定义与范式 2. 发展与态势 3. 数据分析 第二章 AI 前沿 1. 从大语言模型走向自主智能体 2. 具身智能 3. 脑机接口 4. AI 内生安全 第三章 数学 1. 基础理论 2. 优化 3. 统计 4. 科学计算 5. 复杂系统 第四章 物质科学 1. 物理 2. 化学 3. 材料 4. 能源 第五章 生命科学 1. 合成生物学 2 科学研究促进人工智能创新。传统科研 范式大致可分为经验归纳（实验科学）、理 论建模（理论科学）、计算模拟（计算科学） 以及数据密集型科学 2。实验科学由自然现 象和实验结果归纳出一般性规律，但没有抽 象出经验规律背后的普适理论。理论科学基 于自然现象或实验结果，提炼科学问题并形 成科学假设，然后运用逻辑推理和数学分析， 构建普适理论，但难以在复杂系统中实验验 证。计算科学以科学模型为基础，通过数值 人工智能创新重塑传统科学研究过程， 加速科学发现。人工智能通过融合数据和先 验知识的模型驱动、假设生成与验证、自动 与智能化实验以及跨学科合作等方式，加速 科学发现。传统科学发现以实验观察和理论 建模为核心，提出科学假设并归纳一般规律， 如物理定律。人工智能则采用模型驱动的方 式，从大规模数据中自动发现隐藏的规律， ©️diyun Zhu / Moment / Getty 科学智能白皮书

211166; 3. 江苏省健康研究院, 江苏 南京 211166) 摘 要: [目的] 构建基层疾控疫情防控韧性评价指标体系, 为基层疾控疫情防控韧性建设提供参考。 [方法] 运用文献研究和理论分析构建初始评价指标体系, 运用德尔菲法开展 2 轮专家咨询形成最终的指标体系, 采用 层次分析法确定指标体系权重。 [结果] 2 轮咨询的专家积极程度较高, 专家权威系数为 0. 8, 专家咨询较为可 以重大疫情防控为切入口, 旨在 构建基层疾控机构疫情防控韧性评价指标体系, 为基 层疾控疫情防控韧性评价和建设提供参考依据。 1 指标体系构建方法 1. 1 建立初始指标体系 通过文献研究和理论分析建立初始指标体系, 首 先基于韧性理论划分疫情防控韧性评价维度, 将其作 为目标层, 进一步分析疫情防控韧性的关键影响因素 及基层疾控疫情防控的现状与问题, 将其作为准则 层, 最后将目标层进一步细化为便于测量的指标层。 资料显示德尔菲法通常确定咨询专家人数在 15~ 50 人 [14], 综合考虑本研究咨询内容体量、 研究经费 和时间因素, 本研究共纳入 15 名专家。 专家纳入标 准为: (1) 具有基层疾控体系、 疫情防控、 韧性等 理论研究或实践经验的背景; (2) 由于国内卫生系 统领域韧性研究近几年才得到广泛关注, 故将从事相 关领域工作年限定为 5 年及以上; (3) 具有中级及以 上职称; (4) 具有硕士及以上学历; (5)

........... 21 1.3.1 理论的黎明：费曼的远见 .......................................................... 21 1.3.2 Shor 算法：致命的“杀手级应用” .......................................... 21 1.3.3 从理论到现实：价值 1500 万美元的“3x5” 核心风险：一场已经开始的“数据劫持” 我们数字世界的安全基石——以 RSA 和 ECC 为代表的公钥加密体系 ——正 面 临 一 场 根 本 性 的 颠 覆。能够 破解这些体系的量子 计算机，其出 现并非遥远的理论，而是一个正在加速逼近的技术临界点。 然而 ，最大 的威 胁并非 未来的某个攻击“事件”，而是一种已经存 在且持续发生的当下风险：即“先窃取，后破解”（Harvest Now, Decrypt 瑟·谢尔比乌斯（Arthur Scherbius） 发明的恩尼格玛密码机，正是这一时代机械加密技术的巅峰之作。它通过一系列可配置 的转子、插接板和反射板，实现了一种极其复杂的复式字母替换密码。其理论上的密钥 空间组合数量高达天文数字，这使得它在当时被普遍认为是无法破解的。 1.1.2 波兰的先驱与布莱切利园的工业化破译：密码学的转折点 然而，恩尼格玛的“不败神话”最早被一群常被历史忽视的英雄所打破——波兰密

书主体结构按照云计算研究院“三个面向一个围绕”的四大研究方向组织，即：一、面向下一代云计算的 研究，体现云计算的专业定位；二、面向云网融合的研究，体现对中国电信战略的承接；三、围绕智能算 法的研究，体现云计算研究院综合基础理论、核心算法与技术创新的特点；四、面向新兴技术的研究，体 现前沿研究的属性。每章开篇以研究图谱 2025 版的形式呈现本章的内容范畴和各个研究点之间的组织关 系。每章第一节都包含趋势分析和方向聚焦 第二章，面向云网融合的研究，本年度围绕的重点是中国电信 2025 战略升级 – 云改数转智惠，一方 面分析解读，另一方面探讨在理论研究和技术创新上的承接方向。首先借用云计算研究院参与撰写，于 年底发布的《云网融合 2035 技术白皮书》，阐述战略升级的核心驱动力、云网融合的科学理论内涵以及 由供给-运营-服务的三层体系构成的核心愿景架构。然后在三层架构上分别识别出前沿技术趋势，分别是 云网一体化调度依然是核心、网络基础设施 技术白皮书》[142] 正式发布。云计算研究院作为中国电信集团承载前沿研究创新使命的专业研究机 构，积极承接云网融合的相关技术研究工作，并且深度参与《云网融合 2035 技术白皮书》的撰写，在云 网融合科学理论内涵和创新方向上发挥重要作用。 本章将从云计算研究院的视角出发，系统性地探讨面向云网融合的关键研究。首先，2.1 节将以《云 网融合 2035 技术白皮书》为基础，提炼和梳理驱动未来发展的层次化、大颗粒度关键趋势，并据此更新

与经营稳健性，还将日益成为财务数字化与全球业务拓展的重要支点。 本白皮书聚焦“企业外汇风险数智化转型”的核心议题，系统梳理了当前企业在外汇 风险管理中面临的痛点与挑战，全面阐述了数智化转型的理论基础、架构设计与关键技 术路径，并通过多个行业领先案例，深入剖析技术落地的实践经验与价值成效。我们希 望通过本白皮书，向监管机构、企业管理者、科研机构及技术服务商提供有益的参考与 借鉴，共同推 外汇风险管理的标准配置。 企业外汇风险数智化转型白皮书 从被动应对到主动管理 2025年度 17 参考文献： [1]王刚,陈红,马敬玲,等.基于多尺度1D—CNN和注意力机制的汇率多步预测研究[J].系统工程理论与实践,2024,44(6):1934—1949. 18 19 企业外汇风险数智化转型白皮书 从被动应对到主动管理 企业外汇风险数智化转型白皮书 从被动应对到主动管理 2025年度 2025年度 系统内置多套智能模型进行智能计算，为企业提供涵盖汇率预测、情景分析、套保策 略建议与智能AI套保的全方位金融风险管理解决方案。 在汇率预测方面，融合利率平价理论、购买力平价理论、国际收支理论、货币分析 法、资产市场理论及其他重要理论研究，从经济发展中提取GDP增速、失业率、财政赤 字等宏观经济变量作为预测因子。使用GARCH算法捕捉汇率波动历史规律，采用“大数 据+人工智能”技术训练模型

官会带来非常大 的参考和帮助。 想要实现这样的功能，除了各个本身的内容理解外，还需要引入 “跨媒体协同推理” 技术。这 一技术是新一代人工智能的重要组成部分，通过视听感知、机器学习和语言计算等理论和方法， 构建出实体世界的统一语义表达，从而跨媒体的分析和推理。e 成科技在自己的音视频面试产品 中大量采用了跨媒体技术，对不同的媒体信息来源进行整合分析，从而大大提升了对候选人判 断的准确性。 了许多定制化 功能以保证对话系统的专业性及良好体验。而在用户画像方面，基于多年的丰富行业经验，e 成 科技形成了包含百万级实体和千万级关系的知识图谱作为画像的知识储备，同时加入专业咨询 团队的理论编写大量专家规则，并结合业界前沿的机器学习、神经网络模型，构建了覆盖广、 精度高的用户画像体系，带动相关业务的发展。 基于以上对话与画像能力，e 成科技研发了大量覆盖人力资本全场景的智能应用，将 图 灵 给 了 现 代 电 子 计 算 机 灵 魂，另 一 位 与 图 灵 同 时 代 的 天 才 冯 · 诺 依 曼（John von Neumann）则给与了现代电子计算机躯壳。基于图灵机的理论，冯 · 诺依曼进一步提出了程序 存储的思想，并基于该思想研制了人类第一台电子计算机。 著名的图灵测试 图灵对人工智能的另一大贡献是他提出的图灵测试。 当时学界正在为如何定义智能这一问

式广度智能光计算架构，“太极”芯片实现 160 TOPS/W 智能计算，在 Nature 上 发表多篇论文。中国科学院上海光机所研发出“流星一号”，在光芯片高密度信 息并行处理难题上取得突破，该芯片在 50 GHz 光学主频下理论峰值算力达 2560 TOPS。 中国移动 面向新型智算的光计算白皮书（2025） 5 2. 光计算定义和关键技术 2.1 光计算的定义及分类 光计算技术是指利用光子作为信息载体，基于光的调制、干涉、衍射、传播 对于构建大规模、高速、低功耗的光子神经网络至关重要。 2.3.4 亚波长衍射结构的矩阵向量乘法 亚波长衍射是指在小于或接近光波长的结构中，通过光的衍射效应实现光场 的调控。它属于超表面结构的一种，理论上而言，通过对超表面结构的巧妙设计， 几乎可以实现对反射或折射光束波前的任意调控。 基于亚波长衍射结构的神经网络由多个级联的网格化衍射层构成，其中衍射 单元的复透射系数可作为神经网络中的可调权重和偏置参数。经过有效训练之后， 成。然而，全光非线性单元（如激活函数 ReLU、Sigmoid 等）目前仍面临器件 尺寸大、功耗控制难、与现有光集成工艺兼容性差等瓶颈，导致系统集成度和计 算稳定性不足。因此，尽管全光计算在理论上具备终极性能潜力，其实际发展尚 停留在实验室探索与原理验证阶段。 中国移动 面向新型智算的光计算白皮书（2025） 13 3. 光计算面临的挑战及建议 当前，光计算为解决电子计算“算力墙”和“功耗墙”提供了关键路径，在

联链路空闲，关闭三个通道保留一通道运行，接口能耗理论上7降低 35.4 2.08+35.4 × 3 4 = 70.9%，主芯片能耗理论上可降低 50% × 70.9% = 35.5%；DP 并行，在 二层网络设备互联空闲期间，每链路关闭三个通道，接口能耗理论上降低 29800 29800+196.9 × 3 4 = 74.5%，主芯片能耗理论上可降低 50% × 74.5% = 37.3%。

平台，最终将多条“线”汇聚，形成覆盖整个领域的“面”生态。  产-学-研一体化：这是创新生态的生命线。产业提供真实场景与数据，学界 贡献前沿理论与人才，研究机构则攻克核心技术难题。三者必须在一个共同 的平台上无缝衔接、同频共振，形成从理论到实践再到理论的闭环反馈，以 及产学研三者高效相辅相成的态势。  人-模型-系统一体化：这是未来工作模式的终极形态。工程智能不是为了取 代人，而是为了 科学与工程，两者在人类文明进程中相辅相成，却有着本质区别：科学以“认 识世界”为目标，致力于探索自然规律、构建理论体系，其方法论核心在于理论 工程智能白皮书 AI for Engineering White Paper ©同济大学工程智能研究院版权所有。如需引用，请注明出处。 3 推导与实验验证；而工程则以“改造世界”为目标，聚焦于将科学理论转化为现 实的产品、设施或解决方案，其方法论核心在于可行性验证与实践优化。这一“理 基于此，本文所指之“工程”具有双重含义。狭义上，它指代机械、土木、 电气等特定工程学科领域，强调运用专业知识和技术方法解决具体技术问题；广 义上，它泛指人类改造客观世界的实践性活动，其核心在于结合先进技术与工具， 将科学理论转化为有形价值，是典型的“实践导向”与“成果落地”驱动。 相应地，本文所指之“智能”特指人工智能技术。其核心能力体现在感知、 认知、决策、自适应等方面，具体通过机器学习、深度学习、自然语言处理、计

端口或 64 个 1.6T 端口。而国产交换芯片仍停留在 7nm 制 程的 25.6Tbps 交换容量，瓶颈效应更加严重。然而在实际部署中， 为保障链路冗余、流控带宽和管理接口，芯片可用端口通常不到理论 最大值，导致整体带宽扩展能力受到压制。尤其是在并行训练中伴随 的突发性大量同步与广播时，网络时常出现瞬间拥塞、缓存溢出与延 迟剧增等问题[7]。 与此同时，随着大模型参数规模和训练复杂度的持续增长，智算 约 了整体性能的提升。 网络延迟瓶颈 大模型训练需要多机多卡完成该轮所有集合通信操作后才可进行 下一轮迭代，这种同步性特征要求智算网络必须提供极低的长尾时延， 避免出现木桶效应[8]。根据理论推算，对于千亿参数规模的大模型训 练来说，动态时延由 10us 增加至 1000us，GPU 有效计算时间占比将 降低 10%左右。同样，大模型推理对网络时延也有着更高的要求，以 确保能够为用户提供优质的推理服务。 GPU/算力节点互联，避免因端口不足导致的 通信拥塞，保证梯度同步与参数服务器访问的高并发吞吐，为智算需 求提供充足规模。以 400 GbE 为基准，一台 320×320 MEMS 光交换 机能同时提供理论上无限的交换容量与 320 个 400G 端口，而要用 32 端口 400G 电交换机堆叠到同等端口数，常常需要 10 台以上，占用 大量机柜空间，考虑拓扑则需同步增加汇聚、核心层交换机，进一步