支撑大模型创新及云服务场景 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 超节点架构引领技术革新，重构计算能力边界。超节点架构依托高速互联技术，将大带宽的互联 范围，从单台服务器扩展到整机柜以及跨机柜的大规模集群，超节点域内可达百 GB/s 级通信带宽、 纳秒级时延、TB 级超大内存，实现集群能力跃迁。相较“服务器集群”，超节点代表的是弹性、池 化、开放的系统能力：既能以极致吞吐支撑万亿参数训练，也能以低时延满足企业级大规模推理的 刚性需求。 昇腾 AI 坚持架构创新，开源开放，共建产业生态。昇腾 一体化的设计思维，将计算、存储、网络与运维管理深度融合，锻造出高性能、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

28 第一节 全球协作机器人市场发展分析 28 第二节 中国协作机器人市场发展分析 31 第三节 中国协作机器人市场竞争分析 33 第四节 超大负载协作机器人发展概况分析 34 第四章 协作机器人技术发展分析 36 第一节 协作机器人技术发展现状分析 36 第二节 协作机器人核心技术分析 7kg）、中负载（7kg≤L＜12kg）、大负载（12kg≤L＜20kg）、 超大负载（L≥20kg）。 从应用来看，目前轻负载协作机器人凭借较高的性价比以及在 3C 电子、教育科研、商业零售等行业中较高的适用 性占据主要市场地位。中大负载协作机器人则多用于装配、螺丝锁付、包装、搬运、物流、消防救援等场景中。超大 负载主要应用于物料搬运、码垛、机器 看护、大扭矩螺丝拧紧、机床上下料 仓储物流等行业的 快速扩张，超大负载协作机器人的需求开始日益提升。随着超大负载协作机器人入局者的增加，应用 场景的不断拓展，基于成本优势，将在部分场景对多关节机器人形成替代。 图表 1 主要协作机器人厂商产品负载范围对比 企业名称 产品负载范围 轻负载 （L＜ 7kg） 中负 载 （7≤L＜ 12kg） 大负载 （12≤L＜ 20kg） 超大负载 （L≥20kg） 负载

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 独享 GPU 算力集群 私有 API 服务调用 高并发、高可用 企业级鉴权流控 算力投入持续降低 DeepSeek 全系 列 R1 、 V3 满血版 R1-Distill-Llama-70B 高准确的复杂文档解析、切分能力 基于 OCR 大模型，打造的解析引擎，突破图文混排版面分析、 复杂表格识别等文档解析技术瓶颈，支持超过 20 类文档类型。 业界首个支持 200MB 以上超大文档 vs. 业内普遍 100MB 内 丰富的文档类型，超过 26 类 vs. 业内普遍 10 类以内 支持图文混排（多列排版）版面分析 、图文表 / 公式 / 页眉等元素识别 识别精度高、图片元素不丢失 复杂文档解析、切分、检索、推理、生成准确率保持领先 高准确的综合检索能力 上线基于 LLM 的 embedding 模型，多文档信息召回率从 85% 提升到 92% ；混合检索 +Text2SQL 能力，提升超大表格单表 检索及跨表检索准确率， SQL 执行准确率 80%+ Query “ 非智能且在售，并且一级分类是 天棚灯的产品包含哪些 ” 通过 SQL 检索表格信 息 腾讯云 RAG+DeepSeek

药科技有限公司、嘉华药 锐科技(北京)有限公司以及苏州沃臻生物科学有限公司签署战略合作框架协议，进一步加强AI方面能力的建设。 请务必阅读正文之后的免责声明及其项下所有内容 药石科技：开发基于超大成药化学空间的AI药物发现技术平台 24 ◼ 药石科技：公司主要从事生物医药中小分子药物研发 产业链上从药物分子砌块设计、研发、工艺优化到商 业化生产的业务及其相关技术服务。公司从结构多样 库：结 构多样化碎片分子库 (Fragment Library)、DNA编码 化合物库 (DEL)、超大容量特色虚拟化合物库 (Mega- Virtual Library)，同时重点开发建设了独特的基于超大 成药化学空间的人工智能药物发现技术平台。另外公 司还开发了具有优越成药性的超大虚拟动态化合物库， 库容超过700亿。 图：AI对药石科技的赋能 资料来源：药石科技，国信证券经济研究所整理

影视制作 装修设计 数字可视化 渲染场景 资源编排 CPU 云主机 GPU 云主机 高效云盘 VPC 网 络 弹性 IP 火山引擎边缘云 超大规模边缘资源 超高产品性能 超流量场景验证保障 高性能标准硬件资源 NVMe SSD IO 时延 <1 ms 内容分发和加速网络创新 边缘计算节点创新 异构算力 CPU\GPU\ARM 自研高性能实例 PPS>700W 支持自定义限速 多种计费模式 云边镜像 ¢ 键 分 发 带 超大规模的接入点 单节点海量流量承载能力 智能调度 提供质量稳定加速资源 自研的传输优化、智 能缓存、动态路由 边缘渲染 边缘智能 火山引擎边缘云产品创 新 新基础 底座 离线渲染

头提供数据完整性验证和身份认证；封装安全载荷头则用于数据加密 和部分认证。 IPv6 的扩展报头机制在提升协议灵活性的同时，也带来了安全 IPv6 网络安全白皮书 - 9 - 隐患。攻击者可在逐跳选项头中插入超大尺寸的未知选项，如利用“巨 型净荷选项”（Jumbo Payload Option）构造超过 64KB 的数据包， 导致中间设备处理时内存耗尽出现服务崩溃。通过篡改路由头中的地 址列表，将流量 展 报头深度进行检查，例如限制路由头的跳数不超过合理范围，防止恶 意构造超长路径；验证分段头的“分片偏移”和“更多分片”标志是 IPv6 网络安全白皮书 - 10 - 否合规，防止恶意构造超大分片。另一方面，可利用深度包检测（DPI） 技术，对扩展报头的内容进行分析，建立正常流量行为模型。一旦检 测到异常的扩展报头结构、非法选项或数据内容，立即触发阻断机制。 例如，当发现逐跳选项头中存在未定义的选项类型，或选项数据长度 字节以上（不同厂商设备支持的最大 长度可能不同，部分场景下可达 65535 字节）。 IPv6 协议明确支持巨型帧，目的是通过减少数据包分片和重组 次数，提升大文件传输效率，但也成为攻击者的利用工具。当网络设 备处理超大尺寸巨型帧数据包时，如果设备的硬件性能不足或软件处 理逻辑存在缺陷，就会导致设备 CPU 利用率飙升、内存溢出，甚至 出现死机、崩溃等情况。攻击者还可通过持续发送大量巨型帧，发起 DDoS 攻击。​

年 1990 年 分水岭 r5 大模型（ Foundation Model ） 是指具有超大规模参数的人工智能模型， 包含 NPL\CV\ 多模态等类型 。 其突出特点： 同质化 。大模型任何一点改进就可以迅速覆盖整个 AI 社区 。 “ 涌现 ”特性 。大模型有超大规模的参数， 产生未曾预先设想的新能力 。 泛化能力强 。 同一模型利用少量数据进行微调或不进行微调就能完成多个场景的任务

Distribution 昇腾硬件使能 Ascend Runtime 模型训练：算网 / 算存深度协同是大模型分布式并行训练的基 础 大模型技术发展方向 支持 2 级框盒、框框组网，适用于大规模及超大规模集群 3 、 AI 任 务信 息 任务、通信域 … 1 、控制器获取网络拓扑， 下 发路径 信息 2 、 AI 任 务调 度 以全部通信关系和拓扑信息作为输入 通过算法计算出最优结果，实现 调度，多任务节点非连续组网情况下，通信 带宽 提升 20% 、模型性能提升 7% 算存协同 • 极致读写性能： CKPT 等算存读写协同优化、 PB 级存取 +TB 级带宽，数据读取效率提升 50% 大规模组网 • 超大组网规模： 2 层 1:1 无收敛的 AI 网络架构， 最 大支持 128K 集群规模组网，千卡到万卡平滑 演进 千亿稠密 / 万亿稀疏 并 动态下 发网络 获取网络拓扑 网络局部计算选路 Hash 冲 突 导 致 有 效 吞 吐 不 足 50% 拥塞 空闲 超大集群线性度 90%+ L2 层 下发路 径 L1 层 分布式并行 + 算网协同，集群并行最优 模型算力利用率（ MFU ） 模型通信与计算优化，单机执行最优

A 编码化合物库、超大 容量特色虚拟化合物库，进一步提高库容化合物对创新及高难度靶点的适用性。在虚拟 化合物库的基础上，公司重点开发了独有的创新化学空间构建 AI 算法平台，搭建了基于 超大成药化学空间的人工智能药物发现技术平台。公司突破传统超大容量虚拟化合物库 的基本概念，利用人工智能机器学习算法，开发了独有的基于分子砌块和有效化学反应 的动态化学空间，从根本上突破了限制超大化合物库构建的算力、存储和管理瓶颈，已 工 智能模型和计算化学手段的迭代筛选，再到 ADMET 性质评估、化合物多样性分析，到最 后人工挑选潜在的活性化合物，进行下一步生物活性测试，每一步都采用了主流的机器 学习和计算化学方法，并结合内部超大（1012~1015 量级）独有且易合成的化合物空间优 势，大大地提高了早期药物筛选的命中率，及发现新颖活性分子的可能性，同时降低早 期药物发现的成本。 图24 药石科技一站式先导化合物计算筛选平台

MySQL、PostgreSQL、Redis）中，大量查询操作涉及对小数据块的随机访问。 更大的 L� 缓存意味着这些热数据可以更大概率“命中”缓存而不用落到主内存，减少访问延 迟。在单核查询时，可以直接从超大共享 L� 中抓取数据，避免等待 DRAM，显著加速 QPS（每秒 查询数）和响应时间，降低访问延迟。比起“小 L� + 多核”的设计，至强 ® 6 的“大 L� + 强核”架 构，能显著降低 P�� 6 处理器 ，软硬协 同优化，助力小鹏提升数据预处理效率，显著降低算力成本： 性能与性价比提升：相比第八代实例，ECS g�i单核算力最大提升20%，通过3.6 GHz全核睿频， ���MB 超大 L� 缓存，可保障高并发场景流畅响应。采用原生硬件加密 QAT 技术，集成 SSL/TLS 加密、压缩 / 解压缩加速引擎，可从 CPU 卸载计算密集型对称和非对称加密以及数据 压缩 / 解压缩操作，释放 处理器的 ECS g�i 实例构建高性能游戏 架构，结合阿里云全栈云服务实现端到端优化： 高性能计算底座：ECS g�i 单核算力最大提升 20%，搭配 3.6G Hz 全核睿频与 504MB 超大 L� 缓存通过 “飞天”云操作系统的智能调度，实现跨可用区算力负载均衡，确保团战场景下逻辑处 理延迟缩小，消除操作卡顿。 弹性扩展体系：基于阿里云弹性伸缩，实时监测 CPU 利用率、开服峰值期快速扩展，资源部署