计 2025 年 Q4 完成初 版 baseline 定义。 国内的相关标准主要有以下的进展：2021 年 12 月，CCSA TC6 WG1 通过了《面向下一代数据中心内部网络光交换技术研究》立项 申请，该研究报告主要开展下一代数据中心内部网络的需求及背景， 系统架构和关键技术的要求，快速切换相关技术和研究，光交换机 相关技术和研究，相关控制策略和协议等研究。在 2024 年 Q4 CCSA GPU、存算一体架构中，光替代电进行传输是突破“功耗墙”与“带 宽墙”的唯一路径。中国企业需在 CPO 阶段积累硅光集成能力，同 步布局 OIO 芯片级光互连技术，方能在未来占据优势。 此外，作为下一代智算中心互连技术的核心，在全光交换领域， 其发展趋势主要集中在软硬件协同控制，标准化建设和多技术路径 竞争等方面。在多技术路径层面，MEMS 微镜阵列正在成为当前的主 流方案，目前该技术主要还存在机械稳定性与良率、插入损耗等方 研发方面，短期来看，基于 112G SerDes 的 LPO 技术已 云智算光互连发展报告 经通过了实际验证，并已开始逐步商用化部署，技术上具有可行性， 并受到各大厂商的关注。长期来看，224G SerDes 是下一代网络升 级的方向，尚有诸多的问题亟需突破。在智算场景中，建议 LPO 模 块部署于网络交换设备间以满足低功耗需求。在 LPO 的标准化方面 建议针对互操作性、信号质量、诊断功能等制定强制性规范，推动

的抽象，使新技术能够无缝集成到现有的机器学习框架中，降低用户 的迁移成本和学习门槛。 通过上述技术方案的系统性实施，通信模式动态重构技术能够显 著提升光电协同网络在智算中心应用场景下的性能表现，为下一代高 性能计算基础设施的构建提供重要的技术支撑。 3.2 传输层：面向光电网络的高性能传输协议 高性能传输层协议作为现代数据中心的核心通信技术，通过绕过 处理器、减少数据拷贝等机制，能够显著降低 方案，切换到电链路备份路径，保证服务的连续性。 通过上述技术方案的系统性实施，智能路由控制体系能够显著提 升光电协同网络的路由收敛速度和整体性能，为智算中心提供高效、 可靠的网络层支撑，推动下一代数据中心网络技术的发展和应用。 3.4 链路层：面向光电网络的智能双工重构 智算中心普遍存在带宽资源配置失衡的核心问题。在智算训练场 景中，数据上传与下载的流量需求呈现极不对称的分布特征，两者间 算中心网络协议栈的技术发展策略。在此基础上，本章将总结光电协 同网络的发展路径，提出标准化路线图，并展望其未来技术演进与应 用前景。 4.1 光电协同交换网络的标准化路径 光电协同网络作为下一代数据中心网络架构的重要发展方向，其 标准化工作关系到整个产业生态的健康发展。基于前述四层技术方案 的深入分析，本路线图从技术标准、产业协作、实施部署和生态建设 四个维度，按照网络分层从上到下的顺序，制定了分阶段、分层次的

化全面升级，构建一个全新的智能世界。 智慧医疗： 将人工智能、大数据分析、通信、云计算、可穿戴设备等前沿技术融入医疗健康全过程， 提升医疗服务的智能化水平。新型虚拟显示技术以及低延迟高带宽的下一代通信技术连接将实 现居家远程医疗联动；依托灵敏的生物传感器、云端存储的海量健康数据，为个人和全人群提 供精准的健康评估、疾病预防、诊断和治疗方案，实现精准医疗。 智慧交通： 人工智能、物联网 10cm）或者当一个设备指向另一个设备时，表示这两个设备有较强的 协同可能性。 面向 2030 年，设备的感知能力会广泛存在。低功耗超宽带定位技术会在终端产品上更 加普及；另外支持高精度定位能力的下一代通信基础设施预计会大面积部署。因此，终端设 备与终端设备之间、终端设备与基础设施之间均能具备精确定位能力。定位精度预计达到 10~50cm 以内，定位工作距离预计达到 100m~200m。 基 面向未来的高效开发语言： 生态范式的变革，将给未来的智能应用以及 Agent 开发带来新的诉求和挑战，比如：构建 效率、空间计算应用的流畅交互体验、多 Agent 协同、系统性安全问题等。下一代编程语言应 提供原生 AI 应用开发框架和设计特定 DSL（即 Agent DSL）来简化应用开发，使模型部署、 智能决策等 AI 相关功能成为开发框架的一部分，给开发者带来高效的开发体验。

标准，同时增强自身的韧性与声誉（来源：Linux基金会；经济合作与发展组织，2023年）。简 而言之，开源AI已不仅是一种技术资源 ，而是一种推动业务转型、社会流动与全行业协作的催化 剂，为下一代数字创新带来更多可能。 趋势 4：组织尚未完全做好AI部署准备 尽管AI应用不断推进、相关投资持续增加，但许多组织仍未完全做好大规模实施AI的准备。在战 略规划、人才储备、合规监管与组织治理等 第二和第三。 智 能 世 界 的 I C T 岗 位 与 技 能 23 这些发现表明，关键IT领域对技术人才的竞争正不断加剧。组织必须加大劳动力培养投入、提供 丰厚激励，并与教育机构合作培养下一代网络安全、云计算及IT领域的领军人才。IDC认为，在未 来18个月内，能否成功招聘、培养并留住这些专业人才，将对组织的发展至关重要。 以软件应用开发领域为例，随着AI成为数字创新的核心，该领域正快速演变。各组织如今优先招 技术变革正渗透到制造业、医疗保健、金融、能源与教育等各个行业，但数字化应用速度存在差 异，尤其是在发达经济体与新兴经济体之间。要缩小这些差距，行业需投资数字素养与基础技能， 确保技术红利的普惠性。培养下一代人才是重中之重：到2030年，全球59%的劳动力需要接受培 训；未来五年内，近半数岗位要求掌握新技能。教育环境必须注重培养人才的适应力、分析解决 问题的能力、社会影响力与抗压力，帮助个体在自动化与AI驱动的职场中取得成功。

和长序列生成挑战，并将模型推理能力推广 至更广阔的实际应用场景中。 2）寻找可以支撑模型能力提升的下一 代扩展定律。在预训练和推理阶段的扩展定 律之外，探索多智能体协作、物理世界交互 和动态知识更新等下一代扩展方向。 3）设计软硬一体的高效模型架构。利 用分布式训练、混合精度计算及专用硬件加 速技术，加速模型训练和推理速度，使得大 模型能够更快地响应实时任务需求，提升整 体系统效率。 4）设计支持理解和生成的统一全模态 进展。人工智能的发展也依赖非线性科学和 复杂性研究，来破解数据、算力需求及模型 可解释性、收敛性、鲁棒性等难题，优化核 心算法和架构，推动通用人工智能的变革。 非线性科学和复杂性研究的发展将极大程度 地反哺人工智能，推动下一代人工智能发展， 即“复杂系统借力人工智能，人工智能面向 复杂系统”。 围绕非线性科学与复杂性研究的三个层 次，即认识、驾驭、控创，以基础数学理论 为驱动力，创新发展与人工智能相互赋能的 研究范式，探索不同领域复杂系统共性理论 等。 综上，人工智能等新型智能技术为解析 非线性科学与复杂性难题提供了全新的有力 工具；非线性科学与复杂性研究是解决新时 代极综合交叉科学问题的根本途径，是设计 新的核心算法或架构以发展下一代人工智能 的突破口。 1. E, W. et al. The deep ritz method: A deep learning- based numerical algorithm for solving

传统超节点架构在应对现代 AI 计算需求时，面临算力同质化（智算集群的同构扩展难 以适应算法差异）、通信效率低下（如高延迟跨节点传输）以及 CPU/GPU 固定配比导致资 源利用率不足三大核心瓶颈，推动下一代超节点向着“物理分解+智能调度”的双轨重构趋 势演进，实现计算资源的灵活优化。 通过节点动态组装（如分离计算密集型 P 节点和内存密集型 D 节 点）结合光互联技术 （如高速互联总线网络或 CPO 续发展和数字经济的深度变革注入强劲动力，加速迈向"算力无界、智能无限"的全面智能社 会。异构算力协同不仅是技术架构的创新，更是产业生态的重构，通过持续的技术突破、标 准完善和生态建设，异构算力协同将成为支撑下一代人工智能发展的关键基石，为人类社会 的智能化进程贡献更加强大而持久的算力支撑。 GCC 官方微信 GCC 官方网站

外 送 ； 通 过 “风电 + 储能”模式协助平滑电力输出曲线， 辅助风电场调峰、减少弃风电量，实现 电 网负荷平衡和能源供应稳定。 与此同时，风电制氢也取得了一定进展。 氢能被视为下一代能源，利用风力发电直 接驱动电解过程产生绿色氢能，以分散式 风电场搭配制氢、储氢、加氢设施，打造 氢能制造一体化产业链，成为当前解决氢 气提取高成本、高碳排的有效探索，并有 助于服务于下游的运输、工业制造等产业，

后的人口基数达到了 3.3 亿，已经超越 80 后的 2.2 亿，成为中国互联网的中坚力量，更将成为未来中国消费市场最大的需求主体。 新消费 人群在多元的数字化世界中出生成长，他们所展现出的世界观、价值观，也将影响下一代消费变革的底层设计逻辑。 人口结构正在影响消费行业的商业模式和运营理念。 Y+Z 正在成为未来中 国消费市场最大的需求主体，消费行业运营理念和商业模式正在发生转变 70 验及新服务，“五新”发展将推动零售行业迈入新的智慧时代 • 可穿戴设备 • 语音交互家电 • 智能补货家居 • 服务机器人 • 下一代电子货架 标 签 • 5G 定位产品 • 互动虚拟直播 • 商品追溯 • 虚拟导购 • 室内导航 • 多维度电子信息： 触觉、味觉、听

式 AI 应用进一步 加剧吞吐量与低延迟的双重压力。 1.4 算力经济性失衡：资源碎片化与供需错位下的成本与效率挑战 全球 AI 热潮推动各国对高端 GPU 的需求激增，AI 基础设施正成为下一代计算架构的 核心支柱。当前，训练和部署大模型的基础设施成本已构成企业发展的关键瓶颈。 ● 资源碎片化与低效利用是算力经济性失衡的核心矛盾。我国数据中心服务器的平 均算力利用率仅为 5%-10% 阿里云深知，对数据安全的追求永无止境。当前的安全体系已能妥善保护“传输中” 和“存储中”的数据，但要应对 AI 时代最终极的隐私顾虑，必须解决“使用中”数 据的保护问题。这正是阿里云与阿里云百炼正在全力布局的下一代安全方向，也是公 司对客户安全展现决心与战略投入的核心领域。 阿里云的愿景，是将“机密计算”（Confidential Computing）全面引入 MaaS 的 全链路，从根本上重塑 AI 时代的信任范式。

2023 年，中兴微电子发布了首款 3GPP R16 标准 5G+V2X 车规级芯片 S1，基于该芯片的 5G 模组 ZM9300 即将 在广汽埃安车型上实现量产装车。后续，中兴微电子将推出下一代的 5.5G NR+V2X 智能网联芯片，新一代芯片将具备 400MHz 大带宽能力，并支持六载波聚合技术、DSDA 双卡双通以及 NTN 空天地一体卫星通信等特性，预计 2026 年实现 量产。 年销量回落是因为新规带 来的设备更新需求已经减弱。 近年新的支付终端形态还可以关注支付宝“碰一下”。 支付宝“碰一下”是蚂蚁集团 2023 年提出、2024 年力推的战略级项目，被寄希望于成为“扫一扫”之后的下一代支付方 式，扭转目前的支付格局——现状下微信支付和支付宝支付的笔数比例 基本是 8:2，微信支付占绝对领先地位。根据晚点 LatePost 披露信息，2024 年支付宝对“碰一下”有巨大投入，已 2014 年研发设计第 一款智能模组，目前将旗下模组产品分为数传模组、智能模组、高算力 AI 模组三大类，已经实现 2G-5G 传输能力和 0.2 Tops-48 Tops 的阶梯算力覆盖，预计下一代模组 AI 算力将突破 100 Tops。在应用领域方面，相关高算力 AI 模组已在无人机、 阵列式云服务器、AI 零售、智能车载算力终端等多个领域有出货，后续将继续向消费类物联网、机器人、AI 医疗、AI