...................................... 20 2.7.1 资源编排调度 ................................ 20 2.7.2 任务式编排调度 .............................. 21 2.7.3 智能体编排调度 .............................. 22 2.8 安全可信 训练并行优化 模型规模突破万亿参数，引发动态负载失衡、多节点显存分配不均衡等问题。 通过建立自动搜索系统实现不同节点规模的最优参数组合。通过动态分析计算图 中的算子特征与硬件资源约束，智能分配计算与通信任务，提升万卡级训练算力 利用率（MFU）。 面向近期，实现并行策略自动搜索系统。通过解析大模型网络结构并建立算 子级统计指标库，结合专家经验与多目标优化算法，量化评估集群的显存占用与 通信效率 通信效率，输出兼顾资源利用率与训练速度的并行配置方案，最终在超万卡集群 中实现模型训练 MFU 超 50%。 面向中远期，研发算子级自动并行框架，动态分析计算图中的算子特征与硬 件资源约束，智能分配计算与通信任务，从而在超万卡规模的集群中实现模型训 练的 MFU 突破 60%。 2.5.2.2 低精度训练 低精度训练可以显著加速大模型训练性能，但梯度溢出问题严重制约模型收 敛稳定性。针对上述问题，通

应用能力三要素的关系，系统性考虑如下技术与工程问题： 一是给定计算场景、计算任务和计算问题，是否存在量子算法， 且相对经典算法有优势？优势包括计算速度、计算精度、计算规模、 计算能效等。 二是给定量子算法，当前量子计算机能否稳定运行并给出准确 或近似结果？如何运用量子编译、误差缓解等多种增强手段？ 三是本地部署时，计算任务所处环境与量子计算机运行环境能 否匹配？是否有尺寸、能耗、移动性、温湿度等物理条件约束？ 指数级），求解最优解将超越经典计算能力。 在人工智能方面，虽然机器学习的引入为移动网络数据处理与 智能化提供了新的解决方案，但大模型的训练与推理成为移动网络 新的算力需求来源。网络智能化任务主要涉及网络状态的预测、异 常检测和网络优化决策等。广义的网络状态预测包括网络流量预测、 用户行为预测、网络性能预测、无线信道状态预测、设备状态预测 量子计算应用能力指标与评测研究报告（2024 据中心、智算中心或超算中心。因此对于大规模网络优化、网络流 量预测等非实时计算任务，可以考虑量超融合环境，这里具有良好 的量子计算机部署环境。对于多用户调度等准实时计算任务，如果 采用量子计算机，则需要考虑与边缘云部署环境兼容，支持一定的 远程访问能力。对于基站级（小区级）的信号处理与资源分配，属 于实时性计算任务，如果采用量子计算机，则需要考虑与基站机房 （BBU 资源池环境）的环境兼容。因为机房面积与空间小，需要设

系列、文心一言、通义千问、腾讯混元以及科大讯飞表现较好。 金融垂类模型国外发展先行 ，国内成品问世。 1 ） 国外彭博 BloombergGPT 率先登场。 BloombergGPT 的混合训练方法使其模型在金融任务上 的表 现大大超过了现有的大语言模型 ，而在通用场景上的表现则与之相当 ，甚至优于现有模型。 AI4Finance Foundation 开发 FinGPT ，为金融大 型语言 模型提供互联网规模的数据 ；腾讯云公布腾讯云金融行业大模型 ， TI-OCR 大模型帮助银行解决 日常业务问 题；恒生电子进一步升级金融大模型 LightGPT ，并发布多款光子系列大模型应用产品 ；蚂蚁集团公布蚂蚁金融大模型 ，在多项金融 专属任务中表 现突出；东方财富、 同花顺加大 AI 研发技术投入 ，筹建人工智能事业部 ，重点推进金融垂直大模型研发应用。 投资建议：我们预计 2024 年金融垂类模型产品落地较多，建议关注具备 领域专业性 在金融领域具有专业的理解能力，更精熟于金 融术语和概念 灵活性和利用率高 大量数据训练提高了模型的准确率，并可以应 用于多种任务中 针对性的解决方案 更适合解决金融行业的具体问题，与行业需求 和合规性要求相匹配 可迁移性强 在数据量较少的特定任务上，通用模型也可以 通过微调进行有效的迁移学习，大大减少模型 的训练时间和计算资源 高精度和合规性 提供更精确、可信赖的金融信息和建议，同时

能和控制面功能基础上进行增强，面向通算一体服务提供计算的执行功能和计算的控制功能。 计算执行功能主要负责计算数据的处理，例如：AI 模型的推理、感知计算等；计算控制功 能主要实现对无线算力的感知、计算任务需求的感知、通信和计算的资源的联合调度和实时 控制以及通信计算 QoS 的监控闭环保障。 3）管理编排层在传统的无线接入网的运维和管理功能基础上，新增无线计算资源编排 管理、通信和计算联合管理 日，在电子学会主办的首届近场通信理论与应用论坛上，发布了 6G 近场技术研究与标准化倡议。 (6) 2025 年 2 月 25 日，清华大学与中兴通讯联合推动在 IMT2030（6G）推进组无线技 术组成立“进场通信任务组”。 2.2 通感互助 2.2.1 通信赋能感知 2.2.1.1 协作多节点的多维信息融合处理 单节点感知存在性能随机性波动大的问题，导致感知鲁棒性较差。感知随机性包括随机 信道状态与随机测量误差，前者包括目标运动引起的随机 端边云协作的通算智管控 为了满足多样化 AI 任务的需求，采用端边云协作的 AI 服务编排与实时精准的通算智 资源控制技术。这种技术能够根据业务的实际需求、响应的实时性要求以及算力的可获得性 等因素，灵活地按需提供高质量、低成本、低能耗的 AI 服务。根据模型的规模和层次，将 AI 模型分层部署在云、边、端设备上。云端部署大型模型，如万亿级参数模型，以处理大 规模数据和复杂任务；边端部署中型模型，如千亿级参数模型，以提供较低延迟的服务；终

.......................................................................................... 34 6.4 任务式传输及配额调度........................................................................................... 亿，预计未来GPT-5将达到十万亿参数规模，迅速膨胀的AI模型需要更大规模的算力集群执 行训练。AI大模型以GPU集群分布式训练为基础，根据阿姆达定律，串行占比决定并行效 率上限，网络成为影响算力的重要因素。AI训练任务的高精度并行协同特性以及超大集群互 联吞吐量对网络性能提出了数量级的提升需求。AI大模型训练的时间往往长达数月，也使得 网络的长稳运行变得前所有未有的重要。从网络流量模型来看，AI大模型训练流量与通算流 Telemetry 带内网络遥测 IOAM In situ Operations, Administration, and Maintenance 带内 OAM JCT job completion time 任务完成时间 KDF Key Derivation Function 密钥派生函数 MOD Mirror On Drop 丢包镜像 中兴通讯版权所有未经许可不得扩散 3 MTU Maximum Transmission

1 创新的价值 1958 1966 1974 1988 1991 1996 2024 5.3 5.1 罗兰贝格 | 20 资料来源 ： 斯宾塞任务研究所 ； 罗兰贝格 我们都知道的一个例子 ： 互联网的发明 前沿技术 手指触摸图形 自动生成说明 的价值 创新 一个人的头部轮廓 自动生成说明 Science 真实世界 用例 边疆 2033 年 10 万个量子比特 ， 展示了一个异常 快速扩展 在这项 技术中 · 然而 ， 可能有一些 关于假定应用程序的限制。 尚不清楚 计算机是否具有较低的 量子位将有助于结束 用户或可以在优化任务中创造优势 • 此外 ， 可能有 关于影响的限制 量子计算在机器学习、优化或密码学 中的应用 5.2 前沿技术 技术与创新 1) 格罗弗的搜索算法可以将无结构搜索问题的速度 quadratic 技术 组合 预计主要由以下人员执行的工作任务 的份额 人类 ， 通过技术 ， 或通过 2025 年和 2030 年两者的结合 [%] 预计工作任务份额最高和最低的行业 主要由 人类 ， 2025 年和 2030 年 [%] • The proportion of 仅由人类执行的工作任务预计将 减少 从今天的 47% 到 2030 年的 33% ， 而 任务 由技术执行预计将增长 从 22% 到 34%

城市赋能，是主动适应经济社会发展， 顺应城市发展趋势，探索城市创新治理手段的重要举措和可行路径。根据斯坦福大学《2025年人工 智能指数报告》，越来越多的研究证实了AI对生产力的积极影响，在特定任务上AI已经能与人类专 业知识相匹配，同时具有更高的效率。根据Gartner的预测，到2028年，AI技术将自动化至少15%的 日常决策，大幅提升企业生产力，降低运营成本。通过AI技术与城市数字孪生场景结合，以时空为 的快速发展已成为推动全球科技变革的核心引擎，其意义远超硬件迭代本身，深刻重构了算力供给模式、产业竞争格 局与社会智能化进程。 语言大模型技术不断取得新突破 在大数据、大算力加持下，大模型逐渐实现从单任务智能到可扩展、多任务智能的跨越。据国际知名人工智能 研究机构OpenAI的最新研究显示，全球大模型能力在2024年实现了质的阶跃式提升。语言大模型在多个关键维度持 续进化，上下文窗口长度不断扩展，知识密度 Agent成为人机交互和产业应用的关键载体 AI Agent依托大模型在感知、认知、推理等方面的优势能力，结合智能体工具调用、智能体工作流、智能体人机 交互等方式，可以更好实现意图理解、任务分解、任务规划并完成具体任务，有效解决了大模型“有脑无手”的问 题。随着行业对AI应用形态的理解逐步深入，未来将诞生更多高智能化、对业务流程理解更深刻的多智能体系统，并 加速在生产生活各场景中落地应用。 2

的大规模应用。因为我们相信，2025 年将是 AI 真正普及的一年。 《技术展望 2025》报告探讨了当 AI 从自动化工具 转变为人类的代理，能够自主采取行动时，未来将呈现 怎样的面貌。AI 将赋予人们执行新任务的能力，或使现 有任务完成得更加出色。我们需要思考，随着 AI 不断普 及、涉足更多的陌生领域，会有哪些创新可能与机遇出现。 为真正了解并充分利用 AI 的潜力 ，企业应当创建符合自 身需求的 AI 认知数字大脑，彻底重塑技术在整个组织中 标准，而今天，人与基于大语言模型（LLM）的客服 机器人和销售智能体对话每天都在打破这一标准。如 今的AI模型已摆脱了过去深度但特定且线性的方法， 展现出前所未有的自主性⸺无论在学习方式、任务 处理、还是最终能力上。这种自主性正在改变工作方 式：从 75% 的知识工作者使用生成式 AI 提升工作效 率，到人机交互方式的革新（如 AI 编程助手和语音 助手），再到机器人、汽车、医疗保健等行业的广泛 模型层：大规模生成式 AI 模型以及经典的机器学习和深度学习模型可以通过关键思考和推理，将数据转化 为可用于决策或行动的结果。 智能体层：智能体旨在解决问题，能够在尽量减少人类干预的情况下处理任务，并随着时间推移不断学习和 成长，还能将规划、复盘、适应能力融入其中。 架构层：有了全面的架构支撑，AI 实验才能转化为企业级解决方案。它会将智能扩展到整个组织和现有的工 作流程中，实现可重复性，确保解决方案能够一次创建多次复用。

责提供面向用户和任务的敏捷边缘服 务，如图 3 中服务化、多维能力、多维数据处理和转发、路径可编程等。在这一层中，边缘节点将 通过集成用户面功能（UPF）等下沉核心网功能以及部分基带处理功能（BBU）来处理来自用户的 实时多维业务数据流。每个边缘节点的资源和能力（如计算、存储、AI 处理）将根据任务需求进行 灵活分配，在边缘节点内实现本地数据卸载、流量分流、业务锚定及任务计算等，结合 AI 网络在算力感知、业务本地化与极致性能上的突 破。 图 4：6G 云网融合架构示意图 这种基于任务为中心的边缘服务，不仅提升了用户体验，还降低了传统网络架构中的延迟和成 本，并有效规避了数据传输中的安全风险。随着网络功能逐步从核心节点向边缘节点转移，边缘节 点将具备更强的 AI 推理能力，能够快速响应用户需求并优化业务流程。通过这种以任务为中心的可 编程用户面架构，6G 网络能够在边缘网络中实现更高效的资源调度与服务提供，支持更加灵活的服 内生机制，构建数据平面与智能平面的双向闭环：通过实时采集空口状态、网络负载及业务特征等 多维数据，运用知识图谱技术构建动态特征数据集，结合分布式的边缘 AI 模型进行实时推理，实现 无线资源调度、计算任务编排、QoS 保障的智能决策。例如，针对 XR 业务的高带宽低时延需求， 用户面可基于 AI 驱动的网络感知预测模型，动态调整分组转发策略与边缘计算节点选择，在 10μs 级时延内完成跨域协作的端到端路径优化。

年，我国能源绿色发展成效显著，新增风电光伏装机突破 2 亿 千瓦、创历史新高，可再生能源装机占全球份额达 40% 左右， 贡献了新增量的约 50% ；能源综合生产能力不断增强，提前 实现“十四五”规划目标任务。 国家能源局： 2024 年，各单位要按照党中央、国务院关 于能源发展改革工作的总体部署，持续深化改革，围绕建立健 全协同保障能源安全的政策机制、构建促进能源绿色低碳转型 的体制机制、加快能源市场体系建设、完善能源监督管理体系 问 题 。 3.4 AI 的技术与应用领域 AI 助 力 能 源 从 智 能 走 向 智 慧 智慧城市 应用场景 集群智能（算法） 主要以集群系统协同控制算法研究为主，完成个体难以实 现的复杂任务，是能源系统算法主要发展方向。 机器学习（算法） 主要以深度学习、增强学习等算法研究为主，赋于机器自 主学习并提高性能的能力。 计算机视觉（通用技术） 包括静动态图像识别与处理等，对目标进行识别、测量及 为人工智能产业提供数据的收集、处理、交易等服务。 云计算 为人工智能开发提供云端计算资源和服务，以分布式网络为基础。 人工智能基础支撑 多导弹集群协同拦截 AI 在新型能源系统中的应用 4 4.1 新型能源体系特征及重点任务  新的能源结构，非化石能源逐步替代化石能源成为主体能源；  新的系统形态，新型电力系统、氢能“制储输用”体系、化石能源低碳零碳化利用等加快涌现；  新的产业体系，以高水平科技自立自强加快形成能源领域新质生产力；