2 应用和数据迁移阶段关键诉求 2.2.3 应用开发与运维转型阶段关键诉求 基础设施层 3.1.1 软硬协同一体化，构建融合高性能基础设施 3.1.2 调度和升级优化，支持超大规模算力管理 3.1.3 端到端可靠性设计，保障系统稳定可靠运行 3.1.4 原生安全能力基线，构筑纵深防御高安全体系 数据层 3.2.1 五大核心要素，定义和设计云上数据库 3 主机现代化已成为主机用户数字化转型必由之路 01 主机是一类高性能计算机系统，专为处理大规模事务和数据密集型应用而设计，具备强大的并行处理能力。 该系统通常能够支持数万至数十万级并发用户访问，并可确保系统在长时间稳定高效运行。主机系统广泛应用 于银行、保险、电信及政府等关键行业，承担着实时交易处理、大规模数据库管理以及批量数据处理等重要业 务任务。 07 主机技术栈是一个高度集成、分层 I/O 通道组成，经过高度优化，能够高效应对大规 模数据处理和高并发事务的挑战。操作系统则专为这类主机设计，具备强大的资源管理能力和并行处理性能。 主要特点： 高性能：采用多处理器集群架构，实现大规模并行计算，处理器集成专用加速单元，通过硬件级加密引 擎实现加密运算的加速处理 高可靠：硬件组件（处理器、内存、存储）普遍采用冗余设计，不会因单点硬件故障而引起系统中断 高安全：主机通常采用内置

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 层的关键挑战与发展路径； • 提出面向未来的技术演进方向与标准化路线建议。 我们期望本白皮书能为智算中心网络领域的研究人员、设备制造 商、运营商与服务提供商，提供系统的参考框架与技术洞察，共同推 动构建超大规模、超大带宽、超低时延、超高可靠的新一代智算中心 网络基础设施。 本白皮书的编制工作得到了国家自然科学基金项目（编号： U24B20150）的支持，在此表示感谢。 目录 前言........ 无法独立完成计算工作。 在训练的过程中需要进行频繁且复杂的通信。这就要求构建 GPU 之 间的全互联高速数据通道，以确保数据的高效传输，最大限度减少 GPU 间通信耗时。那么，如何满足大规模 GPU 之间的高效通信，构 建超大规模、超大带宽、超低时延、超高可靠的智算网络，已成为当 前智算网络发展重要挑战。 智算中心网络如图 1-1 所示，可按通信范围分为机内互联 （Intra-Node）与机外互联（Inter-Node）两类：

··················································· 3 一、准确识变，夯实教育数字化发展根基 ··············· 3 二、科学应变，组织大规模在线教学实践 ··············· 5 三、主动求变，吹响智慧教育的时代号角 ··············· 6 第二章 发展战略 ···················· 展理念，聚焦集成化（Integrated）、智能化（Intelligent）、 国际化（International）的“3I”战略方向，围绕学生学 习、教师教学、学校治理、教育创新、国际合作等核心 场景，有组织地推动大规模、常态化应用，探索出一条 中国特色的教育数字化发展路径。 当前，大力推进教育数字化，发展包容和公平的优 质教育，让全民终身享有学习机会，已经成为世界各国 的普遍共识。面对教育发展与变革，中国愿与世界各国 第一章 发 展 历 程 党的十八大以来，以习近平同志为核心的党中央 高度重视教育工作，多次就教育数字化作出重要指 示。中国政府围绕普及优化学校数字化环境、强化 优质资源供给、深化大规模常态化应用等方面开展 了大量工作，正从转化阶段、转型阶段并行，加速 迈进智慧教育阶段，构建起面向智能时代的现代数 字教育体系。 一、准确识变，夯实教育数字化发展根基 2012 年，中国政府召开首次全国教育信息化工作电

........................................................................5 1. 国家发展改革委 财政部印发《关于加力支持大规模设备更新和消费品以旧换新的若干 措施》的通知............................................................................ ...................................................................... 39 2.山西省人民政府办公厅关于印发山西省加力支持大规模设备更新和消费品以旧换新具 体措施的通知.............................................................................. ................................................................52 1. 吉林省发展改革委 吉林省财政厅关于印发《吉林省加力支持大规模设备更新和消费品 以旧换新实施方案》的通知.............................................................................

云智算光互连发展报告 前言 本发展报告面向未来智算中心超大规模扩展、AI 大模型极致性 能与高效部署的核心需求，联合产业合作伙伴共同提出先进光互连 技术架构与演进路径，旨在突破传统电互连在带宽、距离与能效方 面的根本性瓶颈，构建高带宽、超低时延、低功耗及高可靠性的新 一代智算中心互连底座，为人工智能、高性能计算及云服务等关键 业务的持续跃升提供坚实支撑。 本发展报告的版权归中国移动云能力中心所有，并受法律保护。 性以及可维护性 方面提出了极高要求。 云智算光互连发展报告 CPO 目前仍处于发展初期，但其在超高带宽、低功耗、高密度 互连方面的巨大潜力使其成为未来光通信，特别是 AI 算力集群和超 大规模数据中心不可或缺的技术方向之一。 2.2.4 光输入/输出 OIO 的核心理念非常具有颠覆性，它彻底摒弃传统的铜线电气 I/O，将光互连直接集成到计算芯片的封装内部或紧邻位置，使芯片 能够直接通过光信号进行数据处理，如图 的新一代光电融合智算数据中心架构，将全光交叉技术引入 数据中心内部。如图 13 所示，光交换机替代顶层电交换机，是智算 场景下的典型组网。 图 13 OCS 在智算场景下的应用 在该应用场景下，组网的收益点如下： 1） 大规模弹性组网：全光交换机端口密度高，支持按 POD 粒度分 期建设，算力资源支持按需灵活组网，弹性可扩容。 2） 平滑演进：全光交换机本身协议无感知，支持向 800G、1.6T 甚至更高速率演进，可跨代际长期复用。

术路线，选择了北京、天津、上海等18个城市围绕以上六条技术路线开展城市数据基础设施建设试点试验， 并启动了11项数据基础设施国家标准研究制订。 目前，《指引》提出的六条技术路线成熟度还不高，还不能完全实现安全可信基础上的数据大规模流 通，全国各地方各行业特别是开展试点示范的18个试点城市，对各条技术路线的发展现状、技术特点、适用 范围、应用情况、发展趋势等方面有迫切需求。非试点地区和行业也对数据基础设施的试点建设进展高度关 态安全。在数据要素化发展新阶段，数据成为新型生产要素， 不仅对数据提出大规模、高通量、快速率的流通要求，充分发挥数据的要素价值作用，同时对数据安全也提出了新的、更 严格的要求，即要确保数据在大规模、高通量、快速率的流通过程中的安全。数据安全发展到了动态全过程安全阶段，这 时不仅需要更加强大的连接和算力功能，对数据更大规模、更快速率、更高通量流通利用的需求更强烈，而使用控制、隐 私计算、区域 式、统一的Lakehouse Platform、机器学习管理平台MLflow，以及数据治理解决方案Unity Catalog。其中，Apache Spark 是一个开源的大数据计算框架。Spark设计用于处理大规模数据集，提供了快速的通用数据处理平台，特别适用于需要高速 访问和处理的数据密集型任务。Sprak集成了多种前沿计算机系统优化技术，处理速度快，易用性强，可处理多种数据源和 格式。被广泛应用于金融

验知识的模型驱动、假设生成与验证、自动 与智能化实验以及跨学科合作等方式，加速 科学发现。传统科学发现以实验观察和理论 建模为核心，提出科学假设并归纳一般规律， 如物理定律。人工智能则采用模型驱动的方 式，从大规模数据中自动发现隐藏的规律， ©️diyun Zhu / Moment / Getty 科学智能白皮书 2025 4 5 2. 发展与态势 2.1 最新进展 随着深度学习、生成模型与强化学习等 关联，打造“灰盒模型”，提高模型的可信 度和计算效率。开发跨尺度、多模态统一的 神经网络架构，用于从微观到宏观的统一建 模。 2.2.2 如何提升 AI 模型在科学研究中的 泛化性 AI 模型依赖大规模训练数据，而高质量 的科学数据往往有限。在数据有限的情况下， 模型可能无法学习到有效的特征，难以适应 新的领域或任务，限制了其在实际科学问题 中的应用。 为了解决这一挑战，可以从以下几个方 辅助实验设计、数 据分析、理论建模的闭环系统，实现自动化 科学发现。开发可视化工具与交互界面，将 AI 生成的假设映射为可解释的科学逻辑链， 支持领域专家进行修正与理论完善。 传统科学发现从大规模解空间中生成候选假 设并验证，效率低且难以找到高质量解 4。 人工智能凭借强大的数据处理和分析能力， 可以更有效地探索解空间，生成高质量的候 选假设。例如，在纯数学领域，机器学习可 以辅助数学家发现新的猜想和定理

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。 高，需要特定场景的优化和持续高人力运维； Hadoop 大数据平台的局限 NoSQL 数据库适用于处理大规模数据，如社交媒体和大数据分析，但其局限在于计算实时 性差、查询响应效率低，且计算资源消耗大。因此可能需要特殊的优化，这些局限源于其设 计初衷是为大规模数据存储和访问优化，而非针对时序数据写入和复杂查询所导致的。 NoSQL 数据库的局限 TDengine 深耕电力行 接入为例，TDengine 可通过自定义规则引擎清洗和转化数 据，以确保数据质量。在数据存储方面，TDengine 支持实时+历史合一，展现出卓越的压 缩性能，无论是数据写入或查询需求，都能满足大规模数据的管理需求，同时其分布式设计 和多级存储策略有效降低了存储成本。对于数据分析，TDengine 不仅支持 SQL 和时序数 据函数扩展，还提供流计算和聚合分析功能，支持复杂的嵌套查询和关联查询，并通过

算、先进存储、隐私计算等独特数据技术，对数据资源进行 加工处理的企业。在数据采存算管用全生命周期中需要突破 一系列关键核心数据技术，包括：数据封装、识别、登记、 溯源等数据治理技术，人工智能高质量数据集加工技术，数 据大规模战略性储备的数据存储技术等；跨广域协同的数据 7 传输技术，异地、异构、异属算力资源互联互通的算力网技 术；隐私计算、区块链、数据使用控制、数据沙箱、数联网、 可信数据空间等数据安全流通技术；数据全生命周期的安全 以及由此演化出来的感知、防护、溯源等安全技术，将数据 封闭在一个固定的区域，以不被他人识别和使用而实现数据 安全。数据动态安全是指运用隐私计算、区域链、数据使用 控制、数据安全沙箱、数据空间等数据安全流通技术，实现 数据大规模高效流通，并且在流通过程中确保数据安全。 6.数据基础设施企业 数据基础设施企业是指从数据要素价值释放的角度出 发，面向社会提供数据采集、汇聚、传输、加工、流通、利 用、运营、安全服务等新型基础设施的企业。按照国家数据 会问题的企业，包括基础大模型企业、垂直大模型企业、智 能体企业、智能算法企业、智能芯片企业等。具有人工智能 9 技术驱动的软件、平台或服务等核心产品，拥有持续获取、 处理和分析大规模高质量数据的数据驱动与迭代能力，是人 工智能企业的两个典型特征。 图 3：数智企业七种类型 （四）数智企业类型的特点 数智企业的类型不是排他的，常常表现出多重角色性和 动态变化

，构建高精度三 维地质模型与实时监测网络，支持黄河流域泥沙冲淤分析、城市内涝预警等场景。 高效建模与轻量化渲染。基于 3D Tiles 流式加载、ENU 坐标变换与 LRU 缓存技术， 实现大规模倾斜摄影模型的秒级加载，突破 Web 端性能瓶颈。 机理与数据双驱动。融合水动力模型、有限元分析等物理机理与 AI 算法（如 LSTM、 强化学习），将洪水预测误差降至 3%以下，推演效率提升 20 无人机测深技术实时 数字孪生世界企业联盟 DTWEA 数字孪生世界白皮书(2025) 2 更新水下地形数据，支撑泥沙冲淤模型，显著提升防洪调度效率。 3D Tiles 数据的高效渲染解决了大规模倾斜摄影模型在 Web 端的性能瓶颈。通过自研 的流式加载方案、动态 LOD 机制及 ENU 坐标变换技术，优化了局部高精度场景的渲染精 度与效率，支持智慧城市中建筑群建模、工业设备监测等场景。LRU 数字孪生世界企业联盟 DTWEA 数字孪生世界白皮书(2025) 3 星云图作为观察大气动态变化的关键工具，提供了覆盖广阔区域的即时气象信息。 这些图像帮助我们实时追踪天气系统的演变，从大规模的气候模式到局部风暴的发 展，无所不包。对于数字孪生应用平台而言，集成卫星云图功能意味着能够在虚拟环境中 模拟真实的气象状况，进而为城市规划者、环境科学家以及应急响应团队提供强有力的决 策支持。