大 会 2 0 1 9 · 上 海 站 G O P S 全 球 运 维 大 会 2 0 1 9 · 上 海 站 京东物流超大规模仓储系统智能监控揭秘 付正全 架构师 G O P S 全 球 运 维 大 会 2 0 1 9 · 上 海 站 目录 问题及挑战 1 超大规模监控系统解决方案 2 面向AIOPS的智能监控最佳实践 3 规划&展望 4 G O P S 全 球 运 维 大 会 频繁变化的资产，不可靠的CMDB  运维专家匮乏  复合型人才匮乏：AI和算法工程师+运维开发 G O P S 全 球 运 维 大 会 2 0 1 9 · 上 海 站 目录 问题及挑战 1 超大规模监控系统解决方案 2 面向AIOPS的智能监控最佳实践 3 规划&展望 4 G O P S 全 球 运 维 大 会 2 0 1 9 · 上 海 站 对监控的认识  什么是监控？  问题  智能客服机器人 提供智能客服机器人服务，根据人员信息自动推测可能的问题及解决方案 G O P S 全 球 运 维 大 会 2 0 1 9 · 上 海 站 目录 问题及挑战 1 超大规模监控系统解决方案 2 面向AIOPS的智能监控最佳实践 3 规划&展望 4 G O P S 全 球 运 维 大 会 2 0 1 9 · 上 海 站 故障快照  出现告警自动抓取现场快照信息

专栏系统介绍上海市相关监测体系及配套信息系统的构建，为推进各类传染病 的早期监测预警、支撑医防融合的诊疗和防控、完善各地疾控体系建设和配套政策措施的制定提供参考。 转变模式，创新发展 ——构建超大城市现代化传染病综合监测体系 陈昕 1，2，吴寰宇 3 1. 上海市红十字会，上海 200435；2. 上海市新型冠状病毒肺炎疫情防控工作领导小组办公室疾控组，上海 200336； 3. 上海市疾病预防控制中心，上海 关键词：传染病；综合监测；公共卫生体系；信息化建设 中图分类号：R51 文献标志码：A DOI：10.19428/j.cnki.sjpm.2022.21264 引用格式：陈昕，吴寰宇.转变模式，创新发展——构建超大城市现代化传染病综合监测体系［J］.上海预防医学，2022，34（1）：1-6. Establishing a modernized and integrated surveillance system

大采高工作面人 - 机 - 环协调智能 耦合高效综采模式 针对 6-9 米大采高和超大采高条件下，大空间、强矿 压 采动失稳、形成冒顶片帮等问题，利用智能耦合控 制技术，形成了超大采高工作面液压支架 - 围岩智能耦 合控制技术。兖矿集团金鸡滩煤矿自 2016 年，首家成 功实施 8.2m 以上超大采高智能化综采，达到日产量 6.16 万吨，月产 153 万吨，年产 1500 万吨，回收率 预辅助放顶煤模式 大同塔山煤矿 20m 特厚煤层，应用特厚煤层大采高 综放开采成套技术与装备，实现了 14-20m 特厚放 顶煤开采，形成了智能操控与人工干预辅助放煤模 式。 世界首套 7m 超大采高智能化综放成套装备在大同 塔山煤矿成果应用，解决了硬煤特厚煤层智能化安 全高效高回收率综放难题。 煤矿智能化关键技术研发实践 4 复杂条件下的机械化 + 智能化开 采模式 针对大倾角和急倾斜等复杂条件开采问题，利用液

支撑大模型创新及云服务场景 加速人工智能科学计算，服务算法创新 助力行业企业智能化升级 系统特征 AI 技术从单点能力突破迈向系统能力创新 超节点技术产业生态发展格局 基础特征：大带宽、低时延、内存统一编址 超大规模 扩展特征：多级缓存池化、资源灵活配比 超高可靠 灵活切分 大模型计算基础设施的挑战 小结 小结 CONTENTS 目录 超节点发展报告 02 当我们站在人工智能大模型技术飞速 超节点架构引领技术革新，重构计算能力边界。超节点架构依托高速互联技术，将大带宽的互联 范围，从单台服务器扩展到整机柜以及跨机柜的大规模集群，超节点域内可达百 GB/s 级通信带宽、 纳秒级时延、TB 级超大内存，实现集群能力跃迁。相较“服务器集群”，超节点代表的是弹性、池 化、开放的系统能力：既能以极致吞吐支撑万亿参数训练，也能以低时延满足企业级大规模推理的 刚性需求。 昇腾 AI 坚持架构创新，开源开放，共建产业生态。昇腾 一体化的设计思维，将计算、存储、网络与运维管理深度融合，锻造出高性能、高效率、高可靠的 单一逻辑实体。它标志着一个全新时代的开启——智算基础设施正从松散组合的算力堆叠阶段，迈 入软硬协同、全局优化的超节点阶段，旨在有效破解超大规模 AI 训练与推理中所面临的扩展性瓶颈、 效率损耗与能耗墙难题，为 AI 的持续创新提供坚实、高效、绿色的算力基座。 为系统分析超节点技术的发展逻辑、技术创新、产业价值以及未来趋势，我院与华为及相关单位

中国协作机器人市场发展分析 .............................. 31 第三节 中国协作机器人市场竞争分析 .............................. 33 第四节 超大负载协作机器人发展概况分析 .......................... 34 第四章 协作机器人技术发展分析 .................................... g）、中负载（7kg≤L＜12kg）、 大负载（12kg≤L＜20kg）、超大负载（L≥20kg）。 从应用来看，目前轻负载协作机器人凭借较高的性价比以及在 3C 电子、教育科研、商 业零售等行业中较高的适用性占据主要市场地位。中大负载协作机器人则多用于装配、螺丝 锁付、包装、搬运、物流、消防救援等场景中。超大负载主要应用于物料搬运、码垛、机器 2 看护、大扭矩螺丝拧紧 流 等行业的快速扩张，超大负载协作机器人的需求开始日益提升。随着超大负载协作机器人入 局者的增加，应用场景的不断拓展，基于成本优势，将在部分场景对多关节机器人形成替代。 图表 1 主要协作机器人厂商产品负载范围对比 企业名称 产品负载范围 轻负载 （L＜7kg） 中负载 （7≤L＜12kg） 大负载 （12≤L＜20kg） 超大负载 （L≥20kg）

28 第一节 全球协作机器人市场发展分析 28 第二节 中国协作机器人市场发展分析 31 第三节 中国协作机器人市场竞争分析 33 第四节 超大负载协作机器人发展概况分析 34 第四章 协作机器人技术发展分析 36 第一节 协作机器人技术发展现状分析 36 第二节 协作机器人核心技术分析 7kg）、中负载（7kg≤L＜12kg）、大负载（12kg≤L＜20kg）、 超大负载（L≥20kg）。 从应用来看，目前轻负载协作机器人凭借较高的性价比以及在 3C 电子、教育科研、商业零售等行业中较高的适用 性占据主要市场地位。中大负载协作机器人则多用于装配、螺丝锁付、包装、搬运、物流、消防救援等场景中。超大 负载主要应用于物料搬运、码垛、机器 看护、大扭矩螺丝拧紧、机床上下料 仓储物流等行业的 快速扩张，超大负载协作机器人的需求开始日益提升。随着超大负载协作机器人入局者的增加，应用 场景的不断拓展，基于成本优势，将在部分场景对多关节机器人形成替代。 图表 1 主要协作机器人厂商产品负载范围对比 企业名称 产品负载范围 轻负载 （L＜ 7kg） 中负 载 （7≤L＜ 12kg） 大负载 （12≤L＜ 20kg） 超大负载 （L≥20kg） 负载

恩宣布启动“投资人工智能（InvestAI）”计划，目标筹集 2000 智算产业发展研究报告（2025） 6 亿欧元用于人工智能投资，并专门设立 200 亿欧元基金用于建设 欧洲人工智能超级工厂，以训练高复杂度、超大规模的 AI 模型。 4 月 9 日，欧盟发布“人工智能大陆行动计划” [5]，战略核心是将 欧盟固有优势（如高质量人才储备和强大传统产业基础）转化为 AI 发展的关键加速器，力争成为人工智能领域的全球领导者。 2024 年资本支出总额为 2460 亿美元，较 2023 年（1510 亿美元）大幅 增长 63% [16]。Synergy Research Group 数据显示，截至 2024 年底， 全球超大规模数据中心数量达 1136 个，其中，亚马逊、微软和谷 歌三家合计占据全球总容量的 59%，其次是 Meta、阿里巴巴、腾 讯、苹果、字节跳动等。2025 年，微软、谷歌、亚马逊和 Meta 式部署成为新方向。谷歌已组建跨多个智算中心的大规模集群，完成 Gemini Ultra、Gemini 1.5pro 等大模型训练；OpenAI 计划分五个阶 段建设多个智算中心，并通过多智算中心互联最终打造百万卡级别的 超大规模基础设施。中国电信基于国产化算力完成跨百公里千亿参数 模型在千卡规模下的分布式智算中心互联验证，初步证实大模型跨智 算中心分布式协同训练的可行性。 3、AIDC 基础设施持续升级，绿色化转型不断深化

普遍部署的纯电交换网络在互联规模、带宽密度、端到端时延与能效 比等方面逐渐逼近物理与经济的上限：算力芯片的通信需求远超传统 网络承载能力，高功耗、高成本和复杂布线问题愈发突出。 在此背景下，光交换技术凭借超大带宽、超低延迟与低功耗等特 性，正与电交换形成互补融合的“光电协同”架构，成为新一代智算 中心网络的重要发展方向。光电协同不仅能够在物理层显著提升链路 性能，还为网络的灵活重构、智能调度与按需适配提供了技术空间。 层的关键挑战与发展路径； • 提出面向未来的技术演进方向与标准化路线建议。 我们期望本白皮书能为智算中心网络领域的研究人员、设备制造 商、运营商与服务提供商，提供系统的参考框架与技术洞察，共同推 动构建超大规模、超大带宽、超低时延、超高可靠的新一代智算中心 网络基础设施。 本白皮书的编制工作得到了国家自然科学基金项目（编号： U24B20150）的支持，在此表示感谢。 目录 前言......... 在训练的过程中需要进行频繁且复杂的通信。这就要求构建 GPU 之 间的全互联高速数据通道，以确保数据的高效传输，最大限度减少 GPU 间通信耗时。那么，如何满足大规模 GPU 之间的高效通信，构 建超大规模、超大带宽、超低时延、超高可靠的智算网络，已成为当 前智算网络发展重要挑战。 智算中心网络如图 1-1 所示，可按通信范围分为机内互联 （Intra-Node）与机外互联（Inter-Node）两类：

对AI领域的技术突破和创新 ⚫ 针对自主创新芯片服务器优 化 ⚫ 针对自主创新数据库的性能 优化 ⚫ 针对资源利用率的有效提升 15年磨砺 海量实践铸成Ten ce ntOS Ser ver • 支撑腾讯云上用户超大规模的部署和运 行，持续不断的优化，规避故障，提高 稳定性，经受用户关键业务考验 190万+CVM数 经受腾讯云用户关键业务考验 • 从2010年起持续对Linux内核进行贡献 • 连续6年入选全球“KVM开源贡献榜 打破TPC-C 世界纪录 TDSQL+TencentOS组合 国内主流数据库厂商 互认证（部分） 云原生操作系统：轻量安全的云原生底座 国内主流云平台/容器平台 互认证（部分） 基于腾讯云超大规模云原生运营过程中积累的自主研发能力，支持腾讯核心业务的高效运转。云原生操作系统具备深度优化的云原生能力，专为容器、微服 务等架构打造，提供 NetTrace、SLI及 RUE 混部系统等核心特

单元）专为高算力AI（人工智能）任务设计， 能在与超大规模的定制化软件层协同运行时 显著提升能效。 Broadcom（博通）CEO（首席执行官）Hock Tan预测该领域将迎来爆发式增长，2027年 的AI（人工智能）及AI（人工智能）网络相关 营收预计将从当前的150至200亿美元跃升 至600至900亿美元。亚马逊AWS、谷歌 云与微软Azure等超大规模云服务商正与 Broadcom（博通）联合开发AI（人工智能） 点击此处下载 这一趋势虽预示着专用芯片市场扩容，但业 界专家普遍认为其互补性作用远大于替代性： 通用型GPU（图形处理器）在基础AI（人工 智能）算力中占据主导地位，定制化芯片则 专注于解决超大规模场景需求。此类技术演 进不仅重塑了AI（人工智能）基础设施格局， 更为电子元器件产业注入了持续的增长动能。 AI（人工智能）硬件引领半导体产业革新 HPC（高性能计算）与服务器预计将在2025年