践行主机现代化 主机上云 技术白皮书 01 顾 问 主 编 编 审 编 写 组 主编单位 编制委员会 马海旭 李亚为 胡玉海 严光兵 蔡常杰 李 曜 田浩希 俞 辉 饶争光 韩 满 毛明强 王新宇 张 宇 徐 强 董冬冬 马俊超 王榕骁 张 江 刘征辉 姜 凯 彭 双 汪子杰 朱仁江 徐 峰 林丽鑫 沈 彬 杨 嘉 李金锋 陈文杰 时代的弹性与智能，已经成为每个企业需要面对的重要战略课题。 近几年，主机现代化成为了打开企业核心业务系统大门的钥匙。它绝非简单的技术平台更替，而是一次深 刻的 业务转型 。其根本目标在于释放核心数据的价值、加速创新应用的交付、重塑极致的客户体验，并最终构 建面向未来的可持续竞争力。 本白皮书系统阐述了我们对主机现代化的深刻洞察与技术探索，希望这份凝聚了我们技术思考与实践经验 的成果，能为 放度等方面诉求，已严重制约企业数字化转型， 主机现代化应运而生。 主机现代化（Mainframe Modernization）是一项涉及架构演进、应用重构、组织转型的系统工程。其 核心在于将主机的韧性 / 性能同开放平台的敏捷性 / 智能性相结合，构建企业面向未来的数字化能力。企业需 基于自身业务目标、技术积累和人才结构，制定适宜的主机现代化路径，以确保企业核心业务的平滑演进和持 续创新

1 0 1 0 1 1 0 0 0 1 010 01 11001 2025年6月 编写单位 应用现代化产业联盟 中国软件行业协会 中国信通院人工智能研究所 顾问组成员 陈 纯 应用现代化产业联盟 会长 陈宝国 中国软件行业协会常务副秘书长 魏 凯 中国信通院人工智能研究所 所长 张宇昕 华为云 CTO 黄 瑾 华为云副总裁（战略与产业发展部总裁） 践，务实推进应用智能化落地进程。 ——《应用全生命周期智能化白皮书》编写组 前言 迈向 AI-Native 时代：智能体驱动的应用现代化新范式 近两年来，随着 ChatGPT、DeepSeek 等大模型技术的快速发展，人工智能正以前所未有的速度重塑产业格局，而 Agent 智能体的崛起标志着应用现代化迈入全新阶段。未来大于 50% 的人类工作任务场景将被大模型影响，据麦肯锡预 测，生成式 AI 每年可以增加 2 驱动的自动化决策与交互将成为业务常态。与此同时，传统 应用与 AI 应用的融合不再局限于简单的功能叠加，而是依托数据与 API 的深度协同，构建起“感知 - 决策 - 执行 - 学习” 的闭环智能体系。在这一趋势下，应用现代化的核心命题已从“云原生”升级为“AI-Native”，即应用的全生命周期—— 从开发、运行到运维、集成——均需围绕智能体的自主性、协同性与进化能力重构。 从技术视角看，AI-Native 架构的关键在于数据与

....................................................................................... 58 1.2 金牛现代都市工业港智慧园区 ......................................................................................... ........................................................ 46 客观 中性 建设性 -5- 智慧园区白皮书 图表 46：现代化经济体系下新需求推动园区智慧化发展 ................................................................................ ........ 59 图表 58：金牛现代都市工业港项目概况 ............................................................................................................................. 60 图表 59：成都金牛现代都市工业港智慧园区智慧化建设目标 ......

和复杂任务的应对能力成为衡量一个国家、一个城市乃至一 个组织管理水平的重要指标。指挥中心，作为应急响应、资源管理、决策制定和行动协调的核心枢纽，正逐渐 成为现代社会治理体系中不可或缺的关键组成部分。 指挥中心的建设和发展，离不开现代信息技术的有力支撑。从早期的电话通信、无线电联络，到如今的卫 星通信、移动互联网、大数据、云计算和人工智能等先进技术的广泛应用，指挥中心的信息处理能力、决策支 的数据信息以及瞬息万 变的决策需求等挑战。因此，如何构建一个高效、智能、协同的指挥中心，成为当前亟待解决的问题。 本报告旨在深入探讨指挥中心的功能、技术应用、相关落地案例，通过全面剖析指挥中心在现代社会治理 体系中的作用与价值，期待能够为构建更加高效、智能、协同的指挥中心贡献一份力量。 一、指挥中心概念解析 （一）指挥中心的定义 指挥中心又称为调度中心，是对多种资源进行综合指挥调度的中心。它依托政府或职能部门系统资源网络， 指挥中心基础环境最初只是为指挥调度人员提供简单的办公场所。随着大数据、云计算、5G、人工智能 等网络信息技术以及社会经济的高速发展和物质生活水平的不断提高，指挥调度人员对于指挥大厅基础环境的 需求也发生了巨大变化。如今，现代化指挥中心的基础环境应具备以下基本条件： 安全的承载场所：具备抵御一定自然灾害和人为破坏的能力，确保在紧急情况下指挥中心能够正常运行。 例如，采用抗震结构设计，配备完善的消防设施等。 优质的建

Björk 博士，英飞凌科技股份公司数据中心配电主管 www.infineon.com/wepowerai 2 目录 Adam White 寄语 3 引言 4 一、现代处理器的供电 5 预测一：垂直供电将成为现代处理器的关键技术 5 预测二：服务器主板将采用高压直流供电架构 7 二、AI 服务器机架的供电 12 预测三：AI 服务器机架的功耗将超过 1 兆瓦 12 White 电源与传感器系统事业部总裁 4 引言 在大型数据中心中，训练日益庞大的 AI 模型需要更强大的计算能力，并将多达 10 万颗处理器聚合成一个虚拟机。 这将带来三个层面的挑战： • 现代处理器的供电：需要应对更高的负载电流和剧烈的瞬态负载阶跃。预计在未来十年，单颗处理器的负载电 流将达到 10,000 安培，是当前水平的 10 倍。 • AI 服务器机架的供电：功率需求将超过 的配电体系。此外，数据中心作为用电大户，也需具备负载调节能力，并能够为电网提供辅助服务。 本白皮书将探讨当下及未来在“从电网到核心”理念下，为 AI 提供电力的可能情景，并阐述其基础技术概念。 5 一、现代处理器的供电 预测一：垂直供电将成为现代处理器的关键技术 图形处理单元（GPU）以及专用于 AI 负载的处理器（例如，张量处理单元（TPU））正在采用最先进的工艺制程（例 如，台积电的 N4P），以在单一硅片上集成

之间依然存在着诸多障碍。 这些障碍可能包括： 投资回报率的不确定性：难以量化云迁移带来 的敏捷性、可扩展性和成本节约等优势。 遗留系统的解耦：对老旧基础设施或定制化应 用程序进行有效的迁移与现代化改造，需要专 门技术知识和以客户为中心的专业服务。 数据安全和合规顾虑：严格的法规要求（例如 GDPR、巴塞尔协议 III、HIPAA）和数据主权 问题，使一些利益相关者对迁移敏感数据持谨 将核心工作负载迁移至云端可以避免本地基础设施的大额固定支出， 降低计算资源的总拥有成本 (TCO)，从而实现成本节约。同时也消除 了为避免服务中断而过度配置计算资源的需求。 与此同时，核心系统的现代化改造可以减少对昂贵专用软件和长期许 可协议的依赖。现代化工作负载还可以利用自动扩展、容器化和无服 务器计算，减少因过度配置而产生的不必要基础设施成本。 亚马逊云科技云服务通过按需付费定价模式、杜绝过度配置以及利用 开源 上述分析的结果将是迁移至亚马逊云科技后可节省的总拥有 成本的合理估算。 查看更多 Amazon Transform: Amazon Transform 是首个为加速 .NET、大型 机和 VMware 工作负载的企业现代化而开发的 代理式人工智能服务。这项服务是基于 19 年 来积累的丰富迁移经验而构建的。 亚马逊云科技基于体验的加速 方法论 (EBA): 采用以成果为导向的转型方法论，加速您的云 迁移之旅。

为什么要数字化转型 04 03 政策引领 “数字经济是指以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有 效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动”-G20峰会正式提出了数字经济的概念，并随后 写入政府工作报告，作为我国“建设现代化经济体系”战略目标。国家以“供给侧改革”为核心，陆续出台“智慧城 市”、 “中国制造2025”等政策 可以有更多的手段去认识现状与环境，重塑商业模式，因 此在实验、理论、计算科学研究手段的基础上，提出了数 据科学作为科研的第四范式，针对数据的产生、治理、数 据架构、建模、算法、可视化等领域展开研究。 国内某著名医院，计划利用现代化技术协助病种研究，意识到信息化部门缺少病种专业知识，医生缺少关于人工智 能、大数据等数字化知识；因此科研中心采用如下模式组建： 组织 单独成立科研中心，设置20+精通数字化技术岗位工程师。 是业务、战略层级的转型，需要高瞻远瞩的视野及 决定。 需要多部门联合 跨部门工程，涉及业务、信息化、财 务、人力等多个部门。 但一把手工程，并不代表所有事情等待领导层指挥，需要 认识到： 现代企业组织更大程度上，由原先的金字塔式的层级结 构，转变向平行结构；数字化转型工程中，需要各个部门 充分表达自身业务提升需求，才能转化为对企业组织有价 值意义的数字化转型工程；因此需要各部门之间，主动的

市场洞察 ❑ 企业数据生命周期贯穿多环节软件服务协同，凸显数据作为 核心生产要素的战略价值，但传统BI因封闭架构、静态处理、 技术壁垒及历史决策惯性，难以支撑从实时感知、多元分析 到预测决策的现代化转型需求，其滞后性不仅削弱企业对市 场动态的敏捷响应能力，更成为全员数据赋能与战略前瞻决 策的关键瓶颈。 ❑ AI赋能通过构建自动化数据流水线释放人力冗余，依托智能 算法提供动态预测与战略决策支持，不仅重构数据采集、处 com 400-072-5588 中国：人工智能系列 白皮书｜2025/05 传统BI产品局限性分析 传统BI受限于数据封闭、静态处理、高技术门槛与历史导向等，难以适应 实时、多元与预测驱动的现代商业需求。这些短板削弱了企业对外部动 态的感知，也无法满足敏捷决策与全员赋能的时代要求 人工智能与商业智能发展背景——传统BI局限性 来源：头豹研究院 传统BI系统主要依赖企业内部的结构化数据，如销售数据、财务数据等。这些 销售数据、财务数据等。这些 数据通常是预先定义和整理好的，局限于企业内的数据源。而外部非结构化数 据（如社交媒体数据、视频数据、传感器数据等）通常无法有效利用，限制了 系统对全方位信息的分析能力。在现代商业环境中，企业不仅需要分析内部数 据，还需要整合来自外部、实时变化的数据源，以获取全面的洞察。 数 据 集 中 且 有 限 传统BI系统通常是基于批处理模式运作，定期生成报告。这意味着数据分析和

位职责，要求员工掌握新技能，并培养出一 支能够在“AI优先”范式下灵活适应的劳动力队伍。 智能体支出转向体现在三大投资领域：数据中心基础设施现代化、网络恢复与韧性强化，以及核 心企业应用更新。 近三分之一（31%）的组织表示，数据中心基础设施现代化将是首要投资方向，这一趋势反映出 从“云原生”到“AI原生”系统的广泛架构演进。与以往仅将AI作为附加功能整合的模式不同， AI原生架构从设 统所带来风险的严峻现实。监管要求、治理需求的叠加，以及复杂攻击事件的频发，亟需网络安 全领域实现突破性创新，例如零信任框架、自动化响应机制，以及从设计之初就嵌入安全与恢复 机制的系统架构。 28%的组织正推进其核心应用的现代化，标志着企业软件领域的范式转变：AI助手与智能体正日 益深度融入业务流程。企业软件供应商通过为应用注入AI能力，正引领这场变革，然而IDC建议IT 领导者无需关注所有的应用，而应聚焦识别优先级 这些岗位在医疗、金融等行业中，对提取数据 洞察、辅助明智决策起着关键作用。 ·云计算转型：云自动化工程师、云迁移工程师等岗位对迁移和管理可扩展的AI增强型云环 境至关重要。这些专业人才是推动数字现代化与运营效率提升的核心力量。 ·安全领域演进：日益增长的网络威胁使得数字取证分析师、入侵检测分析师、大语言模型 安全研究员等安全岗位需求增加。随着生成式AI的兴起，这些专业人才需运用先进的AI工

激增、供应链的不确定性，以及劳动力结构的深刻变化，都在推动制造企业寻求更 加智能和自适应的解决方案。 具身智能技术的突破性进展为这一转型提供了新的可能性。通过将感知、认知和执 行能力有机结合，现代制造系统正在从被动响应向主动适应转变。AI 与控制系统 的深度融合不再是概念验证，而是成为了提升竞争力的关键技术路径。在这一融合 过程中，负载整合技术发挥着至关重要的作用，它打破了传统系统中 AI 多轴协同控制需求激增：生产流程的复杂化和精细化推动了对更多电机和执行器同步控制的需求增长，以实 现精确的多点协调和同步。传统的单一控制解决方案，如独立的 PLC 或微控制器，在处理大规模轴控任务时 面临性能瓶颈，难以满足现代工业对高度集成和协调性能的要求。 • 超短控制周期追求：追求更短的控制周期以提高控制精度已成为行业发展的核心趋势。在高速自动化生产线、 精密加工以及高精度定位系统中，缩短控制周期能够显著提升系统响应速度和加工精度，同时减小系统抖动 智能化控制算法演进：随着生产环境向智能化发展，控制算法正从传统的开环或闭环控制向具备自适应、预 测和学习能力的智能算法演进。现代控制系统必须能够管理复杂的动态系统，通过集成机器学习技术实现参 数自调优、故障预测和性能优化。 • 多元化负载整合与资源优化：随着自动化控制与信息化、智能化的深度融合，多任务负载整合成为核心发展 方向。现代工业系统需要在单一平台上同时运行实时控制、AI 推理、数据分析、视觉处理、通信管理等多种