联想以混合式基础设施为支点，撬动 AI 全场景落地：万全异构智算平台 3.0 携四大技术创新破局―― AI 推理加速算 法集实现 5-10 倍性能跃 升， 编译优化器降低 15% 训练成本，慢节点自愈系统达成万卡十分钟 级故障 恢复，专家并行算法削减 3 倍推理延迟。这一技术底座更通过联 想万全 AI 一体机实现端到端落地：基于联想自研的联想万全异构智算 平台管理 软件，深度适配问天 WA7785a WA7785a G3 等服务器硬件，凭借调度层、算子层、 推理引擎层三级调优技术，将异构算力利用率提升至行业标杆，为企业提 “ ” 供 开箱即用 的本地化 AI 解决方案，真正实现从技术突破到产业普惠 的闭环。 1 联想算力基础设施非凡箓 ―― Al 大模型算力解决方案手册 本册《非凡箓》浓缩联想智算实践精华：首章揭示 DeepSeek 技术 矩阵如何重构企业竞争力；中篇以多维智能算力匹配、 矩阵如何重构企业竞争力；中篇以多维智能算力匹配、 GPU 内核态 虚拟化、集合通信算法库、AI 高效断点续训、AI 与 HPC 异构集群 调度等九大差异化技术拆解规模化落地密码，完整诠释联想在异构智 算领域的创新成果；终章通过制造、金融等领域的成功案例，诠释软 硬协同如何让 AI 从 " 可用 " 到 " 好用 "。这既是技术手册，更是产业 跃迁的路线图―― 以九层之台起于垒土的坚韧，成鲲鹏击浪从兹始的

拟化管理平台 实现Power私有云 关键组件 软件：PowerVC 硬件：Power服务器 + SVC （可选） 实现异构私有云 关键组件 软件：PowerVC + StartCloud 硬件：异构服务器（Power， PowerLinux，x86） + SVC （可选） 实现X86私有云 关键组件 软件：VMware VC 硬件：任何 可进行大规模扩展 易资源回收 实现异构私有云 关键组件 软件：开源OpenStack云管平台 硬件：异构服务器 （Power,PowerLinux,x86)+支持 OpenStack的各类存储 特点 自行开发，安全可控 紧密结合企业实际需求 物理机也可纳入管理 功能丰富和强大 支持异构计算资源和存储资源 特点 特点 实现快速供给、快速部署 实现快速供给、快速部署 具弹性、易扩展 易资源回收 支持异构存储 适合开发测试、准生产环境、生产 环境 优点 全部自动化 管理简单 能够通过维保转嫁风险 实现快速供给、快速部署 具弹性、易扩展 易资源回收 支持x86平台 支持异构虚拟化 支持异构虚拟化管理平台 支持异构存储 适合开发测试、准生产环境、生产 环境 缺点

的结构，运营商云和地方平台主导的供给仍占主体。 • 西北普惠智算市场已形成“独立智算云厂商 + 互联网云厂商 + AI公司自有云”三元供给：互联网云厂商以训练+推理+MaaS 一体化满足主流行业需求，独立智算云厂商立足第三方定位，以异构算力聚合、统一调度与算力包/按需计费切入长尾；AI公 司自有云以场景化方案+算力服务补齐行业落地。阿里云、九章智算云等领跑西北供给侧市场。 易观建议：省际差异定位， 分工协作，推动西北普惠 智算云规模化落地 撮合机制，提升存量利用率，避免重复建设； • 产业端：应加快把宁甘的资源池、新青的绿色/能源优势、陕西的高质量需求组织成一体化服务网络。平台与厂商层面，应围 绕工业、能源、政务、科研等高频场景沉淀可复用方案包，强化异构调度、绿色算力产品化、跨区域服务和生态连接能力， 推动西北普惠智算云形成“供给—运营—使用—开发—资本”相互促进的区域智算生态闭环。 01 • 西北不再只是承接东部需求外溢的算力腹地，而是正在同 ：一方面，用户通过按需付费、弹性扩缩容和多区域资源池降低一次性投入和闲 置风险；另一方面，把硬件采购、扩容替换、异构调度和供应链波动转移给平台层处理。对 AI 最终用户而言，在2026 年~2027 年打造AI算力 能力时，更稳妥的选择可能不再是一次性锁定大规模硬件，而是转向第三方云，以更轻量的采购方式获得弹性供给、异构调度和可控 SLA 。 存算上游供应链价格持续预警 TrendForce 价格预测 (-2026Q1

.............. 7 （一） 节点架构重构，驱动算力高效聚合.......................................................7 （二） 异构计算技术，实现算力密度突破.......................................................9 （三） 超低时延网络，破解数据传输瓶颈​ ....... 来源：中国信通院，ODCC 图 4 AI 计算节点组网架构 （二）异构计算技术，实现算力密度突破 “CPU+GPU+专用加速器”的异构架构是支撑多样化 AI 算力的 基础。当前，AI 工作负载已从单一训练任务演变为涵盖训练、微调、 推理及科学计算的多元混合体。CPU+GPU+XPU（专用 AI 加速器如 NPU、TPU、DPU）的异构架构成为选择。架构体系中，各计算单元 分工明确、协同高效。CPU 的全流程定制，实现能效比的提升。 芯片级定制与先进封装技术是突破算力瓶颈的核心路径。随着摩 尔定律放缓，传统单一通用大芯片的发展模式，正遭遇功耗持续攀升 与制造成本高的双重挑战。Chiplet（芯粒）技术作为模块化、异构集 成的芯片设计和制造方法，通过将大型 SoC 解耦为多个功能化、模 AI 计算节点发展研究报告（2026 年） 10 块化的小芯片，显著提升了产品良率并降低了制造成本。同时，技术 突破了

人工智能辅助决策 人工智能技术平台 / 框架 CPU 集群 云平台 CPU 计算 IP 网络 GPU 集群 GPU 计算 IB 网络 FPGA 集群 FPGA 计算 IB 网络 异构计算 超参数自动化调 优 模型开发 模型训练 模型部署 分类算法 聚类算法 关联计算 回归算法 深度学习 强化学习 迁移学习 语音识别 文字识别 图像识别 虚拟现实 平 台 层 基 础 享。 02 区块链存证技术 利用分布式账本技术记录数据流转全过程，提供不可篡改的 审计追踪能力，增强跨部门协作的透明度和信任度。 03 异构数据融合 通过自然语言处理（ NLP ）和知识图谱技术，将文本、图像、 传感器数据等异构信息结构化整合，形成全局态势感知视图。 04 大数据算法仓库和分析引擎 内容 数据内容 提取 & 分级 数据分 级、组织 和管理 数据分析 & LoRa, NB IoT, WiFi, ZigBee EDGE 异构数据交换 实时流程互动 多活容灾可靠 通过 AI 大模型构建智能决策闭环，实现资源调配准确率提升 40% ，响应时效提升 60% 痛点一：资源信息孤岛 各部门数据标准不统一，资源状态更 新滞后，难以形成全局视图 部署 AI 资源调度中枢，实时聚合 多源异构数据 1 构建动态资源图谱，实现秒级状 态追踪与预测 2 痛点三：协同机制缺失

首先从基站空口、通信、数据、系 统、终端和公专网融合应用几个角度,系统梳理了智能铁路５G 通信网络面临的安全风险与挑战.然后针对大带宽、高可靠、低 时延的新业务场景及网络切片、边缘计算等新技术和大规模异构新型终端以及面向铁路的智能新应用,全面分析了智能铁路 ５G 服务的安全新需求,总结了密码算法、空口安全、隐私、统一认证及漫游等方面的５G 安全增强新特性.在此基础上,给出智 能铁路５G 通信网络 在数据共享中存在泄露的风险.另外,在一些要 求高精度、低时延的应用场景下,例如列车自动驾驶、远程操 控维修等,云端完成计算已无法满足应用时延需求,越来越多 的人工智能应用需要迁移到边缘端.大规模异构设备连接、 泛在智能与网络通信计算能力的不断下沉,也使边缘网络和 设备面临数据安全受威胁、网络状态易探知、分布式架构难防 御等安全挑战.人工智能/机器学习算法需要将边缘设备采 集到的海量大数据传输到集中式的服务端进行训练 要打造内生安全架构,从内到外保障铁路通信和运行的安全 可靠. ３．５ 终端风险 新一代铁路物联网通过海量传感器和移动终端可以实现 铁路对感知、预测预警、自动控制和主动决策反应能力的整体 跃升,但海量异构终端意味着网络内部与外界之间可被攻击 的入口增多.自然环境对高铁安全有很大影响,地质灾害和 高温、强风、雨雪、冰冻等极端天气都对高铁安全运营构成一 定威胁.尽管５G 在用户身份认证过程中加强了安全性和身

低空空域数字化建模 空域结构精细化设计 航线网络立体化布局 空域资源高效化调配 空域使用协同化管理 遇信设施 语信锰缝 低空航空器 无人机 行汽车直升携 空飞行具有异构、高密度、高频次和高复杂度等特性 , 传统基础设施并不能完全满足低空飞行需求。 结合 当前主流的研究脉络，我们可将低空基础设施大致分 为 三 类 ： 飞行服务 飞行计划管理 飞行动态益视 分布式群体智能算法 采用仿生蚁群优化的路径规划模型，使大规模无人机群能在 无中心节点情况下自主完成物资投递、农业喷洒等任务的动 态编队重组。 多模态感知融合 集成毫米波雷达、可见光与红外摄像头的异构数据，使无人 机群具备夜间、雾霾等恶劣环境下的协同感知能力。 抗毁伤自愈机制 当集群中部分节点因故障或干扰失联时，剩余单元可通过拓 扑重构算法快速形成新通信链路，确保任务连续性。 集群控制与气象 评估避障算法在不同气象 条件下的决策可靠性。 基于实测数据优化决策算 法权重配置，提高鲁棒性 0 评估指标 04 分析多源传感器数据的时 间同步精度与空间配准效 果 。 评估异构数据融合算法的 环境建模完整性。 优化数据融合架构，提升 时空基准统一性。 评估指标 03 测试飞行控制算法的轨迹 跟踪精度与稳定性。 评估多机协同控制算法的 响应速度与容错能力。

数据采集与融合处理.....................................46 6.2.1 分布式高并发接入架构设计..........................46 6.2.2 多源异构数据融合处理机制..........................47 6.2.3 链路可靠性与性能保障策略..........................47 6.3 共享交换与开放... 构。在低空经济演进背景下，系统需应对高频次起降带来的空域网格化管理挑 战，并解决分布式集群在复杂气象环境下的能源补给效率与飞行安全鲁棒性要 求。通过对业务场景的深度梳理，本章确立了系统在处理多机协同冲突避让、 实时遥测数据汇聚以及异构飞行器接入等方面的核心功能边界。 在工程逻辑层面，本章采用领域驱动设计（DDD）方法论，将复杂的运营 场景解构为航线运营、能源保障与安全监控三大限界上下文。设计重点围绕从 “飞行计划动态申报” 靠的技术框架，确 保了系统在复杂工况下的运行稳定性。 5.2 能源管理系统(EMS) 能源管理系统（EMS）作为微电网的调度核心，集成分布式电源监控、储 能优化与负荷平衡功能。系统通过对多源异构能源的毫秒级感知，在保障关键 负荷供电的前提下，利用多目标优化模型平抑光伏波动，并通过削峰填谷降低 运行成本。其设计核心在于解决储能循环寿命、光伏随机性与动态充电负荷间 的耦合冲突，实现微电网在并网与孤岛模式下的平滑切换。

用”数字孪生尚未完全打通，“省 - 地 - 县” 三级电网拓扑架构尚未建立全域动态拓扑映射机制。亟待构建覆盖电网全生命周期的数 字孪生模型体系，实现数字电网模型的全息感知与智能迭代。 2. 解决跨域多源异构数据尚未实现深度融合问题。 当前生产、调度、营销等工控类系统实时数据与管理信息系统存在较强数据壁垒， 亟需构建多维数据治理模式，破除信息孤岛效应。 3. 解决海量高并发数据处理能力面临挑战问题。 计算 能力，满足海量实时数据高并发场景要求。 4. 解决电网态势感知与智能决策能力亟待增强问题。 新型电力系统电源侧和负荷侧均呈现强随机性，能量流动格局错综复杂，亟需融合 大小模型，深化多源异构数据融合分析能力，实现电网运行的全生命周期智能闭环管控。 据此，广东电网公司创新打造企业级量测数据中心及新型电力系统孪生平台，支撑 构建动态鲜活的数字电网。 行业数智应用专项 023 PAGE 在服务经济发展大局方面，本成果构建的电网数字孪生体已服务了包括第十五届全 国运动会、电动汽车产业生态、台风应急抢险、粤港澳大湾区一体化建设等多个经济社 会发展重要战略。 在社会效益产出方面，本成果定义了兼容多源异构数据的开放式技术标准，构建 电力行业跨系统实时数据管理标杆，打造新型电力系统技术解决方案范式。此外，为 清洁能源消纳等提供精准决策依据，推动新能源生产消费模式变革，助力国家“双碳” 战略落地。

............................................................................... 2 图 2 具身智能的多层算力架构与异构计算协同关系示意图........................................... 4 图 3 具身智能模型与算法的层级结构示意图...................... 能源动力、本体结构及操作系统等构成其核心关键技术，需要持 续强化与协同推进，以支撑规模化应用与持续演进。 （一）算力体系由规模扩展转向协同架构与工程化能力约束 下的综合竞争 图 2 具身智能的多层算力架构与异构计算协同关系示意图 算力体系是具身智能实现真实运行与规模化落地的关键，其 核心不在规模扩展，而在结构、实时性、能效与协同能力的系统 平衡。不同于以离线训练为主的传统人工智能，具身智能需在物 稳定性提出更高要求。当前普遍采用“云—边—端”协同架构：云 端负责训练与全局优化，边缘侧承担局部推理与数据处理，本体 第 5 页 端实现实时感知与控制，其能力决定系统性能上限。三层算力需 动态调度，否则易产生资源失衡与通信瓶颈；异构计算虽提升性 能，但也带来软件复杂度与跨单元延迟问题。与此同时，高端芯 片成本高、功耗大，本体端部署受限，“云强端弱”问题突出，叠 加工具链与软硬件协同不足，系统在实时性、可靠性与能效间仍 难平衡，算力成本亦制约商业化落地。