未来网络技术发展系列白皮书（2025） 分布式算力感知与调度技术 白皮书 第九届未来网络发展大会组委会 2025年8月 版权声明 本白皮书版权属于中国铁塔股份有限公司和江苏省未来网络创 新研究院所有并受法律保护，任何个人或是组织在转载、摘编或以其 他方式引用本白皮书中的文字、数据、图片或者观点时，应注明“来 源：中国铁塔股份有限公司、北京邮电大学和江苏省未来网络创新研 究院”。 磊 I 前 言 随着算力网络的飞速发展，算力资源呈现出泛在化、异构化、分 布化的显著趋势。如何高效感知、协同调度这些广泛分布且动态变化 的算力资源，以支撑日益复杂的智能应用需求，已成为推动产业数字 化转型和智能化升级的关键挑战与核心技术方向。 本白皮书首先详细阐述了分布式算力感知与调度的背景、需求、 体系架构以及关键技术，同时介绍了该技术在远程医疗、智慧城市、 大模型分布式训推以 大模型分布式训推以及云游戏等领域的典型应用场景，并探讨了当前 技术落地、基础设施建设与改造以及标准化建设面临的挑战和发展建 议。 目前，工业界和学术界对分布式算力感知与调度技术的研究尚处 于起步阶段，并仍处于快速发展之中，新的架构、算法和应用模式不 断涌现，本白皮书作为阶段性研究成果，还存在需要不断完善的地方， 真诚地企盼读者批评指正。 II 目 录 前 言....................

..........3 二、 人形机器人的技术演进............................................................6 （一） 整机“智能化感知决策水平”不断提升...................................6 （二） 多模态模型算法赋能“大脑”层级进步 .............................. ................................. ..16 （一） 筑牢硬件根基，推动人形机器人产业标准互通.........................16 （二） 强化感知能力，促进人形机器人技术融合创新.........................17 （三） 聚焦重点场景，驱动人形机器人应用健康发展.........................18 世界互联网大会智库合作计划系列成果 类外观和行为的机器人。人形机器人灵感来源于人类的身体，集仿生 学原理和机器电控原理于一体。与普通机器人相比，人形机器人最大 的特点是拥有拟人智能能力，可以通过人工智能大模型技术的赋能， 实现拟人化的感知、决策、控制能力，实现了智能的飞跃。同时，人 形机器人还需要具有拟人的外观，通常由头部、躯干、四肢等部分组 成，能够实现模拟人类的行走、抓握等动作。这种类似人类的形态，可 以快速融入人类社会，完成具体的任务，通用性和适应性较强。

第九届未来网络发展大会白皮书 服务生成算力网络白皮书 3 保证网络资源和计算资源利用率最优化。 算力网络的核心思想是基于泛在分布的网络实现无处不在的算 力资源，通过构建一张计算资源可感知、可分配、可调度的新型网络 来实现计算任务的统筹分配和灵活调度，算力资源云边端跨域分布和 算网深度融合是其典型特征，为多元用户按需提供优质高效的算力资 源服务是其最终目标。目前，算力网络在 VR 部署方案。算网建设 者仅需要将场景需求、指标期望等输入给 AI 专家系统，然后按照生 成的方案在现实世界中执行对应的操作。对于算力网络运营者来说， AI 技术能够对算网全流程赋能，包括用户意图感知、业务智能承载、 服务闭环优化、智能运维等，使能算网自动化、自优化、自修复、自 学习，实现算网精细化自主运营，算网运营者将更多关注于算力网络 的规则制定和流程管理，而不需要在算力网络运行过程中进行干预。 质的算网资源服务，赋能数字经济。具体来说，服务生成算力网络围 绕着算网融合一体化的建设目标，通过在系统全生命周期引入“智能”， 第九届未来网络发展大会白皮书 服务生成算力网络白皮书 7 利用前沿技术实现自动化的算力感知、算力评估、服务编排和调度、 算力路由、算力交易等，让算网“自治”，提升业务服务质量和用户 的服务体验。服务生成算力网络的本质是通过数据驱动进行自学习、 自演进，对算力网络不同层面进行注智赋能，最大限度地解除算网功

.......................................................................................36 2.2.3 多模态感知与场景理解.............................................................................................. 机交互实现任务理解与反馈，需要强大的感知计算与运动控制能力 （《创业邦》）； 2）人形机器人是一种仿生机器人，指形状与尺寸与人体相似，能 够模仿人类运动、表情、互动与动作的机器人，并具有一定程度的认 知和决策智能（《高工咨询》）； 3）人形机器人是一种模仿人类外形的机器人，除具备人形和模拟 人类动作外还兼具智慧化和可交互性等特点。 人形机器人主要包含三 大核心技术模块：环境感知模块、运动控制模块和人机交互模块（《觅 则和指令，虽然可以在一定程度上应对环境变化，但并不一定具备真 正的理解和适应能力。智能性是指物体或系统具有类似人类的智慧、 学习和适应能力，智能体能够感知环境、进行决策并采取行动，同时 不断学习和优化自身行为，以实现特定目标。这种能力不仅要求具备 自主性，还需要具备感知、学习、适应和决策等更高级的功能。所以 虽然所有机器人都具备自主性，但是并不是所有机器人都具备智能性， 机器人中具备智能性的那部分为智能机器人。

序言 为实现上述愿景，我们仍面临诸多超越通用人工智能范畴的技术挑战。我们的目标不仅是创造 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 2035》所言，迈向通用人工智能，关键在于走向物理世界。其机遇可能 有三： 第一，更有效地感知世界。便携式拍摄设备（如手机）的普及，创造了丰富的电子图片，为 ImageNet 的构建及卷积神经网络的出现打下了基础；电子显微镜对蛋白质结构进行了高精度解析， 为 AlphaFold 提供了关键的数据支撑。更有效的感知将为人工智能展开更宏观的画卷、揭示更微末 的细节、刻画更复杂的关系，让人工智能能更好 、互动与重塑能 力，因为对物理世界已有的认知汇聚了人类的重要的知识和智慧。《智能世界 2035》敏锐地捕捉 到了这一核心，即“走向物理世界是 AGI 形成的必由之路”。当前基于大模型的人工智能在感知和 生成上取得了重大成就，但其认知模式仍困于基于多重线性统计关联的框架内，因此，普遍认为它 仍缺乏对复杂物理现象以及因果关系的深层次抽象与推理的能力。真正的突破或将源于一种使数据 空间和物理空

..... 15 2.2.2 多能互补电力协同调度........................................................ 16 2.2.3 算电协同感知模型构建........................................................ 17 2.2.4 高可靠确定性网络承载................. 协同领域从理论到应用的全链条创新，为“东数西算”国家战略的落 第九届未来网络发展大会白皮书 算电协同技术白皮书 8 地实施奠定了坚实的学术基础和技术保障。未来，双方将继续深化在 动态资源感知、跨域协同优化、可信交易机制等前沿方向的研究，共 同推动构建更加绿色低碳、高效可靠的全国一体化算力网络体系。本 节通过典型案例展示了产学研各界的创新实践，验证了算电协同在技 术可行性和商业价值方面的巨大潜力。 技术进行分析 总结。 2.1 算电协同功能架构 算电协同功能架构是实现算力系统与电力系统深度融合的功能 支撑体系。该架构遵循分层解耦、模块协同、智能演化的设计理念， 围绕资源调度、系统感知、任务控制、能效优化等核心目标，构建涵 盖从基础设施到智能决策的完整功能闭环。整体架构划分为五个功能 层级：基础设施层、数据接入层、智能决策层、应用服务层与安全保 障层。 图 2-1

AI率先探索人形机器人实际应用， Figure 01已在宝马美国斯帕坦堡工厂进入试点环节，还与OpenAI合作推进机器人具身智能。  计算机领域：控制与感知 控制系统负责对人形机器人的行为和运动进行规划和控制，相当于“大脑”和“小脑”，视觉则是人形机器人对外感知的主要渠道，二者共同构成人 形机器人的核心领域。机器人控制器市场目前由机器人整机厂商主导。但控制器研发门槛较高，随着规模更小、资金更少的人形机器人创业公司的增 代表性厂商：巨头跨界，初创涌现 04 计算机领域：控制与感知 05 投资建议与风险提示 01 人形机器人：承载AI未来 4 5 资料来源：深企投产业研究院，觅途咨询，高盛，财联社，IT之家，华西证券研究所  人形机器人又称仿生机器人，一般认为人形机器人是一种模仿人类外形的机器人，除具备人形和模拟人类动作外还兼具智慧化和可交互性等特点，包含三 大核心技术模块：环境感知模块、运动控制模块和人机交互模块。  AI、宇树和小鹏；达闼机器人的RobotGPT是为实现机器人在复杂应用 场景下的多模态行为而提供的交互生成型AI模型，以Transformer为基础，具备多模态（文本、语音、图片、视觉、运动、点云等）融合感知、 认知、决策和行为生成能力。 人形机器人核心零部件生命周期 大模型发展进程 1.2.2 零部件接近成熟，大模型助力智能 10 资料来源：中国社科院工业经济研究所，Research Neste

Intelligence， 由苹果端侧大模型、云端大模型、ChatGPT 共同组成，算力足够下依赖终端，复杂场景则 使用私密云计算或 ChatGPT，能够 1）增强 Siri 理解能力，配备多轮对话、总结信息、屏 幕内容感知、应用智能交互等能力，2）提供邮件智能回复、通知整理，备忘录和通话录音 /撰写/摘要等功能，3）支持图像生成/智能修图等功能，4）ChatGPT4o 将融入 siri 和 writing tools，作为云端备选模型。我们看到 性，即通过五官（感知）、大脑（规划决策）、小脑（运动控制）完成一系列的行为，具身 智能的行动一般也基于：（1）感知并理解与物理世界交互获得的信息、（2）实现自主推理 决策、（3）采取相应行动进行交互。目前典型的具有较大落地场景的具身智能应用包括自 动驾驶和机器人，最具代表性产品如特斯拉的 FSD 自动驾驶系统和 Optimus 人形机器人等。 过去一年，AI 大模型助力具身智能的感知、决策等技术进展。如上所述，具身智能算法一 智能算法一 般可以按环节拆解为感知模型（感知识别环境信息并预测环境变化）、规划/决策模型（根据 感知结果做出任务决策）、控制/执行模型（将决策转换指令转换为行动方式）。我们以行业 领军企业特斯拉的发展为例子，观测过去一年 AI 大模型的运用对具身智能技术带来的促进： 自动驾驶：受益于 AI 大模型发展，感知和决策层快速迭代。（1）感知层：过去传统的自动 驾驶感知技术主要系“2D 直视图+CN

Geoffrey E. Hinton，以 表彰利用人工神经网络进行机器学习的基础发现和发明。对于机器人 产业来说，物理智能将使机器人能够理解 3D 世界的空间关系和物理 行为，赋予机器人更强的环境感知、理解和交互能力，实现更广泛的 功能应用，如宇树科技的机器人实现了原地侧空翻、复杂舞蹈动作、 平衡木行走、灵巧手操作等复杂功能。 硬件和软件的深度协同推动了算力效能的提升，为机器人的大规 模应用提供了算力支持。2024 人工智能技术的进步和机器人应用的扩展（图 1）。第一阶段是无智 4 能阶段，机器人只能执行简单的预设任务，缺乏自主性和适应性；第 二阶段是基础智能阶段，机器人开始具备基本的感知能力，能够对外 界环境做出简单的反应；第三阶段是中等智能阶段，机器人能够进行 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 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 环境中的物体、声音和图像，理解人类的语言和意图。同时，工业机 器人将具备更强的自主学习能力，能够根据环境变化和任务需求进行 自我