............................................................................01 英特尔助力软件定义自动化 — 芯片平台硬件赋能 .............................................03 高性能算力支撑 ....................................... 多元化负载整合与资源优化：随着自动化控制与信息化、智能化的深度融合，多任务负载整合成为核心发展 方向。现代工业系统需要在单一平台上同时运行实时控制、AI 推理、数据分析、视觉处理、通信管理等多种 工作负载，通过统一的计算平台实现硬件资源的高效利用和系统成本的显著优化。在这一整合过程中，确保 实时控制任务的确定性性能、保障系统安全性、实现不同优先级任务间的有效隔离，成为了技术实现的关键 挑战。 • AI 驱动的控制系统变革：在智能算法基础上，AI 英特尔助力 软件定义自动化 02 芯片平台 硬件赋能 04 英特尔为软件定义自动化提供了全方位的硬件平台支撑，涵盖英特尔凌动®、酷睿™、至强® 等多层次处理器产品线，以及 丰富的可扩展高速 IO 和外围接口电路。这些硬件平台不仅能够满足从基础到高级的不同控制系统需求，更重要的是，它们 在软件定义自动化的核心技术挑战方面提供了关键的硬件能力支撑。 面对现代工业自动化对高性能计算、确定性实时响应、多元化负载整合以及

07 主机技术栈是一个高度集成、分层协同的复杂体系，强调垂直整合和可靠性，通常由五个层次构成，分别 是：硬件与操作系统层、管理运维层、数据服务层、中间件层和业务应用层，如图 1-1 所示： 1.1 主机技术栈及特点 图 1-1 主机技术栈示例 (1) 硬件与操作系统层 传统的主机硬件通常由专用处理器、内存、存储系统和 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 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：主机通常采用内置硬件加密模块，实现数据的加密处理与密钥管理，从而保障数据在存储、传 输及处理过程中具备机密性与完整性 (2) 管理运维层 主机的管理运维层包括硬件管理、操作系统管理、性能监控、故障恢复和备份管理等，它通常使用专有管 理工具进行集中控制和自动化运维。 业务应用层 硬件 与 操作系统层 管理运维层 中间件层 数据服务层 Database Data files (Natural，COBOL，PL/I，Assembler，Fortran，REXX，…） (DB2，IMS DB，…) (VSAM，…) Logical Partition 多基于老旧语言开发 与硬件/操作系统深度绑定 集中式架构 专有存储格式和协议

GB HBM4 + 19.6 TB/s 带宽，目标直指 Rubin。 国内算力芯片起步晚但发展迅速，逐渐呈现“一超多强”的国产芯片产业格局，以下列 国产芯片为例： （1）昇腾在 AI 算力基础软硬件产业格局中继续扮演“头雁”角色，搭建开放生态，形 成“芯片一框架一集群一应用”的四级闭环，已支持建造多个万卡级集群，2025 年推出 384 卡超节点新形态，最大算力可达 300 PFLOPS，48 是一种突破性的异构芯片架构，其核心在于将 GPU 从专有图形处理器转化为 6 通用并行协处理器。这一技术通过重构 GPU 底层硬件资源流水线设计与调用逻辑，使原本 仅处理图形渲染流水线的数千个计算核心，能够高效执行科学计算、数据分析和机器学习等 非图形化任务，实现了对传统 CPU 计算体系的革命性扩展。ASIC 通过定制化硬件架构，将 计算任务固化于电路设计，其核心在于以降低通用性为代价，针对特定算法或应用场景进行 晶 层级及指令集，使芯片变成“领域专用体系架构”。 1.4 异构算力协同挑战 智算算力“百花齐放”呈现多元异构局面，面临异构算力“资源墙”、软件栈“生态割 裂”和协同调度“效率低”三方面的挑战。 （1）异构算力“资源墙”因其硬件架构、互联拓扑等物理差异，阻碍了不同厂商、不 同架构算力间的有效协同：一方面，由于各类算力芯片间存在架构设计、数据类型等差异， 导致算力单元间二进制不兼容，无法进行同一计算任务的协同配合。另一方面，单机层面不

政策类型二：补助政策驱动国产 PLC 等工业操作系统增长..... 11 (三) 国产 PLC 硬件加速实现自主可控.............................. 12 1.硬件自主可控发展现状................................... 13 2.硬件技术发展趋势....................................... 14 核心技术自主可控现状分析................... 22 (一) 国产厂商大型自主可控 PLC 产品............................. 22 (二) 国产厂商大型 PLC 硬件自主可控程度......................... 23 (三) 国产厂商大型 PLC 软件自主可控程度......................... 24 1. 编程组态软件 险的必然选择，绝非简单的成本或技术考量。 ② 前瞻布局，主动作为：在工控领域摒弃“满足基本功能即可”的被动思 维，以未雨绸缪之姿， 系统评估现有工控体系供应链潜在风险点，精准识别关 键软硬件的国产化替代路径与实施窗口，科学制定清晰的国产化推进路线图。 (二) 政策力推工业操作系统自主可控，PLC 国产化被列为核心攻 坚任务 国家层面密集出台多项政策，通过设备更新与资金补助双轮驱动，加速工业

核心生产力。从海量数据处理到人工智能训练，从云端服务支撑到边缘场景落地，算 力基础设施的规模与复杂度呈指数级增长，其稳定运行与高效管理已成为关乎企业核 心竞争力与社会数字化进程的关键命题。在此背景下，传统 IT 运维模式面临着从硬件 设备到软件系统、从单一架构到多云环境、从被动响应到主动预防的全方位变革挑战， 亟需构建一套适配算力时代特征的系统化运维体系。 当前，算力基础设施正经历着通算、智算、边缘计算多态融合的发展阶段，高密 ......................................................................................- 12 - 2.2.1 硬件资源管理............................................................................................... ........- 68 - 算力运维体系技术白皮书 - 3 - 1 概述 1.1 算力基础概念 1.1.1 算力定义 算力本质上是对信息数据进行加工处理的能力，其核心体现为计算设备通过硬件 （如 CPU、GPU、ASIC 芯片等）和软件协同工作，完成各类计算任务（如数值计算、逻 辑运算、数据处理等）的效率。 1.1.2 算力分类及应用场景 通用算力场景：面向日常计算需求，涵盖个人终端、通用服务器计算能力，应用

MaaS是云厂商一场无法退却的战略战争， 因为它不仅决定了谁能掌握AI时代下的 算力主导权，更关乎在AGI“超级App”的 颠覆浪潮中，谁能保住未来的用户入口 01 四层结构联动，价值向上游 应用转移： ◆ 智算产业已形成“硬件-云-模型-应用”的 四层结构，当前正从“算力先行”向“模型 生态构建”与“应用商业化”过渡 02 高端算力为基，垂直行业能 力为王： ◆ IaaS层的核心价值在于销售GPU算力，而 获取高价值的关键在于“高端卡保有量”与 行业研读 | 2025/07 • 智算产业已形成“硬件-云-模型-应用”的四层结构，当前正处于从底层 的“算力先行”向“模型生态构建”与“应用商业化”过渡的关键阶段。行业 Agent的商业化落地将成为引爆点，预计2025年有望迎来“应用爆发”的 窗口期 智算产业价值路径——智算产业全景及发展趋势 智算产业链全景 来源：头豹研究院 ◼ 智算产业通过“硬件-云平台-大模型-应用”的四层结构联动，构建了从底层 算力到顶层商业场景的完整价值链 智算产业链可分为四层，底层为基础硬件，包括GPU/AI芯片等底层基础设施。 上一层为云平台层，包括智算平台及云服务厂商。再上一层为大模型层，包括 MaaS/Agent平台，以及最上层的应用与终端层，是以软硬件的形式将模型和技 术能力落实在实际的商业场景中。四层共同组成智算完整的产业价值链。 层级 核心角色 代表环节 当前态势 底层硬件 芯片/服务器制造商 GPU/AI芯片 高度集中，英伟达主导，

年的历史，但其自诞生以来，不断 演进，多次推动了信息产业浪潮的发展。 操作系统的演进大体上经历了批处理、主机、PC 互联网、移动互联网几个阶段的发展， 正走向万物智联的时代。不同历史时期的操作系统在底层硬件架构与形态、人机交互方式、信 息呈现方式，以及生态范式上展现出不同的技术特征。 进入全新的万物智联时代，新技术的发展趋势、用户体验诉求以及随着而来的新应用场景， 都将对操作系统提出新的需求和挑战。 aling Law”效应 [1]，生成式 AI 具有更好的表达能力和更泛化的任务能力。 彭博行业研究数据显示，随着企业改变经营方式并对产品和服务进行强化，未来 10 年， 生成式 AI 有望在硬件、软件、服务、广告、游戏等众多领域创造 1.3 万亿美元收入，占科技 领域总支出的 10%-12%，复合年增长率预计达到约 42% [2]。 然而生成式 AI 在 AIGC 上的应用仅仅是 它需要强大的场景理解能力，通过空间锚定快速建模，并能保持空间视觉的稳定性和持久性， 建立起数字世界的基础架构。 场景理解能力依赖于系统强大的空间计算能力，通过摄像头、ToF、 Lidar 等硬件设备， 完成对空间环境、目标对象以及人物对象的扫描和重建，实现对空间内的环境、物体和人的理解， 这个理解包含空间位置、表面结构、表面纹理、光照以及语义等属性，意图是真实、自然的实 现对三维空间

务都为医院的高效运转提供了有力支持。因此，智慧文印成为医院数字化建设中不 可或缺的一部分。 �� 1.1 医疗IT建设进入提质换挡新周期 根据IDC数据，中国医疗行业的数字化IT投入规模持续增长，其中医疗行业IT硬件设备市场 同样呈现快速扩张态势。这一趋势表明，医疗IT建设进入提质换挡的新周期，正加速信息化 和智能化转型，旨在满足医疗机构日益多样化和精细化的管理与服务需求。 中国医疗行业数字化转型支出高速增长 强劲态势，预计2023-2028年的复合增长率达到约8.6%。近年来，随着对医疗信息 化重视程度的不断提升，各大医疗机构纷纷加大在 IT 建设方面的资金与资源投入。 预计在未来几年，这一投入规模还将进一步扩大，从基础的硬件设施升级，到先进 的软件系统开发与应用，都将迎来全面的革新。 数据来源：IDC中国，2025 图1 医疗行业整体IT花费市场规模预测（单位：百万美元） 01 医疗行业数字化发展态势与 文印需求 ��� �,��� �,��� �,��� - 年复合增长率:8.6% 单位：百万美元 �� 中国医疗行业IT硬件设备市场稳步增长 根据IDC对中国医疗行业IT硬件设备市场的最新研究，2024年中国医疗行业IT硬件设 备市场的需求加速释放。预计2025年医疗IT硬件市场将保持快速增长，且将保持较 为高速的增长态势，预计2023至2028年的年复合增长率为8.6%，到2028年总市场

发生 的故障，将链路可靠性提升万倍以上（助力 AI 网络互联可靠性超越 5 个 9），保 障 AI 训练和推理业务不受影响。FlexLane 技术支持在现有设备上通过软件升级快 速部署，或升级硬件实现更优的性能，同时可支持主动降速，在链路轻载和空闲 期间动态节能，为智算中心提供灵活、经济、高效的可靠性保障。 本白皮书旨在提出中国移动及产业合作伙伴对以太网链路高可靠 FlexLane 技 ............................ 8 3.1.1 软件升级 .............................................. 9 3.1.2 硬件演进 ............................................. 10 3.1.3 技术效果 ................................... FlexLane，可快速部署；面向未来，选择在高速接口硬件实现，可 中国移动 面向新型智算中心的以太网弹性通道（FlexLane）技术白皮书(2025) 9 获得最佳性能。 图 3-2 FlexLane 灵活部署策略 3.1.1 软件升级 FlexLane 软件方案升级网络设备和光模块软件，支持通道状态查询和上报， 在不更换硬件的情况下实现故障通道隔离。故障检测和通道隔离由上层软件发起，

210 213 215 218 221 1 引言 在当今数字化、智能化的时代浪潮中，信息技术的快速发展和广泛应用正在重塑人们的 生活与工作方式。操作系统作为连接硬件与软件的核心枢纽，其功能和性能的优劣直接影响 着各类智能设备的用户体验和应用生态的繁荣程度。 随着物联网技术的兴起，传统的操作系统在应对多设备协同、低功耗运行、实时响应等 方面逐渐显露出局限 生态的繁荣发展，实现协同创新。 其主要受众包括但不限于以下： ⚫ 开发者：帮助开发者了解 HarmonyOS 生态的技术架构、开发工具和关键创新， 以便能够更高效地进行应用开发。 ⚫ 合作伙伴：如硬件厂商、软件供应商、服务提供商等，为他们提供合作的机会和 方向，共同打造完整的生态链。 ⚫ 行业用户：包括企业、政府机构等，助力伙伴了解 HarmonyOS 生态在行业应用 中的潜力和解决方案，推动行业数字化转型。 每个终端用户。 2.2.2.2 Distributed Service Kit（分布式管理服务） Distributed Service Kit（分布式管理服务）实现了分布式设备管理、分布式硬件管理、 分布式键鼠穿越等能力。 应用开发者可以通过分布式设备管理进行周边设备的发现、认证、信息查询、状态监听 等，该能力是分布式业务的入口功能，即只有完成认证后的设备之间才可以进行分布式业务。