浮现：大模型正沿着 “规模定律”不断演进，从预训练扩展到覆盖预训练、后训练、逻辑推理的全流程，其参数与集群 规模实现“双万” 跨越，行业模型落地需求专业化。 传统的服务器集群架构在这场变革中瓶颈愈发明显。千亿级模型一次梯度同步产生的 TB 级数据 让传统以太网带宽难以承受；同时，伴随算力规模扩大，万级处理器带来的故障常态化，对自动化 运维与 RAS 能力提出了更高要求。在这样的背景下， 高效率、高可靠的 单一逻辑实体。它标志着一个全新时代的开启——智算基础设施正从松散组合的算力堆叠阶段，迈 入软硬协同、全局优化的超节点阶段，旨在有效破解超大规模 AI 训练与推理中所面临的扩展性瓶颈、 效率损耗与能耗墙难题，为 AI 的持续创新提供坚实、高效、绿色的算力基座。 为系统分析超节点技术的发展逻辑、技术创新、产业价值以及未来趋势，我院与华为及相关单位 共同开展研究，编制《超节点发展报告》。报告以 注意力模型等，已 成为可扩展模型的核心架构方向。在复杂的混合并行策略下，随着并行规模持续扩大，系统节点间 通信带宽与可用显存容量成为制约大模型可扩展性的瓶颈，亟需计算架构创新以满足未来更大规模 模型训练的需求。超节点架构突破传统互联瓶颈与共享协议限制，不断突破系统性能上限，成为多 样化算力集群技术未来演进的必然趋势。本发展报告系统梳理了超节点技术架构的国内外演进路径 与生态发展格局，清晰

压缩解压缩优化 支持使用 zlib 进行压缩和解压的 Greenplum 版本，使用鲲鹏硬加速模块实现压缩、解压缩算法，结合无损用户态驱动 框架从而提升查询性能。采用 KAEzip 可以在到达硬件瓶颈之前，在同一时间只处理一个请求、IO 占比多的场景下，端 到端的性能提升 10%。 MySQL 并行查询优化 支持 MySQL 8.0.20、MySQL 8.0.25 版本，MySQL 单 SQL MySQL 8.0.20 版本，在 MySQL OLTP 场景下 DML 语句（Insert、Update、Delete）大量并发操作 trx_sys 全局结构体中的关键数据结构，造成临界区的竞争和同步瓶颈。MySQL 无锁优化改造后使用无锁哈希表维护事务 单元，减少锁冲突，提升并发度，可实现 Sysbench 写场景下性能提升 20%。 MySQL 细粒度锁优化 支持 MySQL 8.0.20 具，能收集服务器的处理器硬件、操作系统、进程 / 线程、 函数等各层次的性能数据，分析出系统性能指标，定位到系统瓶颈点及热点函数，给出优化建议。该工具可以辅 助用户快速定位和处理软件性能问题。 调优助手是针对基于鲲鹏的服务器的调优工具，能系统化组织性能指标，引导用户分析性能瓶颈，实现快速调优。 图 3-37 系统性能分析工具 表 3-1 任务描述 任务分类 描述 调优助手 调优助手

AI芯片：人形机器人的“心脏” 2.传感器：感知交互基础 3.电机：执行控制核心 芯片是人形机器人智能的算力核心。在架构创新上，全球企业积极 探索：存算一体架构打破“内存墙”，缓解数据传输瓶颈；神经拟态芯 片模拟人脑神经元工作模式，实现低功耗动态处理；异构计算将CPU、 GPU、ASIC优势整合，提升运算效率。制程与封装技术不断突破，台 积电3nm工艺量产，让芯片性能显著提升；Chiplet技术在国际上广泛 建立跨国合作机制，支持引导人形机器人上游零部件厂商泛化发展，先“生 存活下来”，确保稳定可靠的部件交付能力，与人形机器人整机厂有效协同。 在芯片领域，场景定义硬件能力，重点突破异构计算架构的能效比瓶颈，通 过算法和硬件协同优化降低场景应用的端到端延迟；在传感器领域，重点关 注柔性触觉、六维力控等细分应用，建立多模态感知数据融合的开放协议标 准；在电机领域，发挥供应链整合优势，推动“功率密度+控制精度+成本 作系统碎片化进一步阻碍了规模化效应的形成。为此，未来可从技术协 同、数据闭环与平台生态三大维度系统布局，具体路径包括： 一是构建产学研深度协同生态，突破人形机器人全模态感知与端云 协同技术瓶颈。首先，提升全模态感知能力，攻关端到端大模型。当前 人形机器人大模型在视觉、触觉、听觉、嗅觉的全模态技术储备仍显不 足，尤其是在力反馈和触觉反馈存在显著短板，目前针对复杂感知的建 模能力仍较弱

........................ 47 5.1.2 资源动态匹配，协同控制的核心难题................................. 48 5.1.3 能效瓶颈，电力侧的关键制约............................................. 48 5.1.4 安全与可靠性，交易机制的基础挑战................. ....................................................... 53 5.2.5 量子计算与 AI 大模型赋能调度系统，突破传统优化算法 的算力瓶颈 ............................................................................................... 54 线下发等数据流场景中，有效降低重传率与延迟波动，提升系统响应 速度。 此外，网络还具备资源感知与调度反馈能力。通过网络测量 （Network Telemetry）技术，系统可实时采集链路利用率、时延变化、 带宽瓶颈等信息，反馈给算网调度平台，辅助实现路径重选、任务转 移与资源重配，提升整体算电调度的适应性与鲁棒性。 通过引入确定性与无损通信机制，构建面向算电任务的高可靠网 络基础，可为算电融合提供坚实的连接底座与动态支撑能力。

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 AI 产业具有多个维度的突破性价值 ：通过技术创新突破算力瓶颈、强大的功能性适配更多的 应用场景 ，低成本的优势引发各界关注 ，作为中国本土化产品驱动产业升级 技术创新破解算力瓶颈 架构创新 采用混合专家系统（ MoE ）架构 ，实现 “算力降维打击” ，在相同算力下支持更 大参数规模 ，促进服务生态的整合与协同。打破设备孤岛 ，则要构建开放的通信协议 ，实现设 备的互 联互通 ，让 AI 在多元设备间自由流动。 “ 三个协同”聚焦于端云、软硬和算网的协同发展。端云协同突破算力瓶颈 ，实现计算资源的 灵活分配；软硬协同突破能效瓶颈 ，提升系统的整体性能；算网协同强化计算效率 ，为用户 带 来极致的体验。 “ 三个共同”强调模型算法、 隐私保护、标准共建以及 AI 伦理和行业共治等方面的共同行动。

和定制化配置，以满足不同用户的需求。 为优化数据流性能，系统需引入监控和优化机制：  监控：通过日志记录和实时监控工具（如 Prometheus）跟踪 数据流各环节的状态，及时发现并解决瓶颈问题。  缓存：在频繁访问的数据路径上引入缓存机制（如 Memcached），减少重复计算和数据库查询开销。  负载均衡：使用负载均衡器（如 Nginx）分发数据请求，避免 单点过载。 数据安全是数据库设计中不可忽视的环节。需实施严格的访问 控制机制，仅允许授权用户和应用程序访问数据库。对敏感数据进 行加密存储，并定期备份数据，防止数据丢失。此外，需监控数据 库的运行状态，及时发现和解决性能瓶颈或安全隐患。 在数据库的维护和管理方面，建议采用自动化工具进行日常运 维。例如，使用 Prometheus 和 Grafana 监控数据库的性能指 标，设置告警规则。通过 Ansible 或 Terraform 用情况，删除 无效或低效索引，避免资源浪费。 以下是一个索引设计示例： 最后，索引设计需结合实际场景进行调优，例如通过数据库性 能监控工具（如 Prometheus、Grafana）分析查询瓶颈，动态调 整索引策略，确保系统性能持续优化。 6.4 数据备份与恢复策略 在 DeepSeek 智能体的数据库设计中，数据备份与恢复策略是 确保数据安全和业务连续性的核心环节。为了应对数据丢失、系统

接口：标准化协议，支持外部系统集成  插件机制：允许用户开发自定义功能模块  可扩展数据库：混合存储方案，支持数据分片和负载均衡 最后，系统应具备良好的监控和告警机制，及时发现和解决扩 展过程中可能出现的性能瓶颈或故障问题。通过引入日志分析工具 （如 ELK Stack）和性能监控平台（如 Prometheus），系统管理 员可以实时掌握系统运行状态，确保扩展的平稳进行。同时，系统 应定期进行性能测试和压力测试，验证扩展方案的可行性和稳定 FP16 混合精度训练，减少显存占用并加 速训练过程。 3. 梯度累积：当显存不足时，支持梯度累积技术，通过多次小批 量数据更新梯度。 4. 并行化处理：支持多进程数据加载与预处理，减少 I/O 瓶颈， 提高整体训练速度。 通过以上设计，模型训练模块能够高效、灵活地完成各类模型 的训练任务，为用户提供强大的技术支持，最终实现高质量的人工 智能模型输出。 3.2.4 考评模块 考评模块 整 体系统的稳定性。 最后，建立数据源的反馈机制，通过用户使用反馈与系统运行 日志，不断优化数据源管理策略。例如，针对用户反馈的数据质量 问题，及时调整数据校验规则；针对系统运行中发现的性能瓶颈， 及时进行优化调整。 通过以上措施，可以构建一个高效、安全、可扩展的数据源管 理体系，为人工智能数据训练考评系统的高效运行提供坚实的数据 基础。 4.2 数据采集与存储 在人工智能数据

能极致化的统 一，力求在核心技术上突破时延、带宽、可靠性及连接规模的瓶颈，并通过智能 化手段驾驭网络的复杂性，探索构建坚如磐石、安全可靠且能效优化的智慧运营 体系。同时，智能超表面、通感算融合、大语言模型、深度学习、图智能、智简 通信、量子通信等新一代信息技术的探索应用，为专网注入了前所未有的进化动 能，为突破传统瓶颈、开拓新场景开辟了广阔空间。本白皮书与案例集基于国家 政策及国内外专

务，同时增强银行的风险管理和运营能力。 1.1 项目背景 随着金融科技的迅速发展，银行业务的复杂性和数据量呈现指 数级增长，传统的 IT 系统在处理效率、智能化水平和客户体验方 面已逐渐显现出瓶颈。尤其是在风险管理、客户服务、智能营销等 核心业务领域，银行迫切需要引入先进的人工智能技术来提升业务 效能。Deepseek 大模型作为一种具备强大自然语言处理能力和深 度学习能力的人工智能技术，能够为银行系统提供高效的智能解决 为银行提供强大的智能化支持。 3.3 数据流图 在 Deepseek 大模型与银行系统的集成过程中，数据流图的设 计是确保系统高效、稳定运行的关键。数据流图清晰地展示了数据 在各个模块之间的流动路径，有助于识别潜在的瓶颈和优化点。以 下是数据流图的详细设计： 首先，数据从用户界面（UI）模块输入系统。用户通过银行的 前端应用程序或 Web 界面提交查询请求、交易指令或其他业务需 求。这些请求以结构化数据的形式被传送到 力，确保其在各种复杂场景下的稳定性。 为了确保模型在实际业务场景中的高效运行，还需要进行性能 监控和动态调整。通过部署实时监控系统，跟踪模型的推理速度、 准确率和资源占用情况，及时发现性能瓶颈并调整优化策略。例 如，可以在高负载时段动态调整模型的 batch size 或计算资源分 配，以平衡性能和资源消耗。 最后，模型优化还需要与银行系统的安全性和合规性要求紧密 结合。在优化过

是可流通数据，八成左右是个人隐私、企业机密、国家秘密等不可流通数据。即使在20%可流通数据中，在万维网上真正流 通起来的结构化数据只有4%，而其他16%的图片、音频、视频等多模态非结构化数据，受限于技术瓶颈，尚无法实现在互 联网上自由流通。 数据基础设施正逐步成为数据高效流通的可信安全环境 私 域 数 据 个 人 隐 私 数 据 国 家 机 密 数 据 企 业 秘 密 数 据 道路监控设备 四、与人工智能协同赋能。利用大模型提升数据匹 配与价值挖掘效率，降低智能化应用成本。通过开 源人工智能工具与数场结合，加速数据产品孵化。 数联网需着力向以下三个方向发展： 一、突破隐私计算瓶颈。从提高通信效率和减少数 据计算规模两个维度，提高隐私计算的计算效率， 增强隐私保护能力。 二、增强跨平台互通能力。通过城市和行业数据基 础设施建设试点，结合人工AI大模型，平衡数据供 给 数据区块 默克尔树 哈希函数 非对称加密 突破方向 多方安全计算（MPC）、联邦学习、可信执行环境（TEE）等隐私保护计算技术面临三方面的主要突出问题：一是由于 频繁参数传输增大了通信开销形成了效率瓶颈；二是机密性攻击、完整性攻击和技术局限增加了安全风险；三是数据异质和 模型偏差导致的结果偏差。 针对以上问题，隐私保护计算技术应重点突破以下方向： 一是优化通信效率。从采用参数压缩与选择性传输