未来网络技术发展系列白皮书（2025） 东数西算算网协同调度 业务场景白皮书 第九届未来网络发展大会组委会 2025年8月 版权声明 ● 本白皮书版权属于紫金山实验室及其合作单位所有并受法律保 护，任何个人或是组织在转载、摘编或以其他方式引用本白皮书中的 文字、数据、图片或者观点时，应注明“来源：紫金山实验室等”。 否则将可能违反中国有关知识产权的相关法律和法规，对此紫金山实 验室有权追究侵权者的相关法律责任。 《东数西算算网协同调度-业务场景白皮书》（简称白皮书）的编 制，是基于国家东数西算“安全新总线”项目所开展的算网协同工程 实践。“安全新总线”通过 400Gbps 互联了国家八大枢纽节点、以及 多个国家超算中心，可根据任务时延、带宽需求提供广域确定性网络 传输质量，并通过网络操作系统开放网络资源的调度能力，算网协同 调度平台即原生构建其上。 白皮书以业务场景视角切入，对东数西算算网协同调度的调度架

通用算力、智能算力、超算算力均保持高速增长，智能算力在增长竞赛中跑出“超级加 速度”。2025 年，全球总算力已攀升至约 3300 EFLOPS，在三大主流形态中，通用算力约 为 1150 EFLOPS，占比首次跌破 35%，降至 34.8%；智能算力则因大模型和 AI 智能体应用 的持续井喷，规模激增至 1980 EFLOPS，占比已高达 60%，成为拉动全球算力增长的核心 引擎；超算算力虽然绝对值较小，但也扩张至约 价，针对特定算法或应用场景进行 晶体管级优化，实现远超通用芯片的计算效率与能效比，这一技术通过重构计算单元、内存 层级及指令集，使芯片变成“领域专用体系架构”。 1.4 异构算力协同挑战 智算算力“百花齐放”呈现多元异构局面，面临异构算力“资源墙”、软件栈“生态割 裂”和协同调度“效率低”三方面的挑战。 （1）异构算力“资源墙”因其硬件架构、互联拓扑等物理差异，阻碍了不同厂商、不 同 以及测试耗时时间 长、工作量大等问题。统一评测体系通过统一指标、统一工具、统一数据，为芯片选型、容 量规划、性能优化提供可度量、可对比、可复现的统一标准和自动化测试工具与用例，实现 厘清异构智算算力的优缺点与适用场景，促进算力落地，指导未来算力发展。 业界现有评测实践大致分三类，一是芯片原厂自测，侧重自家峰值算力，数据孤岛化； 二是第三方实验室评测，资源有限、更新慢、模型覆盖面不足；三是头部云厂商自建

中台建设方面，创新研发融合多家训推 工具链的 AI 中台，通过重构与集成，实现了商业大模型在一个中台 的统一纳管，支持主流开源大模型的私有化部署，算力、模型、服务 的统一管理和协同调度能力显著增强。在智算算力建设方面，搭建了 全栈国产化的智算算力环境，算力资源纳入 AI 中台管理，高峰时算 力使用规模达到 1950P。 （二）中国移动震泽 MaaS 平台 中国移动积极落实国家“东数西算”战略 ，构建“4+N+31+X”的算

建设 接口 建设 模型 迭代 数据 标注 系统 部署 产品 评测 运营 监控 通过众多智能客服项目沉淀建设方 法论 产品监控 运营情况监控 入口流量适配 代码 NLU 算法 语义计算算法 模型调优 存量数据的标注 增量数据的标注 私有化部署方案 代码安全部署方 案 客户核心系统集 成方案 智能多轮对话 智能运营管理平 台 智能知识平台

关键技术，研制新型算力标识网关，提高多样化算力感知能力。 大模型是指具备大规模参数和复杂计算结构的机器学习模型，能 够处理海量数据、完成各种复杂的任务，包含语言大模型、视觉大模 型等多种类型。大模型的快速迭代极大地增加了智算算力需求。根据 应用领域的不同，可分为通用大模型、行业大模型和垂直大模型等。 通用大模型不受特定领域的限制，具备跨领域的泛化能力，需要更大 的数据量和计算资源，训练成本普遍较高。行业大模型和垂直大模型

| 进入受限空间作业 | 通用违章 | … 大模型 AI 中台 业务应用 区域数据治理 API 服务网关 推理管理平台 区域推理模型库（大模型 + 自建小模型） 推理模型 通算算力 推理算力 1 2 21 智慧勘探开发 / 智慧油气田 / 智慧管网 油气田一张网 进入数字化转型深水区，油气公司对网络提出了更高的要求。井场地处偏远，环境恶劣，“少人化、无人化”

已经投产使用算力中心的设计机架数量（按 2.5kW 折合标准机架） 在建标准机架 数(万架） 在建的算力中心的设计机架数量（按 2.5kW 折合 标准机架） 在用智算规模 已经投入使用的智算算力规模（以半精度，FP16 计量） 算力质效 上架率 算力中心折合标准机架的已使用机架数与折合标 准机架的已完成基础机电配置机架数的比值 PUE 算力中心总能耗与 IT 设备全年耗电量的比值

技术在数据分析、模式识别和预测模型构建方面展现出巨大潜力。目前， AI 在生物医药领域的应用主要包括以下几个方向： 总体篇 场景篇 趋势篇 药物研发与设计 AI 药物研发通过先进的计算算法和机器学习 技 术，加速和增强新药物和疗法的发现过程。 AI 模型能够分析大量的生物学、化学和临床数据，如基 因表达数据、蛋白质结构数据、疾病相关的分子通路 数据等，从而识别潜在的药物靶标并设计新化合

图2.33 无人值守变更框架 自动化部署 灰度升级 配置变更 资源变更 XaC声明 自动化评审 风险评审 准入评审 自动化执行 自动化结果评估 AIOps智能底座 健康评估算法 流量预算算法 ··· 可观察性数据 事件数据 资源声明 高危操作 配置声明 环境声明 laC执行 灰度控制 灰度评估 结果验证 服务状态评估 状态声明 ··· 服务状态评估 业务重要性

智能安全：飞行器自主感知、决策与避障技术的发展路径 “智能安全”将安全责任的一部分从地面中心化的管理系统，下放到飞行器本身，提升 系统的整体冗余度和快速响应能力。随着机载传感器（如激光雷达、毫米波雷达、高清摄像 头）、边缘计算算力和 AI 算法的进步，飞行器将具备更强的自主安全能力。其发展路径将经 历一个清晰的演进过程： ⚫ 辅助避障：当前阶段。机载系统能探测到障碍物，但主要功能是向远程飞手或地面控制 中心提供告警，由人来做出最终决策。