联想算力 基础设施 第 三 AI 大 模 型 算 力 解 决 方 案 手 册 关卞目、 目录 卷首语 1 第一章 AI 战略制胜法则：智算基础设施重构商业价值 场景化应用实践，从技术到价值的跨越 13 第三章 联想 AI 基础设施九大技术优势，全面拥抱大模型 2.0 时代 18 3.1 多层协同架构，筑牢 AI 运行基石 未来征程：联想 AI 生态的全景蓝图与使命承诺 56 CONTENTS 1 联想算力基础设施非凡箓 — Al 大模型算力解决方案手 卷首语 以 Γ 智」筑基，以 Γ 算」赋实 ―― 迎接 AI 价值普惠的新纪元 算力为舟济沧海，智能作翼破长空。当 AI 大模型以 70%

以计算加速迈进智能化未来 ⸺IDC新一代云基础设施实践报告 趋势：云服务能力持续跃升，加速企业数智化转型与创新 01 目录 1.1 技术全面升级，为复杂的企业在线业务提供保障 1.2 软硬一体协同优化，应对AI时代激增的数据冲击 1.3 持续的融合创新，助力企业的国际化布局 挑战：企业多元业务需求与海量AI数据的冲击 02 2.1 在线业务面临性能与效率的极限挑战 �.� AI数据处理与计算协同的复杂度激增 全球一致的云服务能力体系，全面助力企业国际化战略 优秀实践分析 04 4.1 小鹏汽车 4.2 微帧科技 4.3 嘎嘎射击 4.4 蚂蚁集团ZOLOZ 前言 IDC分析师认为：全球AI基础设施革新的浪潮中， 算力需求的爆发正在驱动云计算与边缘计算深 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 将是客户的关键优先事项，为垂直特定数据类型提供量身定制的云服务将创造有利的竞争优势。 云提供商须为跨行业数据采集、存储和计算需求的大幅增长做好准备。 在AI高速发展和在线业务快速膨胀的时代，企业用户对云基础设施的性能、成本、稳定性、安全 性等方面提出了全新的要求。为适应企业创新、降本增效以及业务出海等需要，云服务商不断通 过协同创新升级全栈服务品质，同时也利用自身融合发展的经验优势，助力企业积极开展国际化

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、 链、 ..... 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............................. 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 体化算力网的实施意见》，旨在不断完善综合算力基础设施，增强 算力赋能成效。2024 年印发《推动工业领域设备更新实施方案》， 提出推动“云边端”算力协同发展，加大高性能智算供给，在算力枢

工业、能源等行业场景应用中发挥着关键支撑作用。 立足新发展阶段，本报告系统分析 AI 计算节点发展概况、核心 技术、应用场景、产业生态及未来趋势，为政策制定、技术研发与 产业应用提供参考，助力构建先进易用、绿色高效的算力基础设施， 推动 AI 与实体经济深度融合，夯实数字经济发展基础。 时间仓促，报告仍有诸多不足，恳请各界批评指正。后续我们 将不断更新完善，如有意见建议请联系中国信通院研究团队： dceco@caict 宽、低时延数据传输体系，采用芯片级直连等技术，有效保障计算节 点数据的高效流通，破解数据传输瓶颈。三是高效灵活能力，推动异 构计算资源池化与软件定义调度，实现根据任务需求动态分配算力资 源，提升基础设施利用效率与灵活性。四是高稳可靠能力，通过流量 管理、故障冗余等机制，确保长周期、高负载 AI 任务连续稳定执行， 强化系统运行的稳定性与容错能力。 来源：中国信通院 图 2 AI 计算节点特征 智算中心成为国家战略支点 多国政府将 AI 基础设施建设上升至国家战略，持续加大投资及 政策支持。美国“网络与信息技术研发计划”(NITRD)人工智能研发 投资预算增长至 31 亿美元，占整体年预算的近三分之一，相比于上 一年提高 19.2%。2025 年 1 月，美国政府公布“星际之门”的国家级 人工智能基础设施计划，预计将投入 5000 亿美元用于美国国内人工 智能基础设施建设。2025 年 11 月，美国特朗普政府启动的一项国家

......................................................................................... 7 3.1 基础设施类服务 .............................................................................................. 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，深度学习、大模型的兴起，催生了对智能算力的巨大需求；AI 训练和 推 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。 1.2 智算中心高效应用面临挑战 当前智算中心的建设如火如荼。但很多智算中心陷入“重建设、轻服务”、“有算力、 无运营”的困境，导致资

效性，失效则应退回前期规划阶段，重新开展安全设计进行版 本更新。 6.7 退役下线阶段 退役下线安全指引包括： 10 a) 围绕退役下线的必要性、可行性以及影响范围进行安全评估， 形成安全退役下线工作方案，妥善处置基础设施、数据、系统， 并向访问使用方、相关合作方、有关主管部门等同步该方案。 b) 保障产品或服务安全平稳停止，在停止产品或服务前保证原有 的访问使用方完成迁移工作，避免因退役下线骤停带来人身、 对于确需留存的数据，按照合法、正当、必要原则保留最小范 围实施归档，明确归档留存期限，并确保归档存储的安全隔离 和权限控制。 6.8 其他 系统安全、个人信息安全、数据安全、密码应用安全、关键信息 基础设施安全等方面，按照有关政策法规、国家标准要求各自做好安 全工作，相关信息可参考本文件附录 F。 11 附 录 A （规范性） 引用文件清单 GB/T 25069 信息安全技术 术语 GB/T 要求》、GB/T 43207 《信息安全技术 信息系统密码应用设计指南》等。 e) 涉及关键信息基础设施的，应按照关键基础设施有关要求开展 关基安全风险评估等。 注：参考标准包括但不限于 GB/T 39204 《信息安全技术 关键信息基础 20 设施安全保护要求》、GB/T AAAAA《网络安全技术 关键信息基础设施 安全保护能力指标体系》等。 21 参 考 文 献 [1] 中华人民共和国网络安全法

强化气象雷达数据的决策权重。 01 02 03 结构脆弱性评估 人为因素分析 动态权重调整 环境应力建模 依赖关系图谱 关键基础设施风险要素识别 采用深度学习算法分析桥梁、电网等基础设施的传 感器数据，量化其材料疲劳度、承重能力等指标， 生成结构健康度评分。 构建基础设施间的依赖关系知识图谱，识别如电网 故障可能导致供水中断等连锁反应，实现系统性风 险传导路径推演。 集成气候、地质等环境参数，模拟台风、洪水等极 种耦合影响图谱。 动态概率推演引擎 采用蒙特卡洛模拟和贝叶斯网络技术，实时计算衍 生灾害发生的概率及连锁反应路径，辅助制定阻断 策略。 关键节点脆弱性评估 识别交通枢纽、能源设施等关键基础设施在灾害链 中的脆弱性，提出针对性加固方案以降低系统性风 险。 资源冲突预判模块 模拟衍生灾害导致的医疗、救援资源争夺场景，优 化资源调度优先级算法，避免应急响应中的资源挤 兑现象。 三维可视化推演界面 一楼 利用数字孪生 实现虚实结合 态势一目了然 双向互动控制 重点楼堂场馆 桥梁机场车站 结合视频数据 量化感知决策 实施保障体系 06 加入星球获取更多更全的数智化解决方案 国产化算力基础设施部署 高性能计算集群搭建 基于国产芯片（如昇腾、海光）构建分布式计算集 群，支持千亿级参数模型的并行训练与推理，确保 算力资源自主可控且满足高并发需求。 异构计算资源调度 通过智能调度算法优化

2. 3 知识库检索 大模型知识库是将大型语言模型与知识管理相结 合的系统,旨在通过高效的知识获取、处理和检索,提 升模型在特定领域的性能和准确性,目前已经成为了 企业智能化升级的核心基础设施。 大模型知识库的技 术背景根植于大数据处理、自然语言处理及深度学习 技术的飞速发展。 其构建流程涵盖从文档、网页、数据 库等数据源采集数据,利用自然语言处理技术将数据 转化为结构化知识,并依托向量数据库实现高精度的 IDC)到云数据中心( Data Center,DC) 再到智算中心 (Artificial Intelligence Data Center,AIDC),其对供配电 和制冷等基础设施的要求各不相同。 目前,大型设施 的平均机柜功率密度约为 36 kW/ 机架,IDC 估计其复 合年增长率将达到 7. 8%,到 2027 年该数值将接近 50 kW/ 机架,许多 随着大模型训练对算力需求的快速增长,构建高 效、可扩展的算力基础设施成为推动 AI 发展的关键。 基于对大模型算力挑战和关键技术的研究,本文构建 了面向大模型等应用的算力体系,该体系的重点是“三 要素两协同”,即算、存、运三要素,算存运协同和软硬 件协同两协同(见图 1)。 5. 2 大模型算力关键要素 算力、存力和运力是大模型算力的三大关键要素, 共同构成了大模型算力基础设施的核心支撑,确保了 AI 应用的高效运行和持续发展。

随着架构的不断演进及算力的成倍增长，于 AI 大模型训练中得到广泛运用的同时，为了满足 CSP 客户更高性能 和更好功能的需求，定制化芯片 ASIC 的需求持续提升，牧本钟摆从标准化逐渐摆向定制化。与之相应的算力基础设施持续建设和升级，促使国内外云服务商资本开 支持续高速增长，带来 AI 服务器市场规模大幅提升，预计到 26 年全球 AI 服务器出货量将达到 237 万台，对应 2023-2026 年 CAGR 市场规模占到整体 AI 市场规模的比例将由 16% 上升到 29% 。对于企业来讲，对于生成式 AI 的支出亦将经历不同阶段的 重点，例如 2024- 2025 年，支出主要集中在生成式 AI 基础设施建设； 2025-2026 年，支出重点用于推进生成式 AI 平台与解决方案建设； 2027 年及以后，支出重 点着力于生成式 AI 服务。 图： 2023-2028 年中国生成式 AI 与 整 ，国信证券经济研究所整 理 日均 Tokens 处理规模 （亿） l AI 应用智能化推动算力基础设施升级。伴随着 AI 应用的智能化，一方面将通过优化智能汽车、智能机器人、智能家居、空间计算终端 （ MR\VR\AR ）等各类智能物联产品的人机交互体验，加速其市场推广速度；另一方面也将倒逼相应的算力基础设施、终端硬件架构为此 做出适应性的升级。 l 算力需求催化投资，算力厂商将率先受益。根据斯坦福大学《人工智能指数报告》估算，

...........................................................186 1. 项目背景与目标 近年来，随着我国铁路运输业的快速发展，沿线的基础设施和 周边环境的管理与维护显得尤为重要。优秀的铁路沿线管理不仅能 够提高运输效率，保障安全，还能够促进沿线经济的发展。因此， 本项目旨在通过构建一个实景三维 AI 大模型，提升铁路沿线的管 理能力与服务水平。 情况，从而提高回应各类突发事件的能力。 最后，随着国家对智能交通系统及数字基础设施建设的重视， 人工智能和大数据的发展为铁路沿线数字化管理提供了技术支撑。 构建实景三维 AI 大模型，不仅能够为铁路运营提供科学决策依 据，还能为沿线经济、民生发展提供数据支持。 基于上述背景，本项目计划实现以下目标： 1. 构建全景三维模型，涵盖铁路沿线的所有基础设施和环境要 素，实现对各类资源的可视化管理。 2. 通过 设计，确保信息的及时传递和处理。 同时，前端将使用 React 或 Vue.js 等框架，增强用户界面的交互性 和响应速度。 以下展示了应用层的简要架构图： 在实际的实施过程中，应用层的设计需要紧密结合后端数据层 和基础设施层，以确保数据的一致性和平台的稳定性。在应用层不 断迭代和优化的过程中，用户需求的变化也是我们需要重点关注 的，确保系统能够灵活适应新的应用场景。 2.3.3 展示层 展示层是系统架构中用户直接交互和获取信息的重要组成部