1 2 1 3 1 4 1 6 1 6 1 8 1 9 20 2 1 23 25 26 26 27 28 主机现代化发展趋势 2.1.1 开放平台架构以“云 + 分布式应用”为主 2.1.2 主机现代化分三阶段实施落地 主机现代化三阶段实施路径技术诉求 2.2.1 云平台建设阶段关键诉求 2.2.2 应用和数据迁移阶段关键诉求 2.2.3 高可用性、高性能和高安全。然而，随着云 计算、虚拟化和分布式技术的快速发展，传统主机技术的局限性也逐渐显现，主要体现在以下五个方面： 1.2 传统主机面临的挑战 (1) 技术封闭制约创新效率 传统主机技术栈过于封闭，操作系统和专用硬件深度绑定，难以兼容 x86、ARM 等标准化芯片，这限制 了企业自主引入云计算的弹性资源调度和分布式技术的水平扩展能力，系统升级和功能迭代依赖原厂支持，流 程繁琐且周期长，难以及时响应业务变化（主机厂商硬件升级周期通常为 3~5 年），远滞后于业务对敏捷创 新的需求（如互联网业务的周级迭代）。此外，主机技术架构采用专属协议与接口，新应用或第三方工具难以 接入集成，与云平台、分布式数据库的集成需开发专用接口，集成成本高且易形成“技术孤岛”。 (2) 扩展性不足无法应对大规模业务挑战 传统主机技术栈主要依赖纵向扩展（Scale-up），通过增加处理器、内存和 I/O 通道来提升单机性

· · · · · · · · · · · · 29 4 全方位运维分析 O9 全场景案例参考 1O 附录：术语 O8 O7 自由流转与分布式运行环境 1）价值与架构定义 · · · · · · · · · · · · · 2）跨端迁移 · · · · · · · · · · · · · · · · 3）多端协同 · 新的场景同时也带来了新的挑战。开发者不仅需要支持更加多样化的设备，还需要支持 跨设备的协作。不同设备类型意味着不同的传感器能力、硬件能力、屏幕尺寸、操作系统和 开发语言，还意味着差异化的交互方式。同时跨设备协作也让开发者面临分布式开发带来的 各种复杂性，例如跨设备的网络通信、数据同步等。若采取传统开发模式，适配和管理工作 量将非常巨大。当前移动应用开发中遇到的主要挑战包括：  针对不同设备上的不同操作系统，重复开发，维护多套版本。 态应该具备如下 特征： 8  单一设备延伸到多设备：应用一次开发就能在多个设备上运行，软件实体能够从单 一设备转移到其他设备上，且多个设备间能够协同运行，给消费者提供全新的分布 式体验。  厚重应用模式到轻量化服务模式：提供轻量化的服务，较低的资源消耗，一步直达， 快速完成消费者特定场景的任务。  集中化分发到 AI 加持下的智慧分发：为消费者提供智慧场景服务，实现“服务找

高性能、分布式的物联网、工业大数据平台 本白皮书内容受版权法保护，未经公司或其许可人的书面许可，任何人不得将白皮书中的任何内容以任何方式进行复制、经销、 翻印、以超级链路连接或传送、存储于信息检索系统或者其他任何商业目的的使用。 版权申明 电力行业数字化转型 TDengine 驱动数据管理和实时监控解决方案 写在前面 � � 电力行业作为国家基础设施的基石，肩负着向全社 会供应持续、稳定电力的使命。电力系统的稳健运 能化转型中的关键需求。这些需求不仅 限于技术层面的更新换代，还包括运营策略和管理方式的革新。正是这些需求，引导着电力 行业朝着更高效率和更智能化的未来发展。需求具体如下： 业务需求提炼 随着分布式新能源的大规模并网，电力行业产生的数据量呈井喷式增长。这不仅对数据存储 提出了高要求，也对数据实时处理和分析能力构成挑战。传统电网技术在全面、准确地建模 和管理数据方面力不从心，传统数据库更难以应对数据的高速增长和实时处理需求。 0 2 传统关系型数据库普遍适用于低频监控场景和电力一区 SCADA，但在分布式环境中，它们 却普遍面临性能和扩展能力不足的问题，特别是随着数据量的增加，查询速度会逐渐变慢， 且由于它们并非专为时序数据优化，在处理海量时序数据时读写性能较低。 传统关系库的局限 典型场景：低频监控场景、电力一区 SCADA 分布式环境中的性能和扩展性有限 数据量越大，查询越慢 不专为时序数据优化，海量时序数据读写性能低

............ 22 5.2.12 月平均日负荷预测准确率 ....................... 22 5.2.13 月平均日分布式光伏出力预测准确率 ............. 23 5.2.14 分布式光伏“四可”功能覆盖率 ................. 24 5.2.15 充电桩“四可”功能覆盖率 ..................... 24 国家能源局印发《关于新形势下配电网高质量发展的指导意见》， 提出推进配电网数字化智能化转型升级。我国在“十四五”首批 国家重点研发计划“储能与智能电网技术”专项中设立项目“配 电网业务资源协同及互操作关键技术”，以实现海量分布式电源、 充电桩等用户侧设备接入电网的数据共享与安全交互，提升电网 管控能力和服务质量。 在项目研究基础上，制定了配电网数字化评价指标体系，旨 在于打造一套标准化、系统化的评估工具，衡量配电网的数字化 方法，适用 于对地市及以下区域配电网数字化的评价，优先面向中低压配电 网。 4 术语和定义 4.1 配电网 distribution network 从电源侧（输电网、发电设施、分布式电源等）接受电能，并 通过配电设施就地或逐级分配给各类用户的电力网络。 配电网数字化评价指标-2025 3 注：110kV~35kV 电网为高压配电网，10（20、6）kV

11.39 11.58 11.74 12.03 12.27 12.44 2019 2020 2021 2022 2023 2024Q3 用户规模 亿人 中国移动互联网各细分行业使用总时长分布，2024M3 资料来源：QuestMobile，灼识咨询 中国移动互联网接入流量 1,220 1,656 2,216 2,618 3,015 3,376 2019 2020 2021 示了国内厂商对于高性能计算资源的迫切需求。 53.2% 17.8% 8.7% 4.2% 4.2% 4.0% 3.7% 4.3% 互联网 服务 政府 电信 制造 教育 金融 其他 中国各行业智能算力应用分布，2023 ➢ 互联网头部厂商大量采购智算芯片 相较海外，国内智算中心正处于高速增长期，中国各行业对智算的需求急剧上升，其中互联网行业是最大需求方， 互联网巨头积极投身AI领域并大量采购智算服务 “东数西算”八大算力枢纽、十大集群算力政策要点 2025年计划建成算力中心容量： 1,000MW以下 1,000-2,000MW 2,000MW及以上 尚未规划枢纽 注：图示算力中心容量分布热力图为截至2024年12月31日各级政府政策规划指标口径。 算力中心行业的供给主要由三大电信运营商、第三方算力中心服务商与企业或地方政府自建三大来源构成，其中 第三方服务商的供给容量份额已接近50%。

....61 （二）量子信息技术与产业发展动能集聚，未来可期...................................63 图 目 录 图 1 美国 NQI 项目量子信息各领域投资分布.........................................................4 图 2 量子信息各领域（a）科研论文（b）发明专利年度增长趋势........ ............................................8 图 6 全球量子信息企业（a）技术领域分布（b）年度增长趋势..........................9 图 7 全球量子信息企业（a）国家分布（b）技术领域分布................................10 图 8 量子信息领域企业投融资事件数量与金额年度变化趋势.. 国家科学基金会、国家标准与技术研究院等机构开展项目部署。近 七年来，仅 NQI 项目在量子信息领域的累计投资已达 60.78 亿美元。 来源：《NQI 项目 2025 年度预算报告》 图 1 美国 NQI 项目量子信息各领域投资分布 量子信息技术发展与应用研究报告（2025 年） 5 《NQI 项目 2025 年度预算报告》显示3，近四年来美国量子信 息领域政府投资均达到 10 亿美元/年，如图 1 所示，投资范围主要

难题，构建全局最优的资源编排范式，实现对异构算力集群的全维度精细化调度。针对异构 算力计算能力差距，面向大模型训练场景构建分布式并行策略组合、业务感知的非均质拆分 等能力，实现跨厂商算力的弹性按需调度；面向大模型推理场景，支持单机多卡异构分布式 推理和跨节点分布式异构推理等多种形式，适配模型推理不同阶段算力需求特性，精细化调 度实现异构算力降本增效；构建大模型训练和推理混合部署的调度底座，实现训推任务的动 大化利用。 （2）拥塞控制：高效缓解密集型通信模式引发的瞬时拥塞，该技术依托细粒度拥塞控 制信号或主动拥塞控制机制，通过动态调整发送速率、提前分流热点流量等手段，显著降低 尾部延迟，保障大规模分布式训练的通信稳定性。 （3）GPUDirect：消除主机内存拷贝瓶颈，实现 GPU 与网络的深度耦合，其核心技术 为 GDR 支持网卡直接读写 GPU 显存的零拷贝方式，以及 GDA（GPUDirect 3.1 分布式训练框架 面向因大模型参数规模持续突破单机算力与存储极限而造成的分布式训练需求中模型 切分规格与异构算力能力需合理适配的难题，将庞大的训练任务智能拆分并协同调度到多种 异构算力上执行，需要分布式训练框架在现有基础上具备异构算力感知、模型任务适配和智 能调度等能力，以充分挖掘异构集群的计算潜力。 分布式训练框架主要围绕模型训练任务拆分与适配计算单元两个核心任务，主流分布式 16

• 国内某大厂：数据架构是企业架构的一部分，企业级数据架构是以结构化的方式描述在业务运作和管理 决策中所需要的各类数据及其关系的一套整体组件规范。包括数据资产目录、数据标准、企业级数据模 型和数据分布四个组件。 • DAMA ：定义了与组织战略协调的管理数据资产的蓝图，指导基于组织的战略目标，指定符合战略需 求的数据架构。 • IBM ：数据架构是用来描述企业数据源在哪里，哪些数据是可信的，这些数据是如何存储的，以及数 IT 技术架构 识别功能需求 提出技术诉求 数据架构 业务域 主题域 业务对象 1 N 1 N 价值流 识别功能需求 7 数据架构包括四个组件 数据模型 数据资产目录 数据分布 1 3 2 4 数据 / 信息架 构 数据标准 • 通过分层架构表达对数据 的分类和定义 • 厘清数据资产 • 是建立数据模型的输入 … … • 通过 E-R 建模实现对数 据及其关系的描述 业务域 逻辑数据实体 数据分层结构 数据标准 业务术语 数据标准 对数据资产目录 中业务对象在企 业内的统一定义 对数据资产目录中属性 描述企业内需共同遵守 的数据含义和业务规则 数据分布 数据源 信息链 表达数据在业 务流的流转 数据流 表达数据在 IT 系统的流转 定义数据产生 的源头 8 数据架构组件一：数据资产目录 业务域是公司顶层数据分类，通过数 据视角体现公司最高层面关注的业务

的极限，推动智算中心从计算、存储到网络的全栈架构深度演进。在 这一浪潮中，智算中心不仅是国家科技战略的核心支撑，更是产业智 能化升级的关键基础设施。 随着 AI 模型参数量呈指数级增长，尤其是在大规模分布式并行训 练场景下，网络性能已成为制约智算中心整体效率的关键瓶颈。当前 普遍部署的纯电交换网络在互联规模、带宽密度、端到端时延与能效 比等方面逐渐逼近物理与经济的上限：算力芯片的通信需求远超传统 ................................ 40 3.4.2 智能预测与链路池化资源管理策略.............................41 3.5 物理层：分布式光交换与物理层优化................................... 45 4. 总结与展望......................................... 通信，需依赖高速网 络结构实现。当前主流方案采用电交换芯片构建以太网或 IB 网络， 常见架构包括 Fat-Tree、Leaf-Spine、DCell、BCube。这些结构通过 多层交换机实现大规模互联，支撑分布式训练中的全互联需求。 图 1-1 智算中心网络与网络协议栈 无论采用机内互联还是采用机外互联，都要采用电交换芯片来做 网络流量交换。然而，随着模型规模和节点数的增加，电交换面临带 宽、延迟和能效的瓶颈。

......... 167 图 52：2024 年数智企业省域分布图 ....................................... 173 图 53：2024 年数智企业业态分布图 ....................................... 174 图 54：2024 年数据应用企业省域分布图 .............................. ..... 174 图 55：2024 年数据资源企业省域分布图 ................................... 175 图 56：2024 年数据技术企业省域分布图 ................................... 175 图 57：2024 年数据服务企业省域分布图 ................................... 176 年数据基础设施企业省域分布图 ............................... 176 图 59：2024 年数据安全企业省域分布图 ................................... 177 图 60：2024 年人工智能企业省域分布图 ................................... 177 图 61：2024 年全国上市数智企业省域分布图 ..