浮现：大模型正沿着 “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， 高效率、高可靠的 单一逻辑实体。它标志着一个全新时代的开启——智算基础设施正从松散组合的算力堆叠阶段，迈 入软硬协同、全局优化的超节点阶段，旨在有效破解超大规模 AI 训练与推理中所面临的扩展性瓶颈、 效率损耗与能耗墙难题，为 AI 的持续创新提供坚实、高效、绿色的算力基座。 为系统分析超节点技术的发展逻辑、技术创新、产业价值以及未来趋势，我院与华为及相关单位 共同开展研究，编制《超节点发展报告》。报告以 注意力模型等，已 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

压缩解压缩优化 支持使用 zlib 进行压缩和解压的 Greenplum 版本，使用鲲鹏硬加速模块实现压缩、解压缩算法，结合无损用户态驱动 框架从而提升查询性能。采用 KAEzip 可以在到达硬件瓶颈之前，在同一时间只处理一个请求、IO 占比多的场景下，端 到端的性能提升 10%。 MySQL 并行查询优化 支持 MySQL 8.0.20、MySQL 8.0.25 版本，MySQL 单 SQL MySQL 8.0.20 版本，在 MySQL OLTP 场景下 DML 语句（Insert、Update、Delete）大量并发操作 trx_sys 全局结构体中的关键数据结构，造成临界区的竞争和同步瓶颈。MySQL 无锁优化改造后使用无锁哈希表维护事务 单元，减少锁冲突，提升并发度，可实现 Sysbench 写场景下性能提升 20%。 MySQL 细粒度锁优化 支持 MySQL 8.0.20 具，能收集服务器的处理器硬件、操作系统、进程 / 线程、 函数等各层次的性能数据，分析出系统性能指标，定位到系统瓶颈点及热点函数，给出优化建议。该工具可以辅 助用户快速定位和处理软件性能问题。 调优助手是针对基于鲲鹏的服务器的调优工具，能系统化组织性能指标，引导用户分析性能瓶颈，实现快速调优。 图 3-37 系统性能分析工具 表 3-1 任务描述 任务分类 描述 调优助手 调优助手

AI芯片：人形机器人的“心脏” 2.传感器：感知交互基础 3.电机：执行控制核心 芯片是人形机器人智能的算力核心。在架构创新上，全球企业积极 探索：存算一体架构打破“内存墙”，缓解数据传输瓶颈；神经拟态芯 片模拟人脑神经元工作模式，实现低功耗动态处理；异构计算将CPU、 GPU、ASIC优势整合，提升运算效率。制程与封装技术不断突破，台 积电3nm工艺量产，让芯片性能显著提升；Chiplet技术在国际上广泛 建立跨国合作机制，支持引导人形机器人上游零部件厂商泛化发展，先“生 存活下来”，确保稳定可靠的部件交付能力，与人形机器人整机厂有效协同。 在芯片领域，场景定义硬件能力，重点突破异构计算架构的能效比瓶颈，通 过算法和硬件协同优化降低场景应用的端到端延迟；在传感器领域，重点关 注柔性触觉、六维力控等细分应用，建立多模态感知数据融合的开放协议标 准；在电机领域，发挥供应链整合优势，推动“功率密度+控制精度+成本 作系统碎片化进一步阻碍了规模化效应的形成。为此，未来可从技术协 同、数据闭环与平台生态三大维度系统布局，具体路径包括： 一是构建产学研深度协同生态，突破人形机器人全模态感知与端云 协同技术瓶颈。首先，提升全模态感知能力，攻关端到端大模型。当前 人形机器人大模型在视觉、触觉、听觉、嗅觉的全模态技术储备仍显不 足，尤其是在力反馈和触觉反馈存在显著短板，目前针对复杂感知的建 模能力仍较弱

........................ 47 5.1.2 资源动态匹配，协同控制的核心难题................................. 48 5.1.3 能效瓶颈，电力侧的关键制约............................................. 48 5.1.4 安全与可靠性，交易机制的基础挑战................. ....................................................... 53 5.2.5 量子计算与 AI 大模型赋能调度系统，突破传统优化算法 的算力瓶颈 ............................................................................................... 54 线下发等数据流场景中，有效降低重传率与延迟波动，提升系统响应 速度。 此外，网络还具备资源感知与调度反馈能力。通过网络测量 （Network Telemetry）技术，系统可实时采集链路利用率、时延变化、 带宽瓶颈等信息，反馈给算网调度平台，辅助实现路径重选、任务转 移与资源重配，提升整体算电调度的适应性与鲁棒性。 通过引入确定性与无损通信机制，构建面向算电任务的高可靠网 络基础，可为算电融合提供坚实的连接底座与动态支撑能力。

国运级”产品现象 DeepSeek 之所以被称作“ 国运级”产品 ，主要是因为它在 AI 产业具有多个维度的突破性价值 ：通过技术创新突破算力瓶颈、强大的功能性适配更多的 应用场景 ，低成本的优势引发各界关注 ，作为中国本土化产品驱动产业升级 技术创新破解算力瓶颈 架构创新 采用混合专家系统（ MoE ）架构 ，实现 “算力降维打击” ，在相同算力下支持更 大参数规模 ，促进服务生态的整合与协同。打破设备孤岛 ，则要构建开放的通信协议 ，实现设 备的互 联互通 ，让 AI 在多元设备间自由流动。 “ 三个协同”聚焦于端云、软硬和算网的协同发展。端云协同突破算力瓶颈 ，实现计算资源的 灵活分配；软硬协同突破能效瓶颈 ，提升系统的整体性能；算网协同强化计算效率 ，为用户 带 来极致的体验。 “ 三个共同”强调模型算法、 隐私保护、标准共建以及 AI 伦理和行业共治等方面的共同行动。

和世界人口的 83%）如 何做好准备，在人工智能时代赢得竞争并实现繁荣 发展。通过跟踪从数据生成到数据应用的全生命周 期，GDII 为政策制定者、投资者和企业提供了可 落地的洞察，用于识别发展瓶颈、确定投资优先 级和评估进展。GDII 全新升级了“数字化成熟度” 评估体系，不仅关注数智基础设施的建设本身，更 聚焦于它所带来的应用价值，实现了从“技术投 入”到“价值产出”的评估跃迁。 全球数智化指数（GDII）2025 GDII 的价值与意义 GDII 通过追踪数据从生成到应用的全生命周期，呈 现了数智经济的真实运行情况。GDII 方法论为政策 制定者、投资者及企业提供了诊断发展瓶颈、明确 投资方向、评估发展成效的系统工具。由此，GDII 全新升级了“数字化成熟度”评估体系，不仅关注 数智基础设施的建设本身，更聚焦于它所带来的应 用价值，实现了从“技术投入”到“价值产出”的 能力到生产力的转变。 4. 制定可行的政策和战略 基于数据流与产出，GDII 为决策者提供了可操作 的诊断工具，可以用于 ： » 识别差距 ：定位数据生成、传输、计算或应用 环节中的瓶颈问题 » 评估人才渠道 ：评估国家的人才队伍能否有效 支撑数字应用落地转化 » 评估政策效果 ：评估数字准备度，衡量政策对 推动经济价值创造方面的实际作用 GDII 提供了一个清晰的结构化框架，助力政策制

等问题，难以满足全域通信、应急保障、产业赋能等多元化需求。卫 星互联网承载网作为连接卫星星座与地面终端的“太空信息高速公 路”，通过星间/星地链路技术、动态路由与交换技术等关键技术创 新，实现了数据的高效传输与交互，为破解传统网络瓶颈提供了系统 性解决方案。 本白皮书首先系统梳理了卫星互联网承载网的发展背景与需求 愿景，涵盖国家重大战略、产业经济升级、人民服务保障及全球科技 竞争等维度；其次详细阐述了通信增强、应急保障、产业赋能、科学 八、卫星互联网特殊问题剖析.............................................................. 63 8.1 轨道/频谱资源紧张导致承载网容量瓶颈..............................63 8.2 空间环境复杂导致承载网链路可靠性下降...........................64 8.3 卫星互联网安全风险的承载网级联效应 人工智能技术的引入正在重塑管理模式，深度学习算法可自动发 现网络性能瓶颈，强化学习能通过试错自主改进资源分配策略。 深度学习算法能够对大量的网络运行数据进行深度分析，自动识 别出网络中的性能瓶颈所在。例如，通过对网络流量数据、节点资源 使用数据等的深度学习分析，发现某个卫星节点由于计算资源不足， 导致数据包处理延迟过高，成为网络性能瓶颈。 强化学习算法则通过不断地在网络环境中进行试错，以网络性能

时的，调度决策也必须是动态调整的。系统需要具备快速响 应变化的能力，在某个节点出现故障时，能够迅速将其上的 任务迁移至其他健康节点，保证业务的连续性；在检测到网 络拥塞时，能够智能地选择其他通信路径，避免性能瓶颈。 这种动态适应能力是保障系统稳定性和可靠性的关键。  跨域协同与互操作性：理想的分布式算力池往往跨越不同管 理域（多个公有云、私有云、边缘站点、终端设备）。实现 高效的感知与调度，必须解决跨域资源发现、认证授权、状 现资源的高效利用与协同优化，既保证各域在一定程度上的自主性， 以应对本地的特殊情况，又能从整体上保障资源调配的科学性与合理 性。 在技术攻坚层面，分布式算力感知与调度的发展目标聚焦于突破 异构网络与复杂环境下的重重瓶颈。边缘节点的网络接入状况极为复 杂，涵盖了互联网专线、企业宽带、4G/5G 移动通信网络以及园区 NAT 网络等多种类型。不同网络在带宽、时延、稳定性等方面差异巨大， 21 这给算力信息的及 力，是实现大规模异构、分布式、动态算力资源精准掌控与智能调度 的前提条件。面对当前算网架构日益复杂、资源形态日益多元的演进 趋势，传统的集中式、静态化感知机制在数据更新效率、系统扩展能 力、感知精度等方面逐渐暴露瓶颈，难以满足多源异构资源的协同管 理与实时调度需求。构建具有分层架构、域间协同、自适应更新能力 的感知机制，已成为分布式算力调度体系亟需解决的核心问题。 图 3-2 分级分域算力资源感知模型 31

35%的年复合增长率（CAGR）持续增 长，AI、边缘计算等应用推动相干技术向网络边缘延伸。当前网络架 构普遍采用“电处理+光传输”的分层方式，这一架构正面临功耗高、 转发复杂、跨层协同效率低等核心瓶颈。IP 流量主导的容量激增对新 一代节能技术提出更高的要求。行业正推动 IP 业务层与光传输层融 合，通过将 DWDM 相干光模块直接部署于路由器等分组设备，消除 独立光转发设备，降低功耗与空间占用。 高效、高可用底座；为智能制造、智慧城市、智慧能源等多个领域提 供高性能网络支持，加速各行业数字化进程，提升生产效率和管理效 能，促进产业升级。 突破传统网络瓶颈：突破传统网络架构中光电信号分离以及高成 本、高能耗、低效率等瓶颈，实现长距离无电中继无损承载、高性能、 跨层调度、业务驱动、自适应修复等高级运维能力，为网络技术发展 开辟新路径。 降低部署与运营成本：统一架构减少设备种类和中继节点，显著 趋势。 1.3 光电融合网络发展目标 光电融合网络的发展目标是通过光层传输与电层计算的深度协 同，构建“光电一体、融合协同”的新型信息基础设施，以解决传统 网络在带宽、时延、能耗方面的根本性瓶颈。 （1）带宽升级 网络带宽演进是一个不断发展提升的过程，从早期低速拨号上网， 到如今的千兆、万兆光纤入户，以及数据中心的超高带宽网络，经历 了多个阶段，以太网的速率也经历了从 10Mb/s，逐渐提升到

材料研发的差距，实现高端材料的加速突破。 投资建议 Deepseek 的出现加速了 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； 考虑。 行业深度研究 敬请参阅最后一页特别声明 2 扫码获取更多服务 内容目录 一、Deepseek 高效工具，进一步突破化工行业的发展瓶颈 ............................................. 4 1.1、Deepseek 有望加快了实业拥抱 AI 的速度 .................. 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。 一、Deepseek 高效工具，进一步突破化工行业的发展瓶颈 1.1、Deepseek 有望加快了实业拥抱 AI 的速度 化工尤其是大化工重资产行业，行业变更速度相对缓慢。经过 20 多年的发展，国内化工 行业已经经历了多个阶段的跨越发展，经过产品进口依赖——装置引进——技术内化——