综合算力指数 版权声明 本报告版权属于算力产业发展方阵、2025 中国算力大 会，并受法律保护。转载、摘编或利用其他方式使用本报 告文字或者观点的，应注明“来源：《2025 综合算力指 数》”。违反上述声明者，将追究其相关法律责任。 综合算力指数 推荐序 近年来，AI 技术迅猛发展，算力作为数字经济的基础资源，其重要性与日 俱增。我们进入了一个计算力驱动创新的时代，这不仅影响着科技领域的演进， 确自身优势与短板，精准布局算力产业，加速数字产业化和产业数 字化进程，从而在全球科技博弈中牢牢把握主动权，保障国家信息 安全与经济稳定发展。 （二）算力发展持续规划，产业亟待提质升级 为了推动算力产业发展，我国出台多项相关政策对算力产业顶 层规划，明确算力产业的发展目标、战略重点和实施路径，引导算 力资源的合理配置和高效利用。2023 年印发《算力基础设施高质量 发展行动计划》和《关于深入实施“东数西算”工程 加快构建全国一 然而，在算力产业高速发展过程中，也暴露出一系列亟待解决 的问题。一是跨区域资源协同机制亟待进一步完善。目前，我国跨 综合算力指数 3 区域算力资源协同还处于初级阶段，缺乏统一的调度平台和协同机 制。东、西部地区算力供需存在对接不够顺畅，信息不对称、资源 匹配度不高等问题。同时，不同区域的算力政策、标准不一致及算 力网络传输效能不足，导致算力资源在跨区域流动和共享时也面临 诸多障碍，制约了全国算力资源的优化配置和高效利用。二是基础

多时敁、 多类型数据癿获取和收集工具 和 数据采集 手段，实现数据癿全面融合。 路透、万得、彭博、 合作机构数据（保 险、证券等） …… 网页、社交媒体、 论坛 …… 第三斱数 据 文档、图片、影 音 …… 资金、财务、信 贷、员工…… 用智慧发现信息价值 Discover information 日志、交易报文 … … 宏观数据 GDP( 国内生产总值 ; 外 资投资增 减额 ; 工业总产值 ; 股市交易行情及成交量 ; 央行黄 金及外汇储备 ; 通胀指数 贵金属 国际 / 国内交易行情 , 交易量 ; 美元指数 ; 国际金银期货指 数 ;ETF 价 格 ; 能源价格波劢率 ; 实物价格 外汇 美元指数 ; 各币种央行基准利率 ;FED,ECB, 人行利汇率劢态信 息 ;CNY/CNH 价差 债券 债券指数 ; ; 人行利率政策发布 ; 银行间同业拆放利率 ; 债券回贩 价 格 ; 债券发行量 ; 债券违约信息 ; 债券发行量 境内网站 新华社、外汇管理局、证监会、上交所、 深交所、东斱财富网等财经网站 境外网站（英文） 路透、彭博、纽交所、纳斯达克等境外网 站 利用全斱位高敁癿大数据采集技术，提供多来源、多渠道、 多时敁、 多类型数据癿获取和收集工具和 手段，实现数据癿全面融合。

编写组成员（排名不分先后） 马季春 王曼 施晶峰 王月 张建峥 赵以爽 杨军刚 杨伊鸣 郭光鑫 吴茜 梁宇 栋 马凤鸣 党朝志 赵金辉 陈常水 颜万瑞 吴涛 顾剑波 谈儒猛 夏冬 胡铭珊 孙东旺、熊家振、许轶 版权声明 本研究报告版权属于全球计算联盟。 使用说明：未经全球计算联盟事先的书面授权，不得以任何方式复制、抄袭、影 印、翻译本文档的任何部分。凡转载或引用本文的观点、数据，请注明“来源： AI、大数据、云计算和高性能计算为核心的新一代信 息技术产业，旨在为各行各业提供高效、智能的数据处理与决策支持能力。随着全球数字 化转型加速，智算产业已成为推动经济增长、科技创新的关键基石。 政策与市场方面，中国“东数西算”工程、美国“人工智能行动计划 2”等政策加速 推进了智算基础设施布局；金融、医疗、制造等行业利用 AI 优化流程，提高生产力和效 率，使得智算服务市场年增速超 30%。 技术驱动方面，深 瞻性的规划设计易导致智算中心建成即落后。 在运维阶段，如何将不同架构、不同厂商的算力资源高效池化、统一调度和管理，是 一个巨大的技术挑战。智算集群对稳定性与可靠性要求极高，AI 训练任务通常需要连续运 行数天甚至数周，任何硬件故障或网络波动都可能导致任务失败，造成巨大经济损失和时 间成本；智算集群的软硬件耦合深，故障定界困难。从芯片、服务器到集群网络、调度系 统、AI 框架，任何一个环节出问题都可能导致服务不可用，因此对运维团队的技术深度和

5000 万元）3）扩容算力券发放。 每年设立“算力券”总额提升至 2.5 亿元，新增算力券支持企业购买符合杭州 市规划布局的智算中心以及纳入算力撮合的合作伙伴所供给的智能算力。 广 东 省 人 民 政府办公厅 《广东省关于人工智能赋能 千行百业的若干措施》 2024 年 6 月 到 2025 年，全省算力规模超过 40EFLOPS，人工智能核心产业规模超过 3000 访问量板块，海通证券研究所 网站吸引年轻男生和女生，活跃用户粘性较大。网站受众人口的男女比率约为 51% 和 49%，其中 18-24 岁的用户占比超过 56%。前五地区的用户分别是美国、印度尼西 亚、墨西哥、菲律宾和印度。其中活跃用户每天约进行 240 轮对话，平均时长在 2 个小 时。目前网页端的 DAU/MAU 比例为 23%，APP 端 DAU/MAU 比例为 41%。 图35 Character 个物品，相较于之前智能体仅解锁的 78 个物品 大幅提升。此外，GITM 在“获取钻石”任务上的成功率从 OpenAI 提出的 VPT 方法的 20%提升至 67.5%。GITM 训练仅需一个 CPU 节点两天完成，训练步数比之前方法减 少了万分之一，大大低于 OpenAI 和 DeepMind 提出的其他方法所需的 GPU 天数。 此项研究为机器人和自动驾驶等产业带来了巨大的潜力和突破。

成12万个小区数据抽取，形成供水、供电、供 热等6类单位画像  热线数据报告：围绕投诉、求助、建议与举报信 息开展时空定位、问题萃取、颗粒缩放、精细诊 断等多维度分析，输出周期报告和专题报告 大模型赋能政务热线应用 n 联通数智公司联合辽宁产互等打造政务热线大模型，已落地辽宁、北京等多省市12345项目 -22- 大模型辅助政府经济决策  2023年10月，服务北京发改委面向经济领域数据查询及分 析、报告撰写、经济领域知识问答等业务场景，实施经济大 大数据的独特优势，基于全国高质量经济语料，打造经济垂 直领域大模型，模型在查数据、问知识、做推理、快分析等 经济领域任务中都表现良好。 广东政数局 ”粤经济“平台 n 经济运行大模型落地北京发改委、广东政数局等多省市项目 -23- 大模型赋能公安智能化 n 联通数智公司联合北京联通等打造元景公安大模型，在北京西城、安徽省厅等多省市视侦智能化升级项目试点应用  在北京西城区公安局试点，提供以特 件查办效率  利用以图搜图、以文搜图提升检索效率，可服务平安城市、雪亮工程、平安乡村等场景 利用以图搜图、以文搜图，检索监控内容，提升办案效率 -24- 大模型赋能医疗智能应用 n 联通数智公司支撑广东产互/医疗军团打造多款智慧医疗应用，助力中山三院智能化升级 大模型医疗应用服务平台 中山三院私域GPT应用 私域GPT应用和服务平台  私域GPT应用：集医教研管全方位智能助手于

践操作产生深远的影响。在技术进步的强大动力牵 引下，需要重新审视并优化应急管理信息化建设路 收稿日期 2023-10-19 录用日期 2024-01-12 国 家 社 会 科 学 基 金（20BZZ037）, 广 东 省 哲 学 社 会 科 学 规 划 项 目 （GD24XGL075）资助 *通信作者简介 黄欢（1976— ）, 男, 湖南常德人, 硕士, 助理研究员。 基于大语言模型技术的智慧应急应用： 知识管理与应急大脑

第 51 卷 第 1 期 自 动 化 学 报 Vol. 51, No. 1 2025 年 1 月 ACTA AUTOMATICA SINICA January, 2025 数更新或微调的情况下, 仅通过文本交互来指定任 务和少样本示例就能很好地完成各类任务. 在此之 后, 具有优秀泛化能力与丰富常识的基础模型在计 算机视觉、自然语言处理等领域都展现出令人瞩目 的效果. G 为了让具身智能系统展示出强大的适应性与泛 化性, 为具身智能模型训练获取高质量、多样化的 数据是至关重要的一步. 本节将探讨在各种场景中 获取数据的不同方法, 包括在模拟器中获取数据、 从人类演示中提取数据以及利用视频与游戏作为数 据来源, 并对具身智能系统从这些数据中学习的能 力进行深入讨论. 4.1 模拟器 模拟器也称仿真器, 为具身智能提供了一个可 控且安全的测试环境, 且模拟器能支持多个实例同 时运行, 大大加快了数据收集的速度 不足等问题. 此外, 环境的多变性和不确定性要求 模型能够泛化至未见情景, 这进一步加剧了对大规 模多样化数据的需求, 尤其是对非实验室环境的数 据收集, 这类数据更加真实、复杂, 对于训练能够适 应多种环境的机器人尤为关键. 如 UMI[38] 设计的数 据采集框架便极大方便了非实验室环境下的采集, 而 Open X-Embodiement[55] 综合全球实验室数据 构造的包含各类机器人、各类任务的数据集也为具

大模型。通过系统的数据处理和模型训练，最终实 现从海量异构数据中提取有价值的信息，并将其转化为可支持决策 和创新的知识资产。具体目标包括以下几个方面： 首先，实现知识库数据的高效清洗与整合。针对多源异构数 据，设计并实施数据清洗规则，确保数据的准确性、完整性和一致 性。同时，建立数据标准化流程，统一数据格式和语义表达，为后 续的模型训练提供高质量的数据基础。数据清洗的关键指标包括： - 数据准确率提升至 进一步丰富数据集。 接下来是数据安全与隐私保护。在处理数据时，需严格遵守相 关法律法规，如《个人信息保护法》和《数据安全法》。对于包含 个人敏感信息的数据，需进行匿名化或脱敏处理。同时，需建立数 据访问权限控制机制，确保只有授权人员能够访问和操作数据。 数据的存储和管理也是关键环节。对于大规模数据，建议采用 分布式存储系统，如 Hadoop HDFS 或云存储服务，确保数据的高 可用 知识库，为后 续的 AI 大模型训练提供坚实的基础。 2.1 数据来源及采集 在知识库数据处理方案中，数据来源及采集是确保数据质量和 模型训练效果的关键环节。首先，数据来源应多样化，涵盖公开数 据集、行业报告、学术文献、企业数据库以及网络爬虫获取的公开 信息。公开数据集可从 Kaggle、UCI Machine Learning Repository 等平台获取，确保数据的权威性和广泛性。行业报告和

随着人工智能技术的迅猛发展，其在各行各业的应用日益广 泛，尤其在数据驱动的决策支持、自动化流程优化以及智能分析等 领域表现尤为突出。然而，人工智能系统的性能和效果高度依赖于 其训练数据的质量和模型训练的精准度。在当前的技术实践中，数 据训练的效果评估往往缺乏系统性和标准化的考评机制，这导致了 模型训练过程中的效率低下和成果的不确定性。 为了应对这一挑战，本项目旨在构建一个全面的人工智能数据 训练考评系统，该系统将集成数据预处理、模型训练、效果评估等 现数据的访问控制、加密存储和传输等功能，确保数据的机密性和 完整性。针对不同用户角色，系统应设置细粒度的权限管理，限制 对敏感数据的访问和操作。 最后，系统应具备数据监控与日志管理功能，能够实时监控数 据的采集、存储和处理过程，并记录详细的操作日志。日志管理模 块应支持查询、导出和分析，便于系统管理员快速定位和解决问 题。 综上所述，数据管理需求涵盖了数据的采集、存储、预处理、 安全管理 系统的安全 性。 数据管理模块是系统的核心之一，负责数据的采集、存储、清 洗和标注。该模块支持多种数据格式的导入和导出，并提供自动化 的数据清洗和标注工具，确保训练数据的质量和一致性。同时，数 据管理模块还提供数据版本控制功能，便于追踪数据变更历史。 训练管理模块提供模型训练的全流程支持，包括训练任务创 建、资源配置、训练过程监控和模型评估。该模块支持分布式训 练，能够充分利用计算资源，提高训练效率。训练管理模块还提供

析变得越来越自动化和智能化。通过传感器和卫星监测，能够实时 获取大量环境数据，并通过数据挖掘和机器学习算法进行深度分 析。 当前，智慧诊断已具备了以下几个关键特征： 1. 数据集成：能够整合来自多源数据（如遥感、传感器、气象数 据等）的信息，形成全面的环境监测体系。 2. 实时分析：利用先进的算法对实时数据进行快速分析，及时发 现问题。 3. 预判能力：通过历史数据和趋势分析，提前识别潜在的环境风 险。 4. 模型在生态环保领域应用受 限。此外，多模态 AI 对数据的获取和处理能力要求较高，而许多 生态监测点的设备和传感器仍旧使用老旧技术，难以支持高效的数 据传输与融合。 为应对以上挑战，可以考虑以下几个策略： 1. 建立全国性的生态环保数据共享平台，整合各地、各部门的数 据资源，形成统一的生态监测与评估标准。 2. 推广智能传感器和物联网技术，实现生态监测的自动化和实时 化，及时获取环境数据并上传至云端进行处理。 态环 保领域的快速发展，促进人与自然的和谐共生。 2.1 环境污染现状 当前，环境污染问题日益严重，成为制约可持续发展的重要瓶 颈。根据世界卫生组织的统计，全球每年因空气污染导致的死亡人 数高达 700 万。大气污染来源主要包括工业排放、汽车尾气、建筑 扬尘等，而水污染则主要源于农业面源污染和工业废水排放。此 外，固体废物的无序处置和塑料污染也在不断加剧环境负担。目 前，许多城市面