5.3 4.2 2.2 3.2 4.1.1 4.2.1 4.1.2 4.2.2 4.2.3 2.3 3.3 2.4 前言 大模型对基础设施的挑战 超节点的出现与演进 超节点基础定义与特征 超节点应用案例 总结和展望：迈向未来计算的下一个十年 参考文献 通往通用人工智能之路：最新大模型发展动态 07 07 06 16 21 07 16 21 09 加速人工智能科学计算，服务算法创新 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 能力提出了更高要求。在这样的背景下，超节点的出现成为了面向大模型未来发展的必 然趋势。 超节点并非简单的硬件堆砌，它的实现离不开基础技术、系统能力与可落地性的三方协同。基础 技术是超节点的根基，其具备超高带宽互联、内存统一编址等技术特征，通过近乎无阻塞的高带宽 互联，将数百上千个 AI 处理器编织为一个逻辑统一的高密度计算体，为高效计算提供了底层支撑。 系统能力则是超节点高效运转的保障，它需要具备大

有的技术路线。其中量子通信是利用量子不可克隆原理从物理上实现 绝对安全通信；量子计算是利用量子态叠加原理实现并行运算，极大 提高计算速度；而量子精密测量则是突破标准量子极限进一步提升测 量精度。在实用化的过程中，随着用户和节点数目的增加，很自然地 就形成了量子网络。当网络的覆盖面变得很大，类似于当今全球互联 网时，就形成了量子互联网。所以在将量子信息实用化的过程中，对 量子互联网进行深入的研究和发展是必然趋势。 展计算能力的模 型[23,24]。分布式量子计算机的思想是利用非局域的控制非门来协同 多个小型量子处理器来进一步扩展成为一个更大的量子计算机。如果 在量子网络中执行分布式量子计算，那么多个计算节点之间的非局域 控制非门的执行质量非常关键，其会直接关系到整个分布式量子计算 的计算效率。 23 目前由于受到比特数和门操作保真度等技术的限制，很难实现基 于量子纠错码的大规模量子计算机。所以现阶段处于含噪音中等尺度 由于本书主要聚焦于量子互联网，所以简单介绍与量子网络相关 的分布式精密测量方案。分布式量子传感主要是利用非局域量子关联 来实现对空间分布参数的精密测量，具有超越经典测量极限的灵敏度。 24 较为典型的应用场景为多节点的量子相位估计[30-32]、全球的量子时 钟网络[33]和长基线望远镜[34]等。更多关于量子精密测量和传感的 内容可参考文献[28,29]。这里简单介绍两个应用场景。 图 10. 全球量子时钟网络。

需要建设应急预 案和通报机制。 在设计数据库应急预案时，应从硬件、软件、节点、集群、机房等多个维度进行全面考虑，确保在不 同类型的故障发生时，能够快速响应并恢复业务。同时，RTO（恢复时间目标）和RPO（恢复点目 标）的设定应尽量缩短，确保业务的连续性和数据的完整性。 福建海峡银行总结了硬件故障、软件故障、节点故障、集群故障、机房故障、业务故障、性能故障等 几类应急场景，并在实践中设立了应对措施。 在软件故障方面：需要建立软件的冗余机制，如数据库的多实例部署、数据库的热备机制等。软件 故障发生时，能够快速切换到备用实例，确保数据库的持续运行。 在节点故障方面：需要建立节点的冗余机制，如数据库集群的多节点部署、节点的自动故障切换 机制等。节点故障发生时，能够快速切换到其他正常节点，确保集群的持续运行。 在集群故障方面：要建立集群的冗余机制，如多集群多中心部署、要实现集群自动故障检测和转 移机制等。集群故障 动故障切换技术，确保数据强一致性和业 务连续性。 数据可靠性：经过腾讯核心业务��余年 验证，数据可靠性达到��.�����%。 服务可用性：支持��.���%以上的高可 用性，即使节点故障也能快速恢复服务。 分布式架构设计 �个�以上的可靠性 提供强大的智能化管控、运维系统，凭借 DBbrain 数 据 库 自 治 云 服 务 体 系、 DBbridge 一 站 式 迁 移

状况的基础上，借助统一的度量范式对资源量进行对比与评估，再结 合任务的计算强度、时延要求和数据依赖等特征，以及网络带宽和能 量预算等约束，运用自适应的智能调度算法将大规模的计算任务分散 到不同的计算节点上，从而实现高效的数据处理和分析。本白皮书阐 述了分布式算力感知与调度的背景、体系结构、关键技术、应用场景、 发展建议，旨在为有兴趣了解分布式算力感知与调度相关概念和技术 的研究人员提供介绍与 分布式算力是相对于传统集中式算力（如单一超级数据中心）而 言的算力部署与利用模式，其核心是将一个大的计算任务分解成若干 个小任务，然后把这些小任务分配给地理、网络层级或逻辑上相互独 立的多个节点。这些计算节点可涵盖数据中心、边缘设备（如基站、 物联网网关）、终端设备甚至个人闲置设备等，通过网络连接形成协 同体系，实现算力资源的分布式协同与高效利用。分布式算力并非单 一形态，边缘算力是前者重要组成部分，是分布式思想的一种具体体 依存、紧密结合的环节。“感知”是基础和前提，它指的是系统具备 全面、实时、精准地获取分布式网络中各个计算节点资源状态的能力。 具体而言，感知过程涵盖多维度：首先，系统需自动发现并注册新计 算节点，识别其 CPU、GPU、FPGA 等类型，以及内存、存储容量等基 础属性。其次，通过轻量探针或节点遥测数据，实时监控 CPU/GPU 利 用率、存储占用率、网络带宽与延迟、负载水平、功耗及环境温度等

成就百万数据科学家！ 24 因此，通过图表征学习与聚类相结合的方式进行召回。通过图表征学习将图结构 的节点属性以及结构特征映射到一个节点低维空间，由此产生一个节点特征，然 后再去进行下游的任务，如用户定性即节点分类等。其中，图表征学习的关键点 在于在进行低维的映射当中需要保留原始图的结构和节点属性信息。 DataFunTalk 成就百万数据科学家！ 25 2. 图算法设计的目标 ① 算法的覆盖率和精准度； 由于业务场景更多为动态网络，当新增节点时，如果模型支持增量特征，则不需 要重复训练模型，可以极大的减少开发的流程，节省机器学习的资源，缩短任务 完成的时间。 02 图算法 GraphSAGE 落地及优化 1. GraphSAGE 核心思想 DataFunTalk 成就百万数据科学家！ 26 GraphSAGE 核心思想主要为两点：邻居抽样；特征聚合。 GraphSAGE 的聚合过程实际是节点自身的属性特征和其抽样的邻居节点特征分 的聚合过程实际是节点自身的属性特征和其抽样的邻居节点特征分 别做一次线性变换，然后将两者 concat 在一起，再进行一次线性变换得到目标节 点的 embedding 特征。最后利用得到的目标节点的 embedding 特征进行下游 的任务，训练的方式的可以采用无监督的方式，如 NCE Loss。 2. GraphSAGE 的优点 GraphSAGE 通过邻居抽样的方式解决了 GCN 内存爆炸的问题，同时可以将直推 式学习转化为归纳式学习，避免了节点的

，分别对计算环境、 区域边界、 通信网 络 体系进行管理 ， 实施多层隔离和保护 ， 以 防止某薄弱环节影响整体安全。 u 重点对操作人员使用的终端、 业务服务器等 计算节点进行安全防护 ，控制操作人员行为 ， 使其不能违规操作 ，从而把住攻击发起的源 头关 ， 防止发生攻击行为。 u 分析应用系统的流程 ，确定用户（主体） 和 访问的文件（客体） 客体的安全标记 信息 ， 并依据强制访问控 制策略对 该请求实施策略符 合性检查。 3.1 强制访问控制机 制 3.2 可信计算 u 结构化保障机制—可信计算 可基于可信根对计算节点的 BIOS 、引导程序、操作系统内核等进行可信验证， 并在检测到其可信性受到破坏后进行报警。 在一级基础上，对应用程序等进行可信验证，并在检测到其可信性受到破坏后 进行报警。并将验证结果形成审计纪录 应用层次用户 播出系统不同 采用安全管 证书的组合 服务器节点部署身份鉴别部件， 维人员身份。 播出核心交换机旁路部署运维 鉴别在线运维用户身份。 点用户身份鉴别 ：运维人员对播出控制域工作站 运维 ， 工作站节点部署身份鉴别部件 ，鉴别运维 。 户身份鉴别 ：对应用类 务 节点前端部 应 部件 ，鉴别应用人员 应用业务时必须要通过应用身份鉴别部件的身份

15%以上， 实现“比特”与“瓦特”的时空耦合。政策层面，“东数西算”工程已 明确要求 2025 年国家枢纽节点数据中心绿电占比超 80%， 《加快构建 新型电力系统行动方案（2024—2027 年）》更将算电协同列为新型基 础设施建设的战略抓手，通过源网荷储一体化项目推动“大”“小” 电网与算力节点的双向赋能。产业实践中，青海柴达木 100%绿电算 第九届未来网络发展大会白皮书 算电协同技术白皮书 策体系。2021 年 5 月，国家发改委等四部委联合印发《全国一体化大 数据中心协同创新体系算力枢纽实施方案》，首次提出“东数西算” 工程，在京津冀、长三角、粤港澳等 8 个地区布局国家算力枢纽节点， 明确要求西部节点可再生能源使用率不低于 65%。2022 年 2 月，“东 数西算”工程全面启动，规划建设 10 个国家数据中心集群，展望“十 五五”期间，我国将进一步提升可再生能源的利用比例，到 2030 年算电协同国家政策规划的最新进展主要体现在顶层设计 的深化与试点示范的加速落地。根据《加快构建新型电力系统行动方 案（2024—2027 年）》，算电协同被列为七大试点方向之一，明确要求 在国家枢纽节点和青海、新疆等能源富集区，通过“绿电聚合供应” 模式提升数据中心绿电占比，并探索算力负荷与新能源功率联合预测、 柔性控制等技术，以降低电网保障容量需求。国家能源局 2025 年 5 月发布的《

能为大数据分析审计提供支撑，在国产算法升 级过程中， 需完全兼容现有数据，保证各系统数据的继承性。 证书业务兼容。PKI/PMI 系统算法升级后，不能影响各市、区、县或其他行业 XX 如边 防、消防等节点的证书业务，保证 XX 国密算法数字证书的分阶段应用。 业务访问兼容。 PKI/PMI 系统国密算法升级后， 不能影响现有全国 XX 用户对信息系统 的业务访问。 安全改造接口兼容。为降低对 2 准入网关 复用用户汇聚节点安全准入能力。 用户汇聚节点 (路由交换设备) 在客户端形式多样的网络环境中，由于不同客户端支持 的接入认证方式有所不同，有的客户端只能进行 MAC 地址认证(比如打印机终端) ，有的客 户端进行 802.1X 认证，有的用户主机通过 Web 访问进行 Portal 认证。为了灵活适应这种网 络环境的多认证需求，用户汇聚节点 (路由交换设备)应支持多认证的统一部署方式， 接入。 2.3.3 安全检测 2.3.3.1 复制分流器 IPS、流量分析、沙箱检测、数据防泄漏等各类检测设备针对流量的安全检测需求， 可 通过配置一台高性能的 TAP 复制分流器对重要的网络节点镜像的流量进行采集和复制，把 流量均衡分散到多个出接口， 转发给 IPS、流量分析、沙箱检测、数据防泄漏等各类检测设 备的安全检测引擎进行数据分析，维持同源同宿， 保证用户数据和会话的完整性。

1.2 产业驱动经济升级 卫星互联网承载网正以“空天地一体化”架构重构产业生态，深 度融入国家“东数西算”与“算网能一体化”战略布局。通过卫星制 造、火箭发射、激光通信等核心技术的跨域协同，天基节点正成为绿 色算力网络的空间支点，驱动海洋经济、跨境贸易等产业向智能化、 低碳化跃迁，为区域经济联动注入新动能。产业链协同推动卫星制造 与火箭技术突破，如蓝箭航天完成火箭垂直起降回收验证，银河航天 为核心 节点，依托星间链路和星地链路，将分布在轨道各处的卫星节点与地 面信关站、高空平台等通信节点紧密连接，构成独立于地表的骨干通 信网络。与地面互联网中的光纤骨干网类似，卫星互联网承载网直接 决定了卫星互联网的通信能力上限，其性能优劣关系到系统能否真正 实现全球覆盖、低时延和高可靠的服务目标。 图 2-1 卫星互联网架构图 2 卫星互联网承载网的结构由在轨卫星、地面节点和多类型链路共 路共 同构成。在轨卫星既包括低轨卫星，也包括中高轨道的区域中继节点， 它们通过高速星间链路形成一个动态的网状拓扑。这些卫星节点不仅 仅承担信号转发的作用，还具备一定的路由计算、缓存和处理能力， 使得网络在链路变化频繁的空间环境中依然能够保持高效的数据调 度。地面节点主要由信关站和核心骨干节点组成，前者承担卫星与地 面网络之间的数据注入与卸载，完成物理层和链路层的对接，后者则 与地面核

边边协同 ) 边缘算力服务 边缘云 基础设施底座 计算 边缘安全 边缘计算节点 加速 应用 边缘实例 (CPU/GPU/ARM ) 边缘渲染 边缘智能 AI 推理 规则引擎 离线渲染 实时渲染 数字证书 WAAP SASE 数据管理 边缘应用 服务 云边管理 边缘计算节点 火山引擎边缘云：新一代算力底座——边缘计算云平台 高性能边缘硬件（ X86 、 NVMe 、 100G/25G 智能网卡、 GPU ） 全国覆盖的边缘节点 优质专线（单线、多线） 服务 发现 存储 组件 边缘云原生操作系统 组件 管理 生命 周期 自定义 镜像 镜像 构建机 边缘智能 多级架构 回源管理 高性能边缘硬件 (X86 、 NVMe 、 100G/25G 智能网卡、 GPU ) 全国覆盖的边缘节点 优质专线 ( 单线、多线 ) 火山引擎边缘云：高效内容分发与加速网络