低成本、高效率的无 源物联网技术有着强烈需求。通过实现生产要素的全流程数字化管理，可显著提 升生产效率和资产利用率。据保守估计，该领域的市场空间将超过百亿元。 仓储行业：2025 年中国智慧仓储市场规模达到千亿级。无源物联网能够实 现海量物资的自动化出入库、高精度盘点和库位级定位，将人工操作的错误率降 至最低。即便初期仅实现 1%的渗透率，市场空间也有望达到十亿级。 电力行业：电力设备 新网络技术是无源物联网实现可靠连接和系统扩展的基础，重点在于优化空 口设计、提升通信距离、增强海量接入能力，并实现灵活组网部署。 首先，在轻量化空口设计方面，通过简化协议栈和信令流程，缩减标签在数 据处理与解调上的复杂度与功耗。采用低功耗友好的传输方式，使设备能够仅通 过包络检波等简单电路实现下行数据读取，从而满足能耗极低的运行需求。 其次，在海量接入方面，通过对标签数量的精确估计实现盘存参数的自适应 签等，适应不同材质与环境，实现资产的唯一身份标识。 （2）网络层：在办公楼、车间、仓库、出入口等关键区域部署 67 台无源物 联网节点设备，形成 12000 平方米的连续网络覆盖，支持标签的远距离识别与数 据回传。 （3）平台层：北向对接企业现有 ERP、MES 系统，南向对接无源物联网系 统，实现资产信息录入、盘点任务下发、定位数据解析、异常报警、报表生成等 功能。 （4）应用层：提供 Web

AI 知识库： 电力行业智能转型的新底 座 —— 将电力企业私域知识转化为生产力 01 行业洞察： 电力 AI 转型的三大挑战 02 解决方案： AI 知识库打造转型新底座 03 应用实践： 360AI + 电力典型应用场 景 04 未来展望：多方协同共建未来电网 CONTENTS 技术引擎： 成本归零 ， 引爆应用创新 成本归零：模型更强 ，且训练和推理效率持续提升 应用层面： 从点到面规模化应用的阻 碍 360AI 企业知识库： 连接沉睡的数据孤岛 ， 通往智能应用的未来 AI 辅助源荷预测 AI 辅助智能运营 外部知识内部化 隐性知识显性化 AI For 360AI Knowledge 企业知识库 汇聚电力企业全域数据 ，打造统一 AI 工作空 间 全流程 AI 摘要 MCP 多模态知识解析 多模态数据开发与融合 360AI 企业知识库： 企业级智能体应用知识中枢 ， 专为企业打造的 AI 基础设施 全链路日志 审计 涉密数据安 全管控 知识溯源 内容安全检测 权限控制 分类分级

全的出行体验。 第二，车家互联——以智能车为家庭空间的延伸，打破车和家的资源壁垒。 传统车机受系统生态限制，娱乐资源库规模有限，难以满足户外露营、长途旅行时的高品质影音需 求。通过打通车家跨域互联通路 , 可实现车机与家庭 NAS 的稳定连接，访问 NAS 私有媒体库，适配 4K/8K 高清视频，同时支持远程访问办公文件、备份照片，摆脱车机本地资源依赖，将车内空间升级 为移动私人影院。 首先，针对敏捷的意图感知，通过统一的数字身份管理、实时的终端态势感知、交互式端网任务管理， 为快速的目标确认创造前提条件；其次，针对快速的目标确认，接收终端或应用发起的专网任务需求， 基于 AI 辅助模型库实现需求意图识别、网络任务规划 / 生成 / 决策、服务链编排；最后，针对动态 的智能互联，通过动态群组创建、智能数据互通、跨网跨域融通，从规则预先配置升级到规则动态派生， 实现端 - 网 - 云一体化实时协同，实现差异化体验专网。 书的观点形成和编写提 供了有力的支撑，后续本白皮书将根据技术演进和业务实践适时修订。 联合发布单位（排名不分先后）：中移智库、中国移动通信研究院、华为技术有限公司、中兴通讯 股份有限公司、武汉理工大学、中国移动通信湖北有限公司。 编制单位（排名不分先后）：中移智库、中国移动通信研究院、华为技术有限公司、中兴通讯股份 有限公司、武汉理工大学、中国移动通信湖北有限公司。

中国移动 面向新型智算的光计算白皮书（2025） I 面向新型智算的光计算 技术白皮书 （2025 年） 发布单位：中国移动 牵头编制单位：中移智库、中国移动通信研究院 中国移动 面向新型智算的光计算白皮书（2025） II 编写说明 牵头编写单位： 中国移动通信集团有限公司 联合编写单位： 上海曦智科技有限公司 光本位智能科技（上海）有限公司 中国移动 面向新型智算的光计算白皮书（2025） 随着人类社会加速迈向数字化、智能化时代，算力已成为全球数字经济发展 的核心驱动力和全球科技竞争的制高点。一方面，算力的发展能够直接带动产业 链上下游的有效投资,在稳经济、稳投资、稳增长方面发挥积极作用。据信通院 测算，每 1 元算力投入能够带动 3-4 元 GDP 产出，算力产业带动经济增长潜力巨 大；另一方面，各国纷纷加大以智能算力为核心的算力基础设施建设与布局，在 AI 芯片、部件、基础软件 发式增长阶段。近年来，以深度学习为核心的人工智能技术取得了突破性进展， 广泛应用于图像识别、语音识别、自然语言处理等多个领域。随着人工智能模型 规模的不断增大，如 GPT-4 等大型语言模型的出现，对算力的需求呈现出爆发式 增长。据国际数据公司（IDC）和浪潮信息联合发布的《2025 年中国人工智能计 算力发展评估报告》显示，2024 年中国智能算力规模达 725.3 EFLOPS，同比增 长 74.1%；预计 2025 年将进一步增长至

面向大规模智算集群场景光互连技术白皮书 (2025) I 面向大规模智算集群场景 光互连技术白皮书 （2025年） 发布单位：中国移动 编制单位：中移智库、中国移动通信研究院、中国移动云能力中心、中国移动设计院 II 前 言 当前，智算集群已成为支撑人工智能大模型训练、自动驾驶算法 迭代等前沿领域的核心基础设施，并以惊人的速度从万卡向十万卡级 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 到千卡的GPU数量，不断逼近电互连物理部署极限；三是能效PUE高， 超节点单机柜功率可达40kW以上，采用液冷为主、风冷为辅的散热方 案，配合柜级集中电源供电，在提供更高供电效率的同时大幅降低数 据中心PUE。 面向大规模智算集群场景光互连技术白皮书 (2025) 3 为了实现更高的集群算效水平，互连技术方案的演进迫在眉睫。 在超节点设备的互连选择上，当前主要存在两种路径：基于铜缆和基 数据传输场景中的主导角色，甚至直接替代芯片上的电IO功能，最终 实现信号在传输过程中远距离、低功耗、高密度的目标。其中，实现 光电转换的光引擎（Optical Engine，OE）是光互连技术的核心。根 据应用场景、光引擎与xPU芯片的距离以及封装集成程度的差异，业界 衍生出许多技术范畴，我们将其主要分为两大类：设备级光互连和芯 片级光互联。 如下图所示，在未来十万卡级以上的智算中心集群设计中，设备

任务驱动式 智能互联技术白皮书 任务驱动式 智能互联技术白皮书 2025年 发布单位：中移智库 编制单位：中国移动通信研究院 （2025年） 面向5G-A与AI融合驱动的算网智一体化 解决方案白皮书 发布单位：中移智库 编制单位：中国移动通信研究院 当前，全球正迎来以 5G-A 与人工智能为核心驱动的新一轮科技革命与产 业变革浪潮。我国已进入加速培育新质生产力、深入推进新型工业化的关 随着企业数字化转型步入深水区，对网络与算力的需求不断提升，传统网 络架构面临“多而不融、言而无策、静而不柔、治而不智、连而无感”等 系统性挑战，难以支撑工业控制、智能制造等场景对低时延、高可靠、数 据本地化与智能决策的极致需求。与此同时，尽管 AI 技术发展迅速，但 其在边缘侧仍存在部署门槛高、资源协同难、业务适配弱等现实瓶颈。唯 有通过“算 - 网 - 智”深度融合，实现从“连接赋能”到“智能赋能”的 性扩展部署规模，从单节点轻量起步逐步扩容，通过实时调度算法保障高优先级任务（如工业控制、 实时推理）的确定性低时延响应，满足严苛性能要求。 同时，强化进程与容器隔离机制，防止多业务干扰与资源冲突，保障复杂边缘环境下系统稳定和数 据安全。其灵活裁剪和部署特性也支持不同硬件平台与算力架构的快速适配，为 5G-A 与 AI 融合场 景下多样化智能业务提供可靠、高效的轻量运行支撑。在实际应用中，轻量化核心网既可云端部署 以利用云资

不同，它更像是一个动态进化、实时自调节的“数 字生命体”。正因如此，韧性成为其核心生命力： 韧性不仅意味着“承受压力”，更强调在压力中稳 定、在风险中调整、在冲击中恢复、在演化中进化。 数 据 中 心 本 质 是 一 个典型的“开放的复杂巨系 统 ”。其复杂性不仅源自其超大规模、多组件、多 层级的物理与数字结构，更来自于要支撑动态多变 的业务需求、适应外部环境不确定性与抵御多样化 风险的要求，其具备如下典型特征： 360万个网站瘫痪，其中部分用户资料及企业 业务数据永久丢失。 事故 安全威胁 2023年“双十一”期间，某电商平台遭遇峰值 达 8700万次/秒的DDoS攻击 ，服务器资源耗 尽导致服务中断。据测算，该事件每分钟造成 180万美元损失 ，而全球数据中心遭受的类似攻 击日均近 3万次。 事故 难以预知的软硬件缺陷 2025年6月12日，Google Cloud因一次软件 更新中存在代码缺陷，引发持续约8小时的全球 我们认为，数据中心“故障即常态”。 数据中心由海量硬件（服务器、存储设备、网络交 换机等）、复杂软件（操作系统、数据库、中间件 等）及动态外部环境（电力供应、网络攻击、突发 流量等）交织而成，组件间的强耦合关系、环境变 量的不可预测性，使得单一故障可通过“蝴蝶效 应”引发连锁反应。美国软件工程研究所的研究数 据显示，即便是经过严格测试的系统，在持续运行 中也会因材料疲劳、软件漏洞、人为操作等因 素 ， 平

于医疗健康 大模型 伦理与 法律评 测框架， 分析大 模型应 用中 的伦理法律风险， 如知情同意、隐私、歧视、不透明性等问题；构建包含应用场 景、伦 理 规 范 与 法 规 数 据 集 、 评 测 考 点 数 据 集 及 主 观 题 类 型 与 评 测 标 准 的 评 测框架。 最后， 对于大模型伦理与安全提升措施做出建议 。 从数据安全防控 、 伦 理合 规 建 设 、 技 3.2. RAG 组件 15 2.3.3.工具库组件 17 2.3.4.安全风控组件 合规性：确保法律与行业标准的严格遵守 3.2.4.伦理道德：从责任性到文化适配的全面评估 3.2.5.中文医疗健康评测集 3.3 大模型在医疗健康领域的评测实践 3 . 3 . 上 海 AI Lab 医 疗 健 康 数 据 集 MedBench 25 25 27 29 31 31 31 31 32 33 37 37 04 医疗健康大模型伦理与法律评测框架 4.1 医疗健康大模型应用中的伦理法律风险

.......... 49 表 3：美国布局全球数据传输的相关政策 .................................... 59 表 4：全美著名的数据经纪机构的服务领域和数据库规模 ...................... 61 表 5：英国的数据保护相关法律法规 ........................................ 82 表 6：国务院及各部门数智产业相关政策一览表 安全更加普及、数据基础设施将更加健全、数据与人工智能 将进一步深度耦合。 五、数智产业动态图谱 截止到 2024 年底，全国数智企业共有 410467 家，数智 产业动态图谱从数智企业库中智能、动态、实时地遴选 2994 家形成，不同时点上的数智产业图谱有动态变化，包括 492 家数据资源企业、547 家数据技术企业、501 家人工智能企 业、624 家数据应用企业、450 家数据服务企业、162 素创新实验室、北京化工大学信息化绩效评估中心、北京京 数智科技开发有限公司和上海合合信息科技股份有限公司 等单位，于 2025 年初组建了“全国数智产业发展专题研究 组”，在北京京数智公司“全国数智企业库”和“全国数智 产业动态图谱”的基础上，经过对全国 400 多位数智产业领 域专家、学者和企业家访谈，对全国 1000 多家数智企业实地 调研，对全球 500 多家数智企业网上调研，以及近 10