程发展战略需要实施的重大 战略举措。为积极有效应对新的发展环境，实施科技自立自强战略，央国企信创 工作再次全面加速。在各行各业深入开展全面数字化转型的背景下，央国企信创 工作和数字化转型工作势必并轨同行，既是机遇，亦是挑战。 央国企数字化转型工作与信创工作将深度融合展开。在新基建的驱动下，央 国企正在开展数字化和智能化升级，实现全面数字化转型的重大战略任务。数字 化转型需要以新发展理 化转型需要以新发展理念为引领，以技术创新为驱动，探索先进的数字化模式。 新基建需要依靠新技术的跨界融合利用，以云计算、大数据、移动互联网、物联 网等为代表的新一代信息技术，带来新的架构模式和技术体系，是央国企开展数 字化转型的新技术体系。信创，即信息技术应用创新，是突破“卡脖子”技术， 实现科技自立自强和国家网络安全、经济安全的重大举措。信创产业庞大，涉及 基础硬件（芯片、服务器等）、基础软件（操作系统、数据库、中间件等）、应用 信息技术为基础开展数字化转型，势必要将信创工作的开展与央国企数字化转型 工作结合，从顶层规划、架构设计、实施路径以及应用开发、运维等层面进行融 合，一体化推进。 央国企数字化转型有其自身的复杂性和特殊性，央国企信创工作需要采用 “升级替代”的思路。信创产业生态处于早期，各种关键技术尚有待突破，各项 关键指标和性能尚须提升，信创产品和服务无论从点或者面，还不足以支撑央国 企数字化转型的需求。央国企的信创化工作，不能停留在对原有技术和产品的简

智算场景的普惠化正带来新一轮网络技术的革新浪潮。 随着生成式人工智能的发展，AI大模型参数量从GPT-3.5的1.75亿，到GPT-4的1.8万 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 过程中的是训前模型和数据上载，以及训练期间数据和状态同步过程；数据快递场景包括数 据灾备、大规模科学数据传递等。以上都需要广域网具备高性能海量数据传输的能力。 综上，面对大规模AI/HPC的计算、存储和通信需求，不仅数据中心内部的大规模密集 数据交换需要高性能网络的支撑，还需要网络能够高效地连接多个数据中心或站点，实现跨 地域的AI/HPC业务的高效协同。 本白皮书从面向智算业务的高性能网 宣布具备10万卡集群的支持能力，而Grok-3的训练集群已达到20万卡级别，预计会有更多 10万卡+智算集群出现。 如此大的组网规模势必引发网络技术的质变，高性能网络架构的主要功能设计以及性能 要求，都需要放到支持超大规模网络的框架下重新考量。 支持超大规模组网的主要挑战包括： 1）交换机接入容量的限制 服务器GPU网卡数量和接口速率在逐渐增加，呈现每两年翻倍的趋势，当前规模商用 的GPU服务

广州地铁 21 南京滨江 21 京东物流无人仓库 06 缩略语 图目录 表目录 目录 05 总结 04 图 3-1 三种 5G 行业专网模式 05 图 3-2 精准业务保障需要的六大能力 08 图 3-3 垂直行业 5G 应用网络精准规划流程 11 图 3-4 业务流识别与 QoS 模板匹配 12 图 3-5 包特征识别 13 图 3-6 动态保守调度流程图 13 图 3-7 基于时延调度流程图 13 图 3-8 调度编排分类 14 图 3-9 时延分布和时延抖动分布图示 15 图 3-10 时延排障需要逐段分析 16 图 3-11 AAPC 天线权值自优化流图 16 图 3-12 KPI 异动检测流图 17 图 4-1 精准网络在电力专网中的应用 18 图 4-2 煤矿行业 过程中出 现了无人集卡、岸桥远控、智能理货等多个应用场景，5G 网络 都在其中发挥着重要的作用。 采矿行业目前正进行着信息化的转型升级，智能矿山，无人矿 山是其发展目标。矿山的生产环境恶劣，需要一个高效可靠的 无线网络，使能矿山的人员和设备全面互联，提升作业效率， 保障安全生产。 工业 电力 港口 矿业 2 垂直行业对 5G 网络带来新的挑战 垂直行业对 5G 网络带来新的挑战

16 / 87 图 2-1-1 基于 AI 的空频域 CSI 压缩反馈 如果一个给定的 AI 模型仅仅能够针对特定的反馈开销、天线端口数等进行训练和推演， 则针对不同的反馈开销和天线端口数等需要训练不同的 AI 模型，则系统中的模型个数将会 非常多、不利于 AI 模型的存储、部署、传递。为解决该问题，可以考虑可扩展性的 AI 模 型。 一种灵活可扩展的智能化 AI 模型可参见图 2-1-2，该模型被称为 同的服务站点向给定的用户发送相同的数据符号，通过由每个站点在本地执行预编码操作 （称为分布式相干联合传输），或在 CPU 侧进行集中式的预编码操作（称为集中式相干联 合传输），消除用户或站点之间的干扰，但需要协作站点之间的严格相位同步。而非相干联 合传输方案中，不同的服务站点向给定的 UE 发送不同的数据符号，无需信号的相干收发， 消除了相位偏差的影响。从图 2-1-5 中可以看出，如果没有相位误差的影响，相干联合传输 互易性原理确定下行信道信息，进而确定出下行预编码矩阵。在非理想互易性假设情况下， 上下行信道不再是互为转置的关系。此时，通过上行信道估计获得的 CJT 预编码矩阵将与 实际的下行信道不再匹配，进而影响影响相干传输的性能。因此，需要对各个 TRP 的互易 性误差进行校准，以提高相干传输的性能。 关于互易性误差校准，可以采用终端辅助的校准方案。如下图所示，对于两个 TRP 间 的互易性误差校准，可以采用如下方式：每个 TRP

议。用户面需要具备高效的数据处理能力和 多样化的服务接口，以支持各种通信协议、数据格式和传输速率，以及提供灵活的数据路由和转发 机制。 细粒度的 QoS 需求 不同类型的业务流因其独特的特性而对网络提出了多样化的要求。例如对于沉浸式通信的业务 来说，数据流量非常大，但是可能对时延不敏感，而工业控制类的业务对时延、抖动等可靠性的要 求极高，但是数据流量相对较小。6G 网络需要从不同业务的 网络需要从不同业务的 QoS 需求的角度出发，需要增强在数 据转发方面的细粒度的配置能力，实现可定制，才能更好的满足不同的需求。 分布式的算力 为了满足高可靠、低时延等 QoS 需求和感知、智能等应用场景的需求，6G 需要在网络内提供 丰富的异构算力。而基于通信网络的点多面广的特点，其算力资源也将是分布式部署的。分布的算 力对数据转发的需求不同于传统的通信网络，数据通路将不只是从终端设备到核心网用户面节点的 一对一的方式，还需要实现终端设备到不同算力节点之间多点到多点的数据交换方式。6G 网络需要 进一步增强数据转发的灵活性来满足这种需求。 自动化智能化的管理编排 随着网络架构和功能的变化，6G 网络的编排管理也会变得更加复杂，自动化和智能化也是其发 展的趋势之一，旨在通过先进的技术和方法来简化网络操作、优化资源配置并提升服务质量。6G 网 络的数据转发能力也是如此，需要提高配置和调度能力，与其它编排管理功能配合，实现对数据转

台服务器为颗粒的算力单元向机柜级转变的趋势。 2） 高效散热和供电方案，满足先进算力部署和绿色低碳需求。目前，单GPU芯片的功耗已超过1000W，单 机柜功率密度则高达140kW。数据中心迫切需要采用更高效的供电和散热方案，来解决大功率供电传输路径损耗 高、IT设备散热功耗加速上涨、散热设备容量不足和PUE居高不下等问题，以确保服务器和IT设备的正常运行与 数据中心高效运营。资源池化是整 机柜本体的一部分，三者之间除了尺寸、位置之外没有其他约束或耦合关系。 这种整体交付方式相当于将服务器上架的过程从数据中心现场转移到条件通常更完备的工厂里完成，也可以 算是一种预制模块化。对服务器保有量在十万百万台量级、需要一次在一个数据中心部署成百上千台服务器的超 大规模用户（hyperscaler）来说，服务器部署的颗粒度从一台上升到几十台，交付速度提升可达10倍。 同时，与分别运送（空）机柜和（机架式）服务 力和网络连接 都通过特制的电缆提供，据说可以较为显著的降低网络成本。LinkedIn认为Open19更适合中小型（互联网）公司， 但这种架构与其他的19英寸服务器方案都不能直接兼容，自成体系同样需要有足够大的规模作为保证。 图1-6 Open19的类刀片架构及盲插网络线缆方案 微软的思路确实与LinkedIn不同，在2016年晚些时候公开了Project Olympus——一个高度兼容EIA-310规范

端到端⼤模型已经成为业 界共识 算法成熟度 • ⾼ • 头部玩家达到5万 卡H100 算⼒支撑 • 中 • 安全性和合规要 求⾼ 普及便捷度 • 中 • 有千万级规模的⾼精度3D 资产数据，但仍需要更⼤ 规模的数据提升⽣成效果 • 中 • 目前算法部分处于快速进 步阶段，但数据表征尚未 成熟，技术目前可支撑商 业化 • 低 • 头部玩家算⼒百 卡/千卡级，算⼒ 目前并非瓶颈 • ⾼ • 数据数量稀少，仿真数据 作用有限 • 低 • 目前算法部分处于摸索期， 感知、规划、控制等功能 都不成熟 • 低 • ⼤多数玩家在千 卡级，目前的主 要瓶颈是数据 • 低 • 物理操作需要满 ⾜安全性、合规 性和精确度需求 • 低 • 机器⼈本体目前 价格昂贵，商业 价值低 • 硬件设备承担3D交互功能 • 可以为具身智能训练采集数据，是目前真机数据的主要获取⽅式 空间智能概览 • ⽂本、图片、视频 等数据由于互联⽹ 内容的长期积累， 数据规模上显著⼤ 于自动驾驶、3D和 具身智能 • 空间智能涉及3D视 觉类数据、物理世 界交互数据，互联 ⽹数据的作用有限， 需要等待数据体系 进⼀步成熟，数据 整体上比语⾔更复 杂，对数据处理的 要求也更⾼ 空间智能 数据规模 空间智能概览 自动驾驶 3D⽣成 具身智能 扩展现实（XR） 世界模型 • ⾼ • 自动驾驶车队可形成

前 言 量子计算得到了众多高算力需求行业的关注。然而，量子计算 机能否解决行业真实问题，能否超越经典计算性能，哪些因素制约 量子计算应用，未来商用还需要在哪些方面补足功课，这都是产业 面临的开放性问题。本报告以部分行业计算需求为参考，提出量子 计算应用能力指标体系与评测框架，探讨评测基准、方法和标准化 需求，旨在为量子计算应用破局储备方案与工具。 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？ 图 1 量子计算应用能力三要素 回答上述问题，需要明确：1）计算问题的真实需求边界；2） 量子计算应用能力指标与评测研究报告（2024 年） 2 量子计算机的真实计算能力边界；3）部署环境的刚性需求边界。 然而，当前阶段去实现这一目标并不容易。原因包括：一是当 算 机（FTQC）推进。我们相信量子计算能力在提升，但我们希望有 一个方法能够研判出真实计算问题算力需求与真实量子计算能力之 间的差距，以及面向未来能够帮忙寻求消除差距的解决方案。 为此，需要一套较为有共识的、稳定的、适应性强的评测工具与 方法，对不确定的目标进行评测，通过不断的确定→不确定→确定迭 代评测，明确量子计算应用存在的差距，定位存在的问题。对此，业 界已经开展了相关研究

使得实际操作机会的提供成为一项挑战。其次，市场上缺乏一个完 全能够展示量子计算所需工具和设备的产品，这无疑增大了教学难 度。此外，虽然量子计算模拟器和云服务器能解决一部分的量子计 算“答案”问题，但对于学生需要理解与接触的真实量子状态与运行 部分却仍有所欠缺。 另一个重要的问题是，由于大部分经费和资源都集中在量子计 算的研究设备上，教学设备采购经费一般受到一些限制，大多数高 校在供教学的设备方面的供给不足，甚至有一些学校在缺乏设备的 作为|0>和|1>两个量子比特状态，通过发射射频脉冲的方式，可以使 激发自旋量子态，使其在向上和向下的能级之间跃迁，从而实现对 量子比特的逻辑操作。 基于以上原理，搭建一台真实的核磁量子计算机，首先需要制 备合适的分子结构作为量子比特载体，具有多个自旋为 1/2 的原子 核，且互相之间存在耦合关系；然后设计出一套磁体系统，可以提 供均匀稳定的静磁场；最后设计一套高精度的射频信号收发系统， 即可实现整个量子计算过程（如图 量子信息技术应用案例集（2024） 5 相比于其它体系（如超导芯片、离子阱等），核磁共振技术已经比较 成熟，可以做到体积和重量的小型化；2）性能更加稳定，机器自带 一键校准量子比特参数的功能，不需要专业维护，降低使用成本；3） 开放底层的脉冲控制，使用自定义的射频脉冲操控量子比特，不仅 仅局限于逻辑门层级的量子线路编程；4）可以获取原始的量子信号 数据，从实验数据上观测量子比特的演化规律；5）支持一套完备的

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 新技能等方面进行一系列前期投资。而重中之重就在于 如何构建信任。 埃森哲调研发现，77% 的受访高管认为，只有以信 任为基础，才能释放 AI 的真正价值。除了负责任地使用 AI 之外，企业领导还需要确保数字生态系统和 AI 模型的 准确性、可预测性、一致性、可追溯性，以赢得客户和 员工的信任。在技术层面以外，人们希望 AI 能够按照我 们的预期公平、无偏见地工作，这一点非常重要。 我们 的新篇章，为企业带来近乎无限的 创新和增长机会。如今， AI 技术渗 透到方方面面，推动企业实现更高 水平的自动化，并将增强企业通过 技术、数据及 AI 重塑的能力。然而， 这一趋势也带来了新的挑战。企业 需要在拥抱 AI 的同时，建立对技术 的信心，并重新思考信任的定义和 实现方式。 AI 领域的竞争热潮已成为不可否认的全球趋势。 这种情景似曾相识。1997年，国际象棋大师加 里·卡斯帕罗夫（Garry