为医院建设有弹性的高效微电网： 从设计到融资 作者：Markus Hirschbold 和 Andy Haun 执行摘要 世界各地的医院越来越多地采用微电网技术来提高弹性和降低能源成本。为了优化微电网解决 方案，医院团队必须开展精细的可行性研究，部署规模得当的分布式能源。应考虑采用模块化架 构，以帮助简化微电网的设计和安装，同时降低维护成本。应对所有的融资方案、激励措施和运 营模式进行评估，以减少风险，实现收益最大化。 移峰填谷的储能与智能管理供需的高级控制工具，提供有效的解决方案。 图 1 : 微电网技术通过提高对电网中断的弹性来帮助医院保障患者的生命安全，同时控制与能源相关的运营费用。 1 “是什么导致纽约市医院的发电机频出故障？”，CBS 新闻，2012 2 “飓风桑迪快报”, CNN, 2018 3“微电网势头： 建设高效、有弹性的电力”，气候与能源解决方案中心， 2017 4 “哈维飓风后重新开灯”，Power Generation，2017 运行和维护 • 考虑最新的微电网融资和运营方案 5 “微电网发展为 309 亿美元市场的驱动因素为何？”，Microgrid Knowledge，2018 6 “新型微电网设计如何帮助医院提高弹性、降低成本并改善可持续性”，施耐德电气，2019 设计最佳的医院微电网 微电网设计需要将并网运行和孤岛模式考虑在内。需要部署一个完善的 DER 组合，以便在从公用电网孤立开来的过 渡期间和孤岛运

面向新型智算中心的以太 网弹性通道（FlexLane） 技术白皮书 （2025 年） 发布单位：中国移动通信有限公司研究院 前 言 随着以 ChatGPT、Deepseek 为代表的 AI 大模型崛起，算力需求呈指数级增长， 全球正加速建设智算中心以应对这一挑战。智算中心内部或智算中心间海量的数 据交换，对网络链路的可靠性提出了前所未有的要求。任何链路闪断或中断都可 能导致 AI ......... 20 参考文献 .......................................................... 21 中国移动 面向新型智算中心的以太网弹性通道（FlexLane）技术白皮书(2025) 1 1 背景与需求 近年来，人工智能（AI）技术取得了突破性进展，特别是以 ChatGPT、Deepseek 为代表的大语言模型（LLM）的兴起，标志着 ∁��� ��� × ������ × 1 − � 1 FIT：Failure in Time of 109 hours,在 109 小时中发生故障的次数[1]。 中国移动 面向新型智算中心的以太网弹性通道（FlexLane）技术白皮书(2025) 2 ��� ���−��� ≈ ��� × ���（��� = 200���������，万卡集群无收敛组网��� = 15360 时，��� ×

度融合，行业定制化与智能化服务加速渗透，成本优化与绿色计算将成为竞争的关键。未来，基 础设施的核心矛盾将从“资源供给”转向“效率与价值平衡”，技术迭代将围绕“弹性算力调 度”“数据主权治理”“垂直场景深度适配”三大主线展开。 越来越多的企业核心数据正在向云数据中心迁移，计算密集型任务处理能力与弹性资源供给能力 正成为云服务商的核心竞争力。面对企业客户的数字化转型需求，减少延迟和工作负载可移植性 将是客户的关键优先事项， 存储方案升级应对大数据量冲击：云服务商通过采用更高性能的存储设备和更高效的存储架 构，结合对数据布局的优化，提供贴合不同在线业务需求的个性化存储服务，例如低时延块 存储（数据库多副本场景，<0.1ms延迟）、高带宽弹性盘（大数据单副本场景，吞吐量达 ��Gbps）、高速临时存储等。 1.2 软硬一体协同优化，应对AI时代激增的数据冲击 AI预训练和推理过程需要存储和预处理海量的多模态数据，数据向量化趋势也非常显著，为保障 型的推理体验。 云原生方案形成整体保障：除了算力层面的降本措施，云服务商还通过持续增强弹性伸缩、 Serverless以及统一运维等云原生解决方案的效能，实现硬件、算法、平台、服务的协同进 化。例如，在强化弹性伸缩能力时，综合运用编排调度（例如Kubernetes）、服务监控、服 务治理以及相关的配置管理等云原生能力，在提高弹性伸缩的速率的同时，持续增强自动化 预测能力以及优化自适应策略。 1.3 持续的融合创新，助力企业的国际化布局

年六大领导力主题 1. 人工智能与采购运营模式的演变 2. 人工智能驱动的采购协同：众望所归 3. 人工智能代理加入采购和供应链团队阵容 4. 关于价值的讨论不断变化 5. 多变监管环境中的供应链弹性 6. 本地化与全球化 - 争斗仍在继续 结论 注释 引言 疲惫的人们没有时间休息。刚刚适应疫情后的现实情况，企业现在又面临着技术、地缘政治和监管 方面的复杂变化，这些变化正在极大程度上重塑着采购和供应链。渐行渐近的 方式。在此背景下，贸易紧张局势持续存在，本地化和可持续发展正与传统的全球化竞争。 采购和供应链行业领导者面临着一系列大哉问：人工智能是否会将采购转变为自我驱动的强大体 系？在地缘政治不确定的情况下，企业能否在弹性与成本效益之间取得平衡？ 本报告结合未来一年的宏观经济前景展望，解读了影响采购和供应链的六大变革型趋势，这些趋势 为企业重塑自身成为适应性强、面向未来的组织带来了挑战，但也带来了无限潜力。 适才迎来公司成立 执行摘要 随着企业在多样化的宏观经济环境、人工智能的快速发展、动态的市场条件、贸易战和地缘政 治冲突之中一路见招拆招，他们必须调整战略和实践以保持竞争力。为了作出明智决策、推动 创新和增强运营弹性，最终使企业在未来一年取得成功，了解这些趋势及其对采购和供应链的 影响对于领导者至关重要。 GEP 的 2025 年趋势洞见报告指出了采购和供应链管理的六大趋势，每一项都为领导团队带来 了重大的挑战和机遇。

有的挑战：人工智能大模型的爆发式发展，以前所未有的速度重构消费者行为、企业运营模式与 行业竞争格局。这场变革的本质，是零售企业从粗放式流量争夺转向用户价值深度挖掘的生死竞 速——而胜负的关键，取决于能否构建支撑实时决策、弹性响应与智能创新的新一代数据底座。 从业这些年，经历了多家企业多次的主业务系统（ERP）的升级换代，每一次都是带来巨大的变 革。随着 AI 的兴起，下一代的“ERP”很有可能是颠覆现有传统流程和思路 AI-ERP 架构的数据底座来支撑我们从这个时代，过渡到 AI 时代。这是很多有远见和未来意识的 CIO/CTO 的共识。 在此背景下，一体化云数据库的诞生恰逢其时。我们深刻理解零售企业的核心诉求：  弹性架构需应对“双 11”百倍流量脉冲，实现资源利用率与成本的最优平衡；  实时融合要突破 T+1 滞后，在毫秒级完成交易分析联动；  AI 原生必须激活“一方数据”价值，通过向量化+SQL 融合降低智能推荐开发门槛； 这些实践印证了一体化云数据库从“成本中心”向“增长引擎”的质变——它不仅是技术架构升级， 更是企业构建数据驱动智能化的战略基石。当零售竞争升维至“秒级决策效率”与“厘米级用户 洞察”的层面，OceanBase 愿以极致弹性、实时融合与 AI 原生的数据底座，助力企业跨越传统 架构的“数字鸿沟”，在智能化浪潮中赢得制胜未来。 核心观点 市场竞争烈度升级，零售企业智能化转型势在必行 在日趋分化的消费市场中，零售企

识 推断提供高效准确结论的过程。 对于大部分企业和研究机构来说，自行购买和维护高性能计算设 备训练大模型需要投入大量的人力和物力。在这个背景下，算力租赁 服务应运而生。算力租赁通过即插即用的弹性解决方案，降低了算力 获取难度和使用成本。企业的信息化和智能化转型可以通过算力租赁 更快捷地获取所需的算力资源，从而加速技术研发和创新。当前，算 力租赁服务已成为主流解决方案，不仅降低了算力使用的门槛，推动 面对算力产业快速发展趋势，中国电信推出了面向智算的新一代 数据中心（AIDC，Artificial Intelligence Data Center）基础设施技术方 案，在高算力规模、高功率密度、高弹性需求背景下，同时兼容通算、 超算、智算，甚至未来的量子算力。在 AIDC 基础上，中国电信积极 布局算力基础设施建设，面向政府、企业、科研机构等提供就近的高 效算力服务。除了围绕热点区域建设“2+3+7”1的公共智算云池，还 向算力业务的长期演进，中国电信通过引入算力灵活调度、算力无损 传输、精准流级调度、网络智能运维等能力，打造以算力为中心、算 网一体的城域网新业态——算力城域网2。当前，中国电信在上海、 浙江、广东等地围绕海量数据弹性高效入算、存算分离百公里拉远训 练、百公里分布式推理等新型智算业务开展算力城域网现网验证，实 1 “2”是指中国电信在内蒙古、贵州设置的两大公共训练智算中心；“3”是指中国电信在北京、上海、 广州设置的三大热点区域智算中心；“7

....................................................................................... 29 7.1.1 弹性云服务器（ECS） ......................................................................................... ....................................................................................... 30 7.1.3 弹性伸缩服务 (AS) ......................................................................................... ....................................................................................... 31 7.2.2 弹性负载均衡服务（ELB） .......................................................................................

我们必须坦诚地认识到：主机系统技术体系在应对爆发式业务增长和海量交互时，无法快速赋能业务智能创新， 并且与开放协同的产业生态相悖，主机技术正面临严峻挑战。如何让企业核心业务系统既能延续固有的稳定与 可靠，又能获得云与 AI 时代的弹性与智能，已经成为每个企业需要面对的重要战略课题。 近几年，主机现代化成为了打开企业核心业务系统大门的钥匙。它绝非简单的技术平台更替，而是一次深 刻的 业务转型 。其根本目标在于释放核心数据的价 主机（Mainframe）起源于上世纪中叶，以其卓越的事务处理能力和极高的可靠性，长期以来支撑着金融、 政府等领域核心业务系统。然而，在云计算、人工智能技术迅猛发展的今天，传统主机架构无法满足核心业务 系统在资源弹性扩展、应用迭代速度、业务创新效率和技术开放度等方面诉求，已严重制约企业数字化转型， 主机现代化应运而生。 主机现代化（Mainframe Modernization）是一项涉及架构演进、应用重构、组织转型的系统工程。其 个方面： 1.2 传统主机面临的挑战 (1) 技术封闭制约创新效率 传统主机技术栈过于封闭，操作系统和专用硬件深度绑定，难以兼容 x86、ARM 等标准化芯片，这限制 了企业自主引入云计算的弹性资源调度和分布式技术的水平扩展能力，系统升级和功能迭代依赖原厂支持，流 09 程繁琐且周期长，难以及时响应业务变化（主机厂商硬件升级周期通常为 3~5 年），远滞后于业务对敏捷创 新的需求（如

毅 毕经天 吴 萍 姜静雅 罗 魁 吴国旸 彭 丽 李再华 单熙雯 徐式蕴 侯玮琳 郭雅蓉 屠竞哲 宋瑞华 范士雄 荆逸然 朱艺颖 王姗姗 穆 清 田鹏飞 唐晓骏 贺海磊 徐浩田 目 录 弹性/韧性（Resilience，Resiliency）.................................................. 1 构网型控制技术（Rrid Forming（GFM）Control 虚拟电厂（Virtual Power Plant, VPP）............................................ 43 1 弹性/韧性（Resilience，Resiliency） 撰稿：张国宾、李苏宁、单熙雯 在电气工程领域，“韧性/弹性”均来源于英文 resilience 一词，指 的是电力系统在遭受低概率、高影响事件时，能够最大程度保障电力 系统运行安全及重要负荷供电安全的能力，涵盖事前准备、事中响应 要考虑未来挑战。 从中文词义的角度来看:两者同样面向小概率、高风险的极端事件， 但弹性侧重于系统异常状态下的快速恢复能力，韧性侧重于系统面对 扰动时的极限耐受能力，但随着理论和技术研究的不断发展，两者概 念不断扩展融合，目前已同样可以涵盖系统完整响应过程。因此，本 报告推荐将二者作为同义词使用。 弹性、韧性作为一个跨学科概念，起源于材料力学，最早引入到 生态学和心理学，后逐渐扩展到社会学以及工业领域，后被引入生态

商提供的 跨云工具和服务，或者第三方多云管理平台，可以满足不同云环境间的数据 同步、应用集成和统一管理需求，简化多云环境下的运维复杂性。 �� 多云环境赋能企业增强业务敏捷性和可扩展性，构筑弹性技术服务架构：有 效的多云环境会进一步加速企业面向业务的敏捷能力，支撑多元业务下的复 杂业务架构，并帮助企业在与多个云厂商的合作中时刻保持主动。这对于一 些大型集团型企业和即将开拓多元市场的企业具有更强的吸引力，因为这些 复合型能力都提出了远高于以往的要求。 AI算力规模化：企业对加速芯片的多样性有较高需求，以适应不同规模和复 杂度的模型的开发和应用。同时，为了应对不断变化的工作负载，企业还需 要计算和存储资源具备弹性扩缩的能力。为了实现更好地管理规模化和异构 的算力资源，超大规模计算集群需要支持智能调度，特别是面对行业大模型 的训练和推理任务时。企业需要获得全面保障大规模算力集群的统筹管理和 优化能力，确保计算资源实现高效利用。 也非常重要，同时，在企业 时延优化、并行存储吞吐率以及实时性能监控等指标上也具有相应的需求。 AI算力综合成本：市场需要灵活的资源配置规格和计费模式，云服务商需要 支持多种配置策略，提供高效的弹性伸缩，并通过技术创新提升硬件资源共 享效率和利用率，降低计算和存储成本。 �� AI工具链：支持传统AI模型以及基础大模型、行业大模型的开发与应用，提 供数据处理、数据标注、模型训练、模型精调、配置管理、低代码等一系列