·2019年，现货结算试运行。 市 场 体 系 市 场 规 模 交 易 品 种 零 售 市 场 ·2024年，交易电量6176亿千 瓦时，发电企业399家、电力用 户9.9万家，售电公司423家； ·新增集中式新能源、独立储能、 分布式光伏、抽蓄、10kV以下低 压工商业用户等市场主体。 ·2021年底，电网代理购电+绝对 价格中长期交易+现货结算连 续试运行； ·2023年12月28日，现货结算转 正式运行。 2 亿千瓦时和 2 万千瓦时。广东绿电市场有力服务了省内绿色 制造和对外贸易需求，促进了绿色电力消费和能源绿色低碳转型。 16 广东电力市场建设发展情况 陆上风电，8家 海上风电，2家 集中式光伏，74家 分布式光伏，46家 工商业用户，429家 居民用户（自然人），4家 图 2-5 绿电交易体系“发用两侧全覆盖” 持续迭代完善电力市场规则体系。作为全国最大省级电网，广东电力 绿电交易规模：39.7 亿千 瓦时； 发用主体：集中式光伏、 分布式光伏、海上风电、 陆上风电、企业用户、居 民用户（自然人）。 绿电交易规模：24.0 亿千 瓦时； 发用主体：集中式光伏、 陆上风电、企业用户。 绿电交易规模：15.5 亿千 瓦时； 发用主体：集中式光伏、 海上风电、陆上风电、企 业用户。 绿电交易规模：23.2 亿千 瓦时； 发用主体：集中式光伏、 陆上风电、企业用户。 零售 市场

(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 主机专有工具组件 专用硬件 定制化操作系统 Processor (CP，zIIP，zAAP，…) Memory (RAIM，…) Storage (FICON，FDC，…) 问题（例如 DB2 的死锁情况）， 缺乏经验的技术人员难以快速定位解决，将导致业务中断时间延长（主机系统平均故障恢复时间比分布式系统 长 3 到 5 倍）。 主机面临的诸多挑战，本质上源于“集中式封闭架构”与“分布式开放架构”之间的时代落差。这种架构 上的不匹配，不仅推高了企业的整体 IT 成本，也严重制约了业务的发展速度与创新能力。在数字化转型的浪 潮下，越来越多的企业开始积极寻求突破 低 OPEX 成本。 ② 分层设计并构建高可靠冗余架构，支撑主机应用高可靠性达到 99.99% 及以上要求。 ③ 提供统一的安全运营平台，多层次保障数据、应用及网络传输等全场景安全。实现云平台集中式安全 管控，并支持统一密码周期修改策略的变更。 (2) 数据层 ① 数据库具备池化架构及弹性扩展能力，提供多种高可靠部署架构方案，满足主机应用大容量、高性能、 高可靠诉求。 ② 提供高效的

混合部署等复 杂场景需求，对分布式推理系统提出动态拆分推理任务、并发执行、异构算力协同的更高要 求，旨在显著提升系统吞吐性能和响应速度。 17 业界现有推理系统主要包括集中式推理和 PD 分离式推理两类模式，集中式推理系统， 将大模型推理 Prefill（简称 P）阶段与 Decode（简称 D）阶段部署在同一节点，对底层异 构 GPU 资源的动态感知与适配能力弱。PD 分离推理系统将 而言，现有推理系统在高效、智能协同推理调度方面存在不足。 构建高效异构 GPU 分布式推理系统的关键技术包括任务调度与资源绑定、KV 缓存迁移 与共享机制、异构资源适配与优化算子调度等。 （1）任务调度与资源绑定：集中式推理以完整请求为粒度，通常使用静态映射表或单 负载均衡将请求一次性绑定到某节点，调度逻辑相对简单，扩展性受限。PD 分离推理核心 在于支持 Prefill 与 Decode 阶段的跨节点、跨异构 动态解耦与绑定，调度器需实时感 知不同类型 GPU 的实时负载，实现计算密集型 Prefill 阶段与访存密集型 Decode 阶段在异 构资源上的精准匹配。 （2）KV 缓存传输与共享机制：集中式推理的推理全过程通常在单 GPU 或同构集群内 完成，KV 缓存本地生成、本地访问，一般无跨设备/节点迁移需求。PD 分离推理当 Prefill 和 Decode 被调度到不同设备时，需要实现 KV

架构的转变，预计将在单机架功率达到 200 千瓦至 250 千瓦时出现。以 48 V 总线架构为例，此时母排需承载 4100 A 至 5200 A 的电流。 展望未来十年后期，数据中心将逐步过渡到集中式发电与配电架构，通过减少转换级数，实现可扩展的新一代高 压直流供电架构。 图 3 展示了基于 800 V DC 的集中发电和高压直流配电的示例。其中，图右为服务器主板。 电子保险丝 / 热插拔功能 的三相交流电网。当每个电源架配 3 至 4 个 PSU 时，可提供超过 100 千瓦的功率输出，当每个侧柜安装最多 10 个电源架时，IT 机架的供电能力即可达到 1 兆瓦。这一架构将成为 迈向集中式发电与配电（详见下一章“预测六”）的重要过渡阶段。图 13 显示了对应的架构，其中三相 PSU 和电 池备用单元（BBU）共同向高压直流总线（例，如 800V DC）供电。 图 13：分离式 IT 输入电压， 400 V 或 800 V 输出电压提供的三相 PSU 解决方案概览 在这种架构下，备用电源通常由锂离子电池接入公共高压直流总线提供。如果数据中心对使用锂离子电池有限制， 可采用集中式电池储能系统。同时，通过双转换不间断电源（UPS）（带或不带旁路功能），可以在三相交流配电 架构中应对停电事件。 此外，超级电容托盘可用于应对 GPU 负载的动态变化。另一种方案是在 AC-DC

架构的转变，预计将在单机架功率达到 200 千瓦至 250 千瓦时出现。以 48 V 总线架构为例，此时母排需承载 4100 A 至 5200 A 的电流。 展望未来十年后期，数据中心将逐步过渡到集中式发电与配电架构，通过减少转换级数，实现可扩展的新一代高 压直流供电架构。 图 3 展示了基于 800 V DC 的集中发电和高压直流配电的示例。其中，图右为服务器主板。 电子保险丝 / 热插拔功能 的三相交流电网。当每个电源架配 3 至 4 个 PSU 时，可提供超过 100 千瓦的功率输出，当每个侧柜安装最多 10 个电源架时，IT 机架的供电能力即可达到 1 兆瓦。这一架构将成为 迈向集中式发电与配电（详见下一章“预测六”）的重要过渡阶段。图 13 显示了对应的架构，其中三相 PSU 和电 池备用单元（BBU）共同向高压直流总线（例，如 800V DC）供电。 图 13：分离式 IT 输入电压， 400 V 或 800 V 输出电压提供的三相 PSU 解决方案概览 在这种架构下，备用电源通常由锂离子电池接入公共高压直流总线提供。如果数据中心对使用锂离子电池有限制， 可采用集中式电池储能系统。同时，通过双转换不间断电源（UPS）（带或不带旁路功能），可以在三相交流配电 架构中应对停电事件。 此外，超级电容托盘可用于应对 GPU 负载的动态变化。另一种方案是在 AC-DC

RT/Xenomai) • vCore 0: Task scheduling • vCore 1: EtherCAT program 图：基于 ACRN 虚拟机的 PAC 架构 20 云边协同通过将云的集中式处理能力与边缘计算的本地化实时功能相结合，可以优化运营，提高性能，并创建响应更快、更 智能的系统。 云边协同工作原理： 工业控制系统向云边协同架构的趋势是工业系统设计、部署和管理方式的重大转变。这一趋势是由对更灵活、可扩展和智能 云处理：云提供可扩展的计算资源，允许更复杂的处理、长期数据存储、高级分析、机器学习和全球可访 问性。 • 可操作的洞察：云处理数据，并将洞察或命令发送回边缘设备，以优化操作、更新模型或更改系统行为。 云端： • 集中式数据管理：云计算允许集中式数据存储和 管理，这对于产生大量数据的大规模工业运营至 关重要。 • 高级分析和人工智能：云提供了高级分析、机器 学习和人工智能所需的计算能力，可用于优化流 程、预测维护和改进决策。 PC 分析到智能决策再到控制指令执行，复杂的链路增 加了系统故障风险，每个环节都可能影响整体系统的稳定性和可靠性。 • 可扩展性限制：随着传感器数量激增、AI 功能增加和边缘智能需求增长，传统集中式架构难以灵活扩展，系统集 成复杂度高，维护成本不断上升，无法适应快速变化的智能制造需求。 35 图：易码智能实时数据采集处理解决方案架构 解决方案 易码智能基于英特尔平台和 Kithara

需求的性能开销，从而进一步影响智算任务运行效率。 近年来部分智算中心使用软件定义网络（SDN），以提供集中化、 可编程的网络控制能力，但将传统 SDN 架构直接应用于光电协同网 络时，面临显著的扩展性与时延瓶颈。集中式控制节点需要实时感知 全网拓扑状态、计算最优拓扑配置，并将新的路由结果下发至各个网 络设备。即便采用流水线化的计算与推送机制，整个流程的耗时依然 可能达到秒级，远无法满足光链路数十微秒至百纳秒级的拓扑更新需 这类时间尺度的不匹配，使得路由信息在光链路拓扑切换后可能 长期滞后于真实网络状态，导致数据包被转发至失效路径或次优路径， 从而引发链路中断、丢包增加及延迟上升等问题。在光电协同网络中， 拓扑切换频繁，传统依赖秒级收敛的路由协议与集中式控制架构难以 适应这种高动态环境。 2.4 链路层：非对称资源动态分配挑战 智算中心长期面临链路带宽利用不均衡的问题。以典型的智算训 练任务为例，参数推送与参数拉取之间的流量存在数量级差异。传统 地。其中，分布式光交换（dOCS）架构作为一种代表性技术方案， 受到了广泛关注。该架构的核心思路是将光交换能力前移至 GPU 节 点，通过在每个 GPU 互连模块内嵌光交换功能，实现网络拓扑的弹 性可重构。与集中式光交换方案相比，这种分布式设计有效缓解了光 纤汇聚带来的布线复杂度，并可通过控制平面实现秒级拓扑重构，显 著提升网络的灵活性与可靠性。曦智科技的 LightSphere X 超节点[13] 是该技术路径的典型实现之一。

维护与主 动优化能力，智能化水平滞后；网络能力“连而无感”，仅能提供基础连接服务，无法原生支撑定位、 感知等融合应用，制约了智能化的深度与广度。 融合技术拐点催生架构协同：下沉核心网虽解决了集中式核心网难以快速处理边缘侧海量数据的问 题，契合企业专网本地化、实时化诉求，但“网算分离”的模式仍会导致网络资源与边缘算力适配滞后、 数据流转效率低。唯有通过整合网络、算力、AI 与业务的协同架构，才能将技术优势转化为实际业 整、能效优化、故障预测与处置等复杂工业任务。 多智能体的协作使工业控制系统能够像有机体一样，智能、动态地响应生产变化，显著提升资源利 用效率与业务连续性；通过智能体“团队”的分布式协同，将传统集中式架构的决策瓶颈化解为高效、 可靠的群体智能，有力支撑工业现场对实时控制与高可靠运行的极致要求；智能体作为“控 - 算 - 智” 一体化的核心载体，以工业场景需求为驱动，依托 5G-A 与 AI 的深度融合，高效整合控制资源（控）、

4K QAM，8SS 1K QAM，4SS GFSK/BPSK/QPSK/8PSK 空口信道接 入 CSMA/CA 分布式竞争接入为主，存在多 节点竞争冲突 集中式资源协调，多节点无干扰 集中式资源协调，多节点无干扰 多站点协同 目前标准较弱； 支持私有 Co-SR/TDMA 协同，~1us 同 步； 支持跨域协同，~1us 同步； 支持跨域协同，~1us

battery[J]. Proceedings of the CSEE, 2022, 42(17): 6155-6170. [2] 蔡福霖, 胡泽春, 曹敏健, 等 . 提升新能源消纳能力的集中式与分布 式电池储能协同规划[J]. 电力系统自动化, 2022, 46(20): 23-32. CAI F L, HU Z C, CAO M J, et al. Coordinated planning