算力建设从传统高性能计算向超智融合转型。随着 DeepSeek 的发布， 各高校纷纷接入“满血版”DeepSeek，这一发展趋势对高校算力建设 产生了较大的推动作用，当前有很多科研项目既需要超算算力，又需 要智算算力，从应用的需求上看需要将这两种算力更好地融合，构建 成为统一的算力中心，因此有许多高校开始建设超智融合的算力基础 设施，并在此基础上统一建设算力平台，满足学校科研、教学与服务 中的 员对精细化操作的要求，又提供直观友好的图形界面操作模式，便于 科研新手快速上手，实现科研任务的便捷提交与管理。在功能应用层 面，算力开发平台聚焦科研实际需求，提供一系列兼具速度与效率的 微观模拟工具。这些工具基于先进的计算算法与模型，能够精准助力 普惠算力赋能教育行业研究报告（2025 年） 33 研发人员开展光学、电学、磁学、力学等多领域的物理性质计算。 虚拟仿真实验室方面，虚拟仿真实验室以算力为底座，通过将沉 提供覆盖算力资源全生命周期的全流程管 理能力，能够帮助算力中心建立管理和运营制度，快速投入使用；支 持接入 Slurm、CraneSched、K8S 等多种资源调度器，可纳管各类算 力资源；在同一平台接入和管理超算和智算算力资源，同时支持 AI 和 HPC 计算场景,实现超智算融合使用；能够快速在新建集群部署上 线或接入现有集群，部署几乎无侵入，可与其他管理平台共存。 SCOW 平台在北京大学实现部署应用。基于

网络路径。 5.2.4 数字基础设施 随着数字经济蓬勃兴起，新业态、新模式、新应用不断涌现，驱动 应用场景日趋多元化。在此背景下，AI 算力需求呈现爆发式增长，特别 是大模型对智算算力的需求激增，推动智算算力规模持续扩张。与此同时， 各类园区业务场景对算力的依赖日益加深，唯有高性能、高可靠的算力基 础设施，方能支撑对极致业务创新的追求。建设算力基础设施，不仅是打 造核心算力资源，更是为智能时代深耕沃土、厚植根基。 园区智算基础设施解决方案架构 解决方案的架构包括三大部分，分别是基础软硬件平台层，资源使能 平台层，使能工具平台层。其中基础软硬件平台提供全栈解决方案所需求 31 的硬件基础设施，包括通用计算资源池、智算算力资源池、存储资源池、 网络资源池；异构算力资源池提供 AI 所需要的 NPU 算力，满足 AI 应用算 力需求。异构算力资源池提供整个项目所需的 AI 算力需求，满足自主可 控需求，AI 服务器采用国产化 通过对融合通信能力的综合运用，可快速实现远程指挥、应急通信、 运营调度、内部对接、视频会议等多种场景应用。 7) AI/大模型 AI/大模型是指由大规模数据训练驱动、具备一定通用理解与生成能 力的智能技术核心，通常需要智算算力支持，可构建统一的技术框架支撑 多样化的智能应用。它能通过自然语言处理、计算机视觉、语音识别与合 成等多种模态接口与用户、数据和外部系统进行交互，并能集成和赋能广 泛的智能化场景，包括智能客服、文档理解与生成、代码辅助、数据分析

体，对 实现数字化转型、培育未来产业等方面具有重要作用。 26 ➢ 算力主要由通用算力、智能算力和超算算力组成。通用算力作为基础，满足广泛的日常计算需求；智能算力则在新兴技术领域发挥关键作用； 超算算力针对特定高端需求提供强大计算能力。 资料来源：灼识咨询 通用算力 智能算力 超算算力 技术特点 • 一般主要由CPU芯 片提供计算能力， 直射计算复杂度适 中的云计算，边缘 计算类场景 算力中心供需研判及未来展望 V. 附录 ① 独立大模型厂商算力中心需求分析 ② 运营商算力中心供给分析 核心战略 部署资源 2024年前4月三大运营商 智算中心项目建成概况 • 规划“2+3+7+N+M”多层 次智算算力布局。 • 在京津冀、长三角地区建 设万卡智算集群，西部地 区打造大规模绿色智算池。 • 截至2023年，中国电信 京沪苏贵宁等节点具备 千卡以上训练资源。 • 中国电信中部智算中心 • 中国电信临港公共智算中心

阿里云和中科院计算所等开源发布高通量以 太网ETH+。这些创新增强了RoCE能力，媲美或缩小与InfiniBand性能差距；中心间互联指的是城域内多个 数据中心之间的互联组成一个大的集群，实现智算算力资源整合，这个距离一般在100公里左右，中国电信 基于800G C+L技术和长距RDMA无损技术，实现了120公里、千亿参数大模型的分布式集群训练，性能达到 集中训练的95％以上。 拥塞控制 下，各国纷纷将人工智能视为国家战略制高点。中国的“东数西算”工程、美国的“星际之门”项目等国家 级规划，正在加速智算基础设施的全球推进。据权威机构预测，到2030年，全球生成式AI市场规模将达到惊 人的1.5万亿美元，而智算算力在整体算力中的占比将超过90%。这一趋势直接催生了超大规模GPU集群的组 网需求，从早期的千卡级快速演进至如今的万卡甚至十万卡规模，推动网络技术从传统数据中心架构向高性 能、低时延、无损传输的

态 培育的核心汇聚点，通过云端集成技术实现量子计算资源的网络化 共享访问，具备灵活弹性的服务模式、便捷高效的用户接入界面以 及丰富多元的实践应用场景等优势。未来量子计算云平台可能成为 量子计算算力服务的主要形式。近年来，国内外企业和科研机构推 出面向公众服务的量子计算云平台，汇聚多种技术路线通用和专用 量子计算系统，开放服务的主要量子计算云平台概况如图 12 所示。 来源：中国信息通信研究院 术创 新成果亮点少，产业各方缺乏协同合作等问题。 产业生态下游是推动应用转化和实现商业化落地的重点，主要 由量子计算云服务提供商和行业应用企业构成。云平台建设方面， 基于互联网架构搭建量子计算算力资源的共享服务平台，推动产业 生态的培育并加速应用探索和产业化进程是发展重点。行业应用探 索方面，不同行业领域头部企业高度重视量子计算赋能应用潜力， 通过开放实际业务场景，联合研发定制化解决方案等方式验证量子

如图像、红外热像、局放、声音以及温度的系统级 传感芯片，具有深度学习功能的 AI 芯片，通信安 全加密芯片等[59-60]。传感器的发展方向就是向芯片 化过渡，如图 9 所示。随着各类常规智能传感器的 模拟电路、数字电路、边缘计算算法的规模化应用， 为提高传感器可靠性、降低成本，就逐步将智能感 知终端缩小到芯片级，使其在输变电设备生产过程 中能被更加便捷地预置，且支持带电拆卸和更换。 使用搭载电力定制化芯片(power

器计算能力，应用 于消费互联网、行业互联网等领域的常规计算能力，通常在云计算及分布式计算中， 以 CPU 为代表。 智算算力场景：支撑人工智能算法训练与推理的专用计算资源，应用于人工智能 计算领域，处理自然语言、图像识别、语音识别等任务，以 GPU 为代表。 超算算力场景：面向科学研究、工程仿真等高性能计算场景的集群化计算能力， 应用于需极高计算能力的科研及工程领域，处理大量数据和复杂的科学计算任务，如

协同创新的工程智能计算 平台。它全面整合了高性能的图形处理器（GPU）、中央处理器（CPU）、海量 存储、高速网络及其他关键硬件资源，结合了人工智能所需的弹性分布式智能计 算算力以及高精尖工程研究所需的高性能计算算力，提供了可靠的人工智能计算 框架和开箱即用的算法部署工具包，同时特别强调计算、存储和网络资源的协同 优化，以确保在执行复杂的工程模型训练和高要求的实时推理任务时，能够达到

体 系的智慧化，并提高数据和信息的应用层次。 8. AR 地图平台 （1）整体设计架构 AR 地图是一种抽象的地图数据，并不是为了直观地被可视 化或被人所理解。基于 AR 地图，通过空间计算算法，可以获取 设备准确的位置和朝向的 6 自由度信息（6DoF 位姿）。AR 地 图可以 全域治理物业城市一网统管数字平台项目 4 2 帮助 CIM 平台走出“大屏”，实现城市现场实时治理。AR