10 座自动化集装箱码头，有 7 座 自动化集装箱码头在建。 在全球港口面临劳动力成本攀升、劳动力短缺难 题的时候，通过自动化改造进行降本增效成为全球港 基于5G SA网络的智慧港口 网络部署方案研究 Research on Smart Port Network Deployment Scheme Based on 5G SA Network 关键词： 智慧港口；5G；远程控制 5G+智慧港口将使港口具有高度的智慧化、数字化发展水平，从而更能适应现 代港口的发展需要，满足当前港口面临的降本增效诉求。结合某港口的实际情 况和需求，进行了有针对性的 5G SA 网络方案研究及现网实际部署，并在网络 部署后对业务质量进行测试验证，证明 5G网络能满足港口高可靠、低时延的业 务需求。 Abstract： The 5G+smart port enables the port to have 云，刘之光，陶伟宜 基于5G SA网络的智慧港口网络部署方案研究 本期专题 Monthly Topic 引用格式：陈云，刘之光，陶伟宜. 基于5G SA网络的智慧港口网络部署方案研究［J］. 邮电设计技术，2023（9）：1-5. 01 2023/09/DTPT 口共同的诉求。5G 技术具有“低时延控制、大带宽监 控、高可靠连接”优势，5G SA 网络在港口的部署可以 助力港口操作智能化和企业管理平台化，提升港口运

2025年3月9日星期日 DeepSeek的本地化部署与AI通识教育之未来 陈建海 博导/副教授 浙江大学通识人工智能（A）（理工农医）课程团队负责人 浙江大学计算机科学与技术学院 基础教学中心副主任/支部书记 浙江大学智能计算与系统实验室 负责人 浙江大学人工智能教育教学研究中心 2 提纲 vDeepSeek AI的新时代背景 vDeepSeek的本地化部署实践 vDeepSeek与AI通识教育之未来 vDeepSeek与AI通识教育之未来 v总结 3 提纲 vDeepSeek AI的新时代背景 vDeepSeek的本地化部署实践 vDeepSeek与AI通识教育之未来 v总结 4 我们进入了一个怎样的时代 人工智能的新时代 农耕时代 互联网时代 大数据时代 智能化 互联网大数据引来智能化 信息技 术革命 5 生成式人工智能：AIGC盛行（文生文、文生图、文生视频.....） 由LumaAI 陆续上线国家超算平台... 2025年1月：GitHub发布Janus-Pro多模态大模 型，进军文生图 2025.2.6日: 中国电信、中国移动、中国联通三大运营商宣布接入DeepSeek 近期：各行业开始研究部署... 1.DeepSeek简介 16 DeepSeek是谁？咱们通俗说一说...... 基于 Llama 、 Qwen 六个密集模型 （1.5b、7b、8b、 14b、32b、70b）

略重点，积极与多家企业合作，在 5G 专用网络领域开 展了边缘云平台的商用实践，将计算和存储资源部署 在靠近用户和数据源的网络边缘，以提供低时延、高 带宽、实时性强的服务，具体如图1所示。 MEC 边缘云平台的部署 ［4-6］对实施人员提出了更 高的要求，实施人员不仅要具备通信技术的专业知 识，还要熟悉信息技术的相关能力。为了简化部署流 程，提高运维效率，运营商通常针对不同客户的需求 进行定制化的网络规划。这包括明确 管理计算、存储和网络资源，这使得它成为构建和管 关键词： 5G；MEC；自动化；边缘云；部署 doi：10.12045/j.issn.1007-3043.2025.04.008 文章编号：1007-3043（2025）04-0044-04 中图分类号：TN915 文献标识码：A 开放科学（资源服务）标识码（OSID）： 摘 要： 当前，MEC 边缘云平台部署虽然采用了 Ansible 的一系列集成脚本，但仍需人 和 Redfish 等自动化运维库，通过编写 Python 程序读取规划的相关网络 IP 地址、VLAN 以 及服务器命名等信息，以自动化的方式执行 MEC 边缘云平台的部署工作。通 过项目实践验证，该方法将传统的部署工作由原来的3天缩短至30 min~1 h。 Abstract： In the current deployment of MEC cloud platforms，a series

请务必阅读正文之后的免责声明及其项下所有内容 证券研究报告 | 2023年05月31日 超 配 电子 AI+系列专题报告 边缘 AI：大语言模型的终端部署，推动新一轮终端需求 核心观点 行业研究·行业专题 电子 超配·维持评级 证券分析师：胡剑 证券分析师：胡慧 021-60893306 021-60871321 hujian1@guosen.com.cn huhui2@guosen 研究表明，模型参数的 上涨需要配合等比例上升的优质数据集来达到最佳训练效果。因此，大模型 参数在十亿级以上发展并受限于优质数据集的增速是 AI 发展的必然趋势。 大模型增长挑战芯片算力和内存，无法实现完整端侧部署。大模型训练和推 理的三大瓶颈是算力、显存和通信，根据我们的测算，算力方面 GPT-3 训练 所需算力为 121528 TFLOPS，若 30 天内完成，需要 1558 颗 A100。内存角度， GPT-3 优化后大模型可在旗舰机型芯片上运行，AI 落地有望推动新一轮换机潮。 AI 部署本地化具有必要性，优势包括更低的延迟、更小的带宽、提高数据安 全、保护数据隐私、高可靠性等。完整的大模型仅参数权重就占满一张 80G 的 GPU，但是通过量化、知识蒸馏、剪枝等优化，大模型可以在手机本地实 现推理。高通团队使用骁龙 8 Gen2 部署 Stable Diffusion，实现本地运营 15 秒出图，证明了大模

请务必阅读正文之后的免责声明及其项下所有内容 证券研究报告 | 2023年05月31日 超 配 电子 AI+系列专题报告 边缘 AI：大语言模型的终端部署，推动新一轮终端需求 核心观点 行业研究·行业专题 电子 超配·维持评级 证券分析师：胡剑 证券分析师：胡慧 021-60893306 021-60871321 hujian1@guosen.com.cn huhui2@guosen 研究表明，模型参数的 上涨需要配合等比例上升的优质数据集来达到最佳训练效果。因此，大模型 参数在十亿级以上发展并受限于优质数据集的增速是 AI 发展的必然趋势。 大模型增长挑战芯片算力和内存，无法实现完整端侧部署。大模型训练和推 理的三大瓶颈是算力、显存和通信，根据我们的测算，算力方面 GPT-3 训练 所需算力为 121528 TFLOPS，若 30 天内完成，需要 1558 颗 A100。内存角度， GPT-3 优化后大模型可在旗舰机型芯片上运行，AI 落地有望推动新一轮换机潮。 AI 部署本地化具有必要性，优势包括更低的延迟、更小的带宽、提高数据安 全、保护数据隐私、高可靠性等。完整的大模型仅参数权重就占满一张 80G 的 GPU，但是通过量化、知识蒸馏、剪枝等优化，大模型可以在手机本地实 现推理。高通团队使用骁龙 8 Gen2 部署 Stable Diffusion，实现本地运营 15 秒出图，证明了大模

长，更高的单体算力性能、更高的算力部署密度和更大的 算力集群规模成为新型数据中心的显著特征。大模型的快速迭代加速了更先进的算力芯片模组、更高带宽的大容 量显存和内存、更大规模的高速互连网络的部署，推动了大规模、高密度、高效协同的算力集群部署和发展。 3）智能运维：随着数据中心规模的扩展，智能化运维成为必然路径。依托智能监控设备、自动化管理软件 的普遍部署和应用，实现对数据中心设备的实时监 布局，促进东西部算 力高效互补和协同联动，引导通用数据中心、超算中心、智能计算中心、 边缘数据中心等合理梯次布局。（2023年2月） 国务院 《关于数字经济发展情况的报告》 提出适度超前部署数字基础设施建设，统筹布局绿色智能的数据与算 力基础设施，推进“东数西算”工程，建设完善全国一体化大数据中心体 系，加快国家绿色数据中心建设。（2022年10月） 国务院 《“十四五”数字经济发展规划》 化程度，为加快新产业高质量发展、建设现代化产业体系 提供坚实的技术支撑。 因此，强化标准引领，有助于推动绿色低碳、集约高效和智能化的新技术产业化进展，从而推动算力基础设 施创新产品形态大规模部署，进而促进全产业链绿色低碳发展，助力双碳目标实现成为趋势和必然。 第 10 页, 共 63 页 1

年底《关于深入实施“东数西算”工程加快构建全国一体 化算力网的实施意见》（简称意见）发布后，全国一体化算力网的建 设浩荡展开。《意见》中多次提及“算网协同”，明确指出“加快算网 协同编排调度技术部署应用”、“探索算网协同运营机制”。 实际上，自 2019 年业界相关研究起步，“算力网”、“算力网络”、 “算力互联网”等概念层出不穷，“算网协同”、“算网融合”、“算网 ●一体 ”等路线众说 合印发《关于深入实施“东数西算”工程加快构建全国一体化算力网 的实施意见》，明确了全国一体化算力网的指导思想、基本原则和建 设目标。《意见》多次提及“算网协同”，明确指出“加快算网协同编 排调度技术部署应用”、“探索算网协同运营机制”，为算网协同的发 展确立了基础。 1.4 本文内容结构 本文的编制，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。深入分析“东数西算” 工程中的总分调度、分 算网协同调度平台包含两大用户入口及四个调度模块，功能如下：  资源需方入口：资源需求方可通过该入口发布涵盖算力、存 储、网络等多维度的应用需求。平台将基于全域算力资源池， 4 精准调度匹配需求的算力及网络资源，完成用户任务的部署 与执行。  资源供方入口：资源供应方可通过该入口向平台注册算力资 源，同时登记账户信息等相关内容，实现资源发布、调度、 使用、计量、计费及结算的全业务流程闭环。  协同调度模块：通过协同任务调度、流量调度与数据调度，

迅猛发展，我国数 据中心产业也迎来了高速增长期。当前，数据中心正朝着大规模、高 功率密度、绿色低碳、模块化建设等方向演进。在这一趋势下，供配 电系统作为核心基础设施，其在经济性、可持续性、灵活部署与高可 靠性等方面面临更高要求。传统通过列头柜+电缆进行机房配电的方 式，因结构固定、布线复杂、扩展困难等问题，已难以满足现代数据 中心的实际需求。为此，以结构更灵活、扩展更便捷的数据中心末端 成为AI 数据中心的主流方案； 以400A精密配电柜系统为例，应用于通用算力时代可以支持34台单机柜8kW的供电需求，而 面对AI智能算力的需求，如果单机柜达到50kW，只能支持5台机柜AI集群的部署。而采用1250A 电流等级的数据中心末端配电母线，其最大载流可支持单路约866kW的电力输送（以400V三相 核算），则可以充分满足智算中心高密度机柜的电力负荷需求，单机柜50kW情况下，可以支持 传统数据中心 末端配电架构的挑战及应对 2 在传统数据中心配电体系中，主进线经变压器与UPS后接入列头柜，再分配至各IT机柜，通常 每柜配置双路电源以实现冗余，布线多通过底部架空地板或顶部线缆桥架部署。 随着数据中心功率密度持续攀升，供配电 系统面临多重挑战。 首先是可靠性要求显著提高：当前机柜功 率已从10kW、15kW提升至20kW、50kW，部 分应用场景甚至突破100kW，传统电缆在长时

２)攻击面转换指改变系统某一时刻的一个或多个攻击面 参数,或改变某一攻击面参数在原攻击面的作用力大小. 部署移动目标防御的目的是使攻击者在一段时间内无法 有效探测、收集信息或实施攻击行为,进而增加系统弹性,提 高系统的主动防护水平[６Ｇ８]. ２．１．２ 部署移动目标防御需要考虑的因素 １)确定需要保护的关键目标,并确定移动目标防御在网 络中的部署位置,以提供更全面的保护; ２)需要在系统安全和性能之间进行平衡,同时考虑系统 在IDS检测到入侵或未经授权的访问后 进行实时的平台迁移[４２]. (４)配置迁移指周期性地或主动地将系统配置从一个状 态迁移到另一个状态,或与欺骗性配置相结合,以提高系统的 安全性. Kong等提出周期性地为每个容器生成、部署并映射具有 欺骗性的系统配置组合,有效地防止了容器云中的信息泄露 问题[４３].Lucas等受进化的启发,使用之前良好的配置作为 输入,经过复制、重组、变异和评估等操作生成更优的新配置, 周期性地进行系统配置迁移[４４] 能与资源消耗之间的最优平衡点,在防御性能不降低的情况 下,显著降低了网络资源消耗[６３]. 按攻击面转换策略(how)进行分类,可 以 对 移 动 目 标 防 御的不同部署策略进行总结,有助于比较各种策略的优劣,进 行策略之间的相互结合和补充,并确定不同策略适用的部署 场景,进一步提高 MTD 的安全性能. ３ 欺骗防御 ３．１ 欺骗防御概述 ３．１．１ 欺骗防御的定义 欺骗防御(DeceptionDefence)是一种通过掩饰目标特征

.................................................................................. 50 2.6.3 ONU 部署位置 .......................................................................................... 54 2 .... 66 ONA绿色全光网络技术委员会 6 6 2.8.3 光分路器部署位置 ................................................................................... 72 2.9 OLT 设备选择和部署 ............................................ ................................................................................ 75 2.9.3 OLT 设备部署位置 .................................................................................... 76 第三章 智慧教育