未来网络技术发展系列白皮书（2025） 分布式算力感知与调度技术 白皮书 第九届未来网络发展大会组委会 2025年8月 版权声明 本白皮书版权属于中国铁塔股份有限公司和江苏省未来网络创 新研究院所有并受法律保护，任何个人或是组织在转载、摘编或以其 他方式引用本白皮书中的文字、数据、图片或者观点时，应注明“来 源：中国铁塔股份有限公司、北京邮电大学和江苏省未来网络创新研 究院”。 随着算力网络的飞速发展，算力资源呈现出泛在化、异构化、分 布化的显著趋势。如何高效感知、协同调度这些广泛分布且动态变化 的算力资源，以支撑日益复杂的智能应用需求，已成为推动产业数字 化转型和智能化升级的关键挑战与核心技术方向。 本白皮书首先详细阐述了分布式算力感知与调度的背景、需求、 体系架构以及关键技术，同时介绍了该技术在远程医疗、智慧城市、 大模型分布式训推以及云游戏等领域的典型应用场景，并探讨了当前 当前 技术落地、基础设施建设与改造以及标准化建设面临的挑战和发展建 议。 目前，工业界和学术界对分布式算力感知与调度技术的研究尚处 于起步阶段，并仍处于快速发展之中，新的架构、算法和应用模式不 断涌现，本白皮书作为阶段性研究成果，还存在需要不断完善的地方， 真诚地企盼读者批评指正。 II 目 录 前 言.......................................

基于互联互通的统一“一张网”，采用分布式构架建设数据资源，形成统一的自然 资 源“一张图”，基于分布式国土空间基础信息平台管理“一张图”，并在其支撑 下构建 各类业务应用。 提供应用服务基础支撑，不断完善分布式体系下的用户统一访问 入口，保证高并发 访问的安全、高效、稳定，为构建调查监测评价、 监管决策、政务服务等业务应用 提供技术支撑。 推进大数据处理服务等云基础服务设施建设，构建统一的分布式数据库资源池和大数据 和大数据 服务平台，提供统一的数据存储和大数据分析处理服务。 建成覆盖土地、地质矿产、测 绘、海洋等多节点的分布式自然资源云数据中心运行体系。 31 处 P4 分布式 GIS(Distributed GIS) 新 一 代 三 维 GIS (Three Dimension GIS) 大 数 据 GIS (Big Data GIS) 人 工 智 能 GIS (AI Platform P5 分布式空间数据引擎技术 云 原 生 GIS 技 术 边 缘 GIS 技 术 分布式 NoSQL 数据 库 空间区块链技术 Fabric IPFS 分布式空间分析与处理技术 GeoAI 经典空间数据分析处 理 端 GIS 组件端 Web 端 移动端 桌面端 分布式文件系统 分布式 SQL 数据 库 空间大数据分析处理 分布式 Geoprocessing

项目编号： AIGC 生成式大模型医疗场景应用可行性 研 究 报 告 目 录 1. 引言...............................................................................................................6 1.1 背景介绍....................... .......................................................................................11 2. AI 生成式大模型概述..................................................................................12 2.1 定义与特点 .......................................................................................15 2.1.1 生成式模型概念.........................................................................16 2.1.2 大模型的优势.......

摘要 2024 的医疗 AI，既是坎坷，又是新生。 快速发展的大语言模型，携着生成式 AI 掠过医疗领域。过往的互联网医疗、医学影像、 新药研发……一个一个场景经由新一代 AI 重塑，焕发出前所未有的价值。 不过，发现价值并不意味着能够掘得价值。如今惨淡的融资形势下，躬身大模型的企业 们无法像深度学习时代那样随意试错。有限的现金流，意味着每一家企业必须全面考察 场景、技术、风控、商业化等方方面面，才能做出决定。 亿的营收规模，迈向第一个 10 亿。 2. 超 160 个影像 AI 获批医疗器械三类证，影像 AI 企业们逐渐跳出影像科，向医学装 备、外科手术辅助系统等领域进发，打开了新的百亿市场。 3. 生成式 AI 对于医疗 IT 的重构已经初现成效。上百个大模型涌入医疗领域，许多 互联网医疗、院内信息化系统已经引入相关技术，或能在明年实现规模化落地。 4. 下行经济形势下，医健企业一级市场融资受阻，IPO ...............................46 第四章：大模型之下，生成式 AI 何以颠覆医疗？.....................................................................48 4.1 前沿技术：从判别式 AI 到生成式 AI............................................

间 资料来源：中文大模型基准测评 2024 年度报告 (2025.01.08) 深化期 ·OpenAI 发 布 0 1 , 强 化 学 习 新 范 式 ， 实现推理等复杂能力上的重大突破。 Claude3.5-Sonnet 发 布 ，在 代 码 和 Agent 能力上掀起效率革命。 · ChatGPT 上 线 实 时 视 频 能 力 ，深 入 GLM-4-Plus 等系列模型综合能力上持续 提升。 × 繁 荣 期 OpenAI 发 布 Sora, 极 大 拓 展 了 AI 在 视 频领 域 的想 象 力。 · GPT-40 、 CIaude3.5 、 Gemin11.5 、 Llama3 发 布 ， 海 外 进 入“一超 多 强 ”的 竞 争 格 局 。 · 国 内 多 模 态 领 域 进 ·Llama2 开 源 ，极 大 助 力 全 球 大 模 型 开发者生态 。 ·GPT-4 Turbo 、 Gemini 等 海 外 大 模 型 发 布， 继 续提 升 模型 性 能。 ·Midjourney 发布 5.2 Stable Diffusion XL 发布 国内闭源大模型快速发展。 豆包、混元、 商量 3.0 、盘古 3

S0980522090001 l GPU 是人工智能时代下满足深度学习大量计算需求的核心 AI 芯片。 过去五年，大型语言模型的参数规模以指数级增长；从 2018 年起， OpenAI 开始发布生成式预训练语言模型 GPT 以来， GPT 更新换代持续提升模型 及参数规 模； 2022 年 12 月， OpenAI 发布基于 GPT-3.5 的聊天机器人模型 ChatGPT ，参数量达到 1750 速计算平台，并且完善针对 AI 加速计算及数据中心的 GPU 、 CPU 、 DPU 三种芯片产品结构。 AI 布局方面，早在生成式 AI 变革初期就已参与并与 OpenAI 、微 软合作。 2023 年 3 月，英伟达在 GTC 大会上推出 4 个针对各种生成式 AI 应用程序进行优化的推理平台，其中发布带有双 GPU NVLink 的 H100 NVL 加速计算卡， 以支持 ChatGPT 网络结构示意图 资料来源： AI 有道，国信证券经济研究所整理 lChatGPT 引领全球人工智能浪潮，人工智能发展需要 AI 芯片作为算力支撑。从 2018 年起， OpenAI 开 始 发 布 生 成 式 预 训 练 语 言 模 型 GPT 以 来 ， GPT 更 新 换 代 持 续 提 升 模 型 及 参 数 规 模 ， 当时 GPT-1 参数量只有 1.17 亿个。 l2020 年， OpenAI

引发自主性和控制问题的伦理讨论 优势领域 函数调用、信息抽取、文本生成、创意写作、多轮对话、复杂角色扮演、打标、开放性问题，多样性高的 任务 数学推导、逻辑分析、代码生成、复杂问题拆解，逻辑密度高的任务 提示语 需显式引导推理步骤 提示语更简洁，只需明确任务目标和需求 适用场景 （功能点粒度） • 客服场景：做话术理解与意图分类，以及简单问题的回答；且时效性要求高 • 信息打 p S e e k 成 立 发 布 总 参 数 达 6 7 1 0 亿 的 D e e p S e e k - V 3 ， 采 用 创 新 Mo E 架构和 FP8 混合精度训练， 训练成本大幅降低 发 布 新 一 代 推 理 模 型 Dee p See k- R 1 ，性 能 与 Ope nA I 的 o 1 正 式 版 持平 ，并开源 至 1 pSeek L L M ，包括 7 B 和 6 7 B 的 base 及 chat 版 本 2 0 2 3 年 1 1 月 2 日 首个开源代码大模型 Deep Seek Code r 发 布 ● 2 0 2 5 年 1 月 2 0 日 2 0 2 4 年 1 2 月 2 6 日 9 DeepSeek“ 国运级”产品现象 DeepSeek 之所以被称作“ 国运级”产品 ，主要是因为它在

······································· 35 6 电力 ······················································· 37 7 酒店布草··················································· 38 8 医疗 ······················································ 中国电力市场 RFID 标签出货量分析（单位：亿个） ······ 38 图表 37 中国酒店布草市场 RFID 标签需求潜力分析 ··············· 39 图表 38 中国酒店布草市场 RFID 标签渗透率分析 ················· 39 图表 39 中国酒店布草市场 RFID 标签出货量分析（单位：亿个）··· 39 图表 40 中国医疗市场 RFID 第二种常见的就是采集太阳能 / 光能供电，太阳能供电可以获取较大的电能，但是系统较复杂，成本高，在某些场景 适用，但是对于大规模，低成本的物联网应用场景而言，明显是不适用的。 第三种，就是按压式发电，通过机械力改变材料的形变而产生电流，这种方式也有一些比较适用的场景，比如说开 关，遥控器等，但这种需要直接动手的方式，在大多数的场景中也不适合。 IOTE 2026 深圳展 2026 年 8