开放数据中心标准推进委员会 ODCC 2025年9月 基于预制模块化数据中心场景的冷却 系统智能调优技术报告 [编号 ODCC-2025-06005] 版权声明 ODCC（开放数据中心委员会）发布的各项成果，受《著 作权法》保护，编制单位共同享有著作权。 转载、摘编或利用其它方式使用 ODCC 成果中的文字或 者观点的，应注明来源：“开放数据中心委员会 ODCC”。 对于未经 中国信息通信研究院 付正全 北京世纪互联宽带数据中心有 限公司 徐辉 上海艾克森股份有限公司 侯和涛 山东大学 马凤英 齐鲁工业大学 詹振乾 上海热泰能源技术 万鹏 浪潮通信信息系统有限公司 高峰 浪潮通信信息系统有限公司 马晓腾 浪潮通信信息系统有限公司 郭玉峰 浪潮通信信息系统有限公司 吴佩文 江苏鸿鑫智能制造有限公司 李涵之 北京世纪互联宽带数据中心有 限公司 凌滢 山东能源集团建工集团有限公 快经济社会发展全面绿色转型的意见》等政策背景下，数据中心数 字化转型速度加快，节能降碳需求越来越迫切。 传统数据中心冷却系统大多依靠经验设定运行参数，采用人工 调优和局部反馈调节方法实现控制；存在着设定值固定，不随负载、 环境条件变化；各设备之间缺乏信息沟通，运行参数不协同；未考 虑设备的运行效率问题，导致运行能耗高等问题。即便预制模块化 现有产品和技术，也存在类似问题，因此需要制定新的技术规范来

智算中心冷板式液冷云舱技术白皮书 1 智算中心冷板式液冷云舱 技术白皮书 中讯邮电咨询设计院有限公司 2025 年 7 月 智算中心冷板式液冷云舱技术白皮书 2 智算中心冷板式液冷云舱技术白皮书 3 前 言 随着全球算力需求激增， 随着全球算力需求激增，传统风冷散热已逼近物理极限，液冷技术在数据中心领 域近年来保持高速增长。市场分析显示，2025 至 2030 年间，全球液冷数据中心市场 的年复合增长率（CAGR）预计为 19.8%，到 2030 年市场规模将达 240 亿美元，反映 出液冷在提升能效、降低能耗方面的显著优势及其渗透率的加速提升。 这一增长主要由数据中心对高效散热解决方案的需求驱动：一方面，人工智能服 务器和高密度计算部署（如 ·碳 中和”战略下，PUE 标准趋严（如“东数西算”工程强制要求新建数据中心 PUE＜1.25）， 液冷技术能将 PUE 降至 1.2 以下，符合监管要求并获政策鼓励。 未来，随着 AI 技术的不断进步和发展，算力芯片功率的持续上升，液冷技术在 高功率服务器中的应用将发挥更显著的散热能力和能耗优势，从而成为数据中心散热 的主流选择。这一趋势推动全球和中国的液冷市场保持高速增长，尤其在冷板式液冷

数据中心末端配电母线 联合解决方案白皮书 目录 前言 AI智算引领数据中心末端配电趋势变革 1.1 市场需求加速增长 1.2 电气容量需求飙升 传统的数据中心机房配电架构及的挑战及应对 2.1 智能机房配电母线特点 2.2 机架配电母线的典型应用场景 2.3 智能母线系统逐渐普及 2.4 绿色节能及主动运维的需求凸显 数据中心机房配电母线的优势 3.1 新型数据中心机房配电机构 新型智能监控机房配电母线方案 数据中心机房配电母线分类 4.1 固定式机房配电母线 4.2 滑轨式机房配电母线 结语 2 3 4 1 5 7 9 16 16 3 4 4 17 17 19 23 24 24 25 2 随着云计算、大数据以及人工智能等新兴技术的迅猛发展，我国数 据中心产业也迎来了高速增长期。当前，数据中心正朝着大规模、高 功率密度、绿色低碳、模块化建设等方向演进。在这一趋势下，供配 已难以满足现代数据 中心的实际需求。为此，以结构更灵活、扩展更便捷的数据中心末端 配电母线系统替代传统列头柜+电缆模式，逐渐成为数据中心供配电系 统升级的重要路径之一。 西门子始终关注数据中心配电技术的发展，联合突破电气共同编写 本白皮书，对数据中心末端配电母线进行了详细分析，提出了一种新 型智能监控数据中心末端配电母线的架构，以期更进一步推动智能数 据中心末端配电母线的发展和应用。

数字化智能化车间 规划与建设整体设计方案 感谢聆听 10/13/2025

数智化审计调研报告 本报告为中国内部审计协会与北京谷安天下科技有限公司联合撰写，报告中所有文字、 图片、表格均受有关商标和著作权的法律保护，部分文字和数据采集于公开信息，所有权 为原著者所有。任何组织和个人需要经原著者许可，方可以复制或传递本报告的全部或部 分内容，或将本报告内容作为诉讼、仲裁、传媒所引用之证明或依据，以及用于营利或用 于未经允许的其它用途。任何未经授权使用本报告的相关商业行为都将违反《中华人民共 人民共 和国著作权法》和其他法律法规以及有关国际公约的规定。未经授权或违法使用本报告内 容者应承担其行为引起的一切后果及法律责任，原著者将保留追究其法律责任的权利。 版权声明 版权声明 数智化审计调研报告 本报告中的行业数据是原著者通过市场调研、行业访谈及其他研究方法统计分析得来， 仅供参考。因调研方法及样本、调查资料收集范围等的限制，本报告中的数据仅服务于当 前报告。原著者以勤勉的 负责。原著者不对因本报告资料全部或部分内容产生的，或因依赖本报告而引致的任何损 失承担任何责任，不对任何因本报告提供的资料不充分、不完整或未能提供特定资料产生 的任何损失承担任何责任。 免责声明 免责声明 数智化审计调研报告 第一章 调研背景简介 ....................................... 5 第二章 调研结果综述 ...........................

全球数智化指数（GDII）2025 智能跃迁：GDII与数智经济未来 07 执行概要 65 行业洞察：趋势与案例 10 GDII 概览 120 宏观洞察： 迈向可持续数智经济之路 目录 序言 01 执行概要 07 GDII 概览 10 国家数智化发展表现 20 国家洞察：关键发现、挑战与机遇 29 行业洞察：趋势与案例 65 宏观洞察：迈向可持续数智经济之路 131 序言 量化数智化发展进程 当今世界，正经历一场以人工智能为核心驱动力的 深刻变革。新一轮科技革命正在重塑全球经济格 局，并持续为数字经济的发展注入强劲动能。据预 测，到 2030 年，人工智能对全球经济的贡献将突 破 22.3 万亿美元，约占全球 GDP 的 3.7%。随着 全球超过 70 个国家和地区陆续推出人工智能相关 战略，全面智能化已不再只是一道“可选项”，而 是关乎国家未来竞争力的“必答题”。 为协助各国更好地把握人工智能与数字经济发展机 遇，我们联合了来自经济学、社会科学及 ICT 产业 等多领域的专家学者，共同将原有的“全球数字化 指数（GDI）”升级为“全球数智化指数（GDII）”。 旨在度量全球各国数智化发展进程，为政策制定者 提供量化参考。 GDII 的理论根基源于古典经济学家让 - 巴蒂斯特 • 萨伊提出的“生产三要素”理论，即商品价值是由 土地，劳动、资本这三个要素共同创造的，每个要

1 人形机器人标准化白皮书 （2024 版） 3 目 录 前 言................................................................................................................................................................... .....................................................................................27 2.1.5 产业对标准化的需求................................................................................................. ............................47 2.2.10 关键技术标准化需求分析.................................................................................................48 三、标准化现状与需求........................................

适用的法律法规情况下， 本报告亦 ÿ 能由中信建投 ÿ 国际 Ā 证券 p 限公 ø 在香港提供 2 请务必阅读正文之后的免 责条款和声明 2 证券研究报告 行业深度 DeepSeek 如何加速金融业数字化转型 ? —— 数字金融系列深度之一 分析师：赵然 zhaoran@csc.com.cn 021-68801600 SAC 编 ÷ ： S1440518100009 SFC 编 ÷ ： ÷:S1440524080005 本报告的核心逻辑 如何理解 DeepSeek 的出现对于国内金融业数字化转型的价值与意义 ? 一、低成本、高性能。 DeepSeek 通用及推理模型在性能不输头部同类大模型的基础上，成本相较于头部大模型下降至数十 分之一以 下，同时开源、本地化部署特性和蒸馏技术使金融机构无需重资本投入底层模型研发，降低试错成本和二次开发难度，对创新 更加友好。 三、推动生态重构。通过技术普惠加速 AI 落地，将竞争焦点从技术壁垒转向金融数据价值挖掘，推动 AI 能力与金融场景深 度融合， 以数据闭环体系巩固金融领域的场景化优势。 金融机构如何应用好大模型 ? 不断动态沉淀的本地数据及业务逻辑是金融机构利用大模型加速数字化转型的核心胜负手 ; “AI+ 金融”竞争力将取决于能否持续积累吸收高质量业务数据、深化垂直场景认知，并通过迭代形成“数据 - 模型 - 业务”的正向