浏览器查看文章） Similar articles recommended (Please use Firefox or IE to view the article) 拟态防御中基于ANP-BP的执行体异构性量化方法 ANP-BP Based Executive Heterogeneity Quantification Method in Mimicry Defense 计算机科学, 2024, 51(11A): 将移动目标防御当成欺骗防御的一部分;文献[４] 中则提出移动目标防御系统可以看作拟态防御系统的一个特 例,它通过一些拟态变换使系统具有动态性特征,但是并没有 应用异构冗余架构;文献[５]中也表达了相似的看法,即拟态 防御思想是将移动目标防御的思想与异构冗余执行体相结合 的产物.从上述研究中的观点可以看出,尽管３种主动防御 技术之间没有明确定义的从属关系,但它们之间却有着紧密 的联系. 现阶段,有关主动防御方面的综述性文章大多是针对单 态 现象,以动态异构冗余架构(DynamicHeterogeneousRedunＧ dancy,DHR)为技术核心,在不改变目标对象功能的前提下, 伪装服务功能外的其他行为,进而动态地改变其攻击面的主 动防御技术[２３Ｇ２５]. ４．２ 动态异构冗余架构 DHR 由输入代理、在线服务集、异构执行体集、异构组件 池、调度器和表决输出器６部分组成,如图４所示.基于异构 冗余原理,构建多套功能相同、结构不同的软硬件组合

联想以混合式基础设施为支点，撬动 AI 全场景落地：万全异构智算平台 3.0 携四大技术创新破局―― AI 推理加速算 法集实现 5-10 倍性能跃 升， 编译优化器降低 15% 训练成本，慢节点自愈系统达成万卡十分钟 级故障 恢复，专家并行算法削减 3 倍推理延迟。这一技术底座更通过联 想万全 AI 一体机实现端到端落地：基于联想自研的联想万全异构智算 平台管理 软件，深度适配问天 WA7785a WA7785a G3 等服务器硬件，凭借调度层、算子层、 推理引擎层三级调优技术，将异构算力利用率提升至行业标杆，为企业提 “ ” 供 开箱即用 的本地化 AI 解决方案，真正实现从技术突破到产业普惠 的闭环。 1 联想算力基础设施非凡箓 ―― Al 大模型算力解决方案手册 本册《非凡箓》浓缩联想智算实践精华：首章揭示 DeepSeek 技术 矩阵如何重构企业竞争力；中篇以多维智能算力匹配、 矩阵如何重构企业竞争力；中篇以多维智能算力匹配、 GPU 内核态 虚拟化、集合通信算法库、AI 高效断点续训、AI 与 HPC 异构集群 调度等九大差异化技术拆解规模化落地密码，完整诠释联想在异构智 算领域的创新成果；终章通过制造、金融等领域的成功案例，诠释软 硬协同如何让 AI 从 " 可用 " 到 " 好用 "。这既是技术手册，更是产业 跃迁的路线图―― 以九层之台起于垒土的坚韧，成鲲鹏击浪从兹始的

北京邮电大学 谢人超、唐琴琴、杨煜天、马霄鹏、汪硕 江苏省未来网络创新研究院 魏亮、方辉、孙玉刚、尹鹏、林枭、韩风、占昊天、王磊 I 前 言 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 到结果返回的最佳路径。 分布式算力感知与调度具有如下几个显著的特征：  异构性：算力节点的硬件类型、操作系统、网络协议存在显 著差异，系统必须能够充分识别并利用这种异构性，将不同 类型的计算任务精准匹配到最适合的硬件上执行，从而实现 4 整体计算效能的最大化。感知系统需通过统一的“算力单位” 实现异构资源的归一化描述；调度系统则需针对不同类型任 务设计适应性的分配策略。  例如优先将任务调度到使用可再生能源的数据中心或能效比 更高的节点，或利用电价谷值进行计算，实现“绿色调度”。 5 分布式算力感知与调度是现代计算范式的核心支柱。它通过构建 全域资源认知神经网和智能调度决策中枢，实现了对泛在、异构、动 态算力资源的有效整合与按需供给。其核心在于全局化资源视图、多 目标动态优化、高度环境适应、跨域无缝协同、智能学习进化以及对 可持续性的深度关切。随着算力网络（CPN，Computing Power

能源富集区却面临算力需求不足的问题，影响了绿电的消纳。在系 统协同层面，算力调度以性能优化为导向，电力系统则以稳频调峰 为目标，二者缺乏统一的优化框架，造成新能源利用率损失 3%- 5%。技术层面，算力系统的异构性与电力系统的波动性难以通过传 统控制模型实现兼容，跨域协同效率低下。这些问题的存在严重制 约了算力产业与能源系统的协同发展。 本白皮书详细介绍了算电协同的发展背景、基本概念、功能架 构、 2.2 算电协同关键使能技术 .................................................................... 14 2.2.1 多元异构算力适配纳管........................................................ 15 2.2.2 多能互补电力协同调度............... 依托国家重大科技基础设施“未来网络试验设施”（CENI），团队构建 了覆盖全国 40 个城市的试验环境，为算力网络创新研究搭建了重要 平台。与此同时，紫金山实验室团队在算网融合基础理论研究方面取 得突破性进展，其研发的支持大规模异构算力调度的核心技术，以及 建设的国家级算力网络试验平台，为行业提供了重要的技术支撑和验 证环境。两个团队通过紧密的产学研合作，共同推动了我国算力电力 协同领域从理论到应用的全链条创新，为“东数西算”国家战略的落

.............. 7 （一） 节点架构重构，驱动算力高效聚合.......................................................7 （二） 异构计算技术，实现算力密度突破.......................................................9 （三） 超低时延网络，破解数据传输瓶颈​ ....... 来源：中国信通院，ODCC 图 4 AI 计算节点组网架构 （二）异构计算技术，实现算力密度突破 “CPU+GPU+专用加速器”的异构架构是支撑多样化 AI 算力的 基础。当前，AI 工作负载已从单一训练任务演变为涵盖训练、微调、 推理及科学计算的多元混合体。CPU+GPU+XPU（专用 AI 加速器如 NPU、TPU、DPU）的异构架构成为选择。架构体系中，各计算单元 分工明确、协同高效。CPU 的全流程定制，实现能效比的提升。 芯片级定制与先进封装技术是突破算力瓶颈的核心路径。随着摩 尔定律放缓，传统单一通用大芯片的发展模式，正遭遇功耗持续攀升 与制造成本高的双重挑战。Chiplet（芯粒）技术作为模块化、异构集 成的芯片设计和制造方法，通过将大型 SoC 解耦为多个功能化、模 AI 计算节点发展研究报告（2026 年） 10 块化的小芯片，显著提升了产品良率并降低了制造成本。同时，技术 突破了

智能影像网关平台 人工智能+医院管理 02 优化资源配置 弥补医院管理漏洞 人工智能+疾病诊断和预测 03 疾病的诊断 疾病的预测 心血管及肿瘤影像 人工智能+医学研究 04 病历结构化处理 多源异构数据挖掘 人工智能+医学影像，重点落地心血管及肿瘤影像 人工智能在医学影像领域目前的应用方向主要有三类，即疾病筛查、病灶勾画、脏器三维成像，涉及脑、眼睛、乳腺、食管、 肺、心脏等多个人体部位。 变量相关性 人工智能的切入主要是利用机器学习和 自然语言处理技术自动抓取病历中的临 床变量，融汇多源异构的医疗数据，结 构化病历、文献，最后生成标准化的数 据库。 人工智能+医学研究，医疗大数据标准化，真正实现“二次”利用 我们所关注的人工智能+医学研究重点应用产品是病历结构化处理及多源异构数据挖掘。 病历结构化处理 基于高质量的前结构化的专病数据平台, 超过90%的内容可以做 到结构化； 正实现“二次”利用 我们所关注的人工智能+医学研究重点应用产品是病历结构化处理及多源异构数据挖掘。 多源异构数据挖掘 我国医院同时运行着过百种医疗信息化系统，这些多源、异构的 系统彼此割裂，各类医疗数据处于孤岛状态，无法得到有效利用。 人工智能企业与医院合作，无须和原系统对接，利用大数据技术 完成多源异构数据的清洗、脱敏、结构化、标准化，使得医院能 够一统形成互联互通的医疗大数据平台。 数据接口输出

/ 批， 影像数据 32 样本 / 批，适配 不同 数据类型。 技术细节： NPU （寒武纪 MLU370 ）专用于电力行业 AI 推理，如设备缺陷识别、实时告警。 架构描述： 构建异构计算架构，涵盖国产 CPU 、 GPU 、 NPU 及国际 GPU ，满足不同计算需求。 国产化适配： 优先采用国产计算设备，提升整体架构 的自主可控性。 预训练配置与训练流程 数量： 30 台 单价： 4 万元 算力指标： 200TOPS 应用场景：变电站数据预处理 计算架构图：采用飞腾 CPU 、昇腾 GPU 、寒武纪 NPU 与 NVIDIA H100 构建异构计算架构，充分发挥各组件优势，满足训练与推理多样化需求。架构图使用 Mermaid 语法绘制 清晰标注国产化组件（红色标识） 突出自主可控技术在整体架构中的应用与重要性 硬件选型与算力集群 散热设计 全自动执行 九天训练平台 平台训练模块提供丰富的算力资源、训练数据、齐全的算法框架和研发工具，支持单机和分布式等多种训练模式。 国产芯片适配 实现对华为昇腾、寒武纪 MLU 等异构计 算 资源的算力资源调度 和模型适配，集成国 产 AI 芯片和算法框架，提升生态多样性 系统性能优异 通过多级系统缓存，大幅度提升小文件 读取效率。通过 GPU 虚拟化，大幅度 提 升利用率，降低使用成本

人工智能辅助决策 人工智能技术平台 / 框架 CPU 集群 云平台 CPU 计算 IP 网络 GPU 集群 GPU 计算 IB 网络 FPGA 集群 FPGA 计算 IB 网络 异构计算 超参数自动化调 优 模型开发 模型训练 模型部署 分类算法 聚类算法 关联计算 回归算法 深度学习 强化学习 迁移学习 语音识别 文字识别 图像识别 虚拟现实 平 台 层 基 础 享。 02 区块链存证技术 利用分布式账本技术记录数据流转全过程，提供不可篡改的 审计追踪能力，增强跨部门协作的透明度和信任度。 03 异构数据融合 通过自然语言处理（ NLP ）和知识图谱技术，将文本、图像、 传感器数据等异构信息结构化整合，形成全局态势感知视图。 04 大数据算法仓库和分析引擎 内容 数据内容 提取 & 分级 数据分 级、组织 和管理 数据分析 & LoRa, NB IoT, WiFi, ZigBee EDGE 异构数据交换 实时流程互动 多活容灾可靠 通过 AI 大模型构建智能决策闭环，实现资源调配准确率提升 40% ，响应时效提升 60% 痛点一：资源信息孤岛 各部门数据标准不统一，资源状态更 新滞后，难以形成全局视图 部署 AI 资源调度中枢，实时聚合 多源异构数据 1 构建动态资源图谱，实现秒级状 态追踪与预测 2 痛点三：协同机制缺失

原有数据集成整合：数据标准 化处理， 异构数据源集成融合 2. 数据分布式管理：各自建设、 统一服务，各数据管理单位作为 分布式存储的一个节点，做好数 据的本地存储管理、汇交和共享， 接入平台； 3. 数据统一应用服务：核心数据 库通过国土空间基础信息平台统 一管理与调度 ； • 多源异构数据集成 • 空间数据高效存储 上云的咨询、评估、 迁 移、优化、运营运维，持续演进的规划设计能 力。 全栈云，为自然资源信息化提供集约化支撑环境 计算资源池 存储资源池 网络资源池 异构资源池 公有云资源池 AI 算法 AI 开发平台 数据湖运营 大数据分析 数据库 容器 企业云化转型咨询 数字化转型咨询服务 云中间件平台 云容器引擎 22 Huawei Confidential 多域协同决策 通用 AI 服务 基础平台服务 数据湖 - 智能化数据底座 异构计算平台（服务器、 Atlas 等） EI DevOps 全栈全场景 AI ，使能信息化智慧升 级 云端智能

三维立体，支撑自然资源管理和对外服务 1. 原有数据集成整合：数据标准 化处理，异构数据源集成融合 2. 数据分布式管理：各自建设、 统一服务，各数据管理单位作为 分布式存储的一个节点，做好数 据的本地存储管理、汇交和共享， 接入平台； 3. 数据统一应用服务：核心数据 库通过国土空间基础信息平台统 一管理与调度； • 多源异构数据集成 • 空间数据高效存储 • 分布式数据库技术 • 时空大数据分析技术 AI开发平台 数据湖运营 大数据分析 数据库 … 技术中台 容器 微服务 企业集成 分布式中间件 边缘容器 … 多级管理 云市场 多云管理 自动化编排 存储资源池 网络资源池 计算资源池 异构资源池 公有云资源池 告警监控 云 安 全 云 备 份 / 云 容 灾 云管理 全栈平台 • 多类型应用云化：提供适配遥感业务场景的， 传统业务、数据业务、创新业务迁移上云； • 平滑架构演进：业务可在虚拟化、私有云、 深度学习 强化学习 图引擎 通用 AI 服务 … 人脸识别 智能问答 图像搜索 HiAI NPU 多域协同决策 … 智能推理 优化决策 决策支持 轻量化服务 智能边缘平台 模型、函数 异构计算平台（服务器、Atlas等） Huawei Confidential 24 安全：端到端保障网络安全与隐私安全 应用安全 平台安全 与 数据安全 联接安全 终端安全 业务连续性