识的监测技术弥补可靠性降低的影响。 报告中提到的愿景既广泛又宏大，与科技巨头截然不同。科技巨头通常依赖机器学习并推崇超 大规模化发展，需要对高耗能基础设施进行巨额投资。 这一愿景的实现需要前所未有的技术突破，还需要全球范围的努力。在该愿景的推动下，相关 领域可以形成合力，共同开发特定的基础设施和数据平台，进而发展出可信的行业 AI。 此外，这种协同效应对按应用领域收集和清理数据至关重要。事实上，构建强大的行业 人机的支持下，精准农业不仅能提高产量，还能在保护生物多样性方面发挥作用。智能电网将通过 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 承载一切创新的基石，决定了人工智能发展的速度和高度。没有高性能计算、高速网络和高质量数 据所构建的坚实基础，再先进的算法也无法高效运转，再广阔的应用场景也无法落地实现。 人工智能技术的迅猛发展，正以前所未有的速度推动算力需求的增长。我们预测，2035 年全 社会的算力总量跟 2025 年相比，将增长 10 万倍。计算领域将迎来历史性变革——技术演进路径将 逐步脱离传统冯 • 诺依曼架构的框架束缚，

洞见和系统标准参考，助力行业在算力发展中找准技术方向，推动算力从规模堆砌走向效率跃迁。 国家超级计算广州中心主任 卢宇彤 当前，千亿乃至万亿参数的大模型与 MoE 等先进架构的兴起，对计算基础设施提出了前所未有 的苛刻要求。传统的硬件堆叠模式已难以满足其对于算力规模、通信效率及系统稳定性的需求。《超 节点发展报告》深刻阐述了，必须从单纯的硬件聚合，迈向以“系统工程”思想为核心的创新构建。 超节点通过 技术正从单点能力突破，迈向更通用、更智能的未来。全球 AI 大模型正朝着更大规模、更高效率、 更强自主性的方向迈进，这意味着人工智能大模型的发展已进入一个系统性竞争的新阶段。这不仅 定义了技术的前沿，也对底层基础设施提出了前所未有的要求。人工智能大模型对计算基础设施的 挑战是系统性的，涵盖了算力、通信、功耗和运维等多个维度。 然而，这些看似分散的挑战，其根源几乎都可以追溯到一个核心的驱动理论——“规模定律”。 “规模定律”的提出是 ，促使 训练从“赌注”走向“可量化投资”（Kaplan et al., 2020） ；钦奇拉法则（Chinchilla Law） [2] 大模型对基础设施的挑战 2.0 AI 大模型正以前所未有的速度发展，行业呈现出模型加速迭代、算力大规模投入和商业化进程 加快的特点。全球科技巨头与新兴力量纷纷布局，推动技术边界不断拓展。以 OpenAI 为首的美国 公司持续引领潮流，其 GPT-5

落地生成式 AI 应用服 务 并计划增加投入 已经 落地生成式 AI 服务还 在 验证阶段，并未开始新 一轮投资 正在投资建设生成式 AI 应 用服务 已经 做了初步测试验证和 POC ，但还未有正式投 资计划 图：中国市场企业生成式 AI 应用进度 资料来源： IDC 《市场概览：生成式 AI 技术和服务》，国信证券经济研究所整 理 资料来源： IDC ，国信证券经济研究所整 理 随着芯片架构不断演进，英伟达 GPU 算力成倍增 长 资料来源：英伟达官网，国信证券经济研究所整理 l 面向生成式 AI 时代的全新机架级扩展的 DGX SuperPOD 架构基于 DGX GB200 系统，将前所未有赋能下一代 AI 模型。 GB200 是由两个 Blackwell B200 GPU 和一个 Grace CPU 组成的 AI 加速平台，每个 B200 GPU 含有 2080 亿个晶体管。相较于

运行和优化等功能结合起来，利用其强大的分析、判断、预测、决策、 学习等能力，赋能网元、算网和业务系统，助力构建高效灵活、安全 智能的信息基础设施。 “AI+算网”的融合发展将给算力网络注入新的技术活力，开启前 所未有的可能性，如图 1-1 所示。对于算力网络建设者来说，生成式 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 5 AI 技术将打造全新的算网设计范式，彻底取代人类专家在算网设计 场景的升级和未来场景的畅想，包括为用户提供极致的体验、为行业 提供高效的管理，为社会提供普惠的智能服务。然而，算力网络业务 和应用场景是不断涌现和创新的，在各行业共同挖掘和努力下，服务 生成算力网络势必将开启前所未有的可能性。 4.1 算网数据按需生成 数据作为驱动 AI 发展的核心燃料，然而，现实情境中，获取这 些关键数据资源往往伴随着巨大的经济和时间成本。在算网数据按需 生成的广阔场景中，网络中的各类数据源，无论是来自传感器、用户

求。 算力城域网白皮书（2025 版） 7 图 3-1 算力城域网业务需求总览 3.2 网络能力需求 3.2.1.海量数据高效入算需求 随着 AI/HPC 的迅猛发展，数据规模正在以前所未有的速度增长， 企业单次向算力中心传送的数据集可达到数百 TB 的量级。根据 IDC 发布的《Worldwide IDC Global DataSphere Forecast Update,2025–

化 ， 更 加 人 性 化 ， 更 加 个 性 化 。 通 过 AR （ 增 强 现 实）/VR（虚拟现实）/XR（扩展现实）、可穿戴设备、人机接 口等形式，人们可在立体全息的空间中，真实体验到前所未有 的交互感、沉浸感和参与感。它是一场社会变革，覆盖社交、 娱乐、生产、消费、商务……各类模式或将被重构并赋予新的 内涵。它还可能是一场生产关系变革，用以太坊创始人维塔利 克·布特林（Vitalik 的一种定义语言）、OWL（Web Ontology Language，网络本体语 言）、SPARQL（为RDF开发的一种查询语言和数据获取协议）等。 Web 3.0不仅是智能互联网，而且是立体全息互联网，它能够为 用户提供前所未有的交互性以及高度的沉浸感和参与感，比如当前 人们热议的元宇宙（Metaverse）。人们可以把元宇宙想象成一个实 体互联网，在那里，人们不仅仅是看客，而且是置身其中的参与 者。为了实现这样高度的真实感与沉浸感，需要多种先进技术的支 通过相互协助的方式在互联网上创造价值，并且传递价值。这就是 Web 3.0作为价值互联网的意义。 Web 3.0与元宇宙 Web 3.0不仅是智能互联网，而且是立体全息互联网，能够为用 户提供前所未有的交互性、沉浸感和参与感，2021年在国内外科技 创投领域最火的元宇宙概念也成为互联网技术从Web 1.0到Web 2.0，再到Web 3.0之后的自然延伸。脸书公司正式宣布更名为 Metavers

⼈系统的能⼒。 随着强⼤的基础模型的出现，⼈⼯智能系统现在正在从各种来源的⼤量数据中进⾏训 练，包括⼈类执⾏⽇常任务的视频。视频内容现在占据了所有互联⽹流量的惊⼈83% ，为AI扩散模型提供了前所未有的数据量进⾏分析和学习。每天上传的⼤量新视频 内容为训练AI模型提供了丰富资源，使机器⼈能够从观察⼈类⾏为在各种动态环境 中的表现中学习，增强其在真实应⽤中的多功能性和鲁棒性。 除了利⽤现实世界视 构建技术以提⾼公共安全，我们的⻓期⽬ 标是使美利坚合众国成为世界上最安全的国家。我们的⾃主安全机器⼈（ASR）正 在美国各地巡逻，结合了⾃主、机器⼈、⼈⼯智能和电动汽⻋技术，帮助执法⼈员 和警卫提供前所未有的情况感知，更好地保护⼈们居住、⼯作、学习和参观的地⽅ 。此外，ASR提供了⼀种物理威慑，有助于在负⾯⾏为开始之前缓解。我们相信， ⻓远来看，有机会建⽴⼀家类似于国防承包商的公司，但专注于美国司法部、国⼟

新的技术工具能够对行业形成影响和优化的过程中，化工企业需要同时兼顾现有经营稳定、 综合考虑产出投入比，同时还需要有技术对接落地的可能，在前期 AI 推出后，化工行业 也有不同程度的关注和尝试，但大方向上尚未有明显启动。 Deepseek 的推出有望明显加速化工行业智能化，对接进一步形成应用市场。此前 AI 高算 力带来的高成本使得很多 AI 应用领域受困于高壁垒和高成本，无论是经济性还是落地对 接上

能 到 异 能 拓展认知边界与创新思维模式 Ø 通过拓展认知边界和创新思维模式， 帮助学习者从超高能力状态发展 到 异能状态。 Ø AI 可以协助学习者挖掘潜在的认 知 能力，开发出前所未有的思维方 式， 以应对未来社会的挑战和变革。 ① 低 能 到 高 能 A I 辅助学习与个性化教育 Ø 通过个性化教育 ， 帮助学 习者从低能力状态迅速提 升到高能力状态 ，即

埃森哲（爱尔兰） 为了帮助企业加速采用代理功能并重新构想功能和行业流程，埃森哲最近推出 了 AI 代理构建器，扩展了其 AI Refinery 平台。这意味着业务用户可以快速构 建和定制代理，实现前所未有的灵活性。 在 NVIDIA 的帮助下，埃森哲也在不断扩大其预配置行业代理解决方案集合， 以帮助客户快速扩展整个企业的 AI 代理网络。 9 Globality（美国） Globality 的