高性能数据中心网络(HP-DCN).......................................................................................3 3.1.1 支持超大规模组网是基础....................................................................................3 3.1.2 .......................................................................................... 12 5.1 超大规模组网关键技术........................................................................................... 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 量呈现出完全不同

融合的关键技术章节重点介绍“解决方案”。与 4.0 版本相比，本白皮书的侧重点 有所变化，4.0 版本主要集中在对各项技术面临的研究挑战进行系统梳理，而本版则更加关 注这些挑战的解决方案及其最新进展。本章节特别聚焦于超大规模 MIMO、通感一体化、 AI 与通信融合、语义通信以及量子计算等领域的关键技术突破。针对上一版本中提出的问 题，本白皮书通过深入分析每个技术领域的最新进展，结合仿真数据和原型测试结果，系统 .............................11 2.1 超大规模 MIMO 技术...................................................................................................11 2.1.1 集中式超大规模 MIMO.............................. ICDT 融合的关键技术 2.1 超大规模 MIMO 技术 2.1.1 集中式超大规模 MIMO 2.1.1.1 低复杂度信号处理 相对于传统的大规模 MIMO 系统，6G 集中式超大规模 MIMO 系统的天线阵列规模更 大。集中式超大规模 MIMO 系统信号处理所涉及的大量的矩阵求逆等运算的计算复杂度随 天线阵列规模的增大呈指数级增长。 为降低集中式超大规模 MIMO 系统的信号处理的复杂度，一种有效的方式是将高维度

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 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 OIO（Optical I/O）光电融合架构创新，采 用光电共封装技术突破传统电互连的带宽密度与传输距离限制，推动材料接口与 封装规范的标准化进程，为 TB/s 级带宽、百 ns 级时延的点对点超大规模智算集 群互联奠定基础。 2.3.2 机间互联 AI 大模型以 GPU 集群分布式训练为基础，网络成为影响算力的关键因素。 现有 InfiniBand 和 RoCE 技术存在各自问题，均不满足未来机间互联技术演进， 模型训练存在混合并行效率低、低精度训练不稳定等多重挑战。中国移动通 过训练并行优化降低混合并行复杂性，完善 FP8 混合精度训练框架，基于故障容 错提升训练稳定性，通过构建可支撑万亿级参数模型训练的高效框架，加速产业 智能化向超大规模、超复杂场景持续突破。 2.5.2.1 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

单元）专为高算力AI（人工智能）任务设计， 能在与超大规模的定制化软件层协同运行时 显著提升能效。 Broadcom（博通）CEO（首席执行官）Hock Tan预测该领域将迎来爆发式增长，2027年 的AI（人工智能）及AI（人工智能）网络相关 营收预计将从当前的150至200亿美元跃升 至600至900亿美元。亚马逊AWS、谷歌 云与微软Azure等超大规模云服务商正与 Broadcom（博通）联合开发AI（人工智能） 点击此处下载 这一趋势虽预示着专用芯片市场扩容，但业 界专家普遍认为其互补性作用远大于替代性： 通用型GPU（图形处理器）在基础AI（人工 智能）算力中占据主导地位，定制化芯片则 专注于解决超大规模场景需求。此类技术演 进不仅重塑了AI（人工智能）基础设施格局， 更为电子元器件产业注入了持续的增长动能。 AI（人工智能）硬件引领半导体产业革新 HPC（高性能计算）与服务器预计将在2025年

“到2025年底，新建及改扩建大型和超大型数据中心电 能利用效率降至1.25以内，国家枢纽节点数据中心项目 电能利用效率不得高于1.2。” （2024年7月） 《绿色数据中心政府采购需求标准（试行）》 “2023年6月起数据中心电能比不高于1.4，2025年起数 据中心电能比不高于1.3。” （2023年3月） 《推动数据中心和 5G 等新型基础设施绿色高质量发 展实施方案》 “全国新建大型、超大型数据中心平均电能利用效率降 著降低数据中心PUE数值，并有效分摊基础设施成本，实现数据中 心绿色低碳高效运营。 3） 快速交付便捷运维，满足数据中心规模化、集约化建设需求。国家在政策上引导超大型、大型数据中 心集聚发展，形成多地布局的国家枢纽节点。超大规模数据中心的建设，对快速部署和便捷运维提出了严峻挑战。 整机柜服务器具有模块化架构，支持工厂预装和一体化交付，相比传统机柜，交付部署效率提升8～10倍。同时， 整 天枢服务器节点兼容设计方案 （液冷兼容/集中供电兼容/I/O前出线兼容；风扇后置可以降低对硬盘的影响，也便于维护） 第三阶段可谓承前启后。 虽然是开放的生态，一套整机柜服务器规范体系要获得更多超大型用户的支持，也需要做出很大的调整。 以开放计算项目的Open Rack为例，作为OCP创始成员之一的Facebook（Meta）是其基本盘，广泛部署Open Rack 机柜以提高数据中心的密度和能效，同时降低成本。

况。真正的行动是在幕后展开的：大规模的SA部署继续实现快 速推进，同时最新的5G-Advanced部署也开始取得进展。 仅在过去的一年里，思博伦就与超过50家通信运营商（CSP）、 网络设备制造商（NEM）和超大规模云运营商在5G SA的测试领 域开展了合作，范围涵盖了性能、安全、弹性、生命周期管理及 基于服务的测试。 我们认为，对测试的优先考虑与关注为2025年5G SA和5G-Ad- vanced的部署提速树立起鼓舞人心的风向标。 。这一新形势的推动力 量来自于人们对最新的移动核心网与特定服务（例如VoNR）进行主动监控的需求。 2024年5G经典案例 5G边缘计算与超大规模云的 性能对比 英国一家大型移动运营商希望在真实场景下测量其5G多 接入边缘计算（MEC）网络与超大规模云解决方案的性 能。公司与思博伦合作，收集多个城市中应用、位置与 网络路径的详细数据，从而深入了解区域及SIM卡级别 的延迟、吞吐量及应用程序性能。这一项目验证了基于 性、符号检测与解码、信道估算、波束管理及干扰抑制等无线电功能实现了优化。自动 化智能技术使无线电设备能够自主选择频谱、按需调整信号路径及调制方案。 AI原生新空口 大幅度扩展MIMO技术，利用超大规模天线阵列，实现前所未有的空间复用能力、能效提升及6G网络容量增强。天线密度的增加带来更 复杂的信号处理、更高的硬件成本以及更大的物理空间需求等挑战。 极端大规模MIMO 在不同空间分布多个

感知、计算、智能等多项网络功能，引入通信感知一体化、超大规 模 MIMO、去蜂窝网络（cell-free）、基于大模型的网络与空口、数 字孪生网络等新技术，在大规模信号处理、大规模网络优化、大模 型训练推理和网络大数据处理等方面，面临巨大的算法与算力挑战， 如图 3 所示，是典型的高算力需求行业。 图 3 移动网络发展面临的算力挑战 在信号处理方面，去蜂窝网络和超大规模 MIMO 面临高维 MIMO 为子图节点数量上限 2、子图优化所需的量子比特数（线路宽度）=log2（LM），其中 L 是每个小区方案配置数量，M 为小区数量。 2）无线网络中多用户调度需求 多用户调度是去蜂窝网络和超大规模 MIMO 技术中的关键问 题，保障用户体验和提升网络容量的重要手段，具体问题建模与计 算需求如表 2 所示。 量子计算应用能力指标与评测研究报告（2024 年） 8 表 2

能耗，为数据中心的绿色化转型提供了有力的技术支撑。 从政策层面来看，近年来国家持续加大新基建投入力度，明确提出要建设 绿色低碳、高效节能的数据中心。相关部门出台了一系列指导性文件：到 2025 年，全国新建大型、超大型数据中心的电能利用效率（PUE）需控制在 1.3 以 下，而重点区域如东数西算国家枢纽节点的 PUE 更是要求低于 1.25。这些政 策导向使得传统风冷式数据中心难以兼顾节能与提高上架率的双重目标，从而 的推广应用提供了有力的经 济支撑。 政策层面，自 2020 年起，国家大力推进新基建政策，积极鼓励建设高能效数据中心。 发改委等相关部门相继出台政策，明确提出到 2025 年，全国新建大型、超大型数据中心 的电能利用效率（PUE）需低于 1.3，而东数西算国家枢纽节点的 PUE 更是要求低于 1.25。 随着 “双碳” 目标带来的节能减排压力不断增大，除了在西部和北部部分地区新建的大规

9 月 工信部等 11 个部门 《关于推动新型信息 基础设施协调发展有 关事项的通知》 优化布局算力基础设施；各地要实施差异化能 耗、用地等政策，引导面向全国、区域提供服 务的大型及超大型数据中心、智能计算中心、 超算中心在枢纽节点部署；探索建设全国或区 域服务平台。 2024 年 12 月 发改委等 部门 《国家数据基础设施 建设指引》 探索采用存算分离架构建设新型智算中心和新 IDC/算力中心服务商和智算服务厂商。 （一）云服务厂商 近年来，云计算服务尤其是公有云市场迎来爆发式增长，以阿里 云、腾讯云、华为云为代表的云服务商迅速发展。大型云计算厂商建 设大型或超大型云计算中心（数据中心/智算中心），综合采用自建、 与算力中心服务商合建的方式，同时在一线城市和偏远地区进行布局。 整体云服务市场三大运营商与三大互联网背景云厂商形成分庭 抗礼的态势。2024 表 10 批发型与零售型算力中心服务商比较 类型 商业模式 经营特征 代表企业 批发型 算力中 心服务 商 自建大型算力中心，通常 以机房模块单元为最小 单位进行出租，延伸出为 超大型客户提供定制化 服务，主要面向大型云计 算厂商等大客户，提供托 管、运维、云服务一站式 服务。 一般深度绑定大 型云服务厂商，毛 利率较低，但客户 需求相对稳定，对 公司资源整合，快

必由之路，前景广阔。 2020年3月31日 12 AI CITY 发展研究报告 习近平总书记在深圳经济特区建立40周年庆祝大会上的讲话 加快推动城市治理体系和治理能力现代化，努力走出一条符合超大型城市特点和规律的治理新路子。要注重 在科学化、精细化、智能化上下功夫，推动城市管理手段、管理模式、管理理念创新，让城市运转更聪明、 更智慧。 2020年10月14日 习近平总书记在浦东开发开放30周年庆祝大会上的讲话 坚持人民城市人民建、人民城市为人民，提高城市规划、建设、治理水平，加快转变超大特大城市发展方 式，实施城市更新行动，加强城市基础设施建设，打造宜居、韧性、智慧城市。 2022年10月16日 习近平总书记在上海考察时的讲话 在城市规划和执行上坚持一张蓝图绘到底，加快城市数字化转型，积极推动经济社会发展全面绿色转型，全 面推进韧性安全城市建设，努力走出一条中国特色超大城市治理现代化的新路。 2023年12月 习近平总书记在重庆考察时的讲话 习近平总书记在重庆考察时的讲话 要深入践行人民城市理念，积极探索超大城市现代化治理新路子。加快智慧城市建设步伐，构建城市运行和 治理智能中枢，建立健全“大综合一体化”城市综合治理体制机制，让城市治理更智能、更高效、更精准。 2024年4月 13 AI CITY 发展研究报告 AI + CITY 是 推 进 中国式现代化建设 的必由之路 1.3 人工智能与城市发展具有双向促进的作用，城市是