) • 指标： MTBF( 平均无故障时间 )>10 万 h ， 业务 7 ×24 小时运行 ，算力利用率≥ 70% 东数西渲 业务 电源与 散热 智算 一期 网络 带宽 核心业务场景需求 协议 传输 成本 可控 A I 训练 A I 推理 功耗 配置 实施 规划 渲染 集群 高可 靠性 强扩 展性 设计需求 技术需求 美国：以保持国家竞争力为目的，最先发展智能超算中心， 与旗下所有产品（ Bing 、 Office 、 Azure ）进行整合 ，加速了 ChatGPT 商业 智算增长趋势 智算中心布局 政策驱动 智算中心是以 GPU 、 AI 加速卡 [1] 等智能算力为核心、 集约化建设的新型算力基础设施，提供软硬件全栈环境， 主要承载模型训练以及适合中心推理、多媒体渲染等业务，支撑各行业数智化转型升级 具有较强的普适性，可服务于 toB/toC 适合有智能化转型需求行业，如自动驾 高速网络交换子系统 通用 CPU 算力子系统 GPU 智算子系统 HPC 超算子系统 全闪存存储子系统 高性能文件存储子系统 典型超算智算中心核心系统单元包含通用计算子系统、智能计算（ AI ）子系统和高性能计算（ HPC ）子系统。 l 超算计算节点和智能计算节点分别通过 IB/RoCE 网络等高速网络交换子系统进行高速互连； l 集成

行业发展分 析 4 主流智算平台介 绍 2 方案架构设 计 3 典型案例 CONTENTS 加入星球获取更多更全的数智化解决方案 智算中心是以 GPU 、 AI 加速卡 [1] 等智能算力为核心、 集约化建设的新型算力基础设施，提供软硬件全栈环境， 主要承载模型训练以及适合中心推理、多媒体渲染等业务，支撑各行业数智化转型升级 具有较强的普适性，可服务于 toB/toC 适合有智能化转型需求行业，如自动驾 电力负荷预测 输电线路智能巡检 电力行业核心场景与价值 第 6 页 数据孤岛问题 模型泛化差问题 新能源并网优化 • 问题描述：电网 PMS 、 解决方案：电力领域预训练 模 型（如华能“ 电盘古 ”）提 升 场景适配性 ，优化模型性 能。 • 国产化适配：基于国产深度 学 习框架和预训练模型 ，适 配电 力行业应用场景。 电力行业核心场景与价值 第 7 页 超算中心融合管理子系统 （包含统一门户） 高速网络交换子系统 通用 CPU 算力子系统 GPU 智算子系统 HPC 超算子系统 全闪存存储子系统

全省各级财政的数据资源目录进行统一管理。其他财政级次数据资源目录建设 思路参照省级执行。 每级目录管理中心除了建设本级财政数据资源目录外，还要充分考虑向上的兼 容性，特别是一些关键内容如目录和交换的核心元数据库的兼容。本级数据资 源目录建设完成后，作为上级财政资源目录体系的一个节点，要进行元数据的 注册等工作，使本级资源目录能作为上级财政数据资源目录树的一个分支。 财政数据资源目录体系是一个 体系是密切不可分的。目 录其定义是为使用“名字一地址映射”允许在客体与其位置之间建立动态联系。 财政数据资源目录的概念更类似于图书馆中使用的分类目录概念。以核心元数 据为主要描述方式，按照信息资源分类体系或其他方式对财政信息资源核心元 数据有序排列。通过目录能够准确地了解和掌握信息资源的基本概况，发现和 定位所需要的财政信息资源。 而数据资源目录交换体系则是提供了一个通道把相关联的上下级财政信息资源 3 功能设计 财政数据资源目录体系定义为以元数据为核心，以财政数据分类表和主题词表 为控制词表，对财政数据资源进行网状组织，满足从分类、主题、应用等多个 角度对财政信息资源进行管理、识别、定位、发现、评估与选择的工具。 第 5 页 通过定义数据资源目录体系，建立数据资源管理机制。数据资源目录体系应具 有以下功能：  建立描述资源的核心元数据，标识并描述所有的数据资源，包括数据资源 的名称、描述等信息；

数据中心信息系统安全建设项目 技术方案 安全域方法的根本目标是能够更好的保障网络上承载的业务。在保证安全的同时，还要保障业务的正常运行和运行效率。 信息安全服务所强调的核心思想是应该从客户（业务）而不是 IT 服务提供方（技术）的角度理解 IT 服务需求。也就是说，在提供 IT 服务的时候，我们首先应该考虑业务需求，根据业务需求来确定 IT 需求包括安全需求。 在安全域划分时会面临有些业务 的风险（会出现有些资产保护级别不够），从而给出合适的安全域划分。 安全域方法的根本目标是能够更好的保障网络上承载的业务。在保证安全的同时，还要保障业务的正常运行和运行效率。 信息安全服务所强调的核心思想是应该从客户（业务）而不是 IT 服务提供方（技术）的角度理解 IT 服务需求。也就是说，在提供 IT 服务的时候，我们首先应该考虑业务需求，根据业务需求来确定 IT 需求包括安全需求。 目录 安全域 4.1.1. 安全域划分原则 （1）业务保障原则 安全域方法的根本目标是能够更好的保障网络上承载的业务。在保证安全 的同时，还要保障业务的正常运行和运行效率。 信息安全服务所强调的核心思想是应该从客户（业务）而不是 IT 服务提供 方（技术）的角度理解 IT 服务需求。也就是说，在提供 IT 服务的时候，我们首 先应该考虑业务需求，根据业务需求来确定 IT 需求包括安全需求。

数据生产方式不断向广度和深度拓展是数据要素化发展新阶段的重要标志 人类社会正进入数据要素化发展新阶段 10 > 11 国家数据基础设施技术路线发展研究报告 化的数据标注与合成技术正成为海量非结构化数据成为高质量数据集的关键核心技术。第二个方向是向深度拓展，即从公域 数据领域向私域数据领域拓展。随着人工智能大模型的快速发展，全球可供大模型训练的公域数据即将耗尽，而原先由于涉 隐涉密（国家机密、企业秘密、个人隐私）而被尘 权。BigQuery数据流通平台的技术特点有以下 三方面： （1） BigQuery云数据仓库 BigQuery作为Google Cloud的企业数据仓库，是Google Cloud数据处理的核心枢纽，具备诸多显著优势。它是完全 托管和无服务器的，这一特性赋予了它最大程度的灵活性与可扩展性，使其能够支持从千兆字节到艾字节规模的存储和SQL查 询。消费者可以将数据便捷地上传至BigQuer 项目的核心成员。AWS将52项服务纳入Gaia-X服务目录，在满足安全性、隐私保 护和互操作性需求的基础上，帮助欧洲客户和合作伙伴在欧洲加速云驱动的创新。AWS作为汽车行业数据空间Catena-X的 核心成员，提供了从供应链到保修和可持续发展等方面解决方案，为商业和公共部门的客户和合作伙伴提供服务。 （2）参与连接器组件开发 数据空间基于灵活和分布式的体系结构提供数据流通服务，其核心组件有

联网、智能 手机及其他各种 IT 系统的应用，但 AI 应用带来的挑战甚至负面影响可能比普通 IT 技术更大、更 隐秘。这一点是需要我们共同关注和努力的。 综上所述，我们发现，人工智能的发展是核心领域的高度融合和统一，以实现从基于“大数据、 小任务”范式的“专用人工智能”向“小数据、大任务”范式的“通用人工智能”的迈进。未来 随着 AI 技术的进一步发展，所有的系统平台从一开始设计就会引入 人训练师、标注师、数据治理岗等。 根据红杉中国《2023 企业数字化年度指南》的调研，以下行业的如下业务场景，将有机会应 用 AIGC 技术降本增效、提升市场反应速度、满足产品差异化和服务创新的需求，增强企业核心 竞争力。 您认为企业中哪些业务场景最适合应用 AIGC 技术？ 从应用深度来看，数字原生（科技，互联网行业）企业在 AIGC 应用方面走在前列。92.5% 以上的受访科技企业已经开始探索 AIGC 80% 70% 60% 50% 40% 30% 20% 10% 0% 医疗健康 行业 初步探索阶段 在某些领域的实践产生明显价值 广泛应用于多个业务场景，为企业带来突出价值 成为企业核心竞争力之一 尚未涉及AIGC领域 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% 36% 14% 50% 生命科学 行业 100%

型，数 字化资产比重要从当前的30%提高到60%以上。央企集团总部 要率先打造数字化平台，加快形成集研发设计、生产制造、经 营管理和服务保障为一体的“端到端”企业数字化供应链体 系，构建以数据驱动为核心的敏捷响应和高效协同能力。 1.2 央国企数字化发展趋势 （1） 国家政策 据不完全统计，国家出台的与数字化转型相关的政策已 达45项之多，其中涉及国家战略发展、行业政策调整、企业经 营 用信息技术、网络技术，实现企业生产、经营、管理全过程的 优化和变革。石油企业正在加快实施数字化转型战略，推进产 业数字化和数字产业化，建设数字油田、智能油田，加强数据 安全管理和信息共享，打造企业核心竞争力。 石油数字化的核心是利用数字技术的优势，将其与石油生产 经营管理相融合。通过数字化和信息化系统，建立数字化的石 油生产经营管理模式，能够有效促进 石油生产经营管理效率和 水平的提升。通过数字化手段对石油业务流程、数据、 缺乏数字化经验 对数字化转型的战略、理念、愿景缺乏深刻理解；对企业数 字化转型的痛点、难点和关键问题缺乏系统研究，缺少整体解 决方案。没有从业务的角度去考虑企业的数字化转型，没有以 业务为核心去实现企业的数字化，或者说不知道如何去实现数字 化。 （4） 部门协调困难，内部信息不畅 从业务角度来看，央企内部各业务部门之间、与外部系统 之间，经常会存在数据壁垒及数据共享不畅等问题。同时，信

施 、 科 教 基 础 设 施 、 产 业 技 术 创 新 基 础 设 施 等 。 一是信息基础设施 三是创新基础设施 二是融合基础设施 有效激活数据要素潜能和红利价值已成为数字经济深化发展的核心引擎 我国数字经济发展转向深化应用、 规范发展、 红利释放的新阶段 发展新动能 数 字 经 济 发 展 处 于 " 四 期 叠 加 " 矛盾凸显期 数 字 经 济 新 形 态 应用，助力行业智慧应用高效化开发， 加速行业和产业 AI 化 • 基于深度学习、强化学习等创新 AI 技术 • 重点围绕生产算力、聚合算力、调度算力、释放算力四大关键环节提升 AI 算 力 A 核心技术 AI 化 c 服务应用 AI 化 B 输出产品 AI 化 智能生态 建设平台 数据开放 共享平台 以产业创新 升级为目标 智能计算中心主要内涵及功能定位 算 力 数 据 和算法的 ，不断强化行为模式 ，提高思考能力 ，从而更加 灵活地完成各项工作任务。智算中心能够为 NLP （自然 语言处理）、 NLU （自然语言理解）、 ASR （自动语 音识别技术） 、 TTS （语音合成技术）等核心技术提供 算 力支持 智慧 农林 农业数据整体呈现规模庞大、类型多样、实时数 据更新频繁等特征 ，涉及农林渔牧副各产业的多种数据。 针对农林渔牧副产业的不同特点 ，个性化定制智能解决 方案

问题，减轻人工压力，提升各行各业的工作效率。同时，AI人工 智能的发展方向也是一个未知数，值得深入研究。目前，AI人工 智能的应用形式主要有如下几个方面：一是机器学习。机器学习 是人工智能的核心，它通过模拟人类的学习方式、方法，来持续 2023.12 | 061 提升自己的能力水平。机器学习能够通过模仿人的感觉，做出合 理的判断。机器学习的发展离不开海量的数据支持，也离不开计 算机 值，并利用函数的表达方式来寻找问题，并与梯度下降法进行配 合使用。但是，在实践中，各系统的函数表达方式有很大差别； 二是人工神经网络技术：该技术是目前最先进的人工智能技术之 一，在运用人工神经网络技术的过程中，其核心思想就是利用神 经元来进行各种管理工作的开发和调节，从而解决了建筑设计中 存在的复杂的非线性映射问题，提高整个建筑的设计水平；三是 形状语法：该技术就是利用一种特殊的几何方法，对各种2D、3D 在人工智能时代，数据信息占有举足轻重的地位，海量的数据支 撑着建筑设计工作的顺利开展 [8]。通过数据中心对建筑设计相关 数据进行存储、分析，并根据建筑工程的具体特征，提升其设计 方案的针对性，充分利用数据信息的核心功能，优化 AI人工智能 在建筑设计中的应用效果。最后，建筑企业应制定适用于建筑设 计的 AI人工智能管理体系，确定其适用方向及使用关键点，确保 其工作的顺利进行。 （二）加大 AI人工智能应用型人才培养力度

内复工生产，几乎是不可能的。仅仅一天内也不可能让几 百名工人回到工作岗位，更何况是在严格管控的疫情期 间。 看得见的是各种智慧服务，看不见的是新型的基础设 施。支撑智慧化转型的正是以云计算、大数据、人工智能 为核心的智慧计算。 智慧时代需要新型基础设施 疫情期间，腾讯和阿里每天都在扩充云计算资源，用 于支撑视频会议、在线办公等业务。百度地图则利用其每 天响应位置服务请求千亿次所产生的大数据，通过数据定 智算中心成为新基建的基本条件与智慧时代动力源 CIIT FORUM 工信论坛 46 中国工业和信息化 ｜CHINA INDUSTRY & INFORMATION TECHNOLOGY 供电力服务，其核心是生产电力的地方，就是发电厂，像 三峡电站、大亚湾核电站；智慧时代的新型基础设施，要 能够对外提供各种算力服务、数据服务和AI服务等，其核 心就是计算力的生产中心。 计算从最初的数值计算逐渐演变为科学计算、关键计 还支持本地化和 云端部署，已被智慧城市、高铁等客户成功应用。 浪潮将引领开放计算体系，打造智算中心基石，构 建从模式开放到技术开放、从产品开放到服务开放的计 算体系。模式开放就是以客户场景为核心，与合作伙伴 一起联合规划、协同设计、敏捷研发、快速交付；技术 开放，无论是以液冷、循环利用为代表的冷却技术，还 是以RISC-V、FPGA、CXL、智能网卡等为代表的基础技 术，浪潮将一直坚持技术领先；产品开放以开放架构和开