异构算力协同白皮书 Heterogeneous Computing Power Coordination White Paper 全球计算联盟 智能计算产业发展委员会 1 编写单位 中国电信股份有限公司 北京智源人工智能研究院 中科加禾（北京）科技有限公司 沐曦集成电路（上海）股份有限公司 中国信息通信研究院 科大讯飞股份有限公司 上海壁仞科技股份有限公司 编写组成员(排名不分先后) 龙、常韬、李志宇、秦亚庆、施晶峰、周明耀，陈龙，臧路、丁云帆、李志、奚 林兴、申有志 版权声明 本研究报告版权属于全球计算联盟。 使用说明：未经全球计算联盟事先的书面授权，不得以任何方式复制、抄袭、影 印、翻译本文档的任何部分。凡转载或引用本文的观点、数据，请注明“来源： 全球计算联盟”。 1 序 当前，人工智能技术正以前所未有的速度重塑着世界，从 ChatGPT 引发的 大模型热潮，到多模态 构建统一计算、统一通信、 统一调度和统一评测的异构算力协同体系，实现异构算力间的无感知计算、无阻 碍通信协作、资源的高效调度和自动化测评，是推动异构算力基础设施迈向新阶 段的关键路径。 本白皮书通过系统性梳理算力产业发展现状、异构算力协同体系架构、关键 技术、解决方案与实践和未来技术展望，促进产业界对异构算力协同领域的深入 理解，加速技术成果的产业化应用。全球计算联盟智能计算产业发展委员会将与

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） 光计算作为后摩尔时代的新型计算范式，具有大带宽、低能耗、 抗干扰、高并行等特点，在处理人工智能、信号处理等任务方面具有 独特优势，有望突破传统电子计算的效能瓶颈，成为未来算力网络的 新型智能算力底座，支撑 AI+时代大模型的高效训推和创新应用。 本白皮书详细阐述了光计算的发展背景、内涵、总体技术架构与 技术路线，并针对当前光计算面临的问题及解决方案进行了系统性分 析。光计算的发展成 析。光计算的发展成熟需要产学研用各方凝心聚力，中国移动愿与业 界合作伙伴一道，共同攻关光计算关键技术，孵化创新应用，加速光 计算从“实验室”到“产业化”进程，推动光计算技术成熟和生态繁 荣，助力我国实现算力技术的“换道突破”和产业的“弯道超车”。 中国移动 面向新型智算的光计算白皮书（2025） IV 目 录 前 言...........................................

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. 医学 3. 神经科学 4. 医疗 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 方法模拟复杂系统，但需要简化模型以及提 方法模拟复杂系统，但需要简化模型以及提 高模拟精度，以解决模拟系统精度低且计算 成本高的挑战。随着技术的发展和数据规模 的增长，出现了数据密集型科学的研究范式。 这一范式利用机器学习方法，自动从数据中 发现统计关联，一定程度上避免了提出科学 假设，但无法发现因果关系，且难以分析低 质量数据和发现复杂系统中的规律。当前的 科学研究主要面临系统复杂性的挑战，相互 关联的自然、技术和人类系统受到跨时间和 空间尺度作用力的影响，导致复杂的相互作

算力中心需求分析 III. 算力中心供给分析 IV. 算力中心供需研判及未来展望 V. 附录 报告研究背景与主要研究结论 4 报告研究背景 • 纵观算力中心发展历程，移动互联网时代与云计算时代的技术革命催生了集约化、超大规模化的数据中心需求，由此孕育出了算力中心定制批发的业 务模式，并且该业务模式在2015-2020年间实现了快速增长。然而，伴随着移动互联网用户红利见顶、新基建边际效应递减及后疫情时代经济周期波动， 高性能计算、大规模存储、高速网络等基础设施，提供提供大规模、 高效率、低成本的算力服务。确保算力资源的集中部署、高效运行。 8 算力中心的定义与概览 中央监控 电源配电柜 消防减压系统 机柜及其附件 气体灭火系统 UPS不间断电 源及PMM电 源管理系统 精密空调设 备和冷却器 高性能液冷 服务器机柜 钢制布 线系统 光纤布线系统 • 算力中心，是一种集中提供计算能力的基础设施，主要由算力设备、 存储设备、网络设备及管理运维系统四大核心要素构成。 • 算力资源的部署与利用离不开算力中心的支撑。核心使命是提供强 大的算力支持，以应对各类复杂的计算挑战，如数据处理、AI模型 训练等。 • 算力中心通过高速网络连接形成计算集群，提供高性能、高可靠性 和高可扩展性的计算能力，支持数据分析、模拟计算和人工智能等 复杂任务。 类型 设备种类 设备名称 IT设备 连接器 光纤 光模块 网络设备 交换机 路由器

，它打破了传统系统中 AI 处理和实 时控制相互独立的架构壁垒，实现了多种计算任务在统一平台上的协同优化。 新一代计算平台的异构架构优势在此背景下显得尤为重要。通过整合高性能 CPU、 GPU 和专用 AI 加速器，结合先进的负载整合技术，单一平台即可同时处理实时 控制任务和复杂 AI 推理，实现了前所未有的计算效率和系统简化。这种技术创新 不仅消除了传统多系统架构的延迟和同步问题，更通过智能负载调度和资源动态 本白皮书将深入探讨这些技术趋势如何重塑制造业格局，特别是负载整合技术在 推动 AI 与控制系统融合中的关键价值，以及英特尔如何携手产业伙伴，通过创新 的计算解决方案加速智能制造的普及和深化，共同开启制造业的智能化新纪元。 — 李岩 英特尔公司边缘计算事业部 行业解决方案中国区高级总监 目录 软件定义自动化发展趋势与挑战 .................................... 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 工作负载，通过统一的计算平台实现硬件资源的高效利用和系统成本的显著优化。在这一整合过程中，确保 实时控制任务的确定性性能、保障系统安全性、实现不同优先级任务间的有效隔离，成为了技术实现的关键 挑战。 • AI 驱动的控制系统变革：在智能算法基础上，AI

运维模式面临着从硬件 设备到软件系统、从单一架构到多云环境、从被动响应到主动预防的全方位变革挑战， 亟需构建一套适配算力时代特征的系统化运维体系。 当前，算力基础设施正经历着通算、智算、边缘计算多态融合的发展阶段，高密 度计算集群、异构芯片架构、分布式存储网络以及云边协同部署等技术趋势，使得运 维对象从传统服务器扩展至 GPU/TPU 加速器、液冷系统、智能能效管理平台等多元组 件。同时，“双碳”战略 ......................................................................................- 47 - 3.4.4 计算运维技术............................................................................................... 算力本质上是对信息数据进行加工处理的能力，其核心体现为计算设备通过硬件 （如 CPU、GPU、ASIC 芯片等）和软件协同工作，完成各类计算任务（如数值计算、逻 辑运算、数据处理等）的效率。 1.1.2 算力分类及应用场景 通用算力场景：面向日常计算需求，涵盖个人终端、通用服务器计算能力，应用 于消费互联网、行业互联网等领域的常规计算能力，通常在云计算及分布式计算中， 以 CPU 为代表。 智算算力

(2024-2025) 二〇二五年九月 I 版权声明 本报告版权由北京物资学院信息学院、北京化工大学 经济管理学院、清华大学计算社会科学与国家治理实验 室、北京交通大学信息管理理论与技术国际研究中心、北 京邮电大学经济管理学院、南京邮电大学数据要素创新实 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 编写组 主 编 张茜茜 涂 群 成 员 张向宏 刘世峰 宫大庆（北京交通大学信息管理理论与技 术国际研究中心） 孟庆国 张少彤 王理达 周 亮 张影强（清华大学计算社会 科学与国家治理实验室） 张 闯 徐广姝（北京物资学院信息学院） 李 宾 王 军（北京化工大学经济管理学院、北京化工大 学信息化绩效评估中心） 闫 强 王友奎（北京邮电大学经济管理学院） 发《关于深入实施“人工智能+”行动的意见》，为我国数智 产业高质量发展指明了方向。为摸清国内外数智产业发展家 底，促进全国数智产业更好更快发展，北京物资学院信息学 院、北京化工大学经济管理学院、清华大学计算社会科学与 XII 国家治理实验室、北京交通大学信息管理理论与技术国际研 究中心、北京邮电大学经济管理学院、南京邮电大学数据要 素创新实验室、北京化工大学信息化绩效评估中心、北京京

91 计算时代 CHAPTER 05 附录：阿里云百炼安全实践 1 组织保障机制 108 2 阿里云百炼安全能力清单 109 3 权威认证 110 3.1 大模型权威认证 110 3.2 云平台权威认证 114 Confidential MaaS：可验证 的数据保护 1 可信环境 - 机密计算 97 1.1 安全能力概述 97 1.2 阿里云机密计算产品 98 若未及时修复，攻击者可借此入侵系统，控制训练环境或业务平台，导致数据泄露、 服务中断，甚至影响关键社会领域，造成严重后果； ● 拒绝服务风险：AI 系统易受分布式拒绝服务（DDoS）攻击。攻击者通过海量恶意 流量耗尽计算或网络资源，导致系统无法响应正常请求，引发服务中断。这不仅带来 经济损失，还可能损害平台声誉与用户信任； ● 模型窃取与篡改风险：模型是企业核心技术和重要资产，凝聚大量研发成果与商 业价值。一 此外，用户与模型之间的交互链路若未采取充分的安全保护措施，也可能导致数据外 泄； ● 算力消耗风险：攻击者通过提交大量高复杂度请求，在不触发传统 DDoS 防护机制 的前提下，耗尽 API 调用配额或计算资源，造成服务中断与成本激增； ● AI 供应链安全风险：MaaS 的构建依赖复杂的软件与模型供应链，任一环节（如基 座模型、第三方库、数据集）存在安全隐患，都可能被传导至下游应用，引发数据窃

的韧性建设范式，对于推动数据中 心的韧性升级具有积极意义。 ——华为ICT Marketing与解决方案销售总裁 刘康 ——中国信息通讯研究院云计算与大数据研究所所长 何宝宏 在信息化、智能化时代，算力中心作为支撑大模型训练推理等海量计算的基础设施，已深度融入生产生活、 政府管理、民生服务等各方面，其稳定运行不仅关乎信息技术服务的可靠与连续，更直接影响经济社会体系 的韧性与安全。《韧 人工智能技术的迅猛发展，正在以前所未有的速度推动算力需求的增长。随着智能化的普及和渗透，算力将 和电力一样成为社会运行的基础设施。数据中心作为支撑企业数智化转型和国家数字经济发展的数字底座， 已演进为包含计算、存储、网络、能源、云等多维度系统，支持消费、生产、科研、环境、社会治理等方方 面面，是一个复杂的系统工程，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 成为“Digitalization Center”——数字化与智能 化的核心枢纽和创新引擎。 自诞生之日起，数据中心的使命便在持续演进。过 去，其核心职责是提供可靠的计算、存储和网络资 源。而今天，在AI、大数据、云计算、物联网深度 融合的驱动下，数据中心肩负着支撑企业全球化运 营、实时智能决策、敏捷业务创新的重任。 在AI时代，数据中心承载的已不仅是信息系统，更 是支撑全球业务连续性、社会稳定运行和创新活力

北京邮电大学： 邢颖、林雪燕 上海交通大学： 赵世振 前言 人工智能正以前所未有的速度重塑人类生产与生活方式。以大语 言模型、多模态模型为代表的新一代 AI 应用，持续突破计算与通信 的极限，推动智算中心从计算、存储到网络的全栈架构深度演进。在 这一浪潮中，智算中心不仅是国家科技战略的核心支撑，更是产业智 能化升级的关键基础设施。 随着 AI 模型参数量呈指数级增长，尤其是在大规模分布式并行训 ..............36 3.3.1 路由协议的光电优化方向............................................. 37 3.3.2 面向光电拓扑的预计算优化与双模路由表设计.........38 3.4 链路层：面向光电网络的智能双工重构...............................39 3.4.1 上下行非对称带宽的链路利用. H100/B100（数万卡） >20,000 100M-500M+ 大模型参数量达到万亿，迭代训练需使用数据并行、流水线并行、 张量并行和专家并行等技术。并行推理将每个模型层的计算任务拆分 到各个服务器中多卡 GPU 上执行。各 GPU 无法独立完成计算工作。 在训练的过程中需要进行频繁且复杂的通信。这就要求构建 GPU 之 间的全互联高速数据通道，以确保数据的高效传输，最大限度减少 GPU 间通信耗时。那么，如何满足大规模