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 ...............................................................

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

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

及各行各业在数字化转型过程对网络、计算、存储等多维资源需求的 驱动，算力网络应运而生。作为一种结合算力和网络资源的新型信息 基础设施，算力网络通过将动态分布的计算和存储资源互联，将网络、 存储和算力等多维度资源的统一协同调度，实现连接和算力在网络的 全局优化。算力网络提供了一种弹性、高效、可扩展的服务模式，使 得海量的应用能够按需、实时调用分布式计算资源，为数字化转型业 务提供更加经济、高效、泛在的算力供给方案。 式等不断涌现，多元业务的不同服务需求对算力网络的自动化和智能 化提出了更迫切的要求。而且算力网络本身也面临着需求碎片化和多 样化、日益增加的系统规模和复杂度大大增加运维难度、算网资源协 同调度等诸多挑战。通过引入 AI（Artifical Intelligence）技术加快算 网智能化已经成为发展趋势和行业共识。新一代智能算力网络正以实 现“L5 等级”的自治为目标进行演进发展。 在的算力资源依托网络进行打通互联、协同调度，并将不同的应用业 务通过最优路径调度到最优的计算节点，在实现用户体验最优的同时， 第九届未来网络发展大会白皮书 服务生成算力网络白皮书 3 保证网络资源和计算资源利用率最优化。 算力网络的核心思想是基于泛在分布的网络实现无处不在的算 力资源，通过构建一张计算资源可感知、可分配、可调度的新型网络 来实现计算任务的统筹分配和灵活调度，算力资源云边端跨域分布和

选择的信号博弈,以及参与者决策、收益都可由微分方程描述 且连续可导的微分博弈. Liu等提出一种 信 号 博 弈 模 型,使 用 博 弈 模 型 和 最 优 求 解算法选取最优策略,并结合容器调度方法进行容器迁移,增 强了云环境下的容器安全性[６０].Sun等为了在时间连续、高 频对抗的攻防过程中进行准确决策,提出一种微分博弈模型, 利用微分博弈的开环纳什均衡求解算法得到最优防御策略, 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,并根 据调度策略进行动态调度,能够增加系统的不确定性,从而提 高攻击者对目标系统发起攻击的难度. 在一些已有的文献综述中,拟态防御系统中的拟态变换 被按照网络层、平台层、数据层等部分进行分类[４ 而是一个以动态异 构冗余架构为核心,在全局行为上进行的变换策略.因此,本 节从 拟 态 防 御 的 核 心 架 构 DHR 出 发,对 DHR 中 的 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部分进行介绍,并详细阐述了不同部分的功能和策略, 从 DHR 架 构 的 角 度 对 现 阶 段 拟 态 防 御 的 研 究 进 行 综 述[２４,２６Ｇ２７]. 图４ DHR

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、 浙江、广东等地围绕海量数据弹性高效入算、存算分离百公里拉远训 练、百公 13 四、算力城域网总体架构 算力城域网是中国电信从云网协同到云网融合战略的具体实践， 通过 "算力”、"云”和”网"在基础设施层的融合，实现"算力”、" 云”和“网”在逻辑架构、资源管理和服务调度方面的逐渐融合，支 撑云网融合的算网产品和服务的持续创新。算力城域网依托新型城域 网的架构优势，构建以算力为中心、算网一体的新服务、新平台、新 形态。 4.1 算力城域网架构设计目标 （1）凝聚算力，共筑生态 （3）算网赋能，使能商业  引入弹性带宽、超高通量、广域无损等新技术，支撑存算分离 拉远训练、跨集群协同训练等创新业务和服务。  基于大象流自动识别与智能调度，实现网络级智能负载均衡， 达到全网资源利用率最优，提升投资收益比。  通过算力业务应用感知和流级精细化调度，支撑差异化算网产 品和服务的商业创新。 （4）智能运维、安全可靠  实现高精仿真，消除因配置差错导致的网络事故。  打造精细化业