......................................................................................20 4.2 低成本异构混合推理................................................................................................. Unit）智算集群解决方案”获得工信部 2024 年未来产业创新发展“标志性产品”优秀典型案例。 （4）沐曦曦云 C 系列训推一体 GPU 芯片，基于全自研的 GPU IP、指令集和架构，拥 有多精度混合算力，内置大量运算核心，具有较强的并行计算能力和较高的能效比，在通用 性、单卡性能、集群性能及稳定性、生态兼容与迁移效率等方面均达到领先水平。 （5）海光 DCU（Deep Computing Unit），GPGPU 等能力，实现跨厂商算力的弹性按需调度；面向大模型推理场景，支持单机多卡异构分布式 推理和跨节点分布式异构推理等多种形式，适配模型推理不同阶段算力需求特性，精细化调 度实现异构算力降本增效；构建大模型训练和推理混合部署的调度底座，实现训推任务的动 态、实时切换，化解算力潮汐矛盾，完成从集群到设备级的异构算力精细化调度，实现异构 算力集群的效能革命。 （4）统一评测：建立全栈贯通的评估坐标系 统一评测是

........................................................................................ 14 3.3 光电混合系统.................................................................................................14 硅基光电子等核心技术的研发，中央网络安全和信息化委员会发布的《“十四五” 国家信息化规划》明确提出，要加强在集成电路、硅基光电子等关键前沿领域的 战略研究与布局。科技部在“十四五”重点专项申报指南中，将信息光子技术、 光电混合 AI 加速计算芯片等纳入重要内容，为科研工作提供了明确的方向指引。 国家自然科学基金委将“实现大规模光计算芯片的智能推理与训练”列为 2024 年度中国科学十大进展之一，进一步推动光计算技术的发展成熟。 庆市出台 的《重庆市未来产业培育行动计划（2024-2027 年）》，聚焦硅基光电子技术， 大力支持光子技术发展，推动区域相关产业实现创新升级。湖北省在 2025 年政 府工作报告中，将超高速混合光子集成芯片列为攻关突破方向，推动湖北省科技 创新与产业创新。 从国家到地方，一系列政策举措形成了强大的政策合力，为光计算产业的蓬 勃发展营造了良好的政策环境，助力我国在光计算领域抢占国际竞争制高点。

尽管编写团队已尽力确保文中数据（如量子比特需求预测、市场规模 预测）的准确性，但鉴于量子技术发展的快速迭代特性，我们不对信息的绝对准确性、 完整性或时效性承担法律责任。 3. 风险提示： 报告中提及的技术方案（如混合模式、加密资产发现）应结合各组 织实际情况进行评估。对于因使用本报告信息而产生的任何直接或间接损失，参与单位、 指导委员会、编写单位、编写人员不承担责任。 全球抗量子迁移战略白皮书（2025） 全球抗量子迁移战略白皮书（2025） 7 3.1.1 异构环境下的协议互操作性工程 .............................................. 52 3.1.2 混合实现模式作为过渡桥梁 ...................................................... 52 3.1.3 敏捷的公钥基础设施（PKI）管理 ...... 正式发布了关于在 TLS 1.3 中支持混合密钥 交换（Hybrid Key Exchange）的 RFC 标准文档[16]。这标志着 PQC 不再仅仅是数学 层面的算法，而是正式成为了互联网通信协议的核心组件。 该 RFC 的核心价值在于确立了“传统算法 + 后量子算法”的双重保险机制（例 如：X25519 + ML-KEM 组合）[16]。这种混合模式具有极高的战略意义： 1. 纵深防

事的一部分。 Source: Omdia 供应商应始终将混合需求放在心上。更好的GPU（或加速器）虚拟化是一种 解决方案，但产品战略同样重要。 市场可能存在对现代推理级GPU的需求缺口，这类GPU需具备高带宽内存与 计算性能的高比例；NVIDIA的A10虽发布于2020年，但仍因其在小型模型推 理中的应用而备受青睐。 真正注重混合计算的用户可能会对基于Arm架构的服务器CPU的顶级产品感 此外，精简模型可能在复杂推理任务上有所妥协：为特定应用定义的模型可 能在物联网环境的长期生命周期中变得过时。 物联网高度分布式，这意味着本地模型的协调可能仅适用于特定运行环境。 然而，小型化模型的进展已为更多云-边缘混合部署打开了大门，使智能能 够更接近数据，直达“微边缘”。 摩尔定律表明，专用且更强大的硬件将继续向边缘普及，这将推动AIoT在未 来几年持续发展。 Click here or press enter 段。如果不解决关键 的盲点，大多数人工智能项目将无法实现规模化并最终变得无关紧要。 混合云已成为成熟、复杂企业系统的现实选择。曾几何时，“云优先”的口号 曾被视为一种能够解决可扩展性、性能和成本挑战的统一架构与方法。 然而，在实际部署和管理过程中，安全隐患、供应商锁定、数据主权、性能 瓶颈以及高昂的数据传输成本等问题，促使混合云模型应运而生。 人工智能（AI）的发展轨迹与之相似，不同基础设施、平台和地域之间的集

.............................................................................................. 05 混合负载整合优化............................................................................................. 加速提供更充裕的性能预算，实现 AI 智能与精密控制的真正融合。 确定性实时性能是控制应用的核心要求。针对基于 PC 架构的控制系统，英特尔提供了全方位的性能优化解决方案，不仅能 够保障运动控制的确定性实时响应，更能在混合负载环境中确保关键任务的实时性能表现。该优化方案支持实时控制任务与 非实时应用程序在同一平台上并发运行，有效利用共享的计算和网络资源，提升了系统整体效率和资源利用率。 英特尔如何帮助解决 基于 为了防止多虚拟机环境下一个设备的中断错误地传递给另一个虚拟机，虚拟机监视器通过硬件设置了一张中断重映射 表，当 CPU 接收到中断时，硬件会截获所有来自设备的中断，查询重映射表，将中断重新定向到正确的目标，完成中 断重映射。 混合负载整合优化 软 PLC 技术的广泛应用加速了 IT 与 OT 系统的融合进程，为 AI 算法与传统闭环控制的深度集成构建了理想的技术平台。英 特尔基于深厚的平台技术积累，提供涵盖硬件架构优化、

计为起点，采取混合部署方式推进大模型落地 应用，并统筹考虑云端风险应对、私域安全防 护、模型幻觉应对等问题，以重构技术底座， 适应创新之变； • 在数据语料侧，企业着眼于数据治理框架搭建 和数据质量提升，推进数据语料的深度治理， 并且已初步形成数据标准化体系、智能清洗工 具等共性选择； • 在基础设施侧，企业兼顾创新与务实，充分权 衡AI基础能力建设与业务需求满足，通过混合 部署和协作管理措施等实现协同优化； 7 人工智能就绪度白皮书 大模型发展由“暴力美学”转向“成本效益革命”。2025年以来，DeepSeek凭借 “低成本、高性能、开源共享”的技术路线轰动全球，其在硬件条件有限的情况下， 通过混合专家架构（MoE）和强化学习等技术，实现了训练效率的大幅提升和算力 成本的有效缩减。这不仅引发了科技界对于Scaling Law是否依然有效的质疑，更 促使国内外基础模型厂商加快调整竞合策略，提高各自模型服务的成本效益。例如， 香港特别行政区合伙制事务所，均是与毕马威国际有限公司(英国私营担保有限公司)相关联的独立成员所全球组织中的成员。版权所有，不得转载。在中国印刷。 35 人工智能就绪度白皮书 在AI落地路径的选择中，“混合部署，本地+公有云” 以61%的占比成为最受企业青睐的部署策略，远高于 “自建，完全本地部署”的32%和“公有云部署”的 7%。这表明企业在AI部署过程中更倾向于企业在保留 原有本地数据中心资源的同时，又能够借助公有云平

分段 & 嵌入 段落识别 智能分段 基于文档结构的多 级语义切分 基于场景精调的 ★ Embedding 模型 多 路 召 回 语义检索 图谱检索 全文检索 混合检索 开放式模块化高级 RAG 架构 ，任意模块均可插拔 ★ 自研高性能向 量库 ，达到 18.7 万 QPS 片 段入库 智能标签 智能摘要 问答对提取 精细化的 数据增强 策略 具有良好的生态兼容性 ， 可兼容包括但不局限于： SEAF 、 HiAgent 、 Dify 等 ，实现 “一次接入 ，全域记忆”； 具备分布式 PB 级 “上下文与长期记忆”数据存储 / 毫秒级混合检索能力 ， 支持记忆瘦身 / 防漂移 / 记忆共享 ，性能优越、 可靠性 强； 可为 Agent 提供更全面的多维度上下文与记忆 ，是构建稳定 / 个性化 / 连续性 Agent 体验的基石 知识冲突检测 权重标签 防漂移 长期记忆共享池 个人上下文召回 混合检索优化 多维度“上下文与记忆”开放 MCP 服务 记忆 / 知 识 个性化 推荐 用户偏好 & 工作记 忆 云盘 / 文 件 记 忆 知识工具 使用记忆 知识问答 记忆 敏捷构建智能体搭建

数据科学和分析职位的重要性也在提高，其通过挖掘海量数据集以获取洞察来获得竞争优势。尽 管需求飙升，全球有数万个职位空缺，但填补率仅为60%左右，这表明了一些进展，但仍存在巨 大缺口。 此外，云计算职位对于实现混合和远程工作基础设施至关重要，但全球仍有超过22万个空缺职 位，填补率在60%至70%之间。云计算技能越来越被视为企业转型运营和提高敏捷性的关键。 这种人才失衡制约创新，并对运营安全与数字化转型计 通常不属于传统IT技能，但对于转向AI驱动工作模式的 领导者而言，这已成为一项关键必备能力。随着AI融入核心业务职能，工作开展方式已经发生了 根本改变：管理者如今需监管“人类人才与自动化系统结合”的混合团队，这要求新的监管方 式、协作模式与绩效衡量标准。 图 6：管理应用智能体所引发的担忧 来源：IDC 以下哪一项与劳动力相关的变更管理关注的是使用代理人工智能， 高级领导层最希望从IT领导层那里获得信息或建议？ 催生对额外员工的需求， 其中29%的受访者预计员工数量将“显著”增加。这一现象源于多个因素： ·新型岗位需求出现：例如AI训练工程师、提示词工程师、模型审核员和伦理监督人员等； ·在人机协同的混合工作环境中，需要员工负责智能系统的集成、治理与协作工作； ·AI推动运营与客户服务规模扩大，这通常会产生新的流程管理及监督需求。 这些调查结果证实，AI正从根本上重新定义 “需完成的工作内容” 及

GPU 集群成为训练大模型的标配，同时，在大模型训练时， 海量 GPU 节点间需要持续、高速地同步数据和梯度，任何网络延迟 或带宽瓶颈都会导致昂贵的 GPU 空闲等待，大幅降低整体计算效率。 在今年混合专家模型流行之后，专家并行的加入还进一步提升了推 理场景节点之间的通信量。以 DeepSeek 为例，官方给出的多机多卡 策略中，模型需要部署在 4 个计算节点完成推理的预填充阶段，部 署在 18 调试功能，从而通过统一的 SIP 管理和 DFx 方法，实现供应商无关 的互操作性。此外，UCIe 2.0 增加了 3D 封装支持，相比 2D/2.5D 架构，显著提升带宽密度与能效。UCIe-3D 针对混合键合（hybrid bonding）优化，凸点间距可从 10–25µm 缩小至 1µm 甚至更小，具 备更高灵活性与可扩展性。该规范与 UCIe 1.0、1.1 完全兼容。 UCIe 3.0 规范，于 中间会上，联通文稿《Discussion of AWGR used for hybrid optical and electronic switch》，率先介绍了 N×N AWGR 结合可 调谐激光器在数据中心实现光电混合交换的应用场景和架构。在 2023 年 4 月的 ITU-T SG15 Q6 全会上，联通进一步探讨了 AWGR 与 可调谐激光器的结合在光交换中展示了极大的潜力，能够提供灵活、 云智算光互连发展报告

[11]。造成这一格局变化有以下两个关键因素，一方面是国家对运营商 云的政策支持力度持续加大，推动天翼云等电信系云厂商进行算力布局、在以政务云为代表的领域快速 扩张；另一方面，行业用户对云服务的需求更加多元，各家云厂商深化混合云、行业云的布局，并通过降 低价格与优化服务来争夺客户，加速了传统 IT 基础设施向云平台的迁移。因此，在价格、服务与政策等 多重因素叠加下，国内云市场的渗透率进一步提升，导致云厂商排名与梯队结构的重新洗牌。 模型训练， 并探索基于 CXL 3.1 的内存扩展架构以缓解 GPU 显存瓶颈。Google 在其 TPU v5p 集群中引入液冷封装与 动态调频技术，提升能效比，同时试点 GDDR7+CXL 混合内存方案，拓展通用内存容量。整体来看，云厂 商正通过芯片自研、高速互联与内存服务化，推动硬件架构从“封闭堆叠”向“开放协同”转型。 在软件层面，云计算正迈向以智能调度、自主运维与语义感知为核心的下一代操作系统阶段。阿里云 针对智算中心的巨大投入与 GPU 资源使用效率的低下，业界与学术界积极探索不同租户间资源划分 与调度，任务资源度量与抢占等多种技术，以此提升资源的使用效率。NVIDIA 在硬件架构、驱动层和软 件栈上为智算中心的多场景混合运行构建了完善的资源共享机制。CUDA 的 Context、Stream 与 Hyper-Q 在软件与运行时层面提供了基础的并行与软隔离能力；MPS（Multi-Process Service）在进程级别上将多进