的先导性作用，不断提升新产业标准的技术水平和国际化程度，为加快新产业高质量发展、建设现代化产业体系 提供坚实的技术支撑。 因此，强化标准引领，有助于推动绿色低碳、集约高效和智能化的新技术产业化进展，从而推动算力基础设 施创新产品形态大规模部署，进而促进全产业链绿色低碳发展，助力双碳目标实现成为趋势和必然。 第 10 页, 共 63 页 随着互联网和云计算行业的蓬勃发展，整机柜服务器在2010年代掀起了第一波热潮，可以进一步细分为三 个阶段。 图1-3 开放整机柜服务器发展重要时间线 第 13 页, 共 63 页 一、 形态探索阶段 2010年代的前半程可以认为是开放市场上整机柜（服务器）发展的第一个阶段，云服务商（CSP）们合纵连 横，争相把机柜装满。 2011年，Facebook（现Meta）牵头成立开放计算项目（Open 四、 散热： 在风冷时代，把节点内的风扇取消，集中到机柜上形成风扇墙，在整机柜服务器的众多流派中，占比并不高。 理论上，少量大风扇比大量小风扇更节能，噪音也更低；而在实践中，这种做法对节点形态的影响较大。 没有采用集中散热方案的Open Rack更偏爱可以使用较（1U）大风扇的2(O)U节点，计算节点用2U3（配3铜排） 的做法提升密度，存储节点（OpenVault）则是里面的硬盘

的设备形态，智算中心将走向超 级池化阶段，对设备形态、互联方案、 存储、平台、散热等维度提出新的要求。 • 网络互联：节点内外多方案并存。 1 ）节点内：私有方案以英伟达 NVLink 为代表， NVLink 已经发展至第五代产品，同时支持 576 个 GPU 之间 的无缝高 速通信；开放技术方案以 OAM 和 UBB 为主， OCP 组织定义了业内通用的 A I 扣卡模组形态（ OAM 显存和互联提出新的需求。 • 集群时期（ 2022-2024 年）：数据及模型出现巨量化趋势，千亿级模型出现，对算力底座和拓展性提出更高要求。 • 设备形态： GPU 、 A I 芯片以扣卡模组为主，服务器形态多为 8 卡， DPU 按需引入解决裸金属管理、存储加速等业务痛点；硬件资源开始按集群的方式部署。 • 互联方案： 以服务器节点为界限，节点内采用高速计算总线，节点间采用 -P8 、国信证券经济研究所 整理 • 超级池化时期（ 2025 年开始）：大模型普遍进入万亿规模，算力、显存、互联需求再次升级，高速互联的百卡“超级服务器”可能成为新的设备 形态。 • 设备形态：从单机 8 卡服务器逐步转化为“超级服务器” ，基于存算一体架构的大算力芯片将开始逐步应用。 • 互联方案：内部打造统一的协议实现 CPU 、 GPU 、 A I 芯片、显存、存储等池化资源无缝连接；外部通过

续增长的同时，芯片技术的快速发展带来了新的散热挑战：现代 CPU 和 GPU 2 的热设计功耗（TDP）不断提升，传统风冷数据中心在应对高密度、高功耗计 算集群时已显得捉襟见肘。 从硬件形态演进来看，传统的 AI 产品与架构已不能完全满足新的 AI 集群 的需求。随着计算密度的提升，采用低延迟、高带宽互联架构的 AI 集群因其性 能优势而被广泛采用。然而，在液冷整机柜的设计与部署过程中，不同厂家的 开展了 200 多个液冷 数据中心试点项目，有力地推动了液冷服务器市场的快速增长。 在硬件形态方面，为适应传统风冷数据中心的部署模式，自 2002 年起，传统 AI 加 速卡大多采用 PCIe 形态。但随着大语言模型的崛起，内部采用 Scale up 低延迟互联的 8 个 OAM 模组形态，凭借其卓越的性能优势，已被各大 AI 厂商的高端产品广泛采用。然 而，由于各类 AI 芯片的功 尽管面临诸多挑战，业界在 OAI 和 UBB 接口标准化方面已取得显著进展，为技术发 展奠定了坚实基础。随着超节点整机柜架构成为支持更多 AI 加速器内部高速互联的新方向， 8 个 OAM 模组形态预计在未来 5 年内仍将是 AI 服务器的主流部署模式之一。 为应对上述挑战，本报告聚焦于液冷散热技术、整机柜设计与管理、智算架构设计以及 多算力统一架构底座等关键技术领域，提出了一套开放、灵活且高效的液冷智算架构解决方

为数字世界与物理世界融合的前沿技术，正深刻影响着元宇宙等未来产 业的发展。2025 年 8 月 27 日，国务院发布《关于深入实施“人工智能 +”行动的意见》，明确指出要加快人工智能与元宇宙等技术融合和产品 创新，探索智能产品新形态。作为“AI+ 元宇宙”领域的核心使能技术， 空间智能在元宇宙场景构建、实时空间感知、虚实交互协同以及智能决 策优化等方面应用前景广阔，能够为沉浸体验、城市治理、低空运行、工 业制造等多元场景 间计算设备，实现了高精度虚实对齐与自然交互；腾讯混元、World Labs 的 Marble 等世界模型产品的落地，推动空间智能技术从“被动感知”转 向“主动生成与协同”，加速迈向虚实共生的智能新形态。 2021 年 - 至今 里程碑 - 2021 年，Jonathan T. Barron 提出 Mip-NeRF 算法，解决 NeRF 的分辨 率与抗锯齿问题，提升虚拟空间渲染的真实感。 - 厂区资源调配，均可实现算法驱动的全局协同，从而将工业系统的效率 与韧性提升至全新高度。 1.4.3 生态演进驱动：空间智能激活虚实融合新场景 元宇宙作为融合虚拟与现实、具备持续性与互操作性的下一代数字 社会形态，其发展正面临两大根本性瓶颈：三维数字内容的高昂生产成 本，以及虚实空间之间生硬、割裂的交互体验。这不仅限制了其规模应 用，更阻碍了其作为新型社会与产业平台潜能的释放。空间智能的成熟， 正系统

通用航空 清洁氢 细胞与基因治疗 算力芯片 01 未来空间：商业航天向太空算力、太空制造、太空光伏拓展， 远期市 场空间万亿级 AI智能体：进入自主智能体元年，年复合增长率超40成为 Al核心形态 产业化速度“前所未有” 0 人工智能产业核心规模破1.2万亿元 商业航天产值破2.8万亿元 新质生产力加速形成 重点赛道“动态调整” 03 重点赛道：“十五五”规划前瞻布局量子科技、生物制造等六 POUR道异 阿集巴巴 题动 济翻肚 UBTECH w 感知、理解、交互有机结合 全球市场需求2035年 将达万亿元级 具身智能企业呈现三大阵营 突破方向包括： ● 形态涌现：仿生机器人、变形移动装 置、智能外骨骼等创新形态不断涌现 ● 感知进化：感知从单一视觉到多模态 化，具备规划、行动和学习能力 ●全球：据摩根士丹利、高盛等测算， 全球具身智能市场规模未来五年复合 增长率达73预计2030年将达到

802.3dj ： 1.6TE PCS/FEC 方案已确定，电接口形态包括 16 通道 100Gbps(16AUI-16) 和 8 通道 200Gbps(1.6TAUI-8) ； 1.6T 500m/2km PMD 子层方案尚未明确， 2km 采用相干技术可行性更高  1.6Tbps LPO 和 CPO 等技术已出现商用产品形态，在智算中心场景也将具有广泛的应用潜力 推动 800G 10km

36 MDN Model Distribution Network 模型分发网络 6 1.从云计算到云智算 1.1 云计算发展现状及面临挑战 云计算经过二十年的发展已成为数字经济的主要服务形态，凭借虚拟化、云 原生等技术实现了资源池化和弹性扩展能力，有效支撑了各行各业数字化转型。 随着千亿参数大模型等 AI 技术的迅猛发展，传统云服务体系面临严峻挑战，云 计算进入深水区：在算力方面，十万卡级超大规模 计算进入深水区：在算力方面，十万卡级超大规模 GPU 集群的异构算力需求已远 超现有资源池化的调度能力；在网络层面，AI 训练中 TB 级参数同步对时延极为 敏感，传统网络架构难以满足低时延、高吞吐的传输要求；在服务形态上，单一 的 IaaS/PaaS 服务无法全面覆盖数据处理、模型训练、推理部署等 AI 开发全链 路的需求，迫切需要构建适应智能时代的云计算新范式。 1.2 云智算的内涵 云智算是通过算网基础设 效、智能、可靠的先进存力底座，进而提升智算应用全生命周期数据供给效率， 不断优化算力利用率、提升智算业务效能。 2.2.1 智算文件存储 基于通算理念构建的存储系统在长期演进中形成的标准化协议和产品形态 无法满足智算应用发展对数据访存性能、数据流转效率等新需求，已成为制约智 算产业发展的生产力瓶颈。同时，新型存储介质、高速网络硬件的快速发展也为 存储系统的重塑提供了强大的动力支撑。 目前，

分工也伴随将发生根本性的转变。 智能化时代的运营商网络变革 运营商需提供泛在且可靠的连接，实现“高速泛在、天地一体、云网算智融合”的智能化综合性数字信息基础设施，以 满足无人经济对网络的高质量要求。 面对新的消费形态，电信运营商需提供及时性、个性化的体验。通过构建全生命周期的数据管理和安全保障体系，实现 科技感、智能化、生态化的流量入口和多触点互联互通，满足用户的多样化诉求。 为了社会治理和服务的智能化发展 当前，自智网络的智能体应用正在处于从创新探索向应用落地转变，我们提出的AI五大范式和三大技术引擎，是支 撑自智网络智能体应用落地的关键判断和技术支撑。 4、智能体应用的关键设计要素：未来以AI为中心的自智网络，将带来全新的产品形态。 用户自适应的良好体验：AI可以基于用户的喜好、关注点以及业务执行的逻辑，提供偏好设置，并通过持续学习个人 或者业务的特征数据，实现高度自适应的服务。 智能体行为的设计、人与智能体协作机制和 口、数据共享和交互。未来 GenAI能力也将在数据引擎中发挥重要作用，GenAI每年将使人工密集型数据管理成本减少20%，同时新用例将增加 三倍，大模型在数据引擎开发治理领域以数据治理Agent形态存在，未来AI4Data发展，对数据决策、流程编排类应用 需要Agent + 工具（API）的工程化落地能力。 数据引擎 图08 中兴AIR Net技术架构图 内生智能 无线、核心网、传输、固网

06 07 12 17 28 32 05 02 看行业，布局方案蓝图 矿山行业数字化蓝图 综述：以智论矿，智慧定义矿山安全生产新模式 智慧井工矿篇 无人矿山，矿山开采未来的终极形态 泛在+融合，矿山网络的一体化趋势 5G使能矿山，让信息随时随地可取 数字铠甲，构建矿山全面本质安全 视觉AI，治愈矿山安全管理顽疾 智慧露天矿篇 有车无人，露天矿卡的“后无人”时代 34 也是国 家“十四五”规划中对于建设新型能源企业的要求。 3、运行轮：智慧业务场景 在技术发展诉求的驱动下，传统工业生产以“煤炭流”和“信息流”为主线进行流程再造， 实现企业的数字化转型。在新形态运行模式下，智慧化的地质、采矿、选矿、经营等各类业 务场景进行了重塑，传统工业焕发无尽的新活力。 动力：新华三智慧矿山“五个一”技术架构 蓝图动力内核，是新华三的智慧矿山技术架构，架构从下至上由“五个一”构成： 技的支撑，在无人的矿山中，设备有了无损的环境感知力、神经元级的敏捷传输、类似人脑 的自主意识和判断执行能力，并且拥有超越人类的协同作业能力。 41 智慧矿山行业专家 彭涛 无人矿山，矿山开采未来的终极形态 矿山无人化的背景分析 无人化的作用与意义 相比其他常规的工业生产，无人化作业除了提升效益以外，还具有更为特殊的三方面含义：  煤矿本质安全的发展需要——煤炭的采掘过程是对未知地理世界的探索，煤矿井下开采

业实践能力。 1）物理资源：智算中心根据模型训练和推理需求差异，提供技术架 构统一、可实现内部各组件高速互通互联的AI服务器和服务器间以低 时延、高带宽网络互联的AI服务器集群。 2）云化资源：除物理形态的智算设备外，智算中心支持以云的形式， 将智能算力资源更灵活地对外输出，实现智算资源的弹性调度、高效 管理，并为算力、算法、数据、模型等能力平台构建技术底座 智算中心能力平台以大模型为核心，将构成大模型的关键要素：算力、 集团内部产品。通过将大模型能力与内部产品打通，更好的观察产品的业务 表现，为大模型进一步向行业推广积累经验。 强化软件服务 构建算力软件平台，提升算力管理效率，拓展算力输出模式，除硬件外，支 持以“云”形态将算力资源对外输出，让智算资源更弹性、敏捷。打造能力 平台，强化算力、算法、数据要素的结合，提升智算服务附加值和用户粘性 “由下至上”驱动行业大模型落地 针对行业大模型，云厂商优先聚焦自身优势行业，通过链接生态伙伴，打通