算力运维体系技术白皮书 1 算力运维体系技术白皮书 广东广信通信服务有限公司 中通服中睿科技有限公 版权声明 本白皮书所载的材料和信息，包括但不限于文本、数据、图片 和观点，不构成法律建议，也不应替代律师意见。本白皮书版权归 广东广信通信服务有限公司/中通服中睿科技有限公司所有，并受法 律保护。如需转载、摘编或利用其它方式使用本白皮书文字或者观 点的，应注明来源。违反上述声明者，将追究其相关法律责任。 随着数字经济的蓬勃发展，算力已成为支撑社会信息化建设与产业数字化转型的 核心生产力。从海量数据处理到人工智能训练，从云端服务支撑到边缘场景落地，算 力基础设施的规模与复杂度呈指数级增长，其稳定运行与高效管理已成为关乎企业核 心竞争力与社会数字化进程的关键命题。在此背景下，传统 IT 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。 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”战略推动下的绿色运维要求、数据安全法规强化带来的合规压力， 以及人工智能技术催生的智能化运维需求，共同构成了算力运维的复杂技术生态。据

1.1 智算新基建：全球竞争与市场爆发 近年来，以生成式人工智能为代表的新一代人工智能技术加速创新，成为各国抢占科技革命与产业革命 优势地位的技术制高点。2024年3月，中国政府工作报告提出：“深化大数据、人工智能等研发应用，开展 ‘人工智能+’行动，打造具有国际竞争力的数字产业集群“。人工智能将在推动产业升级、促进新质生产 力加快形成等方面发挥重要作用。2025年1月，美国政府宣布Ope 业技术生态与市场格局 正在加速重构。 生成式人工智能基于海量数据训练、推理生成新的输出，并能以文本、音频和图像等形式创建新内容。 智算中心是支持生成式AI工作负载的新型数据计算中心，基于AI计算架构，提供AI应用所需算力服务、数据 服务和算法服务的算力基础设施，它融合高性能计算设备、高速网络以及先进的软件系统，为人工智能训练 和推理提供高效、稳定的计算环境。据测算，2023年全球生成式AI市场规模，包括硬件、软件以及服务等， 币（图1-1）。 据中国信通院测算，2023年全球计算设备算力总规模为1397EFlops，其中通用算力为497EFlops，智 能算力（换算为FP32）为875EFlops，占总算力比例为63%。未来五年，全球算力规模仍将以超过50%速度 增长，至2030年全球算力将超过16ZFlops，智算占比超过90%。2023年，中国通算规模59EFLOPS，未来 至2028年将以17.3%的年增

面向未来的中国数据中心：绿色低碳与高可靠性 2 01 概述 02 算力拉动全球电力需求 03 中国数据中心规模与现状 04 中国电力供给结构与低碳转型 05 中国数据中心的发展趋势 06 面临的挑战 07 数据中心低碳解决方案 08 结语 概述 在人工智能、云计算、大数据等新一代信息技术加速融合的 背景下，数据中心作为算力基础设施的核心载体，已成为推 动全球数字经济发展的战略基石。 续性。西门子能源通过为数据中心运营商制定稳健的能源系 统战略规划，提供全球高效的能源技术方案，助力数据中心 运营商在当前和未来能源体系中实现这四个关键要素的协同 优化。 目录 面向未来的中国数据中心：绿色低碳与高可靠性 3 算力拉动全球电力需求 根据国际能源署测算，2024 年全球数据中心电力消费约为 415 TWh，占全球电力总需求的 1.5%。在基准情景下，预计 到 2030 年这一数字将翻番至 945 TWh，年均增速约 年将增长一倍以上，在全球 格局中占据重要位置。 在满足持续增长的电力需求方面，可再生能源和天然气将共 同发挥主力作用。全球新增数据中心电力负荷中，约一半将 由风电、光伏等可再生能源满足，这得益于其建设周期短、 成本竞争力强以及科技公司采购绿色电力的积极性。预计到 2035 年，全球将新增超过 450 TWh 的可再生能源电力用于 支撑数据中心运行。 与此同时，天然气将作为重要的可调度能源，有效补充可再 生能源的间歇性，预计到

科学性、精准性、 安全性支持， 为 新阶 段水利高质量发展提供有力支撑和强 力驱 动。数字孪生水利体系主要由数字孪 生流 域、数字孪生水网、数字孪生水利工 程、 业务应用， 以及网络安全体系和保障 体系构成。 三 目标任务— 目标 数字孪生水利体系结构 算 力 ( 二 ) 建设目标 至 “十四五”末期， 建成七大江河数字孪生流域； 项业 务智能应用水平大幅提升； 数据共享和网络安全防护能力明显增强； 为新阶段水利高质量发展提供有力支撑 和强力驱动。 三 目标任务— 目标 新建 升级改造 算 法 算 据 ( 三 ) 数字孪生流域 按照 “突出重点 、 急 用先建”的原则进行建设 ， “十四五”期间主要建设： 长江 、 黄河 、 淮河、 实施路径 第一部分 把 握 数 字 孪 生 水 利 建 设 的 目 标 任 务 第二部分 把握数字孪生水利建设的重点与难点 目 录 一 技术方面的难点 二 管理方面的难点 算据 算力 算法 业务应用 网络安全 标准 工作协调 资金投入 人才培养 应对思路 通过数字孪生水利建设牵引、 倒逼物理监测， 主要是构建天空地一体 化感知网， 支撑数字孪生流域与物理流域交互的精准性、

模型。教育的数据安全与价值导向是不可触碰的红线， 发展适切的教育大模型是确保AI应用安全、可靠、内 容正向的根本保障。四是深化产学研协同，以技术点 燃每个生命的独特光芒。释放AI在教育领域的全部潜 力，需要产业界、学术界和研究机构紧密合作，我们 的共同目标始终是培养能适应并创造未来的高素质人 才，共赴一个更智慧、更公平的教育未来。 张元来 鸿合科技股份有限公司高级副总裁 AI赋能教育：构建“因材施教”的教育新生态 可被感 知记录并反馈教学，打破时空限制，实现个性化与数 据驱动的融合。 AI旨在强化教师能力与价值。我们坚持让技术回归教 育初心，以智能赋能教师、激发学生，推进算力入校、 智能入课、数据入脑，使AI成为中国教育新质生产力 的核心引擎。 黄逸涛 广州视睿电子科技有限公司（希沃）副总裁 广州开得联智能科技有限公司董事长 让技术回归教育初心 赋能每一位教师，激发每一个学生! 王勇 广州市奥威亚电子科技有限公司总经理 景。在此背景下，AI正以前所未有的深度与广度融入教育的核心场景，系统性的重塑着传统的教育装备产业。 我们看到智慧黑板、智能录播、AI学习终端等设备，其核心价值已不再是单纯的硬件功能，而是转变为承载AI能 力、提供智能化服务的教育大模型价值窗口。这些新一代的教室装备，不仅仅是提升教学效率的工具，更是破解 因材施教难题、培养学生综合素养、以及构建人机协同新型教育生态的核心物理载体。 本产业发展报告旨在系统性地梳理并前瞻这一深刻变革。

驾 算法、算力、算据三个要素在数字孪生中缺一不可的，如果没有合适的算法，则理论上就不能解决问题； 而如果没有大量的算据，则无法训练整个神经网络；如果没有高性能的算力，则这个训练过程将会极度 缓慢或无法进行。 P8 算力支撑 CPU GPU TPU 分布式计算 云服务计算 数据算法运行资源 模型算法开发资源 数据分析引擎 分布式算据调整 算据异构数据存储 算据异构数据存储 算力资源调度平台 数据采集 数据管理 数据共享 智能建模 数据可视化 算据基础 工程基础数据 物联网监测数据 业务管理数据 跨行业共享数据 企业级数据 数字孪生三要素 GISTC 算 据 金面面眼 质量检评规果数据 工地安全贴据 水惰湘报系蜕 课 重 安 eeC 数字孪生四预目标 期 上游围 2# 路 业 √ 孟底沟水电站孪生体建设 01. 设计孪生体构建 —— · 三维正向设计模型为核心 · 卫星正射影像成果为基础 ·UE 虚拟引擎为载体 02. 孪生体算据融合 · 工程基础数据 · 物联网监测数据 · 业务管理数据 P13 数字孪生孟底沟 GISTC UNREAL ENGINE 数字孪生孟底沟 √ 孟底沟水电站导流洞孪生进度管理 孟底沟水电站朗期工程数字挛生平台

贝 m 西 藏 电 网 太阳能 水电 特高压 交 设 特高压大电网 风电 殡电 特高压 直 森 床 三 角 → 负荷中心 R 三 角 负荷小心 幽力出断 台 湾 省 电 网 DCOC 换流遇 智能配电盘 转换赔 双 向 赖流部 量示、操作多 智能电原开关 中 央 服 务 路 (M 服务器 资源池 零碳园区 √ 分布式智能电网关键技术：设备制造技术和系统运行技术。 √ 设备制造技术：过去十几年，我国的新能源设备制造技术领先世界，把度电成本 降到了火电价格以下，因此未来新能源最大竞争力不是双碳情怀而是经济优势。 √ 系统运行技术：分布式新能源的系统运行技术却进展甚微，基本仍然停留在大电 网调度运行的技术框架。 √ 所谓“系统运行技术”的核心就是电力电量平衡问题，对于分布式智能电网， 喷雾干燥一 耗电 35-15 度 / 电料 礼 1100-200 MHha 新 体 虚拟电厂 资产属性 虚拟电厂 关键技术 电碳融合 市场交易 光 储 电 力 市 场 烧成 D00-000KJ 北 建 筑 陶 瓷 生 产 主 要 工 序 还体干燥 姚 罪 4 0 0 - 1 0U 03 01 02 √ 用电“生产成本”转为“能源资产”运营

+AI ：根据负载和业务 SLA ，自动调整资源调度 运营 +AI ：脏数据发现，数据潜 在关系发现 用户 应用 分析 》 数 据 服 务 面向多种任务，最新的大数据和 AI 能 力 • Serverless ，根据负载自动伸缩 • 原生接口，企业应用无缝迁移 数据采集 采集，同步 数据规范 数据表 / 模型 设计，约束规 则定义 数据治理 标注，智能 ETL ，治理 设并依实际需求接入数据。 2. Kafka 一收多发，并发接入 MRS 、 DWS 3. 到 MRS 、 DWS 的数据需要 ORC 转换、数据抹平、增量到全量的 合并通过内置程序完成，使用大 数据平台算力。 结构化数据经 DRS 实时抽取至 Kafka ，经 DAYU 内置程序并行写入 MRS 和 DWS 中。 DWS 分析层 共享层 模型层 Cim 模型 1:1 映射表 近源层 ( DLI( 跨源分析 ) 模型层 审计数据（按需） ETL 数据安全 数据开发 数据资产 模型管理 数据质量管理 元数据管理 近源层 ( 待关联表） 25 DLI( 实时流 计 算 ) 镜像数据 3 1. 总部的异构表数据根据数据所 属分层不同而处理方式不同，总 部的贴源层数据由第三方写入到 MRS Hive 的镜像数据中；总部的 共享层数据由第三方写入到 DWS 的共享层中。