技术与算力网络结合的角度入手，从 概念、架构、技术、场景、生态、挑战等多个方面对服务生成算力网 络进行系统、全面的阐述。 1.2 人工智能开启算网应用新范式 AI 在跨域特征挖掘、深度数据分析、策略动态生成、能力自动学 习等方面具备天然的优势，将 AI 与算力网络的设计、建设、维护、 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 功能的思想，最终实现算网服务生成，即系统全流程的自动化运行、 智简的服务体验、多样化的业务承载、高效的资源利用率、自适应的 优化调整等。从技术实现方面来说，算力网络中的基础资源感知和建 模、资源的编排策略、算网运行的故障处理、算网服务的在线优化等 关键动作，都可以通过智能算法实现自动化。从系统功能方面来说， 算力网络的感知、分析、决策、调度、运维、安全等功能需要自主实 现，而且需要不断提高智能化水平来满足日益复杂的功能需求，并能 为实现上述目标，一方面需要基于算力网络现有的研究，包括资 源感知、算力节点协同机制、任务调度机制等，实现算网的深度融合。 另一方面，结合意图网络相关技术，将用户的意图进行转译成网络可 理解、可执行的指令，并根据当前算网状态进行策略验证、执行和结 果反馈，确保用户意图正确实现。其中，如何进行用户意图解析是关 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 10 键难点。目前，通过关键字原句和表达语句来描述用户需求的方法存

FLOPS）及对特定负载的实际加速效能。网络感知需 3 精确测量任务提交点、计算节点间的拓扑关系、带宽、延迟、丢包率 及抖动，以保障低延迟应用。此外，还需感知资源使用的经济成本、 能源成本及数据主权、SLA 等策略性约束。这些信息经清洗、融合与 抽象后，将形成支撑智能决策的多维度量化算力资源模型。 “调度”则是基于“感知”结果所采取的行动，是整个系统的“大 脑”和中枢。它根据感知到的全网算力资源分布图景和实时状态，在 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 类型的计算任务精准匹配到最适合的硬件上执行，从而实现 4 整体计算效能的最大化。感知系统需通过统一的“算力单位” 实现异构资源的归一化描述；调度系统则需针对不同类型任 务设计适应性的分配策略。  动态性：分布式环境本质上充满不确定性。资源可能随时加 入、离开、发生故障或性能波动；网络状况瞬息万变；任务 需求和依赖关系也可能动态调整。因此，算力感知必须是实 时的，调度决策也必须是动态调整的。系统需要具备快速响

星互联网承载网体系架构及星间/星地链路、路由、交换等七大关键 技术；同时，本白皮书分析了全球主要卫星互联网的产业现状与标准 II 化进展，探讨了轨道/频谱资源紧张、空间环境复杂等特殊问题及应 对策略，最后对未来发展方向进行了总结与展望。 本白皮书期望为业界提供对卫星互联网承载网的全面认知，促进 技术交流与创新协作，推动相关技术在国防安全、应急通信、智慧农 业等领域的广泛应用，助力我国卫星互联网产业从“技术并跑”迈向 由计算任务由地面强大的计算资源承担，星上设备只需专注于按照既 定规则进行数据转发，这降低了星上设备的复杂度和成本，同时也便 于对网络进行统一管理和控制。例如，通过地面网络控制器，能够方 便地对整个卫星互联网承载网的路由策略进行调整和优化，以适应不 同的业务需求和网络状况。​ 6 然而，集中式架构也存在明显的缺点。由于所有的路由计算均依 赖于地面中心，一旦地面控制器出现异常故障，整个卫星互联网承载 网的路由功 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

每个智能体在发展和应用过程中，必须严格遵循一 套系统化的策略，即首先实现标准化，确保各项操作和 流程符合统一规范；其次推进自动化，通过技术手段减 少人工干预，提升效率和准确性；最后迈向智能化，利 用先进的人工智能技术，实现自主决策和优化，从而全 面提升智能体的综合性能和智能化水平。这一标准化、 自动化、智能化的三步走策略，是每个智能体实现高效、 稳定、智能运行的关键路径。通过三步走的策略也可以 补上数据治理的短板。 提升了工作效率，更可让员工专注于确实能“增效”的 有意义的工作。 智能体不仅有助于企业提高内部运营效率，更会成 为企业参与市场竞争的关键助力。借助智能体的精准分 析与快速响应能力，企业能够更敏锐地捕捉市场动态， 及时调整经营策略，进而扩大市场份额。而且，智能体 可以实现个性化的客户服务，依据客户的需求和喜好提 供定制化方案，提升客户的满意度与忠诚度。如此一来， 企业便能在激烈的市场竞争中崭露头角，收获更多客户 的信 战略规划和顶层设计是为了全局统筹谋划，确保方 向正确，在获得全行级的战略安排及资源支持的同时， 对齐愿景、凝聚共识，避免基于短期利益做出的“碎片 化”决策导致资源浪费和无谓内耗。而小步快跑和快速 迭代的策略是应对不确定性、降低风险并实现持续优化 的核心方法论，旨在通过阶段性的相对低成本的投入进 行试验试错，避免因一次性大规模投入失败而引发的不 可承受风险。更重要的是，采用 MVP（最小可行产品）

功能有： 实现对算力、电力、网络等多源异构资源状态的实时感知与数据采集、 构建任务行为与资源状态的多维建模体系，支持预测评估与能效优化 以及提供边缘与中心的数据缓存、分发与分析能力，为调度控制策略 提供数据支撑[1]。该层实现算电资源的全域感知、精准建模与高效数 据支撑，助力智能调度与协同优化。 （3）智能决策层 智能决策层是实现算电资源全局优化与任务智能调度的核心层 级，融合 在“源”侧，融合风能、光能、水能等可再生能源，构建清洁化 供能体系；在“网”侧，构建覆盖广域的智能输电网络，通过输配一 体的能流调控系统，实现电能的跨区协调与精准传输；在“荷”侧， 引入算力负载预测[4]与自适应调度策略[5]，实现任务电耗负载的动态 转移与均衡调控；在“储”侧，部署灵活储能单元，支撑高波动负载 下的稳定供能。 此外，综合能源系统（Integrated Energy System, IES）进一步整合 2.2.6 全周期高实时数字孪生 在算电协同的控制阶段，数字孪生技术的应用至关重要，能有效 提升网络管理效率、优化资源调度。其应用主要体现在孪生体的生命 周期管理、实时监控与反馈、自适应控制策略等方面。 （1）生命周期管理涵盖从创建、运行、优化到维护的全过程。 ⚫ 创建阶段，系统需从物理算力网络中获取基础数据，包括计算 节点拓扑结构、资源利用率、数据流向等，并利用数据建模技术构建

电子设备配置。 心理环境 民主氛围（允许表达意见） 、情绪安全（接纳失败） 。 外部资源 社区图书馆 、学校合作（家长会） 、心理咨询服务。 6. 动态调节机制 反馈循环 观察孩子情绪变化→调整沟通策略（如从说教转为共情） 。 适应性反弹 应对青春期叛逆（调整管教方式） 、家庭变故（如离婚后的情感支持） 。 7. 文化与制度 家庭文化基因 代际传递（父母原生家庭模式） 、传统观念（ “成绩优先 ”逐渐转向“过程引导者 ”。这意味着家长不仅要帮助孩子获取 知识， 更要引导他们学会独立思考， 掌握高效的学习方法， 最终培养出适应未来的能力和韧性 。 家长如何转变角色？ 误区类型 具体表现案例 负面影响 解决策略 1. 过度放手 家长将数学辅导完全交给 DeepSeek ， 孩子连续 3 小时独立操 作 AI ， 期间未 进行任何互动交流 孩子陷入机械操作， 失去人际学习中的 思维碰撞机会， 家长每日查看情绪分析报告 l 每月预留 2 次「系统失效日」 家长可能陷入的四大误区 A I 时代家长需要具备的核心技能 1. 学习策略设计者 • 家长帮助制定科学合理的学习计划。 • 家长需要根据孩子的反馈和学习效果 及时调整策略。 2. A I 工具筛选者 • 家长在关注功能和教育价值外，还需 重点考量数据隐私和使用安全性， • 判断工具是否真正符合孩子的学习需

控、处置脚本和工具，协助完成 日常运维的巡检、监控、告警等操作，生成巡检报告以及事件总结报告。也可以构建AI Agent，将 运维排查和维护任务集成到智能工具，自动调用相关数据并结合知识库和预设策略，实现对数据 库的自动排查和维护，提升运维效率。此外，通过分析历史运维数据，AI可以实现预测式运维，变 被动运维为主动运维，比如提前评估资源，根据负载变化自动扩缩容等。 智能化调优：利用ML/ 在集群故障方面：要建立集群的冗余机制，如多集群多中心部署、要实现集群自动故障检测和转 移机制等。集群故障发生时，能够快速切换到备用集群，确保业务的持续运行。 在业务逻辑故障方面：应该做好数据备份，采用全量备份、增量备份、差异备份等策略，确保数据 可恢复。定期进行数据库恢复演练，验证备份的可用性。实现数据库层面的快速回滚，在发现业务 逻辑故障后，能够快速回滚到故障前的状态，减少影响。此外还要加强代码审查和测试，提前发现 和修复逻辑错误。 同时处理能力，可降低业务架构复杂度和成本，并 提供多种企业级特性。 核心组件： 多模式兼容： �� �.�基础设施的高可用建设 �.�.�实例管理 在高可用性数据库架构设计中，故障场景的全面覆盖与应对策略的精准制定是保障系统稳定运 行的核心。从实践视角出发，又将影响数据库可用性的维度聚焦到基础设施层面，具体包括：硬件 层、软件层、节点层、集群层、机房层及业务层六大类别，各层级故障的成因与解决路径呈现递进

基础硬件层面，昇腾持续引领技术架构，打造领先产品，实现业界最大规模的 384 超节点产品，并 在下一代将扩展至 8192，持续领先；在基础软件层面，通过一套架构满足不同代际产品的持续演进， 同时秉承开源开放的策略，将核心计算架构 CANN、Mind 系列应用使能软件全面开源开放，同时 结合对 PyTorch 等主流框架的全面兼容和体系化工具链，旨在最大限度地降低开发门槛，加速开发 者和社区的融入。如今，昇腾 Law（规模定律）将以多元形态长期生效，持续推动人工智 能技术突破能力边界，而超大规模 Transformer、MoE（混合专家模型）、稀疏注意力模型等，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 这 一范式转变，对底层的计算架构提出了与单纯追求规模截然不同的新挑战。 1. 单卡阶段（CV 模型主导）：在计算机视觉（CV）模型为主的时期，模型可以完全放入单个 加速卡中进行训练。此时的并行策略主要是数据并行，单卡的计算能力是主要瓶颈。 2.3 大模型计算基础设施的挑战 超节点发展报告 10 2. 单机阶段（小参数 NLP 模型主导）：随着 NLP 模型的出现，单卡显存不足以容纳整个模型，

top100summit.com 亮点介绍 创想 设计 迭代 转化 研发 应用 学 习 研 发 数 字 化 成 熟 度 评 估 模型BDM的设 计思路和方法 如何应用该模型的报告、 指数、策略库、指标库 等快速建设金融机构数 字化转型能力 探讨开放性模型与其 他产品的衔接可行性 加速数字化智能马达 BDM数字化成熟度 评估模型2.0 www.top100summit.com 基本概念 剥离独立的职能把握对市场和技术趋势的敏感度， 推动创新成果在银行内部全范围的落地。 明确定义数字化转型的目标和指标，确保对资源和投资的正确分配，并跟踪实施过程中 的进展和成果。 1 2 3 战略 组织 机制 策略落地 “通过数字化转型评估模型建设，落实行 动指标与战略目标的关联，推动转型落地” www.top100summit.com 核心实践 基于企业战略寻找数字化转型的“北极星指标”，并最终实现决策引领 力得分和总分以及对应成 熟度 对照评估模型五级成熟度进 行差距分析，形成改进建议 AI对评估流程的优化 www.top100summit.com 成果展示 模型库 指标体系 可视化模板 策略库 www.top100summit.com 03 案例复盘及启示 www.top100summit.com 案例复盘与启示 解决的问题 ✓ 什么是转型 ✓ 如何度量转型 ✓ 如何评价转型效能及结果

在东数西算场景中，算力资源的全域统筹与动态调配构成了新型 基础设施的核心能力。面对多样化的业务需求与复杂网络环境，单一 调度模式难以满足所有场景。为此，需进一步探索总分、分总、混合 三种典型调度架构，通过差异化的层级设计与控制策略，构建更加灵 活适配的算力网调度体系。 5 3.1 总分调度架构 全局调度为“总”，区域调度为“分”，总分调度架构指的是在全 局调度与区域调度构成的层级调度结构中，以全局调度为业务入口， 心数量、内存容量、GPU 性能、存储类型及容量等关键信息，将自 身资源纳入算网协同调度平台的统一管理范畴。算网协同调度平台则 扮演着“市场监管者”和“资源整合者”的角色，运用多种的技术手 段和管理策略，对这些资源进行集中纳管，构建起一个庞大、有序的 算力资源库，为后续的高效调度奠定坚实基础。 ● 图 3-1 总分调度-资源注册登记与纳管 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 包含了各类资源的 ●实时状态和关键信息，就像是一份详细的 “算网资源清单”，为后续 的调度决策提供了全面的参考依据。  基于快照调度与部署 自治系统根据这份资源快照，结合自身业务需求和调度策略，进 行资源调度决策，并将请求发送给目标算网资源，完成业务部署。这 一过程充分体现了资源的共享和协同，提高了资源的利用效率，满足 了用户多样化的业务需求。 图 3-7 分总调度-算网资源调度使用-全局缩略图方式调度