国投集团： 财务数智化建设助力数字国 投 超大型央企财务综合数智化转型 目 录 财务数智化项目建设背景 强管控：全集团财务核算“ 一本账” 统标准：全集团财务共享“ 一体化” 1 2 3 PAR T 财务数智化项目建设背景 1 国投集团：业务遍布海内外，多元化产业，规模体量大，经营业绩卓越 电力 为主能源 矿产 资源开发 交通 先进制造 新材料 生物能源 健康养老

算力中心供给分析 IV. 算力中心供需研判及未来展望 V. 附录 报告研究背景与主要研究结论 4 报告研究背景 • 纵观算力中心发展历程，移动互联网时代与云计算时代的技术革命催生了集约化、超大规模化的数据中心需求，由此孕育出了算力中心定制批发的业 务模式，并且该业务模式在2015-2020年间实现了快速增长。然而，伴随着移动互联网用户红利见顶、新基建边际效应递减及后疫情时代经济周期波动， 二次训练 全参微调 局部微调 算力需求 超大规模 千卡~万卡 大规模 数百卡~千 卡 较小规模 单卡~8卡 起步 小规模 单卡1卡起 步 工程难度 很高 TP/DP/PP并 行，海量数据 高 基模选择、 高质量数据 较高 十万~百万 条指令集 一般 <万条指令 集 推理 To C推理 To B中心 To B边缘 算力需求 超大规模 千卡以上 大规模 数百卡 小规模 大模型在不同场景的算力需求及工程难度 算 力 训练阶段 微调阶段 ➢ 训练完的模型参数量也会影响推理端算力 大模型训练 作为驱动人工智能发展的关键生产要素，数据规模多维度影响大模型的性能与应用场景：超大模型追求“能力上 限”，轻量化模型聚焦“应用普适性”，两者共同推动人工智能从实验室研究走向规模化商业落地。 17 资料来源：灼识咨询 大模型的发展及参数量变化 ➢ 规模法则（Scaling l

AI 01 深圳数字能源先锋实践 四大中心 六大环节 十大全球解决方案 03 04 05 02 打造清洁低碳主体电源 太阳能发电 17 风能发电 22 核能发电 25 03 构建超大城市可靠电网 输电数字化 35 变电数字化 37 配电数字化 39 智能化调度 41 05 创新多元路线新型储能 电化学储能及关键材料 55 物理储能 58 智慧氢能 60 终端应用 深度”，为全球能源生产消费贡献特色鲜明的“深圳力量”。 清洁低碳 主体电源 加快传统火电机组数字化、智能化、清洁化发展，创新超大城市“5G+智慧燃气”解决方案， 加快新一代光伏、高效光热、多元场景风电等新能源智慧升级，打造新型电源解决方案。 本地清洁电源装机超80%。 超大城市 可靠电网 全市用户年平均供电中断时间小于7.5分钟，建成11个高品质供电引领区，核心区年平均中 断时间小于2.5 短路电流支撑、虚拟惯量支撑、宽频振荡抑 制、快速一次调频、分钟级黑启动、无缝并离网切换 六大核心能力： 09 10 5 6 光储超充 + 车网互动，虚拟电厂 深圳超充地图 打造首个网地一体化、超大城市虚拟电厂 接入类型最全 直控资源最多 应用场景最广 深圳虚拟电厂调控管理云平台 超 各类资源负荷 400 万千瓦 超 最大可调负荷 110 万千瓦 超 100 次累计调节超

V/50 V 电压域转换至 6 V 的中间总线。图 10 显示了该模块及其实测效率曲线。 12 二、AI 服务器机架的供电 预测三：AI 服务器机架的功耗将超过 1 兆瓦 在针对拥有万亿级参数的超大规模AI模型进行训练时，需要将数千颗GPU集成在同一台机器中，并以同步模式运行。 机架之间的数据通信通常通过光通信实现，而 IT 机架内部的高速互连则依赖专用处理器，通过铜缆将每个 GPU 与 其他 达到数百兆瓦级别。 在未来几年内，为满足规模日益庞大的 AI 模型对算力的无限需求，预计将出现专门的“AI 工厂”。在同一数据中 心园区内，此类设施的用电量将达到吉瓦级，甚至可能超过数吉瓦。多家超大规模数据中心运营商已发布了相关 建设计划 [2,3]。在训练过程中，大型 GPU 集群的负载剧烈波动，所引起的电力供应与电网稳定性问题，成为确保 这些数据中心安全运行的重大挑战。要应对这些挑战， 功率转换环节上，实施瞬态负载的主动缓冲。 此外，在设施层面部署大型电池储能系统（BESS）也将成为必需措施，以确保整个数据中心保持近乎恒定的负载 曲线。 英飞凌致力于沿着整个功率转换链路，支持超大规模数据中心运营商及系统供应商，共同实现可持续、高效且具 经济可行性的电力解决方案。功率半导体正是这些工作的核心所在，其目标包括： 17 • 将任意能源形式转换为处理核心电压所需的负载电流

V/50 V 电压域转换至 6 V 的中间总线。图 10 显示了该模块及其实测效率曲线。 12 二、AI 服务器机架的供电 预测三：AI 服务器机架的功耗将超过 1 兆瓦 在针对拥有万亿级参数的超大规模AI模型进行训练时，需要将数千颗GPU集成在同一台机器中，并以同步模式运行。 机架之间的数据通信通常通过光通信实现，而 IT 机架内部的高速互连则依赖专用处理器，通过铜缆将每个 GPU 与 其他 达到数百兆瓦级别。 在未来几年内，为满足规模日益庞大的 AI 模型对算力的无限需求，预计将出现专门的“AI 工厂”。在同一数据中 心园区内，此类设施的用电量将达到吉瓦级，甚至可能超过数吉瓦。多家超大规模数据中心运营商已发布了相关 建设计划 [2,3]。在训练过程中，大型 GPU 集群的负载剧烈波动，所引起的电力供应与电网稳定性问题，成为确保 这些数据中心安全运行的重大挑战。要应对这些挑战， 功率转换环节上，实施瞬态负载的主动缓冲。 此外，在设施层面部署大型电池储能系统（BESS）也将成为必需措施，以确保整个数据中心保持近乎恒定的负载 曲线。 英飞凌致力于沿着整个功率转换链路，支持超大规模数据中心运营商及系统供应商，共同实现可持续、高效且具 经济可行性的电力解决方案。功率半导体正是这些工作的核心所在，其目标包括： 17 • 将任意能源形式转换为处理核心电压所需的负载电流

中国协作机器人市场发展分析 .............................. 31 第三节 中国协作机器人市场竞争分析 .............................. 33 第四节 超大负载协作机器人发展概况分析 .......................... 34 第四章 协作机器人技术发展分析 .................................... g）、中负载（7kg≤L＜12kg）、 大负载（12kg≤L＜20kg）、超大负载（L≥20kg）。 从应用来看，目前轻负载协作机器人凭借较高的性价比以及在 3C 电子、教育科研、商 业零售等行业中较高的适用性占据主要市场地位。中大负载协作机器人则多用于装配、螺丝 锁付、包装、搬运、物流、消防救援等场景中。超大负载主要应用于物料搬运、码垛、机器 2 看护、大扭矩螺丝拧紧 流 等行业的快速扩张，超大负载协作机器人的需求开始日益提升。随着超大负载协作机器人入 局者的增加，应用场景的不断拓展，基于成本优势，将在部分场景对多关节机器人形成替代。 图表 1 主要协作机器人厂商产品负载范围对比 企业名称 产品负载范围 轻负载 （L＜7kg） 中负载 （7≤L＜12kg） 大负载 （12≤L＜20kg） 超大负载 （L≥20kg）

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 网络承载能力，高功耗、高成本和复杂布线问题愈发突出。 在此背景下，光交换技术凭借超大带宽、超低延迟与低功耗等特 性，正与电交换形成互补融合的“光电协同”架构，成为新一代智算 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。 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......... 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：

级 规模演进。随着单节点算力突破每秒百亿亿次，这类超大规模集群的 极致计算能力对互连链路带宽、延迟和功耗提出了极其严苛的要求。 传统基于铜介质的电互连方案，正面临 “带宽墙”、“延迟墙”及 “功耗墙”等三重严峻挑战：单通道速率难以突破400Gbps，传输延 迟高达数微秒，单机架互连功耗占比更是超过40%，这一系列瓶颈已 成为制约超大规模智算集群算力释放的核心障碍。 相较于传统可插拔光模块等设备级光互连技术，芯片级光互连正 需要至少百倍规模的集群演进速度来支撑大模型的发展，但芯片间的 互连能力提升缓慢，只有约每两年1.4倍，远落后于模型规模和算力的 演进速度。 图 1-1 智算场景中各技术领域扩展趋势[1] 超大模型的训练过程尤其是张量并行（TP, Tensor Parallelism）、 专家并行（EP, Expert Parallelism）等模式依赖集群内GPU芯片之间频 繁的数据交互。然而，互连速率的提升已严重滞后于算力的快速演进， 杂DSP补偿。 光交换为突破电交换的限制提供了新的路径： 一是，其在光层面直接完成端口间的切换，无需O-E-O转换，彻 底绕开了制程、缓存和SerDes衰减等物理瓶颈，可支持极高传输速率 与超大规模集群部署。光交换天然具备速率和协议无关的特性，从 400G到800G乃至1.6T均可平滑支持，在速率升级时无需更换交换设备， 极大降低了系统演进的复杂度和成本。 二是，光交换通过端到端光路直通，避免了复杂的包解析与缓存

年技术积累，构筑坚实云计算基 础 68 可用区 遍布全球五大洲 27 个地理区 域 100 万 + 服务器 中国首家突破企业 200T 带宽峰值 中国首家突破互联网企业 基础设施跨足全球， 超大规模管理能 力 智慧零售 智慧医疗 智慧工业 智慧出行 智慧教育 智慧政务 智慧金融 智慧文旅 100+ 行业解决方案 深厚数字化转型升级实践沉淀 300+ 云产品服务 全面覆盖基础服务 、云原生 、安全等 服务全球 300 万 + 客户 亿级规模自有业务 技术基座 血 行业引擎 超大规模算力支撑海量业 务 云计算 区块链 深圳防 e 通 云上 IT 疾控中心 公卫云 公卫云平台

设。 2.2. 价值和愿景 “全光网 3.0”是推动新型工业化与数字基础设施融合发展的关 键支撑。通过能力升级、架构重构、服务模式创新，光网络向数智融 合、多维感知与天地协同转型，并具备超大带宽、极低时延、原生智 能、弹性敏捷等核心能力。促进区域资源协同共享，支撑算力资源灵 活配置、数据要素高效流通，加速智慧工厂、智慧办公等产业数字化 升级，推动远程教育、远程医疗等城乡数字鸿沟弥合，带动实体经济 区域等方向陆缆穿境资源，拓宽陆地光缆通道，推动多个陆海光缆联 运通道建设，为海洋光缆网提供强有力的业务分担与安全备份。 国内骨干光缆网围绕国家算力枢纽节点，构建高效直达（低时延） 和战略底座（广覆盖）协同的立体化布局，高效连接超大型/大型数据 中心，覆盖枢纽、核心机楼，衔接亚美欧的国际通信出入口局和海缆 登陆站。构建干线光缆城区终接新型结构，优化局房基础设施布局， 减少进城绕转，优化时延并提升网络安全性。全面部署 G.654 3.3.1.骨干光纤通信网目标架构 骨干光纤通信网的目标是构建以云/数据中心（DC）为中心、国 内多层次网络融合、国际国内一体化、地面网络与卫星空间网络协同 的综合传输承载精品网络，提供超大带宽、超高可靠、极低时延、弹 性敏捷、多维感知、智能运营的网络能力。 国内网络多层次融合组网：按照一二干融合组网，打造全光覆盖 基础干线层和立体高效调度层网络架构，实现多速率、多类型业务高