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) 的各类异构算力芯片齐头并进。 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 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 产学研各界合作伙伴携手共进，推动国产算力底座性能持续跃升、异构算力协同 生态日趋繁荣，为人工智能时代的到来铺设更加坚实的算力基石！ 全球计算联盟 智能计算产业发展委员会 2025 年 7 月 2 目 录 第一章 算力产业发展现状

异网异构边缘算力系统总体架构 研究报告 2025 年 8 月 版权声明 本报告版权属于中国铁塔股份有限公司、中国信息通信研究院、 中国移动设计院、江苏省未来网络创新研究院所有并受法律保护，任 何个人或组织在转载、摘编或以其他方式引用本报告中的文字、数据、 图片或者观点时，应注明“来源：中国铁塔股份有限公司、中国信息 通信研究院、中国移动设计院、江苏省未来网络创新研究院”。否则 将 化就 近算力供给能力。本报告针对当前边缘算力资源碎片化、组 网方式多样化、管理孤岛化等问题，首次系统化提出“异网 异构边缘算力系统”架构，通过多元异构算力融合调度与跨 域网络智能协同关键技术，为边缘算力的建设和发展提供实 施路径参考。 目前，产业界与学术界对异网异构边缘算力系统的研究 尚处于探索起步阶段，新的架构和应用模式正在不断涌现。 本研究报告为阶段性成果，尚待持续完善，诚挚期待读者批 进程导致算力硬 件和互联网络呈现出较大差异，异网异构资源难以高效管控与对外服 务。我国边缘算力设施存在差异巨大的异构算力硬件，芯片类型包括 了通用 CPU、GPU、FPGA、ASIC 等，服务器架构具有并存的 x86 架构 与 ARM 架构，导致算力度量、管控和调度需要克服不同芯片厂商的标 准差异。单一边缘节点受限于算力容量、计算资源异构、并发服务总 2 数等短板，难以满足大规模用户的请求，导致各单位建设了大量的边

浏览器查看文章） Similar articles recommended (Please use Firefox or IE to view the article) 拟态防御中基于ANP-BP的执行体异构性量化方法 ANP-BP Based Executive Heterogeneity Quantification Method in Mimicry Defense 计算机科学, 2024, 51(11A): 将移动目标防御当成欺骗防御的一部分;文献[４] 中则提出移动目标防御系统可以看作拟态防御系统的一个特 例,它通过一些拟态变换使系统具有动态性特征,但是并没有 应用异构冗余架构;文献[５]中也表达了相似的看法,即拟态 防御思想是将移动目标防御的思想与异构冗余执行体相结合 的产物.从上述研究中的观点可以看出,尽管３种主动防御 技术之间没有明确定义的从属关系,但它们之间却有着紧密 的联系. 现阶段,有关主动防御方面的综述性文章大多是针对单 态 现象,以动态异构冗余架构(DynamicHeterogeneousRedunＧ dancy,DHR)为技术核心,在不改变目标对象功能的前提下, 伪装服务功能外的其他行为,进而动态地改变其攻击面的主 动防御技术[２３Ｇ２５]. ４．２ 动态异构冗余架构 DHR 由输入代理、在线服务集、异构执行体集、异构组件 池、调度器和表决输出器６部分组成,如图４所示.基于异构 冗余原理,构建多套功能相同、结构不同的软硬件组合

北京邮电大学 谢人超、唐琴琴、杨煜天、马霄鹏、汪硕 江苏省未来网络创新研究院 魏亮、方辉、孙玉刚、尹鹏、林枭、韩风、占昊天、王磊 I 前 言 随着算力网络的飞速发展，算力资源呈现出泛在化、异构化、分 布化的显著趋势。如何高效感知、协同调度这些广泛分布且动态变化 的算力资源，以支撑日益复杂的智能应用需求，已成为推动产业数字 化转型和智能化升级的关键挑战与核心技术方向。 本白皮书首先 到结果返回的最佳路径。 分布式算力感知与调度具有如下几个显著的特征：  异构性：算力节点的硬件类型、操作系统、网络协议存在显 著差异，系统必须能够充分识别并利用这种异构性，将不同 类型的计算任务精准匹配到最适合的硬件上执行，从而实现 4 整体计算效能的最大化。感知系统需通过统一的“算力单位” 实现异构资源的归一化描述；调度系统则需针对不同类型任 务设计适应性的分配策略。  例如优先将任务调度到使用可再生能源的数据中心或能效比 更高的节点，或利用电价谷值进行计算，实现“绿色调度”。 5 分布式算力感知与调度是现代计算范式的核心支柱。它通过构建 全域资源认知神经网和智能调度决策中枢，实现了对泛在、异构、动 态算力资源的有效整合与按需供给。其核心在于全局化资源视图、多 目标动态优化、高度环境适应、跨域无缝协同、智能学习进化以及对 可持续性的深度关切。随着算力网络（CPN，Computing Power

框架工具层优化 模型扩展组件层优化 DAS（DCU AI Software Stack/DCU人工智能基础软件系统） C86 CPU DCU加速卡 存储 高速网络 DTK（DCU Tool Kit/DCU异构计算平台） 全栈优化 软硬协同释放DCU 澎湃算力性能 DCU：全面兼容主流生态 / FULL ECOSYSTEM PROFILE 类CUDA API的 开源软件开发平台 原生支持多种加速库 和Slurm调度系统 功能健全的DCU软件栈 性能分析工具 主流HPC应用 Gromacs/VASP etc 人工智能框架 TensorFlow/PyTorch/ paddlepaddle 国内典型 异构应用 OpenMP/OpenACC 类CUDA编程环境 OpenCl 编译器 驱动 DCU加速卡 主流应用 函数库 开发环境 通讯加速库 SPARSE加速库 LAPACK加速库 PRIM 支持C/C++/Fortran、OpenMP/OpenACC、Python编程，支持GPU Direct网络加速，支持多种 Profiling 方法 HYGON 09 10 HYGON 海光DCU行业实战手册 DTK异构计算平台 DTK（DCU Toolkit）集成了DCC（DCU Collect Compiler）编译器、经过验证和优化的计算库，支持多种编程语言，同时提供运行、 编译、调试和性能分析功能。

数字化转型；各类科技公司也积极参与人工智能技术竞争，智算行业 发展迎来新局面，算力普惠普适将成为重要支撑。在智算平台方面， 通过多层级、多主体、异构算力节点的资源调度和交易，促进了智算 资源的高效利用，如中国移动的震泽智算平台，通过分布式云原生 Kosmos 技术和异构混训解决方案，支持大模型跨域、跨芯训练，并 通过算网大脑进行统一调度，推动通、智、边一体化调度，实现“中训 边推”。 我国积极倡 化配置，形成集团级、区域级等多层级的智算布局体系。 能源行业在推动全过程数字化、智能化转型的过程中，大多选择 在西部国家枢纽节点部署智算节点，以降低成本。中国石化在呼和浩 特构建了包含高速计算资源、高容量存储、高效数据流转网络的异构 智算资源池，目前总的智能算力约为 76 PFLOPS，预计到 2025 年将 达到 100 PFLOPS3，为人工智能应用提供所需算力服务、数据服务和 算法服务，支撑中训边推和行业智能生态建设。国家能源集团在宁夏 防机制，重点选用一些支持场景感知、智能辅助和协同联动功能的设 备，以更好地提供安防、消防支持。在算力设备部署过程中，央国企 应加强国产算力设备的应用，减少对国外技术、产品的依赖。探索构 建多元异构的算力设备方案，提升异构算力设备高效互联和协同计算 能力，并针对不同算力应用场景提供适配方案。 4.建设施工 央国企智算创新实践报告（2025 年） 17 智算中心的建设施工可以采用 EPC（Engineering

密存储技术实现数据静态与传输中的端到端保护；在云场景中，依托擎天架构，提供了高安全、 强隔离的机密计算环境。同时，HCIST 通过远程证明与安全验证机制，确保平台身份与运行环境 的真实可信。未来，华为将继续深化异构硬件级保护、跨设备安全通道协议及合规框架的研发， 推动算力基础设施向更安全、更高效的方向演进。 HCIST 将能够帮助数字化运营企业更好的将“计算完整性”纳入企业风险管理中，确保计算节点 的 持多元异构环境 的适配，又确保各方资源能够按需集成、协同运作。纵向层面，HCIST 构筑了从芯片、固件、操 作系统、集群到云的全栈安全能力；横向层面，则充分发挥“端-管-云”协同优势，为数据和模型资 产提供端到端的全生命周期保护。 通过内生安全机制与开放的架构，HCIST 为各类 AI 应用提供高性能、可扩展、易迁移、可信 赖的算力基础设施。在实际部署中，HCIST 面向复杂异构算力场景，实现从 的技术创新和 华为全栈软硬件能力，HCIST 逐步发展成为体系化的安全框架，从单点设备到超大规模集群全面 赋能，支撑多样化的安全与隐私需求。 展望未来，华为将继续与产业伙伴协同共进，不断推动异构、跨域协同的安全防护架构和标 准体系的建设与演进，促进全球智能化走向可持续、可信赖的发展模式。 朱小勇 华为 2012 实验室 可信理论、技术与工程实验室主任

能源富集区却面临算力需求不足的问题，影响了绿电的消纳。在系 统协同层面，算力调度以性能优化为导向，电力系统则以稳频调峰 为目标，二者缺乏统一的优化框架，造成新能源利用率损失 3%- 5%。技术层面，算力系统的异构性与电力系统的波动性难以通过传 统控制模型实现兼容，跨域协同效率低下。这些问题的存在严重制 约了算力产业与能源系统的协同发展。 本白皮书详细介绍了算电协同的发展背景、基本概念、功能架 构、 2.2 算电协同关键使能技术 .................................................................... 14 2.2.1 多元异构算力适配纳管........................................................ 15 2.2.2 多能互补电力协同调度............... 依托国家重大科技基础设施“未来网络试验设施”（CENI），团队构建 了覆盖全国 40 个城市的试验环境，为算力网络创新研究搭建了重要 平台。与此同时，紫金山实验室团队在算网融合基础理论研究方面取 得突破性进展，其研发的支持大规模异构算力调度的核心技术，以及 建设的国家级算力网络试验平台，为行业提供了重要的技术支撑和验 证环境。两个团队通过紧密的产学研合作，共同推动了我国算力电力 协同领域从理论到应用的全链条创新，为“东数西算”国家战略的落

..............................................................................................26 2、异构混训................................................................................................. 等架构芯片，重点应用于智能手机、智能汽 车 、 工 业 机 器 人 等 ， 满 足 边 缘 与 终 端 计 算 需 求 ； 中 科 曙 光 Nebula800、长三角国家技术创新中心“珠玑”平台通过 CPU、GPU 异构融合，支持多精度计算、算力统一调度等，用于科学计算、 智能制造、城市大脑等，满足平台与生态建设领域需求。 （二）智算服务市场增长迅速，智算服务供给日趋多元。 智算产业发展研究报告（2025） ，华为以 41.7%的市场份额独占鳌头，凭借昇腾 910B 国产 AI 芯片和全栈解决 方案，成为智算中心建设和运营的核心支撑。新华三、百度、中国电 子云、商汤科技合计份额约 15%，主要提供异构算力整合和行业解决 方案。解决方案市场竞争激烈，规模效应尚未显现，市场玩家正处于 竞争关键变革期，短期内大模型赋能行业能力、数据/算法等专业服 智算产业发展研究报告（2025） 16 务能力至关重要。

端、 边、 云架构演进， 开放的工业应用生态体系推动智能制造的快速迭代 … … 智能制造面临的 行业痛点 智能装备控制 系统与设备需深度协同 复杂的 IT 系统 高昂投入运维复杂 各种异构系统 信息及数据烟囱化 设备数据采集 种类繁多技术复杂 昂贵的工业分布式控制系统 边缘云 (I/P/Daas) 智能 硬件层 技术趋势： 执行与控制分离、 软件定义装备。 工业互联网将加快这个趋势 降低数字化建设门槛 实现产品化快速普及 可快速批量复制能力 快速提升行业数字化水 平 整体提高项目落地效率 轻松实现系统远程运维 开箱即用的边缘云平台 轻松实现异构系统集成 全面提升交付能力及业 绩 工业魔方产品 价值目标 02 03 合作伙伴 工业行业 产品功能 CA S E S 定位：旗舰款魔方（数字工厂） 扩展：计算单元默认 2 个 可实现不同异构系统之间的业务协同、 数据共享能力 ，从而消除孤岛、 互联互通 IOT 平台是工业魔方的核心价值 ，具备双向能力 ， 可以实现工业全场景物联采集及反向智能控制 工业魔方可利用工业现场的控制层（ PLC 、 IO 、 传 感器等） 快速实现全场景数字化、 装备智能化 ， 从而可低成本、 快速实现数字化生产、 智能 制造 各种工业异构应用系统通过工业魔方