创建AI模型。它包括数据集合，模型选择，模型训练， 模型评估，模型部署和模型监控，涉及密集使用GPU。模型开发完成后启动推理业务，为最终用户提供业务 支持或与模型交互。因此大模型的训练基于更大规模的GPU并行计算，单服务器内部署GPU数量提升至4颗、 8颗甚至更多，并通过纵向扩展的方式实现更多GPU互联形成超节点。当前英伟达超节点Scale Up互联可达 576颗GPU。 趋势洞察 03 满足承载不同RDMA协议的技术要求，二是满 足海量数据传输需求的高带宽、大象流负载均衡、精细化流控等技术要求。借助RDMA技术，通过分布式智 算中心网络实现区域内多智算中心协同计算，可以满足更大规模的算力需求。 总而言之，算力的需求正在快速增长。由于AIGC的出现，大模型的训练和推理导致智算超越了通算。智 算中心节点规模越来越大，对网络性能（吞吐和时延）要求越来越高，其发展趋势是从scale 核心挑战：超低时延、无损传输与能耗困局 智算中心网络作为连接海量计算资源（万卡/十万卡级）的关键组成部分，其性能直接影响到大模型训练 的巨量数据、分布计算以及并行同步的效率和效果。然而，当前智算中心网络在大规模组网架构、低时延无 损网络技术、高吞吐负载均衡以及智算中心间高速无损互联等方面仍面临诸多技术挑战。 1）智算网络面临的挑战 组网规模与复杂度激增 大模型训练依赖数千甚至数万张GPU的协同计算

联通国家智慧教育平台、融入教育大数据中心的关键 节点。 从教育实践来看，AI教室的构建有助于学校形成 “师—生—机”三元协同、数据驱动的智慧学习空间。 它不仅是传统教室的硬件升级，更是实现大规模因材 施教、培育学生高阶思维与创新能力的基础环境。其 价值在于无缝对接“集成化、智能化、国际化”的战 略方向，将优质资源精准送达每个角落，助力缩小教 育差距。 面对技术适配、伦理安全与常态化应用等挑战，产业 现代化迈出中国步伐。希沃愿与各方携手，以技术革 新驱动教育公平与质量提升，共同绘制智能时代的教 育新图景。 张凌 广州视睿电子科技有限公司总裁 AI技术开放融合，构建全流程的AI教学空间！ 人工智能正成为重构育人生态、实现大规模因材施教 的关键力量。要构建一个人机共生的教育未来，我认 为需聚焦四大核心：一是升级教学环境，构建教师- AI-学生三元互动的新型生态。我们追求的不是技术的 简单叠加，而是人机共育的深度融合，让AI成为教师 教育服务模式，为加快建设高质量教育体系提供保障。 本报告通过对新型教学装备和解决方案的解构，试图 回答AI+教育时代提出的核心问题：AI技术如何系统性 地感知教学过程，转化为可度量的课堂评价，如何实 现大规模的“因材施教”理想，又将如何构建师-生- 机三元协同共进的教育生态？ 我们相信，答案会在学界、产业界、用户之间不断探 索、实践、反馈与再次探索、实践的循环之中涌现。 希望本报告能给你带来些许思考和启发，Enjoy！

在“双碳”目标引导下，中国光伏在技术创新能力、 生产能力和市场应用能力等方面领跑全球。从星罗棋布 的分布式微光，到规模庞大的集中式阵列，中国光伏建 设的扩展，是全球能源转型的最大尝试。而这样大规模 的低碳能源转型，也不可避免地面临用地、建设、储能、 传输、应用等多方面挑战，对传统的能源体系带来改变， 对固有的利益格局带来冲击。 我们期待各界更多关注光伏发电建设，通过政策优 化、机制 实现了跨越式发展，装机容量与 发电量均呈现爆发式增长，成为 全球能源转型的主要引擎。 随着光伏等新能源占比快 速提高，其波动性、不稳定性、 储能不足、电网承载力有限等问 题日益凸显。同时，大规模光伏 建设也带来了土地利用、生态环 境和社会影响等挑战。为此，各 方积极探索创新解决方案，力求 实现光伏建设与可持续发展的协 同。 01 02 2013 年至 2024 年，中国太阳能发电装机量从 在广袤的西部地区，一批国家级清洁能源基地正在崛起。内 蒙古、青海、新疆、甘肃、宁夏等西北省区，凭借沙漠、戈壁、 荒漠带来的土地资源和优越的光照条件，大力发展集中式光伏发 电。 以青海省为例，通过建设大规模光储项目和多能互补系统， 青海新能源装机占比全国第一，人均光伏装机量高达 6.2 千瓦。 为促进“绿电”外送，青海电网近年来发展全面提速。2020 年， 世界首条以输送新能源为主的输电大通道——青豫特高压直流工

V/50 V 电压域转换至 6 V 的中间总线。图 10 显示了该模块及其实测效率曲线。 12 二、AI 服务器机架的供电 预测三：AI 服务器机架的功耗将超过 1 兆瓦 在针对拥有万亿级参数的超大规模AI模型进行训练时，需要将数千颗GPU集成在同一台机器中，并以同步模式运行。 机架之间的数据通信通常通过光通信实现，而 IT 机架内部的高速互连则依赖专用处理器，通过铜缆将每个 GPU 与 其他 数百兆瓦级别。 在未来几年内，为满足规模日益庞大的 AI 模型对算力的无限需求，预计将出现专门的“AI 工厂”。在同一数据中 心园区内，此类设施的用电量将达到吉瓦级，甚至可能超过数吉瓦。多家超大规模数据中心运营商已发布了相关 建设计划 [2,3]。在训练过程中，大型 GPU 集群的负载剧烈波动，所引起的电力供应与电网稳定性问题，成为确保 这些数据中心安全运行的重大挑战。要应对这些挑战，必须 转换环节上，实施瞬态负载的主动缓冲。 此外，在设施层面部署大型电池储能系统（BESS）也将成为必需措施，以确保整个数据中心保持近乎恒定的负载 曲线。 英飞凌致力于沿着整个功率转换链路，支持超大规模数据中心运营商及系统供应商，共同实现可持续、高效且具 经济可行性的电力解决方案。功率半导体正是这些工作的核心所在，其目标包括： 17 • 将任意能源形式转换为处理核心电压所需的负载电流 •

用户需求 产品多样化 缺乏竞争 供给 < 需求 稳定的需求 多样化需求 市场 供给 > 需求 竞争更激烈 1850 手工生产 1913 1955 1980 2000 大规模生产 大规模定制 个性化定制 全球化 区域化 宝马汽车在线配置 你可以拥有任何颜色的 T 型车，只要它是黑色。 ----- 亨利 - 福特（ 1 、 SQL 关系型数据库 2 、数据库集群 3 、核心交易 1 、 OLAP 2 、只读 3 、在线分析 ERP MES PLM 报表 DSS BI 结构化数据 非结构化数据 1 、大规模 2 、非结构化 3 、 Hadoop 、 Spark 、 Storm 、 Streaming Map/Reduce 流计算 内存计算 大数据处理规划 不同车型门板及内饰生产线 设备 1 设备

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、切换冗余节点为主；算力运维故障可能导致“算力雪崩”，影 响大规模任务行（如分布式训练失败）；应对策略侧重预判性维护，通过传感 器实时监控硬件状态，利用 AI 算法预测老化趋势，并设计容错机制以保障任 务连续性。 （4）. 传统运维模式使用的工具通常以 ITSM 个国家数据中心集群，“东数 西算”工程稳步推进，将东部海量数据传输至西部数据中心集群处理，充分利用西部 能源优势，降低运营成本。同时，大型互联网企业、科技巨头纷纷加大在算力领域的 投入，建设超大规模算力中心。 1.2.2 算力芯片结构多样化 算力中心和传统数据中心在服务器芯片结构上存在本质的差异。传统数据中心芯 片架构相对单一，主要以 CPU 为算力核心，基于 CPU 和云存储集群提供的相关云服务， 件还是软 件问题。另一方面，大规模模型训练任务流量模型复杂、通信链路长，故障类型多样， 如训练卡顿、损失函数值异常增大等，一个故障可能由多种因素共同导致，且因素相 互交织、故障会在系统内传播，给运维人员定位故障源头带来巨大挑战。 （3）. 监控精度不足 智能计算场景对网络流量精确度要求严苛。传统网络设备流量监控依赖 SNMP 协议， 精度仅达秒级。但大规模模型训练时，计算与通信阶段交替，微小波动都可能影响模

的涌现，市场对算力的需求正在由通用基础算力向 智能算力跃升。“算力 1.0” 阶段的传统数据中心主 要提供存储与分发服务，如今以人工智能训练和推 理为核心的新型智算中心（AIDC）正在开启 “算力 2.0” 阶段，具备大规模和高性能数据处理、智能调 度、融合协同等特征。 算力需求多元化与智能化 集中式云计算数据中心与分布式边缘数据中心的协 同将更加紧密，形成覆盖云、边、端的立体化算力 服务体系，以满足智慧城市、自动驾驶、工业互联 试点仍处于起步阶段。据预测，到 2030 年中国数据中心的 绿电消费需求将达到 360TWh，但当前可获得的绿电资源远 不能满足快速增长的算力需求。 此外，由于绿电固有的波动性特征，要实现稳定供电，就要 求负荷侧必须部署大规模电池储能系统来承担削峰填谷、稳 定电压和应急保障等功能，这将进一步增加整体系统的复 杂性。 有限的安装和交付时间 稳定的低碳能源供给不足 面向未来的中国数据中心：绿色低碳与高可靠性 8 作为 温升、电流、电压波动等参数，结合算法识别故障趋势、预 警隐患，从而降低非计划性停机概率，提升系统响应韧性。 早在绿色电力供给广受关注之前，数据中心在用能端的节能 增效就已是行业共识。但在智能算力大规模扩张、单机架功 耗倍增的背景下，如何在保障供电稳定的同时进一步压降 PUE，并持续控制运营成本，面临更多技术瓶颈亟待突破。 当前，许多在役数据中心仍使用传统UPS、变压器和配电设备， 在中低负载场

虚拟电厂总体分析 C 1 新能源发展快 新能源发展越来越快 ，规模也越来越大 ，风能、 太阳能等清 洁可再生能源 ，都具有随机性、 间歇性、 波动性特征。 新能源并网对电网安全稳定带来挑战 大规模、 高比例接入电网 ，给电力系统平衡调节和电网安全 稳定运行带来一系列新的挑战。 保护问题 ：潮流的改变 ，一会导致本线路保护的灵敏度降低 及拒动 ；二会导致本线路保护误动 它能够很好地协调大电网与分布式电源的技术矛盾 ，并具 备一定的能量管理功能 ，但微网以分布式电源与用户就地 应用为主要控制目标 ，且受到地理区域的限制 ，对多区域、 大规模分布式能源的有效利用及在电力市场中的规模化效 益具有一定的局限性。 季节性、 时段性负荷迅猛增长 电网峰值负荷不断攀升 ，电网峰谷差呈现逐步扩大趋势 ， 夏季空调尖峰负荷和冬季热 ，也可以孤立运行。 它能够很好地协调大电网与分布式电源的 技术矛盾 ，并具备一定的能量管理功能 ，但微网以分布式电源与用户就 地应用为主要控制目标 ，且受到地理区域的限制 ，对多区域、 大规模 分 布式电源的有效利用及在电力市场中的规模化效益具有一定的局限 性。 虚拟电厂并未改变每个分布式电源并网方式 ，而是通过先进的 控制、 计量、 通信等技术聚合分布式电源、 储能系统、 可控

器人逐渐成为各个行业不可或缺的生产力工具， 以及推动各领域创新和效率提升的重要力量。 与此同时，随着人工智能等前沿技术的不断发 展与进步，机器人行业正在稳步迈向具身智能 的未来。但同时，实现服务机器人更大规模落 地的道路上也面临着来自技术与商业模式等方 面的多重机遇和挑战。 为了应对日益复杂的市场需求和多样化的应用 场景，同时伴随着商用服务机器人行业下半场 拐点的到来，普渡机器人在全球范围内率先提 出了开放性的全栈式智能服务机器人生态。该 具备操作能力和自然的交互能力，以完成更复 杂的任务。在这一背景下衍生出的类人形机器 人和机械臂技术，正是对多技术栈发展趋势的 精准把握和积极响应。 • 全球化与本地化结合（Glocal）：随着商用服 务机器人在全球范围内的大规模应用落地，服 务机器人企业需要在不同国家和地区进行本地 化布局，以适应当地的市场特点和文化差异。 服务机器人企业想要在全球市场获得成功，很 大程度上需要建立的全球化销售网络以及精准 执行的本土化产品策略。 球化与本地化的深度融合。企业需要从单一技术 或产品转向提供一站式解决方案，以满足全球客 户的需求。行业领先企业通过构建多品类产品矩 阵、发展多技术栈以及全球化与本地化深度结合 的策略，以实现商用服务机器人在全球范围内的 更大规模应用落地。随着技术的不断进步和市场 需求的进一步增长，商用服务机器人行业将迎来 更加广阔的发展空间。 当前全球服务机器人市场进入爆发期，综上所 述，行业整体规模和需求量增长强劲但服务机 器人在全球主要国家和地区的市场渗透率虽然

一 世 （ Elizabeth I ） 拒 绝 了 威 廉 ． 李 （William Lee）提出的丝袜自动针织机专利申请，因为这种机器可能会让针织工 人变成穷人，人们就一直担心使用机器会导致大规模失业。 如今，人类依然关心自己的职涯命运。最近相关的调查和分析焦点，是AI和 相关自动化技术是否大量取代人类工作。有些分析这类问题的分析师，明确预测 出我们即将失去（或增加）的工作比例和数量。我们不会在这里回顾这些分析， Not Apply，暂译）都是这种类型。3 他们谈到随时可能出现自动驾驶汽车和汉堡 机器人，并预测这些会为许多人类劳工带来可怕后果，以及更大的不平等。然 而，到目前为止，尚未出现自动驾驶汽车和大规模使用的汉堡机器人，也没有为 司机和速食店员工带来可怕的后果。 职场走向人机回圈新场域 这类主题的第二代书籍，则比较乐观。在末日预言家2016年出书后仅仅一 年 ， 汤 玛 斯 ． 戴 文 波 根据制造业机构的一些证据显示，机器人确实取代了工人：每个就定位的机 器人，平均大约可以胜任三人份的工作。8 但是，过去十年我们曾和数百家公司 以及其他类型的组织谈过，它们绝大多数做的是增强人类，而不是大规模自动 化。这是AI早期采用者可能会遇到的情况，这些公司和组织要么正在成长，不必 解雇任何员工；要么把人力调派去执行更复杂的任务。在COVID-19（亦称严重特 12 殊传染性肺炎）流行期间，