......................................................................................20 4.2 低成本异构混合推理................................................................................................. Unit）智算集群解决方案”获得工信部 2024 年未来产业创新发展“标志性产品”优秀典型案例。 （4）沐曦曦云 C 系列训推一体 GPU 芯片，基于全自研的 GPU IP、指令集和架构，拥 有多精度混合算力，内置大量运算核心，具有较强的并行计算能力和较高的能效比，在通用 性、单卡性能、集群性能及稳定性、生态兼容与迁移效率等方面均达到领先水平。 （5）海光 DCU（Deep Computing Unit），GPGPU 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 态、实时切换，化解算力潮汐矛盾，完成从集群到设备级的异构算力精细化调度，实现异构 算力集群的效能革命。 （4）统一评测：建立全栈贯通的评估坐标系 统一评测是

........................................................................................ 14 3.3 光电混合系统.................................................................................................14 硅基光电子等核心技术的研发，中央网络安全和信息化委员会发布的《“十四五” 国家信息化规划》明确提出，要加强在集成电路、硅基光电子等关键前沿领域的 战略研究与布局。科技部在“十四五”重点专项申报指南中，将信息光子技术、 光电混合 AI 加速计算芯片等纳入重要内容，为科研工作提供了明确的方向指引。 国家自然科学基金委将“实现大规模光计算芯片的智能推理与训练”列为 2024 年度中国科学十大进展之一，进一步推动光计算技术的发展成熟。 庆市出台 的《重庆市未来产业培育行动计划（2024-2027 年）》，聚焦硅基光电子技术， 大力支持光子技术发展，推动区域相关产业实现创新升级。湖北省在 2025 年政 府工作报告中，将超高速混合光子集成芯片列为攻关突破方向，推动湖北省科技 创新与产业创新。 从国家到地方，一系列政策举措形成了强大的政策合力，为光计算产业的蓬 勃发展营造了良好的政策环境，助力我国在光计算领域抢占国际竞争制高点。

栈，组件最为丰富 属于公有云体系的分支版本（源略有差 异） 版本更新周期有一定限制（ 3-6 个月一 次） 可变组合多、技术掌握难度较一般云更高 运作流程和需筹备的资源较多（周期较 长） 医疗混合云应用方案 1. 公有云或专有云 满足：行业、对外服务场景 2. 多种私有化云服务 满足：安全可控等场景 3. 既有计算池、托管类业务 满足：异构资源统一管理 现有计算池复用、新建计算池、多地多中心容灾架构、数据中心 商互联的工作。每个可用区均支持实现托管混合云，因 此单个可用区被划分为托管区域和公有云区域。上图以 北京二可用区 B 展开呈现混合云架构，用户将自有服务 器设备托管进公有云可用区，与传统托管一致的是，托 管也直接分配公网地址进行对业务访问。 云厂商定制化混合云解决方案之一的“托管混合云”就是 将用户的托管网络通过冗余光纤链路与公有云 PE 网关 互联，业务上真正实现了用户物理网络与公有云 SDN 网络打通，从而完美实现混合云架构。 30% 。 2 ）灵活的云服务管理：为了更好的 专注业务（降低基础平台管理成本）， 保障好安全合规的要求，云厂商提供 了混合架构（公有云，私有云，物理 机）的混合统一管理和灵活调度。实 现了“无边界统一管理、涉敏数据安全 管理、不同场景定制化、成本灵活可 控”等特征。 混合云管理平台 科室个性 化需求 科室个性 化需求 科室个性 化需求 科室个性 化需求 公有云 物理机 托管 GPU

bbbvip.com 新浪微博 @言商书局BBBVIP 腾讯微博 @bbb-vip 目 录 推荐序一 推荐序二 推荐序三 引言 第1章 丰田的学习法则和v4L架构 第2章 供应链综述 第3章 混合规划 第4章 销售与运营计划 第5章 生产计划和运营 第6章 零部件订购 第7章 供应商管理 第8章 物流 第9章 经销商和需求满足 第10章 危机管理 第11章 供应链管理中的丰田模式 第12章 领域进行了最全面、深入、透彻的研究，谨此，我向他们致以诚挚的祝 贺。 李孝良 斯坦福大学商学院研究生院 运营、信息和技术系教授 [1]Kanban是一个日语词汇，意思是“卡片”。—译者注 [2]Camry，丰田的混合动力车，在中国大陆市场本地化生产后更名为凯 美瑞。—译者注 引言 丰田运用独特的流程，有效地进行供应链管理和运营。这些流程跨 越了供应链的范围，使得丰田在过去几十年中拥有持续卓越的表现。本 书 逻辑。选 择案例上，我们主要聚焦丰田供应链管理与其他公司的策略和运营差 异。第1章描述了v4L架构和丰田学习法则。第2章是整个供应链的流程 概述。接下来的章节按照供应链运营的顺序来叙述。第3章中的“混合规 划”讲述了如何支持生产的稳定性，又如何传递到第4章所说的“销售与 运营计划”中去的。第5章的有关“生产计划和操作”中，我们展开了如何 支撑销售需求的讨论。第6章是讨论“零部件采购”。第7章则是“供应商

事的一部分。 Source: Omdia 供应商应始终将混合需求放在心上。更好的GPU（或加速器）虚拟化是一种 解决方案，但产品战略同样重要。 市场可能存在对现代推理级GPU的需求缺口，这类GPU需具备高带宽内存与 计算性能的高比例；NVIDIA的A10虽发布于2020年，但仍因其在小型模型推 理中的应用而备受青睐。 真正注重混合计算的用户可能会对基于Arm架构的服务器CPU的顶级产品感 此外，精简模型可能在复杂推理任务上有所妥协：为特定应用定义的模型可 能在物联网环境的长期生命周期中变得过时。 物联网高度分布式，这意味着本地模型的协调可能仅适用于特定运行环境。 然而，小型化模型的进展已为更多云-边缘混合部署打开了大门，使智能能 够更接近数据，直达“微边缘”。 摩尔定律表明，专用且更强大的硬件将继续向边缘普及，这将推动AIoT在未 来几年持续发展。 Click here or press enter 段。如果不解决关键 的盲点，大多数人工智能项目将无法实现规模化并最终变得无关紧要。 混合云已成为成熟、复杂企业系统的现实选择。曾几何时，“云优先”的口号 曾被视为一种能够解决可扩展性、性能和成本挑战的统一架构与方法。 然而，在实际部署和管理过程中，安全隐患、供应商锁定、数据主权、性能 瓶颈以及高昂的数据传输成本等问题，促使混合云模型应运而生。 人工智能（AI）的发展轨迹与之相似，不同基础设施、平台和地域之间的集

互联网风格工作界面 数字化 企业 营销服务 U 订货、 U 会员商城、 友零售、 友赢客 CRM 、 渠道云、 电商通 IUAP 云平台、云市场 组织、 人员、 物料、 供应商、 客户、 科目、 账户 混合云部署 ， 融合应用 ， 灵活满足企业不同发展阶 段的 IT 需求 采购服务 友云采 ：电商采购 +Saas SRM 协同服务 友空间 ，全员入口 + 协同办 公 webIM/ 移动轻应用 用友云平台 NC Cloud 工作台 友空间 NC Cloud ： 与人力服务主数据打通 ， 可分配人力服务应用的权限 ， 可在工作桌面配置人力服务应用磁 贴 人力服务 混合云解决方案 企业文化 价值观标签 文化雷达 文化传播 员工积分 2006~2010 NC Cloud1811 100 ％ Java 实现 支持多硬件平台 支持多数据库系统 集团财务 第 1 代 企业互联网：全渠道 营销、智能制造 ，共 享服务 云运营服务 ，混合云， 端化链接互联服务 • 高性能 • J2EE 标准 • 高端 ERP • 集中管理、协同商 务 • 深化业务运营平 台 • 行业深化解决方 案 • 国际化应用成熟 • 电子商务应用成 熟 第

.............................................................................................. 05 混合负载整合优化............................................................................................. 加速提供更充裕的性能预算，实现 AI 智能与精密控制的真正融合。 确定性实时性能是控制应用的核心要求。针对基于 PC 架构的控制系统，英特尔提供了全方位的性能优化解决方案，不仅能 够保障运动控制的确定性实时响应，更能在混合负载环境中确保关键任务的实时性能表现。该优化方案支持实时控制任务与 非实时应用程序在同一平台上并发运行，有效利用共享的计算和网络资源，提升了系统整体效率和资源利用率。 英特尔如何帮助解决 基于 为了防止多虚拟机环境下一个设备的中断错误地传递给另一个虚拟机，虚拟机监视器通过硬件设置了一张中断重映射 表，当 CPU 接收到中断时，硬件会截获所有来自设备的中断，查询重映射表，将中断重新定向到正确的目标，完成中 断重映射。 混合负载整合优化 软 PLC 技术的广泛应用加速了 IT 与 OT 系统的融合进程，为 AI 算法与传统闭环控制的深度集成构建了理想的技术平台。英 特尔基于深厚的平台技术积累，提供涵盖硬件架构优化、

计为起点，采取混合部署方式推进大模型落地 应用，并统筹考虑云端风险应对、私域安全防 护、模型幻觉应对等问题，以重构技术底座， 适应创新之变； • 在数据语料侧，企业着眼于数据治理框架搭建 和数据质量提升，推进数据语料的深度治理， 并且已初步形成数据标准化体系、智能清洗工 具等共性选择； • 在基础设施侧，企业兼顾创新与务实，充分权 衡AI基础能力建设与业务需求满足，通过混合 部署和协作管理措施等实现协同优化； 7 人工智能就绪度白皮书 大模型发展由“暴力美学”转向“成本效益革命”。2025年以来，DeepSeek凭借 “低成本、高性能、开源共享”的技术路线轰动全球，其在硬件条件有限的情况下， 通过混合专家架构（MoE）和强化学习等技术，实现了训练效率的大幅提升和算力 成本的有效缩减。这不仅引发了科技界对于Scaling Law是否依然有效的质疑，更 促使国内外基础模型厂商加快调整竞合策略，提高各自模型服务的成本效益。例如， 香港特别行政区合伙制事务所，均是与毕马威国际有限公司(英国私营担保有限公司)相关联的独立成员所全球组织中的成员。版权所有，不得转载。在中国印刷。 35 人工智能就绪度白皮书 在AI落地路径的选择中，“混合部署，本地+公有云” 以61%的占比成为最受企业青睐的部署策略，远高于 “自建，完全本地部署”的32%和“公有云部署”的 7%。这表明企业在AI部署过程中更倾向于企业在保留 原有本地数据中心资源的同时，又能够借助公有云平

分段 & 嵌入 段落识别 智能分段 基于文档结构的多 级语义切分 基于场景精调的 ★ Embedding 模型 多 路 召 回 语义检索 图谱检索 全文检索 混合检索 开放式模块化高级 RAG 架构 ，任意模块均可插拔 ★ 自研高性能向 量库 ，达到 18.7 万 QPS 片 段入库 智能标签 智能摘要 问答对提取 精细化的 数据增强 策略 具有良好的生态兼容性 ， 可兼容包括但不局限于： SEAF 、 HiAgent 、 Dify 等 ，实现 “一次接入 ，全域记忆”； 具备分布式 PB 级 “上下文与长期记忆”数据存储 / 毫秒级混合检索能力 ， 支持记忆瘦身 / 防漂移 / 记忆共享 ，性能优越、 可靠性 强； 可为 Agent 提供更全面的多维度上下文与记忆 ，是构建稳定 / 个性化 / 连续性 Agent 体验的基石 知识冲突检测 权重标签 防漂移 长期记忆共享池 个人上下文召回 混合检索优化 多维度“上下文与记忆”开放 MCP 服务 记忆 / 知 识 个性化 推荐 用户偏好 & 工作记 忆 云盘 / 文 件 记 忆 知识工具 使用记忆 知识问答 记忆 敏捷构建智能体搭建

更详细描述请参考《仓颉编程语言开发指南》中 仓颉-C 互操作 1 章节。 仓颉与 ArkTS 互操作 在鸿蒙应用开发中，仓颉和 ArkTS 各具特点和优势，存在使用仓颉与 ArkTS 混合开发的诉求，例如以下场景：  场景一：在使用 ArkTS 开发时，通过跨语言互操作调用仓颉开发的代 码模块，发挥仓颉高性能高并发优势，提升应用性能体验。  场景二：在使用仓颉开发时，通过跨语言互操作调用 能力，允许开发者针对特定业务快速设计领域特定语言（DSL），进一 步提升了仓颉的易用性。  多范式支持：仓颉是一个典型的多范式编程语言，对过程式、面向对 象和函数式编程都提供了良好的支持。开发者可以灵活选择或混合使 用不同的编程范式，来满足不同开发场景的需求。  丰富的标准库：仓颉提供了丰富、通用、性能卓越的标准库，包括集 合类库、IO 库、数据库、网络库、安全库、OS 库、数学库、数据结 构、 的执行模式。而 ArkTS 编译运行时则提供了更为多样的执行能力：它支持将 ArkTS、TS、JS 源代码预编译为字节码文件，运行时可直接加载字节码；同时 支持 AOT、解释器和 JIT 的混合执行模式。其中 AOT 编译能显著提升应用的启 动性能，使应用在启动时即基于优化后的本地机器码运行。 在模块加载机制上，TS/JS 默认采用预加载方式，即在应用启动时加载所 有模块。同时，TS/JS