着 电子技术的飞速发展，第一代电子计算机应运而生，它们虽体积庞大、运算速度有 限，却为后续的信息化革命奠定了基础。随后互联网的发展将世界连接在一起，20 世纪90年代，互联网的普及使得信息的传递变得前所未有的迅速和广泛，搜索引 擎、电子邮件、社交媒体等代表性应用的出现，极大地丰富了人们的日常生活，推 动了全球化的进程。 5 进入21世纪，移动通信与人工智能成为数字化技术新的前沿，已经渗透到社会的各 学中，我们应该充分学习、利用数字化技术，尤其是AI的优势，为学生提供更加优 质、个性化的教育服务。 1.3 AI时代的“知”与“识” 在AI迅猛发展的时代背景下，我们对于“知”与“识”的理解正经历着前所未有的 变革。传统意义上的知识及知识观都将在AI技术的冲击下被重新塑造。 1.3.1 AI技术对知识与知识观的影响 15 在AI技术尚未兴起的时代，知识通常被理解为人类通过学习和实践所获得的对世界 （4）AI时代知识的特征和知识观 随着AI技术的快速发展，尤其是机器学习、深度学习等领域的突破，知识的特征和 知识观也将发生显著变化。 AI时代，知识表现出以下几种新特征。 ❍ 知识获取的便捷性：AI技术使得知识的获取变得前所未有的便捷。通过搜索引 擎、智能推荐系统等工具，人们可以迅速找到所需的信息和资源。此外，自然语言 处理技术的进步也使得人与机器之间的交流更加自然和高效，进一步提升了知识获 取的效率。 ❍ 知识结构

制造行业 智慧文印解决方案白皮书 前言 近年来中国经济稳步发展，制造行业占据着举足轻重的地位，对于推动我国经济发展具有不 可替代的作用。随着全球经济一体化的深入发展，我国制造业面临着前所未有的机遇。新质 生产力以科技创新和制度创新为核心，以科技创新驱动产业升级，提高制造业的智能化、绿 色化、服务化水平，从而实现经济的高质量发展。����年伊始，国务院国资委也发布了以 制造业为重点的数字 提升中国制造业企业的全球化竞争力:更快速地响应市场需求变化，提供个性化的产品和服务，优化 资源配置，降低成本，从而增强企业的市场竞争力。 以创新技术驱动全面发展:数字化技术如人工智能、大数据分析、物联网等为制造业带来了前所未有 的创新机遇，帮助企业开发新产品、改进现有产品、优化生产流程，并创造全新的商业模式和服务 形式。 提高制造业的生产和运营效率:借助自动化生产线、智能机器人、虚拟仿真等先进技术，可以大大缩

随着以 ChatGPT、Deepseek 为代表的 AI 大模型崛起，算力需求呈指数级增长， 全球正加速建设智算中心以应对这一挑战。智算中心内部或智算中心间海量的数 据交换，对网络链路的可靠性提出了前所未有的要求。任何链路闪断或中断都可 能导致 AI 训练任务失败，造成巨大的时间和资源浪费。然而，光模块的成本与 可靠性瓶颈以及大规模集群中链路数量的激增，使得已有技术难以满足新型智算 中心 AI 新型智算中心主要承载 AI 训练与推理业务，部署大量服务器协同工作，流量 模式与传统数据中心不同，东西向流量特征明显。在这种流量模式下，大量服务 器共同承载 AI 任务并行计算，对网络的可靠性提出了前所未有的挑战。服务器 之间逻辑连接的任何一条物理链路发生故障，都会导致数据同步失败，任务中断， 造成大量时间和资源的浪费。如果承载 AI 任务的服务器之间共有���条物理链路， 每条链路的可靠性为���，则

电流密度已达到优异的 2 A/mm 2。 英飞凌将其领先的低压硅基 MOSFET 技术（例如，OptiMOS™ 7 系列）与芯片嵌入封装技术及专利 3D 集成工艺相结 合，在垂直供电方案中实现了前所未有的功率密度和能效表现。 7 图 3：采用集中发电和配电并在服务器主板进行本地功率转换的高压直流架构示例 预测二：服务器主板将采用高压直流供电架构 随着现代 GPU 功耗的持续攀升，以及每个机架中 流输入，进一步 减少因多级功率转换而带来的损耗。 的输出功率预计可达 2-10 兆瓦。这种固态变压器在效率、功率密度以及——特别重要的——可扩展性方面，都将 带来显著优势，使吉瓦级数据中心具备前所未有的灵活性。 通常，固态变压器采用输入串联 / 输出并联（ISOP）系统，中压电网的每一相都连接着一串由多个串联功率转换模 块组成的模块链。中压交流电网的电压等级因国家与地区而异，一般在 10

程新洲、曹畅、徐博华、杨斌、文晨阳、谢志普、徐洁、 黄金超 中国联通软件研究院： 杨迪、李张体、张承琪、王宇、马煜 北京邮电大学： 邢颖、林雪燕 上海交通大学： 赵世振 前言 人工智能正以前所未有的速度重塑人类生产与生活方式。以大语 言模型、多模态模型为代表的新一代 AI 应用，持续突破计算与通信 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 5 物理层：信号衰减挑战与时延约束挑战 在智算中心网络中，物理层不仅承担着数据的信号传输职责，更 直接影响整个系统的带宽、时延和稳定性。然而，当光交换技术被引 入到智算网络时，物理层面临一系列前所未有的挑战。 首先，光互连需要在高端口密度和长距离传输之间取得平衡。相 比传统电互连，光链路在传输距离上具有天然优势，但这也意味着必 须控制光信号衰减和插损，否则网络性能将随着互连规模的扩大而显 算与网络传输深度融合的方向演进。通过在光域直接进行矩阵运算、 卷积操作等计算密集型任务，实现"计算即传输、传输即计算"的革命 性架构。这种融合将显著降低数据在光电转换过程中的延迟和能耗， 为大规模深度学习训练提供前所未有的性能优势。另外，下一代光电 协同网络将深度集成人工智能技术，实现从被动响应向主动预测、从 人工配置向自主优化的根本性转变。基于大模型的网络智能体将能够 理解业务意图、预测流量需求、自动生成网络配置，实现网络的自我

......................................30 云智算光互连发展报告 1. 背景与需求 在 AI 大模型、云计算及智能应用普及的推动下，全球算力需求 正经历前所未有的爆发式增长。基于铜缆的互连技术在带宽密度、 传输距离与能耗效率上的瓶颈日益凸显，光子作为光互连技术的信 息载体和物理基石，具有极低传输损耗、超高频率、抗干扰等物理 特性，使得光互连技术在带宽、距离、抗扰、功耗、密度等方面具 心等典型应用 场景下的技术演进，为行业提供兼具前沿性与实践性的技术参考。 云智算光互连发展报告 2. 智算中心光互连技术概述 随着智算中心的飞速发展，数据吞吐量激增，对底层硬件互连 提出了前所未有的挑战。在此背景下，光互连技术以高带宽、低时 延、低功耗等方面的优势，有望成为未来算力时代不可或缺的基础 设施。智算中心场景下的光互连技术具体包括新型可插拔模块、光 电共封以及光交换三个核心技术方向。

与突发协同 在智能家庭场景中，人形机器人、机器狗作为家庭智能助手，需要在高度动态的生活环境中与家庭 成员、智能设备、外部服务进行复杂交互。家庭环境的时变性和人机交互的突发性，使得此类设备 面临前所未有的通信挑战。 多元任务交互：人形机器人需要同时处理多重任务，例如通过语音交互了解行程规划，通过视觉识 别判断人、宠物的情绪状态，调用天气服务获取实时信息，控制咖啡机和早餐设备，甚至还要走出 化运维能力，最大限度降低对客户的技术屏障，提升 SLA 的全程保障能力。 4.3.5 智能数据互通 智能群组中，数据互通能力也将基于任务所需，具备更智能，更高效的特性。 在 TDS 任务驱动模式下，业务终端能够基于当前所处的位置，动态加入以地域为标识的网络，终端 可获得本区域的边缘服务，同时，也能够和本区域内的其他业务终端相互发起访问。 在交通和物流任务中，通常所见的车路协同，水路协同，空域协同，都需要终端在接入本区域网络之后，

量接近 1600 万辆，渗透率首次突破 50%，相较 2020 年的不足 6%，实现了跨越式跃 升。这意味着电动化从“趋势”转向“常态”，新能源车型已成为市场主流。然而在 这场表面繁荣的背后，是前所未有的结构性焦虑：行业利润率降至 3.9%，创近十年新 低；燃油车库存高企、渠道倒挂，价格战愈演愈烈；大量中小供应商因现金流断裂退 出市场，新的生态重组正在加速。 如果说以往的竞争是“产品之争 产业逻辑。整车厂不再只是车辆制 造者，而成为覆盖用户全生命周期的出行服务提供者；零部件厂商的竞争，也从供应 链地位转向数据驱动的协同价值。而整个产业链条从研发、生产、供应，到销售与服 务，正以前所未有的速度产生指数级数据量，却又深陷数据分散、系统孤立、决策滞 后的矛盾。研不通产、产不连供、供不联销、销不反哺服的现象普遍存在，“研产供 销服”一体化依旧是行业的长期痛点。 更深层的问题在于 场的品牌竞争格局也同步发 生了根本性的重塑。在这场变革中，自主品牌凭借对新能源赛道的战略投入，实现了 整体性的市场地位提升；而曾长期主导中国市场、被视为品质与技术代表的合资品 牌，则普遍面临着前所未有的市场挑战与转型压力。 1. 市场份额的根本性转变 市场份额的变化是最直观的指标。2024 年，中国自主品牌乘用车的市场份额达到 65.2%，较上年同期提升了 9.2 个百分点 。这意味着，在中国市场销售的乘用车中，

能源总量位居世界前列，国内各地经济发展水平、能源资源禀 赋、用电结构等差异很大，电力市场建设复杂程度高。伴随近 年来能源绿色转型加快和国际能源格局调整，低碳转型和保供 稳价的要求愈发凸显，全国统一电力市场建设面临着前所未有 的挑战。 多层次电力 市场协同运行亟待进一步加强。我国已基本 形成了跨省跨区市场和省（区、市）/ 区域市场协同运作的 电 力 市 场 体 系， 但 各 省（区、 市）/ 区 域 市 场 智慧，广泛汲取国内外先进经验，贡献具有一定前瞻性和实操性的策 略蓝图，促进社会各界、行业内外及企业之间的深度交流与协作。 同时，我们也清醒的认识到，“双碳”目标背景下，电力市场 化改革是一个复杂的系统工程，多元化市场建设目标提出了前所未 有的挑战。随着新能源逐步转为主体能源，不仅要求我们在技术上 不断突破，更需在市场机制上勇于破冰。未来，我们将持续优化适 应新能源为主体的新型市场机制，加强电碳市场的协同机制研究， 不断开展引入电力金融衍生品等诸多创新探索。

世界为核心目标，衔 接科学智能与产业应用的跨学科体系，是解决工程领域非确定性问题、实现规模 化赋能的全新范式。 这些年，我们见证了太多鼓舞人心的变化。战略层面，国内外对工程智能的 重视达到了前所未有的高度，中国将“人工智能+”行动写入政府工作报告，把 工程智能作为建设数字中国的重点领域；美国、欧盟纷纷出台专项政策与法律框 架，加大研发投入、规范发展路径，全球范围内的战略布局与协同创新已然形成。 人类文明的每一次跃迁，都与工程领域的突破紧密相连。从金字塔到空间站， 从蒸汽机到互联网，工程不仅是塑造物质世界的强大能力，更是推动社会进步的 基石引擎。然而，当我们步入一个日益复杂、高度互联的时代，传统工程学正面 临前所未有的挑战：系统规模的指数级增长、多学科交叉的深度融合、全生命周 期管理的极致要求，以及对安全性、可靠性和可持续性的严苛标准。这些挑战， 已然超出了传统方法和人类智力的极限。我们迫切需要一种新的力量，来驾驭这 交互能力，成为了理解和处理工程领域复杂信息的“认知内核”；而智能体则扮 演了“超级执行者”，它能够自主规划、调用工具、协同系统，将认知转化为行 动，完成复杂的工程任务。二者的结合，为构建工程智能操作系统提供了前所未 有的技术基石。 当然，徒有先进技术而无正确的方法论，犹如手握利器而无章法，终将误入 歧途。因此，我们在探索中凝练出三大一体化方法论作为指导原则： 工程智能白皮书 AI for Engineering