然而，因芯片架构不同、通信协议不统一、算存传能力差异而导致的异构算 力碎片化、生态割裂及协同效率不足等问题日益显现。构建统一计算、统一通信、 统一调度和统一评测的异构算力协同体系，实现异构算力间的无感知计算、无阻 碍通信协作、资源的高效调度和自动化测评，是推动异构算力基础设施迈向新阶 段的关键路径。 本白皮书通过系统性梳理算力产业发展现状、异构算力协同体系架构、关键 技术、解决方案与 .........................................................................................12 3.3 统一调度技术................................................................................................. Array）等，实现对不同类型计算任务的优化。 与传统同构算力相比，异构算力强调在指令集架构、处理器类型、通信接口、内存访问模式 等多个层面的差异性与互补性，但也对异构算力整体系统性的资源管理、软件适配、调度优 化提出了更高的要求。 本白皮书聚焦智算领域的异构算力，具体是指面向大模型应用，采用不同架构设计的人 工智能芯片算力，通常包括来源于不同的厂家或同一厂家设计的不同代际产品，使其在计算 性能

。 一、指挥中心概念解析 （一）指挥中心的定义 指挥中心又称为调度中心，是对多种资源进行综合指挥调度的中心。它依托政府或职能部门系统资源网络， 融合现有通信方式，实现通信手段的互联互通和统一调度等功能。通过对各级跨地区、跨部门之间的统一指挥 协调，实现对突发事件的统一部署、迅速处置和联合行动。其核心功能包括资源整合与调度、信息处理与分析、 跨部门协同指挥以及突发事件应对等。 在现行对 个设备连接起来，实现数据的传输和共享。 应用系统：基于基础环境系统和基础支撑系统，实现指挥中心的各种具体应用功能，如应急指挥、调度管 理、信息分析等。 （三）基础环境的演进 指挥中心基础环境最初只是为指挥调度人员提供简单的办公场所。随着大数据、云计算、5G、人工智能 等网络信息技术以及社会经济的高速发展和物质生活水平的不断提高，指挥调度人员对于指挥大厅基础环境的 需求也发生了巨大变化。如今，现代化指挥中心的基础环境应具备以下基本条件： 以控制台为例，控制台的设计结合新建指挥大厅的实际情况，布局合理、美观、可用性高，符合安全规范 以及人体工学方面的要求，配置应依照指挥中心的实际面积、尺寸以及空间布局的合理性进行设计，并且考虑 到与整个环境的协调性。操作台是指挥大厅中调度控制人员应用最频繁的核心设备，要求经久耐用、符合人体 工程学并能提供紧急避险，是指挥中心建设中重要系统之一。 1. 设计定制化：指挥中心控制台需要根据特定的岗位工作流程和操作需求进行定制设计，以确保所有的设

.....................................................................................13 2.2.1 可视指挥调度 .................................................................................................. 园区管理者实现更加动态化、智 能化的园区管理，辅助园区智能指挥和应急调度，助力园区运营可视、可管、可控，保 障园区体验更智慧、运行更智能、管理更高效。 05 新质生产力探索 高品质协作技术白皮书 各行各业的日常工作和生产业务中，高效的信息交互及 协作是提升政府和企业效率不可或缺的重要工作模式。 在政府行业，指挥调度系统需要融合包括视频会商、 视频监控、宽窄带集群系统、无人机系统、互联网会 通知 实时日程 智能签到 设备运维 设备远程可视 设备集中控制 质量可视 智能联动 灯光窗帘联动 设备联动 环境监测 智慧纪要 智能摘要 智能分析 智能保障 超宽网络 会议流量识别 智能调度 安全保障 音频水印追溯 视频水印追溯 超高清交流 4K/8K 高清 智能导播 智能拾音 智简交互 智能书写 白板协作 多屏协作 沉浸体验 视频增强 沉浸音频 裸眼 3D 智能助手 智能字幕人机共创

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 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 高安全：集成专用加密模块，为静态数据和动态数据提供全方位加密保护，有效保障数据在存储、传输 和处理过程中的安全性 主要特点： 高可靠：通过事务日志、故障自动恢复等机制降低停机风险 高并发事务处理：通过高效利用内存缓存和优化资源调度，支持低时延、高并发的事务处理 集成性强：借助 MQ 消息队列，实现主机不同系统间异步通信，并提供完整事务处理和消息管理 主要特点： 高并发事务处理：主机应用一般高度定制，应用层与数据层紧密集成，提供高并发、高吞吐量事务处理能力， 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 09 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

中心网络的重要发展方向。光电协同不仅能够在物理层显著提升链路 性能，还为网络的灵活重构、智能调度与按需适配提供了技术空间。 全球领先的产业与科研力量均已在此领域展开探索，并在部分应用场 景实现试点部署。 然而，要实现光电协同网络在智算中心的规模化落地，仍需跨越 多重技术关卡。从应用层集合通信模式与动态拓扑的适配，到传输层 协议机制与流量调度优化；从路由层控制平面的可扩展性，到链路层 资源的智能分配；再到物理层光交换的传输损耗与延迟难题，均对网 ..................... 20 2.1 应用层：集合通信与网络拓扑的失配挑战...........................21 2.2 传输层：复杂功能的协议设计与流量调度挑战...................21 2.3 网络层：路由收敛滞后挑战................................................... 23 2.4 ....... 32 3.2.2 双状态拥塞控制机制..................................................... 33 3.2.3 错峰出行智算流量调度方案......................................... 35 3.3 网络层：面向光电网络的智能路由控制..............................

CPU/GPU/NPU 等多样化算力资源的统一池化与智能调度，使算力灵活 流动，紧密协同网络需求与 AI 任务，成为驱动业务智能的强劲引擎。 网为根基：5G-A 网络不再仅是数据传输的管道，而是演进为具备内生智能的“感知 - 保障”系统。 通过异构接入、一网多用等多维能力，网络能够主动感知业务意图（如低时延、高可靠）和实时状态， 并动态调动资源予以精准保障，为算力调度与 AI 应用提供确定性、高性能的连接服务。 所示的算网智一体化架构。该架构以边缘智能核心网为枢纽， 通过算力平台的弹性支撑与智能驱动中枢的赋能调度，实现算、网、智的闭环协同，为企业提供端到端、 全流程的智能化专网服务。 赋能边缘智能核心网的算力平台：作为一体化架构的底层支撑，通过轻量化与弹性部署实现资源按需分 配与快速响应，依托跨异构适配能力对 CPU/GPU/NPU/DPU 等多元算力进行统一调度，支持云边模型 与数据协同机制构建“边缘 - 区域 - 中心”三级 ，要求边缘智算平台采用高度可定制、 可裁剪的体系架构，支持对 CPU、内存、GPU/NPU 等异构资源的细粒度管理调度，实现模块化功能 按需启停，以灵活组装业务组件，避免冗余资源占用，提升资源利用效率。平台可根据业务负载弹 性扩展部署规模，从单节点轻量起步逐步扩容，通过实时调度算法保障高优先级任务（如工业控制、 实时推理）的确定性低时延响应，满足严苛性能要求。 同时，强化进程与容器隔离机

应用维度根因定位 几个 核心系统 被动应急 故障统一调度 系统具备应急预案 故障点人工恢复 统一变更入口 工具建设 集团+省分 几百套系统 跨系统全链路 定界诊断 主动预防 集团+分子公司 整体态势感知 混沌工程 故障自愈 变更追踪 变更管控 体系建设 故障发现 与诊断 故障恢复 与应急 故障预防 故障调度 体系演进 分布式架构挑战 运维生态挑战 数智运维挑战 2、指标、链路追踪、日志三位一体斧实现故障快速发 现、根因准确定位、故障快速恢复、问题深度刨析 1、全层级变更追踪 2、任务流程线上化绘制、管控，统一入口管理调度 3、技术监督实现变更管控 1、故障事前制定应急预案与应急演练 2、故障事中形成故障、监控、调度态势感知能力，实现 业务快速抢通 3、故障事后治理追踪全流程线上化闭环管理，确保故障 经验有效沉淀，整改措施有效落地 1、系统深度健康体检，全链路性能隐患分析 系统B agent 系统C agent Flink kafka 告警计算 指标聚合 明细分析 Nacos Clickhouse 存储集群 跨数据中心链路自动串连 业务报文查询 调度转发节点 存储集群 查询 业务配置打标 应用根因定位 应用性能分析 链路调用清单明细，方法级分析 链路自动拓扑 全层级告警墙 应用实例、主机串联 GOPS 全球运维大会 2023 ·

....................................................................................- 20 - 2.3.4 算力调度与资源管理.............................................................................................. 故障快速恢复；团 队需掌握服务器部署、网络排障等基础技能，对硬件底层原理深入理解要求较 低；算力运维管理模式动态化，需结合业务负载实时调整资源分配；团队需掌 握芯片级知识、能耗建模、分布式系统调度等技能，甚至需与算法工程师协作 优化算力使用效率。 算力运维体系技术白皮书 - 4 - （3）. 传统运维故障多表现为单节点或单业务中断，影响范围较小，应对策略以 快速替换硬件、切换冗余节 实现企业算力运维部门与业务部门可以更好地融合并推动创新。 1.3.2 算力运维的挑战 随着算力服务深入，算力场景下的运维服务面临多方面变化，包括技术上的自动 化与智能化、服务流程的重构、资源管理的池化与动态调度等。多样化智能场景需多 元化算力，人工智能等新应用的崛起对运维保障提出更高要求。因此，算力运维面临 使用效率、故障管理、资源监控、需求匹配、全局可观测性和沉没成本等挑战。企业 亟需健全运维体系

GO PS 全 球 运 维 大 会 2 0 2 3 · 上 海 站 几个 核心系统 单系统 应用维度根因定位 故障点人工恢复 系统具备应急预案 被动应急 统一变更入口 故障统一调度 工具建设 数字化转型中系统安全生产痛点 问题 数智运维挑战 n 端到端稳定性保障体系缺失， 自动化、智能化故障处理能力不足 n 故障处理过多依赖专家经验，故障没有沉淀为有效的资产 n 跨系统全链路 定界诊断 故障自愈 混沌工程 主动预防 变更追踪 变更管控 集团 + 分子公 司 整体态势感 知 体系建设 故障发现 与诊断 故障恢复 与应急 故障预防 故障调度 体系演进 稳定性保障工具建设历程 稳定性保障工具的建设与演进从来不 0 2 3 · 上 海 站 1 、系统深度健康体检，全链路性能隐患分析 2 、系统容量隐患深度分析 3 、统一隐患闭环治理 1 、故障事前制定应急预案与应急演练 2 、故障事中形成故障、监控、调度态势感知能力，实现 业务快速抢通 3 、故障事后治理追踪全流程线上化闭环管理，确保故障 经验有效沉淀，整改措施有效落地 1 、涵盖业务层、前端触点层、网关层、应用层、组件 层、资源层的全链路追踪

自磨机电机达 5-10MW， 大型矿山需建 110kV 甚至 220kV 专用变电站及多台大容量变压器。 电力成本占运营成本 15%-40%，电费降 1% 可显著增利，需优化电源、提能效、智能调度， 成本优势决定生存。 双碳目标下需减排，政策、技术、能源结构推动，节能环保影响采矿权获取与品牌价值，是可 持续发展核心诉求。 矿业生产的特殊性决定了其电力需求的复杂与严苛，具体可概括为六大核心特点： 施”的跨越： 早期以孤岛供电（如偏远农村、边防哨所）为主，规模仅几十至几百千瓦，系统架构为简 单的“光储柴”，调度逻辑单一。 虚拟同步机（VSG）技术成熟，构网型储能变流器（PCS）开始规模应用，具备与同 步发电机相当的电网支撑能力；模型预测控制（MPC）引入调度，实现多目标协同； IEC61850 协议应用到微电网场景，解决异构设备互操作性问题。 上千台 PCS 作为电压源同步并机构网技术成熟，可支撑百 项目周期与设施寿命不匹配致成本难摊薄，初始投资高加重资金压力，融资成本因地区差异攀升， 储能成本拉长回报周期，绿电资源与需求不匹配也增加成本。 建设运维 偏远矿区施工难、成本高，技术人员短缺，系统运维要求高，智能化协同调度技术难度大。 商业模式 矿企与能源开发商在投资主体等方面分歧大，缺乏成熟风险共担模式，第三方投资面临多重问题。 政策环境 各国政策差异大且多变，审批冗长，项目还面临土地、生态、社区接纳及地缘政治等风险。