语音交互算法的训练语料数据量将很快突破百万小时 ，训练数据包含大量不同用户的口 音数据、多领域歧义语料数据和具备复杂语法规则的数据。随着大规模语料样本数据的不断积 累 ，需要更好利用智算中心具备的大数据挖掘技术、深度学习算法 ，构建更加高级的语音模型， 为客户提供流式计算、在线计算、大规模离线计算等多种形式的服务 识 别 检 测 高性能识别检测平台往往需要支持处理 10 万 + 的物体识别能力 ，具备分钟级别的模型 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 方案变得尤为重要。需要有配套的智算中心作为支撑， 实现农林感知数据的大规模存储 ，借助强大的算力支持 农林数据的高效计算、训练和推演 ，最终实现快速和智 能化的农林生产决策 中国加速计算市场调查报告》指出 ，预计到 2024 年 AI 加速计算市场规模将达到 2019 年的 2.6 倍 智能计算中心经济社会效益分析 降低 Al 应用成 本 提高算力效率 智 算中 心 智能计算中心经济社会效益分析 • 算法创新、数据和可以用于训练的算力被认为是推动人工智能发展的三个关键要素 • 未来随着智算中心大规模投入使用 ，以 AI 算力、数据为基础、以 AI 模型生成和多场景应用的

术路线，选择了北京、天津、上海等18个城市围绕以上六条技术路线开展城市数据基础设施建设试点试验， 并启动了11项数据基础设施国家标准研究制订。 目前，《指引》提出的六条技术路线成熟度还不高，还不能完全实现安全可信基础上的数据大规模流 通，全国各地方各行业特别是开展试点示范的18个试点城市，对各条技术路线的发展现状、技术特点、适用 范围、应用情况、发展趋势等方面有迫切需求。非试点地区和行业也对数据基础设施的试点建设进展高度关 安全。在数据要素化发展新阶段，数据成为新型生产要素， 不仅对数据提出大规模、高通量、快速率的流通要求，充分发挥数据的要素价值作用，同时对数据安全也提出了新的、更 严格的要求，即要确保数据在大规模、高通量、快速率的流通过程中的安全。数据安全发展到了动态全过程安全阶段，这 时不仅需要更加强大的连接和算力功能，对数据更大规模、更快速率、更高通量流通利用的需求更强烈，而使用控制、隐 私计算、区域链 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BigQuery中，这些数据会被安全加密存储，保障数据的持久性和高度可用性。BigQuery还 拥有高速内存中的BI引擎，每秒可处理450万行数

痛点二：设计人员成本占比高，人效提升难度大。建筑设计行业是人员密 集型产业，龙头企业的人力成本占比集中在 50%到 60%区间；人均创收、 创利较为稳定，收入增长主要依靠员工人数增长。建筑设计项目规模相对 较大、环节较多，容易出现信息偏差，协同管理方式低效以及信息化程度 低，制约设计院人效提升。 痛点三：行业集中度分散，龙头市占率提升缓慢。自 2018 年以来前五大 设计院的市占率基本保持稳定，自 设计院的市占率基本保持稳定，自 2018 年由 9.64%上升至 2022 年的 10.65%，4 年仅提升 1.01pct，龙头市占率较低且提升缓慢。地域特征明显， 人效提升难度大，设计企业管理半径有限，企业难以持续扩大规模。 ⚫ AI+设计现状：目前主要应用于方案设计阶段，初步设计、施工图设计阶 段应用相对较少。设计行业中部分上市公司已开始布局 BIM 与人工智能， 开展工程数字化设计等多方面业务。AI ROAD 建集团、华设集团、设计总院、华阳国际、苏交科等五家上市设计院人均收入和 人均净利润，2018 年以来，人均收入在 80 万元左右，人均净利润在 9 万元左右， 整体来看，人均收入、人均净利基本稳定，并未随着公司规模的增长而提升。从 营业收入和员工人数来看，2021 年、2022 年 5 家设计院合计营业收入增速分别为 8.42%、-5.95%，合计员工人数增速分别为 9.89%、-0.97%，二者呈现较强的相关

预想，健康码必将成为未来传染病防 控的必备手段。 最后是在工业生产方面。2019 年中国工业机器人装机量占全球的 36%，用于建设数字化车间和智能工 厂，成为全球最大的智能制造市场， 预计2020年中国智能制造市场规模将 超过2200亿元，智能制造升级将进一 步提速。 典型例子就是浪潮智能工厂。 整个生产制造过程弹性、透明、可追 溯，智能技术贯穿了生产制造的全周 期，实现相同的产能，用工数量下降 50%，生产效率提高3倍，订单交付 智算中心要成为新基建，必须满足以下三个基本条 件：开放标准、集约高效和普适普惠。 开放标准要求智算中心从硬件到软件、从芯片到架 构、从建设模式到应用服务都应该是开放的、标准的； 集约高效要求智算中心的建设要有超大规模，要采用 领先的技术，保证自身的先进性； 普适普惠则要求智算中心发挥基础设施的社会价值， 服务大众。 下面，具体分析这三个条件。 首先是开放标准。通过简单回顾开源开放的历史，可 以看到开放的边界越来越广阔。 OpenStack开源社区的黄金会员，一 直是开源计算生态发展的推动者，一 直在积极地将开源开放的建设理念和 标准向全球推广，一直在大力推进开 放计算生态发展，所有的顶级互联网 数据中心已经在大规模的落地开放计 算服务器。同时通信、金融、能源 等关键领域的TOP企业，也纷纷加入 了开源组织，并在数据中心建设当 中加以实践，像OpenStack、K8S、 Hadoop、TensorFlow等面向云计

计划总投资 13 亿元，当前已建成算力 0.8Eops ( 约 700 台服务器 ) AI 算力规模 每秒 80 亿亿次 是长三角当前投运规模最大、算力最高的智能计算中心 ! 相当于一小时可完成 100 亿张 图像处理 1 万公里 自动驾驶 AI 数据处理 300 万小时 语音翻译 南京智算中心算力规模 Aic 指 标 0. 8 Eops( 一期累 计 ) 1.8Eops( 二期累计 ) 制药业 其他 · 2019 年中国机器视觉行业销售额 103 亿元 · 对比 2013 年翻 3 倍，年复合增长率达到 31.69% AiC ○ 产业发展——工业视觉检测 · 市场规模 31% 46.60% 三 XTROTEC 中 科 逆 熵 市场份额 智算中心 云边一体 工业视觉检测处理平台 千元算法计划 解决方法 数据碎片化 设备碎片化

抗 DOS 设备 5.1.1.1. 部署目的 随着僵尸网络的泛滥，DDoS 攻击等恶意流量的规模也在迅速增大。据估计， 中国的黑客产业链条规模已达上百亿，而在这中间有很大一部分就是和 DDoS 攻击相关的。实际上，DDoS 攻击也像网络带宽一样，已经成为可以售卖的资源。 利益驱使 DDoS 的规模进一步扩大。 2011 年 3 月，全球网络安全和管理解决方案提供商 Arbor Networks 攻击在互联网上活动规 模和频率激增的一年；DDoS 攻击规模首次突破 100 Gbps，服务提供商因此受到 巨大的冲击。 2012 年 3 月，CNCERT 发布了《2011 年中国互联网网络安全态势报告》称 DDoS 的频率和规模都在迅速增大。根据 CNCERT 抽样监测发现，我国境内日均 发生攻击总流量超过 1G 的较大规模的 DDoS 攻击事件 365 起。其中，TCP SYN

2024 年智 算 AIDC 市场同 比增长 79.6%(146 亿 ) ， 2028 年 预计达 1825 亿 (CAGR ≈ 56%) 。 行业数字化：智造业规模 24 年 1.55 万亿 ,25 年预 计 1.76 万亿 (CAGR 14%) 金 融 电 项目背景分析 第 3 页 l 需求本质： 构建 “弹性可扩展、算力多元化、绿色高效” 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， 具备单体算力大、科研实验室居多 国内：近两年已有 30+ 城市建成或在建设智算中心，总体 投资规模超千亿，旨在带动当地产业智能化升级 参 AI 领域的竞争是未来世界领导权的竞争 NSF 基础科研 520 亿美元 创新与技术局 290 亿美元 关键技术研发 169 亿美元 应对 AI 行分析 TaaS 是指 TensorFlow asa Service ，深度学习平台及行业大数据解决方案 智算中心定义 建设目的 应用领域 主要特征 • 专用 ASIC 芯片为主 • 为大规模科学计算任务提供支撑服 务 带动政府治理及各行各业数智化转型升 级，促进产业 AI 化、 AI 产业化 促进信息服务业云化转型，通过资源共 享及弹性发放，供用户按需使用资源 • CPU

随着物联网、人工智能等技术的加速发展，算力 逐渐成为数字经济时代的核心生产力。截至 2024年 9 月，我国算力总规模达 246 EFLOPS（指每秒进行百亿 亿次浮点运算的能力），算力总规模居世界前列。 2023年 10月工信部等六部委联合发布的《算力基础设 施高质量发展行动计划》指出，到 2025 年我国算力总 规模将超过 300 EFLOPS，智能算力占比达到 35%。算 力的提升使芯片功耗迅速增加和单机柜功率密度提 可以看出，实际运行与模拟结果数据基本 一致，但热通道最高温度相差较大。这主要是由于实 际运行中，冷通道的封闭效果无法达到 CFD 模拟中所 假设的100%完全封闭状态。 6 结语 随着智能算力规模的持续快速增长，智算中心的 建设布局亟需加速，这对数据中心的规划设计、制冷 供电和绿色低碳提出了更高的要求，促使通用数据中 心向高效、灵活、智能、低碳的智算中心转型升级。本 文通过对呼和浩特地区某智算中心机房进行分析，得

行分析 TaaS 是指 TensorFlow asa Service ，深度学习平台及行业大数据解决方案 智算中心定义 建设目的 应用领域 主要特征 • 专用 ASIC 芯片为主 • 为大规模科学计算任务提供支撑服 务 带动政府治理及各行各业数智化转型升 级，促进产业 AI 化、 AI 产业化 促进信息服务业云化转型，通过资源共 享及弹性发放，供用户按需使用资源 • CPU 提升国家及地方科研创新能力 第 3 页 美国：以保持国家竞争力为目的，最先发展智能超算中心， 具备单体算力大、科研实验室居多 国内：近两年已有 30+ 城市建成或在建设智算中心，总体 投资规模超千亿，旨在带动当地产业智能化升级 参 AI 领域的竞争是未来世界领导权的竞争 NSF 基础科研 520 亿美元 创新与技术局 290 亿美元 关键技术研发 169 亿美元 应对 AI 全闪存存储具备高可靠性和低延迟特性，结合 智能缓存技术，进一步提升数据访问速度与存 储性能。 分布式存储 曙光 ParaStor 500K 分布式存储，满足大规模数据 存储与并行访问需求，保障数据存储的可扩展性与 灵活性。 分布式存储采用多副本机制，确保数据可靠性与安 全性，结合智能调度算法，优化存储资源利用率， 降低存储成本。

型进程，并取得了显著的成效。但随着数字化转型向纵深发 展，央企面临的挑战也越来越大：一是数字化人才严重不足； 二是数据质量差；三是缺乏数字化经验；四是数字化转型的管 理能力不足；五是部门协调困难，资源分散，内部信息不畅； 六是信息化投资规模大，支出效率低 （1） 缺乏数字技术应用 目前部分企业尚未形成成熟的数字化技术体系，在智能 化、新基建等方面还存在短板，缺少先进的数字化技术、产品 和解决方案等数字化技术工具，在一些关键领域和重点环节还 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 息系统建设时间长、数量多、业务覆盖面广、信息孤岛问题 严重。 （5） 数字化投资规模大，效率低 在企业内部建设信息化系统时，通常会存在需求复杂、投 资规模大、管理周期长等问题。部分企业数字化转型缺少顶层 设计，转型路径不清晰，制度和规则不健全，难以保障数字化 转型工作顺利开展。 2. AI是推进能源央国企数字化的利器