合算力协同发展 潜力尚待充分挖掘，亟需通过深化一体化算力网建设，强化统筹协 同与动态优化能力；全面提升算力供给质效，加速推动结构的迭代 升级；夯实存力运力底座，促进“算存网”协同演进；构建绿色低碳 体系，加速基础设施绿色升级；深度开展融合创新实践，助力产业 生态繁荣发展。 《2025 综合算力指数》全面呈现了我国综合算力发展现状，挖 掘各地区综合算力发展问题，并给出发展建议，为我国算力产业“点、 ............. 37 （三）夯实存力运力底座，促进“算存网”协同演进.......................................38 综合算力指数 （四）构建绿色低碳体系，加速基础设施绿色升级...................................... 38 （五）深化融合创新实践，助力产业生态繁荣发展..................... 相对不足，存在兼容性、安全性和效能发挥等问题。此外，软硬件 的协同适配性也有待提升。三是节能降碳水平亟待进一步提高。算 力中心的高速发展，带动我国能耗和碳排放水平进一步攀升。在“双 碳”战略背景驱动下，亟待加强算力中心“绿色化低碳化”转型，提升 节能降碳水平。四是产业生态亟待进一步完善。我国算力产业生态 建设虽有进展，但仍存在基础设施建设不均衡、算力应用深度广度 不足、产业链各环节

即服务成为新趋势；应用层面，AI 渗透至智能驾驶、智慧城市、生物医药等领域，推动智 算产业化落地。 未来趋势方面，绿色化，智能化和算网融合是算力未来发展趋势。降低 PUE，采用液 冷、可再生能源技术是绿色低碳发展主要的方向；算力调度与网络协同极大提升资源利用 率；大模型持续进化，推动智算向更高阶发展。 智算产业正重塑全球科技竞争格局，成为数字经济时代的核心基础设施，未来将深度 赋能千行百业，引领新一轮产业革命。 L1&L2 联动节能在广东移动深圳宝观液冷数据中心的创新实践 面对机楼改造难度大、复杂性高、工期紧、勘测周期长、现网割接风险高、PUE 压降难 度大等难题，广东移动紧扣绿色双碳和算力发展战略，聚焦“节能改造，国 A 改造，智算改 造”三大场景，探索老旧机楼复杂改造升级转型之路。其中较为典型的是深圳宝观智算中心 改造项目（PUE 1.69、中国移动唯一的“一省双池”千卡训推一体智算中心，要求 算中心，要求 4 个月智 算业务投产）。 当前的液冷智算机房存在全生命周期能耗高、能耗利用不均衡的痛点。华为通过深入剖 析影响 PUE(智算中心总能耗与 IT 能耗比值)的因素，得出低 PUE 不等于低总能耗、IT 能耗 占总能耗约 85%、XPU 能耗占 IT 能耗约 80%等三个核心切入点；依据芯片是温度敏感性元器 件的特性，找到 L1&L2 系统的功耗平衡点；利用华为产品全家桶的优势，提出基于

结合人工智能算法，自动提 取设备 特 征 ，识别潜在异常，构建以专家 经验为核心的诊断体系，为故障根 源定位和问题处理提 供有力建议 智慧 能耗与碳排管控 依托大模型和数字孪生，实时监控、 动态仿真与智能调控，形成能耗预 测、碳排溯源与节能优化的闭环 辅 助 决 策 与 趋 势 预 测 大模型驱动的数据预测能够提 前预 警 潜在风险，为决策层提 供精准、科学 像隔着一堵高墙；如今，人工智能正成为所有科学家都能听懂的通用语言 " 。 自动化 工程热物理 新能源 化工 软件 工程 人工 智能 范式困境主要原因三：周期长、链条多、人员配合难度大效率低 18/80 口需要多个 团队 深度长期协作，难度大成本高 口从经济性角度而言，大部分项目支撑不起如此开销 迭代 需求分析 运维算法设计 Al 模型开发 测试 强大的计算能力，推动算法复杂性提升 · 算 法 ：更加精准、高效的智能算法，支持决策优化 · 数据： 数据规模和质量驱动模型训练与性能优化 传统模式的局限性： · 靠经验驱动，无法快速适应复杂变化 · 难以扩展，效率低，智能化程度受限 1. 人工智能民主化： Al 技术触手可及 · 简化使用：通过用户友好的界面和预训练模型，大语言模型使得 Al 技术更加易于获取和使用，即 使是没有深厚编程背景的能源专业人士也能轻松应用。

中间件 ( 实时域 ) B/S 平台 ( 信息域 ) 数据特点 DI/DO AI/AO 枚举字符串环境参数、设备状态、故障 报警 全域、用户行为分析、外部系统接入数据 数据库 实时型、低时频数据刷新 关系型、离散型、全文搜索引擎数据库、大数据文件系统、 ( HDFS 、 Kudu 、 HBase) 布署与运行 本地、可脱上位机运行 本地、异地、云布署、不能脱机运行 集成对象 中间件 ( 实时域 ) B/S 平台 ( 信息域 ) 数据特点 DI/DO AI/AO 枚举字符串环境参数、设备状态、故障 报警 全域、用户行为分析、外部系统接入数据 数据库 实时型、低时频数据刷新 关系型、离散型、全文搜索引擎数据库、大数据文件系统、 ( HDFS 、 Kudu 、 HBase) 布署与运行 本地、可脱上位机运行 本地、异地、云布署、不能脱机运行 集成对象 消防设施 智能电表 智能水表 环境传感器 机房监控 报警管理 设备状态 门禁管理 设备管理 报表查询 设备监测 会议预约 坐席管理 私有 协议 监控存储 碳排放 报表查询 BMS 感知层 智能照明 消防网关 能耗网关 信息发布屏 会议终端 / 中控 Modbus 协 议 多联机机组 / 从脸门 禁 IOT

排放的实时监控，对于排污企业进行严格审核，并加强对环境 法律法规的执行力。 2. 推动绿色技术与产业革新：加大对可再生能源、清洁生产技术 的研发和应用，比如采用电动交通工具及高效能燃煤技术，降 低化石燃料的依赖。 3. 实施生态恢复工程：在污染严重的区域开展植被恢复、湿地建 设及生物治理等生态修复项目，提升生态系统的自我修复能 力。 4. 促进公众参与与环境教育：提升公众环保意识，鼓励社会各界 以满足现 代生态环境监测的需求，导致许多潜在的问题难以被及时发现和解 决。 总的来说，传统诊断方法的不足主要体现在以下几个方面：  依赖人工与经验，导致主观性强。  数据采集和分析效率低，无法实时反映情况。  缺乏对多要素综合分析的能力。  技术装备落后，难以满足现代监测要求。 在这些挑战面前，亟需引入更先进的技术与智慧化解决方案， 以提高生态环保领域的诊断能力与效率。通过整合多模态人工智能 在选择传感器 时需要综合考虑具体的环境监测需求及其工作条件。 首先，针对所需监测的生态环境要素，主要可以分为以下几类 传感器： 1. 气体传感器：用于监测空气中有害气体的浓度，例如二氧化 碳、氮氧化物、硫氧化物等。这类传感器应具备快速响应和高 灵敏性。 2. 水质传感器：用于测量水体中的溶解氧、浑浊度、pH 值、重 金属离子等指标，能够提供水体健康状况的重要数据。 3. 土壤传感器：检测土壤的温度、湿度、pH

业信息智能分析提出重大需求，呈现广泛、持续增长的发展态势。 产业发展决策：广阔的社会需求 关键核心技术突破 创新链产业链融合 科技创新体系优化 产业创新生态营造 技术创新路径规划 数字化转型方案 智能制造升级 绿色低碳发展 技术竞争态势分析 市场机遇识别 产品创新方向 竞争优势构建 产业发展战略规划 新兴产业布局指导 产业能级提升路径 未来产业培育方向 产业链风险预警 供应链韧性提升 产业链补链强链 5A 模型 • 企业创新力评价模 型 慈溪智能家电科技大脑 特色 创新 特色 创新 1. 新一代大模型的推理能力正在不断增强 2. 基于高质量小数据集即可训练得到某个专业领域的高性能低成 本 推理模型 3. 通过智能体 (AI Agent) 可以基于大模型实现各种较为复杂的 智 能应用系统 4. “ 推理大模型 + 知识图谱（知识库） + 智能体”是否会成为未

由此产生的财务效益十分可观。本次调研的 受访企业预计，息税及摊销前利润（EBITA）有望 增长5%，已动用资本回报率则有望提高7%。在运 营层面，企业有望将订单交付周期大幅缩短27%， 生产力提升25%，碳排放量降低16%，同时，从运 营中断事件中恢复所需的时间也能缩短约60%。 在打造自主智能供应链的进程中，领军企业 通过三项关键举措脱颖而出。首先，通过安全的数 字核心构建坚实的数据基础，并以此为依托实现 企业应对中断的反应时间与恢复时间 敏捷性 4天 11天 从中断或变更中 恢复的时间： - 60% 应对中断的 反应时间： - 62% 1至5个月（视具体问题而定） 此外，企业预计通过自主化运营能缩减约16% 的碳排放，这将直接帮助企业达成其可持续发展 目标。 再者，自主化运营能够增强企业韧性，以更好 地应对网络攻击、人才短缺、地缘政治动荡、极端 天气事件以及原材料稀缺等风险。我们发现，企业 预计应对中断的反应时间和恢复时间将分别缩短

道、信 号、桥梁、隧道等多种结构，周围环境也包括居民区、商业区等， 这些因素对铁路的安全运营和服务品质有直接影响。传统的人工巡 检与监控方法已无法满足快速发展的铁路需求，且人力成本高、效 率低，而新兴的人工智能与三维建模技术为我们提供了新的解决方 案。 其次，现有的铁路监测系统多为单点或局部监控，缺乏全局观 与综合效益的分析。通过引入实景三维大模型技术，可以实现对铁 路沿线的全面可 铁路运输的重要性还体现在其安全、环保的特性上。铁路作为 固定轨道交通，具有较高的行驶稳定性及安全性，事故发生的概率 较低。此外，铁路运输相较于公路交通能够有效降低碳排放，有助 于实现可持续发展目标。根据相关研究，铁路运输每运输一吨货物 所产生的碳排放量仅为公路运输的五分之一，这无疑为应对全球气 候变化提供了重要支持。 在日益复杂的全球物流和供应链体系中，铁路运输不仅可以满 足国内市场的需求，还可以作为国际贸易的重要运输通道，通过连 区的经济联系更加紧密。 总结而言，铁路运输的重要性体现在多个方面，包括：  便捷的空间连接促进区域经济发达与平衡  大宗货物的高效运输能力支撑工业发展  人员流动的高效性推动社会联系与城市化进程  低碳环保的运输模式支持可持续发展战略 在这种背景下，开发铁路沿线实景三维 AI 大模型的应用方案 显得尤为重要。该方案不仅将提高铁路运输的安全性与效率，还将 通过智能化服务为旅客提供更加便捷的出行体验，为货运企业提供

...................................................................................176 9.2.2 用户接受度低.................................................................................................... 55%。下表展示了典型新兴业务 领域的传统审计盲区： 业务类型 传统程序覆盖率 主要盲点 加密货币交易 38% 链上交易追溯缺失 跨境云服务收入 45% 服务器地理位置验证困难 ESG 衍生品 29% 碳足迹数据链校验空白 审计资源分配存在结构性低效。约 70%的审计时间消耗在基础 数据核对等低价值工作（Deloitte 2023 年审计效率报告），导致 关键风险领域的分析深度不足。某会计师事务所试点数据显示，将 DeepSeek 智能体的架构设计采用分层模块化结构，通过审计 领域知识增强与大模型能力融合实现任务闭环。系统核心由数据接 入层、智能处理层、应用服务层三层组成，通过 API 网关实现各模 块间的低耦合交互。数据接入层支持多模态输入处理，包括结构化 财务数据（如 SAP、Oracle ERP 系统导出的凭证数据）、非结构 化文档（扫描版合同/发票）以及语音记录（审计访谈录音），通 过自适应解析引擎将异构数据统一转化为

100TB，确保海量数据能够无缝接入。 3. 网络设备：部署支持高速度与高带宽的交换机，并确保网络设 备能承受高并发数据传输，采用万兆以上的网络环境，以确保 训练和推理时数据的快速传输。 4. 边缘计算设备：在需要低延迟处理的场景中，部署边缘计算设 备，利用 FPGA 或 ASIC 处理特定类型的数据，减少传输延 迟。 接下来，在软件环境方面，本方案将综合考虑操作系统、中间 件、开发工具与 AI 框架： A100 系列 GPU，至少配置 4 个 GPU，以提 供所需的计算能力。每个 GPU 应配置较大的显存，比如 16GB 或 更高，以支持复杂模型的训练过程。 网络连接方面，选择可提供高带宽和低延迟的网络接口，如 10G 光纤网络，以保证在多个服务器之间高效的数据传输，这对于 分布式计算尤为重要。 对于软件环境，建议采用 Linux 操作系统，特别是 Ubuntu 或 C 期就应考虑各子系 统之间的兼容性和接口设计，确保在实施阶段能够顺利对接。 管理风险则与项目计划的执行以及资源的配置密切相关。制定 详细的项目实施计划，并设定明确的里程碑和责任人，能够有效降 低项目延误的风险。定期召开项目进展会议，确保各环节协调一 致，信息传递畅通。 合规风险主要涉及法律法规的遵循情况。在项目实施过程中， 应定期进行合规性审查，确保 AI 大模型的应用不违反相关法律法