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

规律，在道路网密度增长方面，2024年团块型城市增 长较快，增长约1.6%，组团形态城市增长约为1.4%， 带型城市无明显增长。 城市规模 本报告将全国36个主要城市分为超大型、特大型、 Ⅰ型大城市、Ⅱ型大城市、中等城市五类4。2024年以 深圳为代表的超大型城市平均道路网密度为7.8km/km2， 平均增速0.9%；以杭州为代表的特大型城市平均道路 网密度为6.4km/km2，平均增速1.9%；Ⅰ型大城市平 均道路网密度为6.8km/km2，平均增速1.9%；Ⅱ型大 城市平均道路网密度为5.4km/km2，平均增速0.3%； 拉萨市为中等城市，道路网密度为4.1km/km2。 从数据统计特征来看，超大型城市平均密度最高， 特大和Ⅰ型大城市平均增速最高，Ⅱ型大城市的平均 密度和平均增速均相对较低。 *注4：以全国第七次人口普查数据为标准划分城市规模类型。 15 图10 城市区位、形态与道路网密度 0% 平均密度 7.8 平均增速 0.9% 平均密度 6.4 平均增速 1.9% 平均密度 5.4 平均增速 0.3% 平均密度 6.8 平均增速 1.9% Ⅱ型 大城市 超大型 城市 特大型 城市 I型 大城市 道 路 网 密 度 监 测 2 ROAD NETWORK DENSITY MONITORING 16 2.5 城市群道路网密度——京津冀城市群

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。 算力集群的 带宽瓶颈、延迟损耗与扩展桎梏，为“N+X”智算节点的弹性组网提 供核心支撑。这一升级并非简单的硬件替换，而是覆盖数据、控制、 管理多平面的系统性算网协同革新。随着移动云呼和浩特、贵阳等 超大规模智算中心的落地，单集群 AI 加速卡规模已突破 2 万张，算 力达 6.7EFLOPS，传统基于电交换的 Super Spine 在横向扩展中逐 渐暴露性能、成本、扩展性的三重矛盾。未来大规模智算集群性能 问题，以智算中心场景为核心，推动 NPO/CPO 的应用落地，解决发 热、芯片良率等问题，同步验证 OIO 在 GPU 互连领域的应用效果。 对于光交换领域，在 OCS 方向，目前已经实现初步商业化。光 交换作为支撑超大规模 Scale-Out 架构的关键基础设施，在智能中 心中的应用前景十分乐观，短期来看，OCS 最有可能进行小范围的 试点应用，长期来看，光分组交换将具有更大的潜力。 云智算光互连发展报告

得“类内网”的服务体验， 成为先进数字产品和服务的潜在用户。在此基础之上，“智云上海”有望成为上海本地科创企 业及其潜在用户的对接平台，赋能创新生态的成长。 作为全球首个可支撑“全城上云”的超大城市级云网平台，“智云上海”在网络用户数量、算 力部署规模以及本地化特色服务种类等诸多方面均显著领先其它类似部署，成为目前全球已投 入运营的最大规模的云网融合信息服务基础设施。 “智云上海” Unauthorized reproduction prohibited. “智云上海” 开辟运营商转型 新思路 “智云上海”持续引领城市级云网平台的创新与 发展 综上所述，作为全球首个可支撑“全城上云”的超大城市级云网平台，“智云上海”在网络用 户数量、算力部署规模以及本地化特色服务种类等诸多方面均显著领先其它类似部署，成为目 前全球已投入运营的最大规模的云网融合信息服务基础设施。 “智云上海”

1%。这种算力与电力需求的同步快 速增长，使得局部地区电网在调峰能力、 基础设施扩容和绿色电力消纳等方面都 面临着多重挑战。 到 2025 年 • 国家枢纽节点新建数据中心绿电占比超过 80%。 • 新建及改扩建的大型、超大型数据中心电能利用效率 （PUE）降至 1.25 以内，其中国家枢纽节点数据中心 PUE 不得超过 1.2。 • 全国数据中心平均 PUE 低于 1.5，同时可再生能源利用 率年均增长 10%。 6 中国数据中心的发展趋势 中国数据中心市场在需求增长与产业转型的双重驱动下稳步发展， 呈现出以下趋势： 数据中心市场在保持增长态势的同时，增速逐步趋 于理性。在“东数西算”和市场需求的引导下，超大 型和大型数据中心逐步成为主流，分布式和边缘节 点同步发展。小型、分散、能效低的数据中心将加 速退出市场，推动行业集中度和资源配置效率持续 提升。 规模增长与结构优化并进 可持续性已成为衡量数据中心竞争力的重要指标。

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 Jenkins、Argo CD 需求与 设计管理 协作开发 管理 自动化 流水线 全链路 可观测 故障 智能定界 故障 自动恢复 中间件层 数据层 基础设施层 软硬协同高性能 超大规模算力 多层冗余高可靠 纵深防御安全 消息队列 事务 缓存 调度 高性能大容量 高效迁移与同步 快速备份恢复 高可靠架构 虚拟机 虚拟存储 虚拟网络 容器 分布式总线 云负载均衡 数据库 高安全的能力，具体包含以 下特征： (1) 融合高性能：协同云平台软件和计算、存储、网络等硬件设备进行深度调优，实现对硬件的精细化管 理和调度，最大化释放硬件性能。 (2) 万级大规模：具备超大规模算力资源管理和调度能力，支持资源弹性伸缩，集群规模升级不中断业务。 (3) 全层级高可靠：通过全栈冗余设计和多种形态的容灾能力，构建从数据中心级到应用软件级的一体化 高可靠能力，满足系统级高可靠要求。

国际经济贸易秩 序遇到严峻挑战，世界经济增长动能不足；大国博弈更加复杂激烈。从国内看，我国经济基础稳、 优势多、韧性强、潜能大，长期向好的支撑条件和基本趋势没有变，中国特色社会主义制度优势、 超大规模市场优势、完整产业体系优势、丰富人才资源优势更加彰显。同时，发展不平衡不充分 问题仍然突出；有效需求不足，国内大循环存在卡点堵点；新旧动能转换任务艰巨；农业农村现 代化相对滞后；就业和居民收 。 ——高质量发展取得显著成效。经济增长保持在合理区间，全要素生产率稳步提升，居民消费率 明显提高，内需拉动经济增长主动力作用持续增强，经济增长潜力得到充分释放，全国统一大市 场建设纵深推进，超大规模市场优势持续显现，新型工业化、信息化、城镇化、农业现代化取得 重大进展，发展新质生产力、构建新发展格局、建设现代化经济体系取得重大突破。 ——科技自立自强水平大幅提高。国家创新体系整体效能显著提升，教育科技人才一体发展格局 建设用地更大自主权，探索实施建设用地总量按规划期管控模式，实行统筹存量和增量综合供地。 （31）深入推进以人为本的新型城镇化。科学有序推进农业转移人口市民化，推行由常住地登记 户口提供基本公共服务制度。推进超大特大城市治理现代化，加快城市群一体化和都市圈同城化， 优化城市规模结构，促进大中小城市和小城镇协调发展、集约紧凑布局。分类推进以县城为重要 载体的城镇化建设，提升产业支撑能力和公共服务水平。坚持城市内涵式发展，大力实施城市更