年六大领导力主题 1. 人工智能与采购运营模式的演变 2. 人工智能驱动的采购协同：众望所归 3. 人工智能代理加入采购和供应链团队阵容 4. 关于价值的讨论不断变化 5. 多变监管环境中的供应链弹性 6. 本地化与全球化 - 争斗仍在继续 结论 注释 引言 疲惫的人们没有时间休息。刚刚适应疫情后的现实情况，企业现在又面临着技术、地缘政治和监管 方面的复杂变化，这些变化正在极大程度上重塑着采购和供应链。渐行渐近的 方式。在此背景下，贸易紧张局势持续存在，本地化和可持续发展正与传统的全球化竞争。 采购和供应链行业领导者面临着一系列大哉问：人工智能是否会将采购转变为自我驱动的强大体 系？在地缘政治不确定的情况下，企业能否在弹性与成本效益之间取得平衡？ 本报告结合未来一年的宏观经济前景展望，解读了影响采购和供应链的六大变革型趋势，这些趋势 为企业重塑自身成为适应性强、面向未来的组织带来了挑战，但也带来了无限潜力。 适才迎来公司成立 执行摘要 随着企业在多样化的宏观经济环境、人工智能的快速发展、动态的市场条件、贸易战和地缘政 治冲突之中一路见招拆招，他们必须调整战略和实践以保持竞争力。为了作出明智决策、推动 创新和增强运营弹性，最终使企业在未来一年取得成功，了解这些趋势及其对采购和供应链的 影响对于领导者至关重要。 GEP 的 2025 年趋势洞见报告指出了采购和供应链管理的六大趋势，每一项都为领导团队带来 了重大的挑战和机遇。

....................................................................................... 29 7.1.1 弹性云服务器（ECS） ......................................................................................... ....................................................................................... 30 7.1.3 弹性伸缩服务 (AS) ......................................................................................... ....................................................................................... 31 7.2.2 弹性负载均衡服务（ELB） .......................................................................................

商提供的 跨云工具和服务，或者第三方多云管理平台，可以满足不同云环境间的数据 同步、应用集成和统一管理需求，简化多云环境下的运维复杂性。 �� 多云环境赋能企业增强业务敏捷性和可扩展性，构筑弹性技术服务架构：有 效的多云环境会进一步加速企业面向业务的敏捷能力，支撑多元业务下的复 杂业务架构，并帮助企业在与多个云厂商的合作中时刻保持主动。这对于一 些大型集团型企业和即将开拓多元市场的企业具有更强的吸引力，因为这些 复合型能力都提出了远高于以往的要求。 AI算力规模化：企业对加速芯片的多样性有较高需求，以适应不同规模和复 杂度的模型的开发和应用。同时，为了应对不断变化的工作负载，企业还需 要计算和存储资源具备弹性扩缩的能力。为了实现更好地管理规模化和异构 的算力资源，超大规模计算集群需要支持智能调度，特别是面对行业大模型 的训练和推理任务时。企业需要获得全面保障大规模算力集群的统筹管理和 优化能力，确保计算资源实现高效利用。 也非常重要，同时，在企业 时延优化、并行存储吞吐率以及实时性能监控等指标上也具有相应的需求。 AI算力综合成本：市场需要灵活的资源配置规格和计费模式，云服务商需要 支持多种配置策略，提供高效的弹性伸缩，并通过技术创新提升硬件资源共 享效率和利用率，降低计算和存储成本。 �� AI工具链：支持传统AI模型以及基础大模型、行业大模型的开发与应用，提 供数据处理、数据标注、模型训练、模型精调、配置管理、低代码等一系列

不仅限于安全，这种“假象对齐”表明模型可能会内在执行对齐的逆操作。大模型存在会逆转或撤 销对齐过程的可能性，这一概念我们称之为逆向对齐（ Inverse Alignment ） 。我们进一步探究了： 语言模型的参数是否表现出弹性，从而抗拒对齐？ Dothe parameters of language models exhibit elasticity, thereby resistingalignment? 未来技术方向展望 类似于胡克定律，我们发现大模型也存在弹性：对模型施加微调时，模型倾向 于 保持原有预训练分布，抗拒对齐分布，使得“逆向对齐”更加容易。 从最简单的弹簧系统建模，探究大模型内在抗拒对齐的机理 大模型存在弹性：模型在预训练阶段经过大数据、 大更新产生了具备通用能力的稳定分布 pθ, 而经 过对齐阶段的“小数据、小更新”表现出由对齐分 布 pθ’回弹到预训练分布 pθ 倾向，从而抗拒对齐 ; 胡克定律：在弹性限度内，弹簧弹力 从胡克定律到大模型的弹性（而抗拒对齐） 模型是否具有与 弹簧类似的属性 从而抗拒改变？ pθ ’ pθ u 大模型被视作一种压缩器，预训练和对齐过程则是： 利用模型对每阶段的数据进行联合压缩； u 数据量上 pre-training 显著多于 post-training ，模 型为提高整体压缩率，倾向优先保留预训练部分的 分布而抗拒微调对齐的分布，从而表现出模型弹性； u

支撑。 可信高速数据网作为数据基础设施中网络设施的重要构成，是顺应国 家战略需求的关键发展方向。它以《指引》为根本遵循，面向数据流通利 用场景，在高速数据网基础上强化“可信”能力构建，提供兼具弹性带 宽、安全隔离、高效传输、全链路可追溯特性的数据传输服务，成为连接 数据要素、算力资源和智能应用的关键纽带。可信高速数据网区别于传统 网络的核心优势在于：通过融合IPv6+、量子加密、隐私计算等技术，实 党的二十届三中全会明确提出“建设和运营国家数据基础设施，促进数据共 享”，为数据要素流通和基础设施建设指明了方向。《指引》对网络基础设施作出 明确部署，要求“建设高速数据传输网，实现不同终端、平台、专网之间的数据高 效弹性传输和互联互通”，重点破解传输能力不足、成本高、难互联等问题。 网络基础设施承担着打通数据流通“大动脉”的关键职能，是连接数据供给 方、需求方、交易平台、监管机构及服务商的核心枢纽。可信高速数据网聚焦“安 可信高速数据网通过IPv6+、广域无损网络等新一代技术，重塑数据流通架 构，实现跨运营商、跨行业、跨区域的动态互联。其采用“Overlay（业务连接 层）+Underlay（网络层）”协同架构，支持“按需连接、分钟级开通、弹性计 费”。通过RDMA协议优化，网络调度效率显著提升，实现TB级数据小时级送达， 提高了线路资源利用率与数据传输效率。数据要素快速连接算力资源，加速价值转 化，最终达成“数据高利用，算力不等待，协同效率佳”的目标。

Distribution Network 模型分发网络 6 1.从云计算到云智算 1.1 云计算发展现状及面临挑战 云计算经过二十年的发展已成为数字经济的主要服务形态，凭借虚拟化、云 原生等技术实现了资源池化和弹性扩展能力，有效支撑了各行各业数字化转型。 随着千亿参数大模型等 AI 技术的迅猛发展，传统云服务体系面临严峻挑战，云 计算进入深水区：在算力方面，十万卡级超大规模 GPU 集群的异构算力需求已远 发展的症结所在。尤其以 KVCache、RAG 等为代表的推理技术对存力的要求越来 越高，亟需一种新型存储架构，解决性能与成本问题，提高推理效率和推理质量。 10 中国移动提出面向 AI 的高弹性多级缓存方案，解决训推过程对于存储系统 的性能与成本问题。支持 GPU 数据卸载，构建包括 GPU 显存、主存、宿主机与网 络持久化存储的多级缓存架构 [12]。利用以 CXL 为代表的高性能互联技术，支持多 现数据的智能路由，提高数据传输性能。打造训推过程中不同数据类型及不同阶 段的专有协议，提供专有 SDK 和专有插件，满足训推过程对于高性能、低成本的 诉求。依托 DPU 轻计算客户端卸载技术，构建计算与存储间的高带宽通道，提供 以弹性临时盘为代表的场景特化临时存储能力。 面向近期，针对 AI 训推场景对于多级缓存的核心需求，联合产业力量升级 存算互联硬件，打造高速互联接口提升带宽，研发存算协同芯片模块，提升整体 性能。

的测试类别，以便更 好地了解 5G 服务的 未来发展。 全球电信产业的利益相关者在2024年所开展的测试工作展示出未 来5G网络发展的优先事项。 安全与弹性。供应商的5G核心网络正在根据3GPP的安全保证规 范（SCAS）进行验证，而对于弹性的测试则专注于云原生网络 功能（CNF）如何在不同的云基础设施中得到执行和恢复。通过 上述这些验证与测试，人们相信5G SA可以处理复杂的现实需求 并提供服务的连续性。 并提供服务的连续性。 北美的一家大型多频道视频节目发行商（MVPD）希望通 过验证5G云原生架构的鲁棒性来对其预先部署的5G SA核 心网络的弹性进行严格测试。思博伦运用其Landslide CNF弹性测试解决方案进行了基于混沌的测试。这一解决 方案引入了破坏性网络故障场景（如存储连接丢失或基础 设施资源耗尽等），从而深入了解其恢复机制、体验质量 （QoE）及自动响应的有效性。作为该公司与思博伦的一 速推进，同时最新的5G-Advanced部署也开始取得进展。 仅在过去的一年里，思博伦就与超过50家通信运营商（CSP）、 网络设备制造商（NEM）和超大规模云运营商在5G SA的测试领 域开展了合作，范围涵盖了性能、安全、弹性、生命周期管理及 基于服务的测试。 我们认为，对测试的优先考虑与关注为2025年5G SA和5G-Ad- vanced的部署提速树立起鼓舞人心的风向标。 全球的电信产业需要利用5G SA的性能与能力来推动一系列的增

为企业提供了全域数据资产管理能力，让业务 数据‘看得清、查得快、用得好’。” 据介绍，极氪汽车采用 DMS+Lindorm 一站式多模数据解决方案，实现 32 万在线车 辆上万车机信号数据的弹性处理分析，开发效能提升 2 倍，降低 50%云资源成本。在 大模型领域，此方案支撑月之暗面构建 AI 智能助手 Kimi，帮助 Kimi 准确理解用户 的搜索意图、整合与概述多种信息源，实现精准和全面的信息召回，提升用户交互体 今年首次提出基于“三层解耦, 三层池化”（存储、内 存、计算）、AlwaysOn 架构的多主多写和秒级 Serverless 能力，解决了多主架构中 冲突处理和数据融合、以及 Serverless 秒级弹性租户隔离的难题。在高并发场景下， PolarDB 性能为业界同类数据库 3 倍，并凭以上成果成功摘得中国首个 ACM SIGMOD 和 IEEE ICDE 工业赛道“最佳论文奖”。 向量数据库：自研向量引擎，毫秒级低时延，支持向量检索、全文检索，多路召 回。单实例支持千万级向量，可扩展分布式支持亿级向量。 · 多算力：CPU、GPU 算力统一提供、统一管理，弹性扩缩。 · 企业级特性：支持传输加密、安全审计、权限管理、HA、灾备、在线弹性扩缩、 监控告警等丰富的企业级功能，保障数据安全，保障系统高可用。版本在线更新， 模型在线更新。 雅迪云销通 App 采用基于 PolarDB

一是建设创新型的“两弹一优”基础设施。临港算力网 通过弹性供电、弹性供冷、机房气流组织优化的“两弹一优”， 实现多元算力组合快速交付。弹性供电方面，通过机柜设备 的“小母线+弹性方舱”配电系统，一舱解决不同客户集群 部署模式带来的机柜功率变化需求。弹性供冷方面，采用冷 冻水系统、热管多联系统、液冷系统等多种数据中心冷却手 段，统筹预留基础设施管井及接口，实现制冷技术弹性应用。 机房气流组织优化方面，通过流体动力学模拟计算机架和机 机房气流组织优化方面，通过流体动力学模拟计算机架和机 房的气流组织，精细化设计冷热通道，开展建设性设计和周 期性优化，综合提升供冷效率。 6 图 1 弹性制冷循环系统与能效分布图 二是通过创新性研究解决行业难点问题。通过使用中距 离跨区 RDMA（远程直接内存访问）进行市内算力组网，解决 算力资源分散无法被集中调用的问题。通过使用跨区 RDMA 协议和广域拓扑感知并行策略，对跨数据中心大模型训练提 出针对 二是构建全流程 AI 能力体系，降低智算算力使用门槛。 构建覆盖 AI 算法开发全生命周期的 AI 能力，提供 6 种 AI 开发框架、3 种分布式训练加速框架、4 种分布式并行训练 策略以及弹性高性能推理等能力，提高大模型开发效率，适 配 4 种底层智算异构资源，提供统一的智算算力网页。 三是创新平台运营模式，减少用户算力使用成本。通过 构建融合运营模式整合多方运营平台，实现智算资源池统一

缺点：管理复杂性增加，面 临技术整合挑战 适用于业务多元化的大中 型企业，既有相对稳定的核 心智算业务需求，又有弹性 较大的非核心业务或临时 性算力需求 央国企智算创新实践报告（2025 年） 15 租建 结合 根据算力需求层次与 变化规律，采取“自 建核心算力设施 + 租赁弹性算力资源” 的组合模式 优点：兼顾成本与核心需 求，灵活性与扩展性强，平 衡技术门槛与服务质量 过智算中心内网络实现多卡多机的高速互联，为上层提供强大的计算 能力支撑。资源层建立在硬件层之上，负责对各类硬件资源的感知、 虚拟化与池化任务。通过资源层，系统能够动态识别并整合硬件资源， 形成统一的资源池，实现资源的弹性分配与高效利用。此外，资源层 还负责根据上层编排系统的智能调度算法和指令，将数据、容器动态 调度到最适合的智算资源上，在任务执行过程中，会持续监控容器运 行状态、节点健康度，一旦出现算力节点故障、数据传输超时等异常 选择最优网络链路，将数据和业务请求调度到合适的算力资源节点， 从而确保任务高效执行，并满足编排策略的要求。智算任务调度重点 关注在已确定的策略下，实现最大化的资源利用率，保障业务调度过 程弹性高效、稳定安全。算力调度涉及的关键技术包括算力路由、任 务分析与分解、弹性调度与故障迁移等。其中，算力路由是指实时收 集、汇总各计算节点资源使用情况，生成包含网络和计算参数信息的 新型路由表，为算力调度提供实时、精准的决策依据。任务分析与分