IPv6+技术底座，实现对 RDMA 等数据传输协议的统一承载。 （3）算网赋能，使能商业  引入弹性带宽、超高通量、广域无损等新技术，支撑存算分离 拉远训练、跨集群协同训练等创新业务和服务。  基于大象流自动识别与智能调度，实现网络级智能负载均衡， 达到全网资源利用率最优，提升投资收益比。  通过算力业务应用感知和流级精细化调度，支撑差异化算网产 品和服务的商业创新。 （4）智能运维、安全可靠 服务。 （2）超高吞吐能力 在智算、超算等场景中常常存在大量的大象流，这类流量具有单 流瞬时高速率（10M-100G）的特征。传统基于五元组哈希的负载均 衡技术难以有效应对大象流，容易造成负载不均衡和网络拥塞。算力 城域网引入大象流自动识别与拆分、网络级负载均衡等关键技术，基 于 IB 传输层信息（如 QP 对等）将大象流拆分为多个子流，并结合 智能管控实现全域流量均衡，确保网络链路达到 的精细化业务保障。 （3）大象流拆分及负载分担 单条大象流带宽大、历时长，在与普通数据流混合转发时，极易 出现部分链路拥塞、部分链路空闲的现象。这不仅导致网络全局负载 不均，而且导致因拥塞而出现的 RDMA 报文丢失现象。为此，在基 于五元组识别流的基础上，算力城域网设备需支持识别 RDMA 报文 的 IB 传输层信息（如 QP 对、Partition Key 等），将单条大象流根据 IB 传输层信息划分多条子流。以此为基础，结合

供需双方面临“接入带宽瓶颈” 与“网络利用率低下”双重挑战：一方面，大规模数据上传依赖百兆专线，耗时过长； 而万兆专线虽可提升效率，但成本过高，性价比不足。另一方面，大数据入算过程 中产生的“大象流”与传统TCP/IP流量共存，现有网络负载均衡策略难以有效区分 与调度，导致网络资源错配、利用率下降。亟需构建高性价比、安全可信的新型网 络体系，支撑数据“随时接入、任务式服务、高弹性资源保障”，提升线路资源利 载均 衡，提升网络资源利用率至90%以上。 无损高吞吐技术：大象流识别与智能负载，提升传输效率与稳定性 针对RDMA流量与传统TCP/IP流量共存引发的拥塞问题，无损高吞吐技术通过 大象流精准识别与智能调控，实现网络吞吐率接近物理线路带宽。该技术关键能力 一是大象流智能识别。基于RDMA帧感知技术，能够精准识别高带宽的“大象流” 并与小流量分级管理，避免资源错配。二是智能负载均衡。采用UCMP算法结合

策略一：作大大开大合的空间感受 规划策略 ===== 乡村振兴建设规划 总体思路 规划策略 策略二：作全特色农产大观园 特色农产品必需品牌化，提升附加值，真正实现提升农 民 收入，大象农业品牌。 ===== 乡村振兴建设规划 稻田迷宫 架空稻田木栈道 稻田写生 稻田艺术 稻田民宿 总体思路 规划策略 稻田公园 主题阐释：在金灿灿的稻田之中打造生态化的田园观赏体验

第三阶段：根据推理结果得出结论。 这就像问“如何把大象放进冰箱里”一样。首先，你得开门；其次，把大象放进 去；最后，关上冰箱门。只要步骤明确且按计划执行，整个过程就能顺利完成。通 20 过这种逻辑推理和操作，计算机程序可以将复杂的问题简化为一系列可控的操作步 骤，从而确保在满足条件的情况下准确得出结论。 慢着，你是不是看出问题了？“如何把大象放进冰箱里”，这是一个人类会觉得荒 谬的问题，因为 谬的问题，因为我们知道这多么不切实际，但机器无法意识到这一点。它只会根据 既定的逻辑去制订计划、组织步骤并得出结论：开门，装大象，关门。在人类看来 既不合情也不合理的步骤，机器会机械地执行，却无法体味其中的离谱。 但是对于符号主义学派所研究的“人工智能”而言，离不离谱是人类的问题，并不 是机器的问题。更重要的是，机器给出的答案是否符合规则，以及它是否能按预定 步骤执行。这种信息选择和逻辑推理的方式成为符号主义学派定义智能的核心。通 01机器人与人类用户 对话交流并执行任务的过程。 143 大模型与具身智能 其次，大模型能够提供一些解决问题的“常识”，或者说高层次的语义指导。例 如，如果我们问它：“如何把大象装进冰箱？”大模型可能会输出：“拉开冰箱 门，把大象放进去，关上冰箱门。”我们姑且不论这个方案的可行性如何，大模型 确实是能够将解决问题的完整过程拆解成多个子步骤并且给出一个执行方案的。因 此，大模型具备成为优秀的行动规划器的潜力。

智慧生猪养殖示范基地。 建设内容：硬件： 智能巡检机器人 、精准饲喂 、环控 、 料 线 、水线 、栏位 、基础网络及监控； 软件：智慧养殖物联网平台 、生物安全监控平台。 项目模式：润农（国企）投资 + 山西大象农牧（龙头企 业） 租赁还息 + 讯飞牵头承建。该模式解决了资金闭环，同时， 打造了乡村振兴的标杆项目。 规模化养殖场智能化管理，破解企业资金困难， 汇聚资源助力乡村振兴 项目概述：市县农

4 年跨 DC 训练推 动 AI DCI 成为热点，2025 年 AI 推理与边缘智能兴起，驱动运营商、云厂商及设备商共同关注智能 IP 广域网发 展。面对 AI 大模型训练中高频次、大批量的“大象流”传输需求，智能 IP 广域网通过 IP 广域无损的 RDMA 无损保 障和流级精准控制等关键技术，实现高吞吐、低丢包甚至“0”丢包的无损传输，保障跨 DC 协同训练性能可达单中 心的 95% 三是网络承载效率有望实现“翻一番”。人工智能与网络深度融合，将推动组网模式革新与效率跃升，在保障 服务质量前提下，网络承载效率有望突破 60%。一方面，通过流级负载均衡与拥塞控制技术，实现网络吞吐能力 翻倍。AI 路由器可智能识别“大象流”，动态调整转发路径，破解传统 ECMP 链路负载不均难题，使智算广域网链 路吞吐率从 40% 提升至 90% 以上。另一方面，通过流级反压技术实现拥塞不丢包。AI 路由器以租户为粒度缓 存并逐级发送反压信号，保障超百公里

将网络协议栈全卸载到网卡处理，不依赖CPU算力即可实现高性能数据收发处理，是海量数据广域高吞吐传 输的关键技术。面向RDMA的广域网技术要求包括两类：一是满足承载不同RDMA协议的技术要求，二是满 足海量数据传输需求的高带宽、大象流负载均衡、精细化流控等技术要求。借助RDMA技术，通过分布式智 算中心网络实现区域内多智算中心协同计算，可以满足更大规模的算力需求。 总而言之，算力的需求正在快速增长。由于AIGC的出现，大模型的训练和推理导致智算超越了通算。智 希算法将同一数据流绑定至固定路径，如基于等 价多路径路由（ECMP）或者链路聚合机制（LAG）。这种方案的优势在于实现简单且能避免数据包乱序， 适用于通用业务场景。然而，在智算网络中，大规模稀疏大象流的集中传输会引发哈希极化问题——部分链 路满载而其他链路闲置。 逐包调度通过为每个数据包独立选择路径，彻底规避哈希极化问题。其结合带内遥测（INT），动态感 知链路拥塞状态，并以包为粒度分配

要精度更高的流控/拥塞控制及故障恢复机制。 2）抖动方面：现有拥塞控制技术如DCQCN等，主要面向丢包和吞吐，对于控制抖动 的考虑较少，需要更精准的拥塞及流控机制。另一方面，针对大模型训练产生的大象流，网 络负载均衡粒度过粗也会导致网络抖动难以管控。 3）吞吐方面：高吞吐设计是一个复杂的系统工程，涉及机内外和软硬件的精细协同， 单项指标的提升无法有效提高吞吐率，还可能导致此消彼长效应，丢包、时延、吞吐往往会 3.2 高性能广域网（HP-WAN） HP-WAN应用场景中的业务特征涵盖大量数据流动态突发、多并发业务协同传输、通 过站点或数据中心之间的长距离连接。主要业务需求如下： 1）支持海量数据和大象流传输，总数据量为10Gbps~1Tbps； 2）基于任务的数据传输，频率可变，例如定期可预测性数据传输； 3）在一个或多个站点或DC之间的长距离传输，最长可能超过1000公里； 4）即时传输，需要立即或在特定时间传输；

机器人厂商，拥有多 年工业机器人本体研发经验和应用的企业积极布局人形机器人赛道，其中以大象机器人、遨博、均普 智能等为代表。 资料来源：GGII、公开信息、幸福招商行研院 *注：X院为交叉信息研究院(叉院) 各类型人形机器人厂商代表企业 初创型公司 优必选 智元机器人 百度 特斯拉 大象机器人 波士顿动力 宇树科技 阿里巴巴 小鹏汽车 遨博智能 钢铁侠科技 银河通用 科大讯飞