够提供更 好的算网基础设施设计、优化和管理手段。此外，通过内嵌实时智能， 基础设施层一方面能够拓展对自身信息的感知深度与维度，包括资源 感知、性能感知与故障感知等，为算网管理层进行分析决策提供可靠 全面的输入。另一方面，通过在数据源头进行分析决策，能够实现实

：高速光纤网络、边缘计算节点和骨干系统 相关性 ：在数智系统中，数据必须从终端快速流向 云端、边缘和核心系统，完成处理、训练和推理。 具备高吞吐量、低时延和冗余数据通道的传输能力 对于支持依赖设备、数据中心和云平台实时协同的 人工智能工作负载来说至关重要。 数据处理与存储 支持系统 ：云平台、存储系统以及由人工智能驱动 的数据清洗、标注和情景化工具 相关性 ：数据传输完成后，必须将其转化为结构 化、高质量的数据格式，以供人工智能系统使用。 三大生产要素 = 要素 ， ， ( ) 14 全球数智化指数（GDII）2025 4. 数据应用 应用场景 ：人工智能驱动的决策推荐、业务自动 化、适应性政策干预、客户个性化、批量数据分 析，以及实时洞察、预测或响应生成。 相关性 ：在此阶段，智能洞察将转化为实际影响。 与此同时，相关实际行动和结果将进一步推动新的 行为、交易或系统级数据生成，从而形成闭环。这 一循环对于维持自适应、自优化的智能系统至关重 级，但其真正价值在于其对数智化转型的推动作用。 » 数据生成并传输至计算和存储系统，将原始数 据转化为可执行的洞察 ； » 部署能够创造经济价值、完善公共服务并提升 居民体验的人工智能应用和数字平台 ； » 实时交易和视频互动等大带宽应用场景 ； » 低时延应用，包括自动化、人工智能系统和工 业物联网。 许多新兴国家面临落后的风险，尽管已制定政策框 架，但在基础设施和频谱方面的投资仍然不足。它

台，实现数据资产互通， 及时响应服务、统计、分 析等需求； b) 应建立数据资产联动的 业务运营规则，实现数据 资产持续增值； c) 应基于算法和模型实现 数据资产的自动提供和 价值度量，具备实时响应 新需求的能力 a) 应将数据资产作为生产 要素纳入资产负债表， 开展数据资产的业务价 值评估 ； 示 例 ：如业务贡献度、业务 价值比重、经营质量和 效率等。 b)应建立数据资产服务运 应建立完善的财务管理 体系，并通过信息系统实 现财务管理、固定资产管 理 等 ； b) 应规范财务预算和投资 管理，通过信息系统分析 相关数据，满足各项预算 与决算决策需求 a) 应使用信息系统实时采 集各类金融账户数据，实 施各项经费对账，及时提 醒重大资金风险； b) 应在规范化预算决算机 制基础上，建立财务和成 本控制计划及其执行管 理机制，实现产品与服务 的成本性、精细化核算和 适用时，应向客户推送销 售物流信息 a) 通过系统平台实现企业采 购业务与供应商销售业务 协同，实现协同供应链； b) 应基于采购执行、生产消耗 和库存等数据，建立采购模 型，实时监控采购风险并及 时预警，提供优化方案； c) 应通过数字化技术实现供 应商风险管理和异常处置； d) 适用时，应实现供应链物 流、生产、仓储的可视化 a) 应基于供应链模型，获

50%） 3 、风险导向型嵌入式审计：将审计职能前置嵌入业务流程，如在信贷审 批 系统设置实时合规检查节点。通过规则引擎自动拦截偏离风险偏好的操作 （如超 额授信、关联方贷款），并生成风险热力图指导后续审计重点。（监管 规则语义 解析与代码化映射，如《商业银行资本管理办法》条款转化为系统规 则）；实时 风险仪表盘展示违规操作分布） 二、审计工作管理与审计质量控制 （一）基础审计场景应用问题 （一）基础审计场景应用问题 1 、审计工作管理问题 （1）审计计划动态调整机制是否缺失？（如：未根据金融市场波动或机构 战略转型实时更新审计重点；需建立季度滚动计划，结合金融科技风险权重变 化） （2）风险评估模型是否与业务复杂度脱节？（如：对跨境金融、数字资 产 等新兴业务仍采用传统风险评估框架，需要引入 AI 风险预测模型，调整风 险因 子量化标准） （3）审计资源配置是否存在不合理？（如：过度集中财务领域，金融科 、如何解决多源数据清洗效率低？（如不同系统数据格式混乱，制定统 一 “ 数据标准（如日期格式 YYYY-MM-DD ”），开发自动化清洗工具） 7 、如何实现风险实时监控？（如事后审计无法拦截正在发生的违规交 易， 部署流数据处理引擎，对异常交易（如同一 IP 高频操作）触发实时预 警） 8、如何验证算法模型的审计盲区？（如反洗钱模型忽略新型虚拟货币交 易， 通过对抗性测试生成模拟数据，检验模型覆盖场景完整性）