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 电系统作为核心基础设施，其在经济性、可持续性、灵活部署与高可 靠性等方面面临更高要求。传统通过列头柜+电缆进行机房配电的方 式，因结构固定、布线复杂、扩展困难等问题，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。 率已从10kW、15kW提升至20kW、50kW，部 分应用场景甚至突破100kW，传统电缆在长时 间高负载运行下的安全风险持续加剧。 其次在 IT 设备迭代周期不断缩短的前提 下，系统灵活性不足：回路调整难以主路不断 电状态下灵活实施；同时，双路电源配置与加 粗电缆占用大量布线空间，既影响制冷效率， 也增加了后期维护难度。 再次，传统电缆方案材料消耗大，废旧电 缆回收处理困难，碳排放与环境压力大。而母 配模块化、工厂预制的部署趋势。 最后，空间利用率偏低：列头柜占用机柜 位，在空间资源紧张的场景下，无法适适应高 密度建设需求。在此背景下，机房配电母线作 为更高效、灵活的替代方案，正逐步成为行业 主流选择。 传统数据中心配电架构在功率密度攀升的 行业趋势下，其可靠性不足、灵活性欠缺、运 维复杂、部署迟缓以及耗材多、难回收、碳排 放高和空间浪费等问题日益凸显，已成为制约 数据中心（特别是 AI 智算中心）高效发展的关

需求。随着深度学习和自然语言处理技术的突破，许多企业意识 到，通过利用大模型，可以显著提高产品的智能化水平，提升效 率，降低人力成本。与此同时，作为一种新兴的商业模式，软件即 服务（SaaS）平台的兴起，为企业提供了灵活、可扩展的解决方 案，使其能够在传递人工智能价值的同时，降低技术门槛。 大模型 SaaS 平台的核心在于能够将复杂的人工智能模型转化 为易于使用的服务。这种服务不仅允许企业根据自身的需求定制化 感分析、 自动创作等多种应用，为企业提供了新的商业机会和解决方案。 随着云计算的普及，企业对软件即服务（SaaS）模式的需求不 断增加。SaaS 平台作为一种灵活、高效的应用交付方式，能够降 低企业的 IT 成本，提高业务的灵活性。将大模型与 SaaS 结合，形 成大模型 SaaS 平台，不仅可以使企业快速构建和部署人工智能应 用，还可以借助云端计算的优势，实现大规模的数据处理和模型训 务效率，改善客户服务。 2. 开发成本的降低：利用 SaaS 平台，企业无需从头开发和维护 复杂的 AI 基础设施。 3. 自定义功能的需求提升：各行业对 AI 方案的定制化需求增 加，SaaS 平台可以灵活支持不同业务场景。 4. 政策支持：全球范围内，许多国家和地区已经将人工智能作为 战略重点，相关政策的出台为行业发展提供了良好的环境。 5. 技术的成熟度提升：随着深度学习、自然语言处理等技术的进

采用高速相干彩光模块（如 400G/800G ZR+、1.6T 模块）作为 IP 层直连接口，实现无电中继的长距离传输，构建从路由器到光层的 透明链路。 2.确定性网络增强机制 基于 SRv6+ODU/OSU 灵活复用，实现业务粒度切片（vlan/roce 等）与路径稳定转发保障，支持微秒级时延控制，适应 AI/工业/金融 等场景对稳定性、低抖动的极致要求。 3.广域光电融合调度能力 结合统一控制面（如 格要求。 数据中心等网络设施能耗巨大，传统电交换网络能耗较高。光电 融合网络在光传输部分能耗较低，有助于降低网络整体能耗，符合绿 色节能的发展趋势。 光电融合网络则打破这一壁垒，提升网络资源灵活调度能力、降 低网络架构复杂度，实现面向智算场景的泛在连接能力，其意义主要 体现在： 支撑数字经济：为 AI 训练、算网协同、大数据处理等业务提供 高效、高可用底座；为智能制造、智慧城市、智慧能源等多个领域提 二、 光电融合网络技术 2.1 技术体系架构 光电融合技术通过将 IP 路由和光网络功能集成在一个统一的架 构中，减少了中间设备的数量和复杂性，减少了网络层级，使得网络 管理更加简便，调度更加灵活，优化了资源利用率，提升了业务发放 速度。 图 1. 光电融合网络系统架构图 光电融合网络采用分层解耦、融合重构的技术架构。其核心结构 包括三层： 硬件层：由具体的光电融合硬件组成，包括彩光引擎线卡、彩光

冷却介质的降温，服务于多台机柜的冷量分配单元。 5) 水氟双冷源列间空调 Dual Cooling Row 一种结合水冷与压缩机制冷双冷源系统的列间空调设备，通过两套冷源系统 协同工作灵活运行，最大化利用自然冷源，实现高效节能。 6) 解耦型液冷机柜 Decoupling liquid cabinet 用于放置计算节点及交换节点，并提供节点运行所需的供电、冷却等环境条 件的 算需求增长趋 势明显，功率密度持续上升，制冷系统由单一制冷方案演变为多元化制冷方案，液冷 技术需求旺盛。算力需求高速发展为基础设施、建设方案带来的多方面的不确定性变 化，因此需要更为高效节能、灵活快速、低成本的基础设施建设方案以应对市场变化 的不确定性，加快完善数据中心领域的建设布局。 智算中心对基础设施的需求和商业模式有别于现有数据中心建设模式，需要结合 业界前沿，打造出适应高性能 设，以适应客户项目灵活部署。 针对需求，基于冷板式液冷系统自主开发出液冷云舱产品，能够弹性适配新建及 改扩建等不同类型的场景，实现预制化、模块化、灵活部署和快速交付。 2. 液冷云舱建设方案的优势 液冷云舱的建设方案采用兼容列间空调和液冷 CDU 的多元化方案，以实现制冷 量的按需匹配，达到节能降耗的需求。通过风冷、液冷两类管道预留，实现制冷模式 的灵活适配，风液混合部署，提

一键发起模型训练 模型训练 内置 DS 全系模 型 客户专属模型 客户专属模型 混元系列模型 混元系列模型 TI 平 台 模型服务 腾讯云 TI 平 台 大模型模型训练和推理开发平台，灵活精调和部署私有 DeepSeek 训练 部署 应用 数据中心 分布式推理： 解决大参数量模型部署，提供超长上下文窗口 内置推理加速： 全新升级 Angel 推理加速能力，加速比可达 2 倍 腾讯云 TI 平台产品核心能力 面向实战的一站式大模型精调部署解决方案 AI 建模部署 大模型精调 u 快速试一试： 零代码一键部署大模型，网页问答体验推理效果 u 精调训练： 低代码、灵活自定义两种精调模式自由选择 多种训练工具：具备周期调度能力的可视化建模，低门槛深度学习场景化 工具，交互式代码开发工具，专业的通用任务调度工具 分布式稳定训练：支持多机多卡大规模训练，故障自动重启续训 Angel 推理加速 指标监控 鉴权 / 限流 流量分配 实时掌握服务性能、调用量、资源消耗等关键指标 自动调度符算力资源，弹性灵活应对业务峰谷 HPA 扩缩容 定时扩缩容 组合扩缩容 提供多种扩缩容策略，满足不同场景的灵活资源需 求 纳管资源组 按量计费算力池 大模型专属 GPU 算力 包月独享 核心收益 长上下文 (64~128K) 超大模型启动加速

工作空间中安全地进行直接 交互或合作的机器人。协作机器人是工业机器人领域新的分支，与传统的工业机器人相比，协作机器人更强调安全 性、易用性和灵活性，它们能够适应各种工作场景，通常价格更低，体积更小，对人类来说更安全。 协作机器人具有安全、易用、灵活的特征，主要表现为： 安全性：协作机器人配备有先进的传感器技术和控制算法，如力矩传感器、视觉系统等，使其能够实时感知环境 变化和与人体接触 止对人类造成伤害。 易用性：协作机器人往往具有直观的用户界面和编程方式，使得非专业的操作员也能方便快捷地对其进行设置和 操作，降低了使用门槛。 灵活性：相比于传统固定在某个工作站上的工业机器人，协作机器人通常更轻便且布局更为灵活，可以快速重新 部署于不同的生产任务中，适应小批量、多品种的柔性化生产需求。 基于以上特征，协作机器人极大地促进了人机之间的交互和合作，不仅提升了生产线效率，还能在诸多应用场合中 能够到达空间 中的任意点，具有较好的通用性。这种高灵活性使得六轴机器人被广泛应用于打磨、装配、螺丝锁付、检测、分拣、 医疗手术等环节中。 相对于六轴协作机器人而言，七轴协作机器人增加了“腕关节”，能够允许机器人避开某些特定的目标，同时能够改 变末端执行器的位置，使末端执行器能够更稳定地到达特定位置，从而提高协作机器人的整体灵活性。 大部分厂商以 6 轴协作产品为主，7 轴协作产品主

资源利用率低 5%-10% ★ 硬件成本高 ★ 高能耗 ★ 维护成本高 云交通 智能电力 远程医疗 物联网 自动化制造 云 ERP 业务的发展数据中心更加灵活、 高效，这就要求数据中心运维更 简单，并通过基础设施的虚拟 化，向更为灵活高效的 ITaaS 发展。 虚拟化势必进行 新 IT 环境下数据中心趋势 虚拟化时代？超融合时代！ 公共服务平台部分设计 简化网络架构 vSwitch 平台方案 灵活 多样 高效 便捷 安全 可靠 扩展 性强 方案价值 全面 完整 提供全面完整的无线覆盖、接入方案； 提供完整的无线管理、运营解决方案； 提供完整的网络安全管理、预警处置解决方案； 提供完整的公共服务平台及安全解决方案； 灵活 有效 提供灵活的用户接入、管理、控制机制； 提供灵活的终端安全、平台安全防护机制； 提供灵活的云平台建设、扩容机制； 提供灵活开放的公共服务平台扩展接口； 提供灵活开放的公共服务平台扩展接口； 方案价值 安全 可靠 网络应用进行细分控制 上网行为内容进行深入审计 网络安全管理 L2-L7 精准识别和防护 灵活 多样 方案采用冗余机制保障网络稳定运行； 采用虚拟化的超融合架构进行公共服务平台设计保障 各系统服务高效运行； 灵活边界的无线接入、运维管理、后期运营策略； 方案价值 高效 便捷 多平台融合，可视化管理 日常运维人员学习简单，方便运维 扩展 性强

按需将推理算力向边缘覆盖。 中国电信云化 IP 城域网(简称为新型城域网)具备原生算力业务 高效承载的能力，基于云网 POP 灵活架构以及城域 Spine-Leaf 的 Full-Mesh 组网优势，实现了云边/边边高效协同和算网快速对接。面 向算力业务的长期演进，中国电信通过引入算力灵活调度、算力无损 传输、精准流级调度、网络智能运维等能力，打造以算力为中心、算 网一体的城域网新业态——算力城域网2。当前，中国电信在上海、 训推一体机实现大模型的快速应用。但是，企业本地算力池面临扩容 难、维护成本高等问题，难以满足大模型微调和推理不断增长的算力 需求。因此，通过企业本地算力与云端租赁算力之间的高效协同，以 满足企业算力资源灵活扩展需求，成为更高效、便捷且兼具性价比的 方案。云边协同训推方案基于 Split Learning 部署模式，将模型切分 到本地和云端算力资源池中并行处理，并结合输入、输出层的本地化 部署，保 业务和应用生态。  联接 ToC/ToB/ToH 场景下的海量用户资源，将算力服务和生 态应用引入到千行百业、千家万户。 （2）算网一体、灵活部署  沿用新型城域网模块化组网架构，基于 Spine-Leaf 灵活扩展， 泛在接入各类用户。  算力网关随 AIDC 灵活部署，构建网络和算力资源的标准化对 算力城域网白皮书（2025 版） 14 接模型，实现网随算动。  基于 SRv6/EVPN/网络切片等

助力行业企业智能化升级 系统特征 AI 技术从单点能力突破迈向系统能力创新 超节点技术产业生态发展格局 基础特征：大带宽、低时延、内存统一编址 超大规模 扩展特征：多级缓存池化、资源灵活配比 超高可靠 灵活切分 大模型计算基础设施的挑战 小结 小结 CONTENTS 目录 超节点发展报告 02 当我们站在人工智能大模型技术飞速发展的十字路口，一个清晰的趋势已然浮现：大模型正沿着 节点发展报告》深刻阐述了，必须从单纯的硬件聚合，迈向以“系统工程”思想为核心的创新构建。 超节点通过超高带宽互联、内存统一编址等关键技术，实现了计算、存储、网络资源的深度融合与 高效协同，其大规模灵活组网与高可靠运行的系统优势，是构建稳定、高效、易用的新一代算力系 统的必然路径。超节点是支撑未来复杂 AI 计算任务的关键基石，本发展报告对其技术内涵与应用价 值的系统梳理，对产业生态发展具有重要的指导意义。 术栈——从底层的 AI 处理器芯片，到 核心的互联技术，再到上层的编程模型和软件库——端到端控制，来实现最优的性能和效率。在这 种模式中，互联协议本身是闭源的，用户面临严重的厂商锁定风险，选择和灵活性受到极大限制， 并且通常需要承担高昂的成本。 第二种是由其他芯片巨头、云服务商和大型科技公司组成的“协议开放”模式。其核心战略是以 “兼容性”和“选择权”来对抗“封闭性”，旨在构建一个基于开放标准的、更加多元化的生态系

非本地推理的需求。因此，当前面临的突出问题是如何解决东部地区本地推理 的区域性绿电缺口，以及如何提高跨区域的绿电消纳能力。 与其他负荷相比，计算具有独特的灵活性，能够将其能源消耗迁移到远距离。 计算还可以利用多种基于软件的容错技术。因此，计算的多个维度的灵活性， 让它可能去“寻找”到稳定和便宜的绿电。 第三章： 中国省级电力碳排因子下降预测 来源：生态环境部及其环境规划院，未尽研究，环球零碳 说明：2035 中国智能算力与绿色电力之间的供需矛盾，既是空间分布不平衡的矛盾，也是 时间分布不平衡的矛盾。但算力的任务具备灵活性，可以在不同的数据中心和 算力集群之间进行调度，跨越不同时区，也意味着抹平了绿色电力在时间分布 上的峰谷起伏。从火电时代到绿电时代，源随荷变需要转变为源荷互动。 波动的源与灵活的荷可能实现匹配，这就需要调度智能算力与清洁能源的“智能” 体系。除了在一些绿电禀赋较好的地区先行之外，全国来看还需要建立起新型 过了传统 电网的混合供电，它的碳因子还取决于电网上其他能源的碳排放；经由传统电 网的绿电交易，则可以弥补当地绿电间歇性的波谷。这还需要储能、配电网、 微电网的配套体系。 智算中心的荷，具备可灵活调度的特性。相比工业与交通等其他绿色电力的新 兴负荷部门，它甚至具备在物理空间上长距离调度的唯一性。这种长距离调度 算力任务的成本，低于对能源或电力的调度。 第四章： AI 改变能源 智算如何引领新型电力系统