未来网络技术发展系列白皮书（2025） 东数西算算网协同调度 业务场景白皮书 第九届未来网络发展大会组委会 2025年8月 版权声明 ● 本白皮书版权属于紫金山实验室及其合作单位所有并受法律保 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：紫金山实验室等”。 否则将可能违反中国有关知识产权的相关法律和法规，对此紫金山实 验室有权追究侵权者的相关法律责任。 加快算网 协同编排调度技术部署应用”、“探索算网协同运营机制”。 实际上，自 2019 年业界相关研究起步，“算力网”、“算力网络”、 “算力互联网”等概念层出不穷，“算网协同”、“算网融合”、“算网 ●一体 ”等路线众说纷纭。为科学推进全国一体化算力网、有效实践算 网协同，务须明确“算力网”和“算网协同”的内涵。 2025 年 4 月，《全国一体化算力网监测调度平台建设指南》（简称 行了阐述，从顶层设计 来看，算力网不是对于多方传统云计算平台进行简单的封装与转售： 使用方式，将从传统的“买算/租算”转为“用算”；渠道特征，将从 传统的“互联网自选下单订购”转为“算力网动态调度消纳”；网络 连接，可基于互联网或专用网络，专用网络相比于互联网可实现更好 的服务质量保障。可以看到，算力网是一种新型的服务模式，是一种 包含了网络、算力、平台的服务能力集合，而算力网络应属于算力网

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”。 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 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 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........................

当前算电协同发展面临诸多现实挑战。在资源匹配方面，算力 基础设施主要集中在东部负荷中心，依赖化石能源供电，而西部新 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 . 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........................................................ 16 2.2.3 算电协同感知模型构建..................... ..................................................................................... 50 5.2.1 智能调度技术从单目标优化迈向多模态协同，推动算力网 络向全域资源动态匹配演进 ...............................................................

习近平总书记提出要建设网络强国、 数字中国、 智慧社会 ，把“智慧社会” 作为建设创新型国家的重要内容 ， 这是党中央从党和国家事业全局出发做出的重要决策 构建智慧水利体系 ， 以流域为单元提升水情测报和智能调度能力 —2021 年《国家国民经济和社会发展第十四个五年规划和 2035 年远景目标纲要》 大力推进数字孪生流域建设 ， 并部署各流域管理机构…先行先试。 — 2021 年水利部召开推进数字孪生流域建设工作会议 产汇流机制约束的深度学习洪水预报模 型 技术成果： 提高模拟精 度 P18 在各类规划规程调度的基础上 ，根据工程调度的需求 ，在流域水利工 程 调度拓扑关系图上 ，针对调度对象和目标 ，可进一步优化水库水闸的 调度方式 不同控制单元 P19 各种水力特性单元开展数值模拟 ， 完整反应洪水调度的物理过程 技术成果： 提高模拟精 度 调度模型精细化模 拟 水工程控制方式 分段模式控制 建立了水文 - 模型算法通用化与标准 化 P23 结合空间地理信息系统 ，基于前处理模块形成的水工程、汇水单元、河网拓扑结构等基础信息 ，确定工 程 调度模型范围 ，以拖拽、链接等绘制或自动生成等方式 ，通过组件的组合和链接 ，形成流域或区域的水 系程拓扑关系图 ，为后续通用调度模型的构建提供数据底板。 水库 水闸 控制断面 技术成果： 提升建模效

2.2 乘客流量预测.............................................................................29 2.2.3 运营调度优化.............................................................................31 2.3 技术需求........ .........................................................................................60 3.3.1 调度优化算法.............................................................................61 3.3.2 资源分配优化.. 技术，实现以下目标：提升公共交通系统的运营效率、减少乘客出 行时间、优化车辆调度、降低能源消耗以及提高系统的整体可靠 性。 首先，DeepSeek 将整合来自多源异构数据，包括车载传感 器、GPS 定位、乘客流量统计、天气信息以及历史运营数据。通过 这些数据的深度分析，系统能够实时监测交通状况，预测高峰时段 和拥堵路段，从而动态调整车辆调度计划。例如，在早晚高峰时 段，系统可以自动增加车次或调整发车频率，确保运力与需求匹

无人驾驶：设置场地区域，全局路径规划，自主行驶 多机协作：可设定多车协调调度，实现园区范围全覆盖 人机互动：可切换有人驾驶，可语音提醒、广播消息 自主保障：五重防撞，自主避障 适用于多种环境，如学校、公园、智慧园区、机场等。 智慧环保：无人清洁车产品特点 精准导航 智能决策 利用卫星定位、惯性 IMU 、激光 雷达及视觉等进行精准定位，实现 全局路径规划，自主调整决策。 智能调度 实况监控 能够对任务执行情况、车辆状 能够对任务执行情况、车辆状 况进行实时监控；通过后台控 制可实现线路实时设置、任务 时间设定以及多机协调调度。 环境感知 自主避障 通过激光雷达及视觉传感 器对环境进行识别，获取环 境实时动态，并依据环境信 息进行调整，针对任务执行 内容采取不同策略。 产品 特点 智慧环保：无人清洁车产品作业流程、基本指标 作业流程 基本指标 智慧环保：无人清洁车产品优势 产品优势 智慧环保：无人清洁车产品优势 智慧物管：可视化平台（指挥调度中心）  基于可视化引擎软件平台和渲染硬件平台，通过 ETL 工具将园区运行整体态势的实时及历史数据，用图形、图像等方式在 现有大屏幕上高清展示。  数据的图形图像高清展示有助于用户形象直观地认知、理解数据含义，有助于数据挖掘和新知识的获取。  能耗分析管理系统、视频监控中心、消防监控中心、绿色管理大数据都通过可视化平台展示 智慧物管：可视化平台（指挥调度中心） 3D

实时监测与预警：通过部署传感器网络，DeepSeek 能够实时采 集水文、气象等数据，并结合历史数据进行智能分析，实现对洪 水、干旱等灾害的精准预警。 - 优化水资源调度：DeepSeek 可以 根据多源数据（如降雨量、水库水位、用水需求等）构建动态模 型，优化水资源的分配和调度，确保水资源的合理利用。 - 基础设 施健康诊断：通过对大坝、渠道等水利基础设施的结构数据进行深 度学习，DeepSeek 能够预测潜在的故障风险，并提出针对性的维 显著改善 此外，DeepSeek 的应用还可以通过可视化工具（如 mermaid 图表）展示数据分析的全过程，为决策者提供更直观的 支持。例如，以下 mermaid 流程图展示了一个典型的水资源调度 优化过程： 通过上述应用，DeepSeek 不仅提升了水利工程的智能化水 平，还为水资源的可持续利用提供了强有力的技术支持。这种技术 的引入，不仅是水利工程领域的一次重大突破，也为全球水资源的 工程在保障水资源安全、防洪减灾以及生态平衡中的作用愈发重 要。传统的水利工程管理方法虽然在历史进程中发挥了重要作用， 但在面对复杂多变的自然环境和日益增长的社会需求时，逐渐显露 出效率低下、数据利用不充分等问题。特别是在水资源调度、洪水 预报、工程安全监测等方面，决策的科学性和时效性亟待提升。 在此背景下，人工智能技术的快速发展为水利工程管理提供了 新的解决方案。DeepSeek 作为一种先进的人工智能平台，凭借其

........10 2. AI 大模型在城市轨道交通的应用场景........................................................12 2.1 运输调度优化......................................................................................14 2.1.1 实时数据分析与决策支持 ...................................................................................83 6.1.1 案例一：智能调度系统..............................................................84 6.1.2 案例二：故障预测与维护.............. 来越多的 挑战。例如，公共交通的高峰时段客流量剧增，导致了拥挤和不 便；车辆调度管理复杂，需实时响应动态变化的乘客需求；安全隐 患在高密度运营下也日益增多。因此，引入 AI 大模型以实现智能 化、高效化的运营管理显得尤为重要。基于 AI 的大数据分析能 力，能够帮助运营方获取更为精准的客流预测，优化车辆调度方 案，提高整体运营效率。 在这一背景下，AI 大模型在城市轨道交通行业的应用方案应围

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 SDN 控制器）实现电信级路径动态调度， 完成全网粒度识别、片段级路径编排与秒级快速发放，支持广域高效 算力连接。 1.2 光电融合网络需求和意义 随着 5G、物联网、高清视频等技术的普及，数据流量呈爆发式 影响了数字经济高质量发展，“东数西算”工程目前还面临“算不了、 算不起、算不好”的问题。要解决这些难题，需构建低成本的智算互 联网，以此支撑我国人工智能、大模型的发展需求，要将数据在不同 地区的算力中心间高效传输和调度。光电融合网络可实现长距离、低 延迟、无损的数据传输，为算力资源的跨区域协同提供支撑。 人工智能大模型训练、工业控制、自动驾驶等新兴应用对网络延 迟要求极高。如 AI 大模型训练中，网络抖动与丢包会严重影响性能， 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

免费策略使中小企业和个人开发者可获取高性能 模型，极大降低AI应用门槛。在制造、医疗、金融等领域，深度学习驱动的预测性维护、医学影像分析、量 化交易等应用，显著提升行业效率。在物流路径规划、电网调度等场景中，深度强化学习可实时响应环境变 化，优化资源分配。在个性化服务领域，通过用户行为数据的深度挖掘，实现千人千面的推荐系统、广告投 放等，提升用户体验与商业价值。DeepSeek算法与芯片深 跨广域网数据传输需求日益凸显。随着分布式AI的发展，跨智算中心互联等广域数据迁移场景中数据传输的 规模越来越大，AI对网络吞吐性能要求越来越高，必须建设分布式一体化算力网络（Scale Outside）实现算 力调度。 当前广域网带宽从100Gbps逐渐发展到400Gbps、800Gbps甚至1.6Tbps，但CPU算力增速已经 远低于网络带宽的增速，网络带宽的剧增对业务发送端和接收端服务器的数据收发处理能力提出了更高要 、低功耗协议栈等技术降低能耗。 2）智算网络关键能力要求 超低时延与高带宽 • 技术路径：采用RDMA技术绕过GPU内核协议栈，结合InfiniBand、RoCEv2优化，如拥塞控制、流 量调度以及端网协同等机制，以及硬件低时延（交换机、RDMA网卡）和直连拓扑等技术，降低端 到端的静态时延（转发及传输）和动态时延（拥塞、排队和重传等）。 • 带宽需求：单端口带宽需支持400Gbps以上，向800G及1