然而，因芯片架构不同、通信协议不统一、算存传能力差异而导致的异构算 力碎片化、生态割裂及协同效率不足等问题日益显现。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 .........................................................................................12 3.3 统一调度技术................................................................................................. Array）等，实现对不同类型计算任务的优化。 与传统同构算力相比，异构算力强调在指令集架构、处理器类型、通信接口、内存访问模式 等多个层面的差异性与互补性，但也对异构算力整体系统性的资源管理、软件适配、调度优 化提出了更高的要求。 本白皮书聚焦智算领域的异构算力，具体是指面向大模型应用，采用不同架构设计的人 工智能芯片算力，通常包括来源于不同的厂家或同一厂家设计的不同代际产品，使其在计算 性能

。 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， 融合现有通信方式，实现通信手段的互联互通和统一调度等功能。通过对各级跨地区、跨部门之间的统一指挥 协调，实现对突发事件的统一部署、迅速处置和联合行动。其核心功能包括资源整合与调度、信息处理与分析、 跨部门协同指挥以及突发事件应对等。 在现行对 个设备连接起来，实现数据的传输和共享。 应用系统：基于基础环境系统和基础支撑系统，实现指挥中心的各种具体应用功能，如应急指挥、调度管 理、信息分析等。 （三）基础环境的演进 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： 以控制台为例，控制台的设计结合新建指挥大厅的实际情况，布局合理、美观、可用性高，符合安全规范 以及人体工学方面的要求，配置应依照指挥中心的实际面积、尺寸以及空间布局的合理性进行设计，并且考虑 到与整个环境的协调性。操作台是指挥大厅中调度控制人员应用最频繁的核心设备，要求经久耐用、符合人体 工程学并能提供紧急避险，是指挥中心建设中重要系统之一。 1. 设计定制化：指挥中心控制台需要根据特定的岗位工作流程和操作需求进行定制设计，以确保所有的设

.....................................................................................13 2.2.1 可视指挥调度 .................................................................................................. 园区管理者实现更加动态化、智 能化的园区管理，辅助园区智能指挥和应急调度，助力园区运营可视、可管、可控，保 障园区体验更智慧、运行更智能、管理更高效。 05 新质生产力探索 高品质协作技术白皮书 各行各业的日常工作和生产业务中，高效的信息交互及 协作是提升政府和企业效率不可或缺的重要工作模式。 在政府行业，指挥调度系统需要融合包括视频会商、 视频监控、宽窄带集群系统、无人机系统、互联网会 通知 实时日程 智能签到 设备运维 设备远程可视 设备集中控制 质量可视 智能联动 灯光窗帘联动 设备联动 环境监测 智慧纪要 智能摘要 智能分析 智能保障 超宽网络 会议流量识别 智能调度 安全保障 音频水印追溯 视频水印追溯 超高清交流 4K/8K 高清 智能导播 智能拾音 智简交互 智能书写 白板协作 多屏协作 沉浸体验 视频增强 沉浸音频 裸眼 3D 智能助手 智能字幕人机共创

云平台建设阶段关键诉求 2.2.2 应用和数据迁移阶段关键诉求 2.2.3 应用开发与运维转型阶段关键诉求 基础设施层 3.1.1 软硬协同一体化，构建融合高性能基础设施 3.1.2 调度和升级优化，支持超大规模算力管理 3.1.3 端到端可靠性设计，保障系统稳定可靠运行 3.1.4 原生安全能力基线，构筑纵深防御高安全体系 数据层 3.2.1 五大核心要素，定义和设计云上数据库 高安全：集成专用加密模块，为静态数据和动态数据提供全方位加密保护，有效保障数据在存储、传输 和处理过程中的安全性 主要特点： 高可靠：通过事务日志、故障自动恢复等机制降低停机风险 高并发事务处理：通过高效利用内存缓存和优化资源调度，支持低时延、高并发的事务处理 集成性强：借助 MQ 消息队列，实现主机不同系统间异步通信，并提供完整事务处理和消息管理 主要特点： 高并发事务处理：主机应用一般高度定制，应用层与数据层紧密集成，提供高并发、高吞吐量事务处理能力， 1.2 传统主机面临的挑战 (1) 技术封闭制约创新效率 传统主机技术栈过于封闭，操作系统和专用硬件深度绑定，难以兼容 x86、ARM 等标准化芯片，这限制 了企业自主引入云计算的弹性资源调度和分布式技术的水平扩展能力，系统升级和功能迭代依赖原厂支持，流 09 程繁琐且周期长，难以及时响应业务变化（主机厂商硬件升级周期通常为 3~5 年），远滞后于业务对敏捷创 新的需求（如互联网业

中心网络的重要发展方向。光电协同不仅能够在物理层显著提升链路 性能，还为网络的灵活重构、智能调度与按需适配提供了技术空间。 全球领先的产业与科研力量均已在此领域展开探索，并在部分应用场 景实现试点部署。 然而，要实现光电协同网络在智算中心的规模化落地，仍需跨越 多重技术关卡。从应用层集合通信模式与动态拓扑的适配，到传输层 协议机制与流量调度优化；从路由层控制平面的可扩展性，到链路层 资源的智能分配；再到物理层光交换的传输损耗与延迟难题，均对网 ..................... 20 2.1 应用层：集合通信与网络拓扑的失配挑战...........................21 2.2 传输层：复杂功能的协议设计与流量调度挑战...................21 2.3 网络层：路由收敛滞后挑战................................................... 23 2.4 ....... 32 3.2.2 双状态拥塞控制机制..................................................... 33 3.2.3 错峰出行智算流量调度方案......................................... 35 3.3 网络层：面向光电网络的智能路由控制..............................

，在制造、仓储、 电力、港口、烟草等重点行业展现出巨大的市场潜力。 制造行业：截至 2025 年 1 月，中国规上工业企业数量达 51.2 万家，其生产 线边的物料管理、生产设备与载具的追踪与调度等场景，对低成本、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 ， 保障电网运行安全。随着智能电网建设的推进，该领域应用前景广阔。 港口行业：中国港口吞吐量巨大，传统作业模式效率低、人工成本高。无源 物联网可以实现港口设备、集装箱及运输车辆的实时追踪和智能调度，提高作业 效率并降低错误率。随着港口自动化水平的提升，该领域市场空间预计将超过百 亿元。 烟草行业：烟草行业对产品溯源、防伪、流通监管有严格要求。无源物联网 能够为每个烟草产品提供唯一数字 大量人力，耗时耗力，全厂盘点一次往往需要数天时间，且容易出现漏盘、错盘 等问题，导致账实不符。 （2）资产定位与追踪困难：高价值设备、模具、载具等在流转过程中难以 实时定位，丢失风险高，查找效率低，影响生产调度与物料齐套。 （3）数据更新滞后：资产入库、领用、调拨、报废等流程依赖手工录入， 信息更新延迟，无法实现动态可视化管理，影响决策效率。 （4）安全监控能力不足：关键资产出入权限管控不严，异常出入难以实时

CPU/GPU/NPU 等多样化算力资源的统一池化与智能调度，使算力灵活 流动，紧密协同网络需求与 AI 任务，成为驱动业务智能的强劲引擎。 网为根基：5G-A 网络不再仅是数据传输的管道，而是演进为具备内生智能的“感知 - 保障”系统。 通过异构接入、一网多用等多维能力，网络能够主动感知业务意图（如低时延、高可靠）和实时状态， 并动态调动资源予以精准保障，为算力调度与 AI 应用提供确定性、高性能的连接服务。 所示的算网智一体化架构。该架构以边缘智能核心网为枢纽， 通过算力平台的弹性支撑与智能驱动中枢的赋能调度，实现算、网、智的闭环协同，为企业提供端到端、 全流程的智能化专网服务。 赋能边缘智能核心网的算力平台：作为一体化架构的底层支撑，通过轻量化与弹性部署实现资源按需分 配与快速响应，依托跨异构适配能力对 CPU/GPU/NPU/DPU 等多元算力进行统一调度，支持云边模型 与数据协同机制构建“边缘 - 区域 - 中心”三级 ，要求边缘智算平台采用高度可定制、 可裁剪的体系架构，支持对 CPU、内存、GPU/NPU 等异构资源的细粒度管理调度，实现模块化功能 按需启停，以灵活组装业务组件，避免冗余资源占用，提升资源利用效率。平台可根据业务负载弹 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

智能感知的光网络，为算力、存力与运力等所有在网资源构建高效集 约的全光联接底座。同时融合网络自智技术，覆盖光网络“规划、建 设、维护、优化、运营”全生命周期，满足所有用户、终端、节点和 数据中心之间的海量数据快速交换与智能调度需求。 2）光感业融合：通过将光通信与光感知深度耦合，实现从“连 接通道”向“感知中枢”跃迁，推动光网络从单一传输向融合主动感 知与差异化业务的范式转变。光网络不仅承担数据传输功能，还具备 实现按需建链、速率自适、频谱灵活的智能调度能力，支撑任务式业 务高效发放与网络资源最优利用。 针对任务式应用、业务快速发放和网络效率提升等目标，通过弹 性连接、弹性带宽、弹性频谱与弹性算力等技术根据可达路径实现敏 捷动态链接。 弹性连接：针对传输类专线，通过波长与光业务单元（OSU）分 7 Ⓒ中国电信版权所有 钟级拆建、快速提供链路资源，满足任务式按需调度和时分复用的需 求。 高效传输，在 同一光层实现多速率波道混合传输。 弹性算力：基于光线路终端（OLT）、智能政企网关、光纤到房 间（FTTR）等边端算力，满足 AI 智能体及应用对于本地存算资源的 弹性部署及调度编排要求。 4、多层原生的全流程光智能（原生光智能） 原生光智能基于原生在网络各层次中的 AI 技术，构建“三层原 生智能”网络架构，全面赋能光网络“规、建、维、优、营”全流程。 在新

心瓶颈：资源分布偏远与动态变化掌握不清，依赖传统勘察与管理方式精度与时效 不足；矿区环境与生态影响难以实现大范围、高频次的客观监测；同时，由于缺乏 高精度的时空基准，矿山内部的人员、车辆与设备难以实现高效协同与精准调度， 不仅影响作业效率，更埋下安全管理隐患。 卫星技术，作为空天信息化的核心成果，正为矿业转型提供关键支撑。它融合 遥感观测、导航定位与通信传输能力，可实现对矿山全域和生命周期的"天眼"感知。 续监测矿区地形变 化、开采进度，并结合植被覆盖度分析等手段，实现矿区生态环境的量化评估。同 时，卫星定位技术为各类作业单元提供全天候、高精度的时空基准，实现对人员、 车辆与设备的实时定位与智能调度；卫星通信则有效弥补偏远矿区地面网络覆盖不 足的短板，确保关键数据的稳定传输与应急指令的可靠传达。这些能力共同构建起 矿山全域的感知神经网络，使卫星技术成为驱动矿业走向安全、绿色与高效未来的 核心支撑。 列共性难题。在勘查阶段，受限于交通闭塞、地形复杂，传统人工手段难以开展大 范围、高精度的地质调查，导致资源禀赋评估不充分；进入开发阶段后，矿区基础 设施薄弱、通信条件差等问题进一步凸显，人员物资调度效率低、生产数据回传滞 后、应急指挥不畅，严重影响开发进度与运营安全。同时，由于缺乏覆盖全域的高 精度时空信息服务，勘查点位定位、矿区设施布设、开采进程监测等关键环节的精 准性与协调性难以保障

....................................................................................- 20 - 2.3.4 算力调度与资源管理.............................................................................................. 故障快速恢复；团 队需掌握服务器部署、网络排障等基础技能，对硬件底层原理深入理解要求较 低；算力运维管理模式动态化，需结合业务负载实时调整资源分配；团队需掌 握芯片级知识、能耗建模、分布式系统调度等技能，甚至需与算法工程师协作 优化算力使用效率。 算力运维体系技术白皮书 - 4 - （3）. 传统运维故障多表现为单节点或单业务中断，影响范围较小，应对策略以 快速替换硬件、切换冗余节 实现企业算力运维部门与业务部门可以更好地融合并推动创新。 1.3.2 算力运维的挑战 随着算力服务深入，算力场景下的运维服务面临多方面变化，包括技术上的自动 化与智能化、服务流程的重构、资源管理的池化与动态调度等。多样化智能场景需多 元化算力，人工智能等新应用的崛起对运维保障提出更高要求。因此，算力运维面临 使用效率、故障管理、资源监控、需求匹配、全局可观测性和沉没成本等挑战。企业 亟需健全运维体系