单 3 跳传输延迟仅为数毫秒，跨洲通信延迟甚至可优于部分跨洋光缆路径， 满足对低时延敏感的应用需求。与此同时，卫星互联网承载网具备高 度的动态路由与自适应调度能力，能够应对卫星轨道变化、链路中断、 业务突发等复杂情况，保障业务连续性。此外，星座规模和节点分布 的高度冗余赋予了网络极强的抗毁性和弹性，在单点故障或区域性灾 害中仍能维持通信链路畅通，这对于应急通信、国防安全等领域具有 战略意义。 转 发，保障网络的基本通信功能。例如，在受到空间碎片撞击导致部分 卫星节点故障的情况下，分布式架构的卫星互联网承载网能够通过其 他正常节点的自主调整，维持网络的连通性，确保关键业务的通信不 中断。而且，分布式架构能够更好地适应卫星互联网承载网拓扑动态 时变、链路频繁切换的特点。每个路由器能够实时根据本地的链路状 态和邻居节点信息，快速调整路由策略，从而实现更高效的路由转发。 8 图 长期的业务流量统计和预测，为网络规划出最优的骨干路由，确保网 络资源的高效利用。而当某个区域突然出现大量业务请求或链路出现 故障时，该区域的卫星互联网路由器能够立即自主调整路由，将流量 快速疏导到其他可用路径，避免业务中断，同时及时将网络状态变化 反馈给地面网络控制器，以便其对全局路由策略进行进一步优化。​ 然而，混合式架构的设计和实现较为复杂。如何合理地划分集中 式和分布式路由的边界，以及如何确保两者之间的协同工作顺畅，是

3.1.1 运维规范 表3.1 故障等级定义 故障等级 定义 1 出现严重故障，对客户网络和业务运营造成严重影响。涵盖最终用户在使用过程中发现的所有服务中断或网络 功能损坏类事件 2 对业务运营造成显著影响。故障有可能导致业务中断。产品部分操作不可用，但是仍能使用，对用户相关的领 域没有影响，或影响可以设法规避 3 对业务运营造成有限的影响。故障并不影响网络服务或功能。产品仍能运转，但功能受限。此类情景不紧急， 商驻场运维工程师等角色的职责边界，高效处理 故障，避免造成业务中断，确保业务的稳定性。 15 应急恢复流程：应急恢复流程主要是业务紧急恢 复、安全攻击事件及重要漏洞处理等场景下的应 急处理流程，通过应急恢复流程，集中运维研发 资源快速恢复客户业务，处理重大应急运维事 件，达成业务运行SLA。 业务变更线 变更流程：变更流程主要用于指导对设备和业务 的变更管理，减少变更导致业务意外中断，确保 业务安全稳定运行。 间不超过 8.76 小时（365 天 * 24 小时 * 0.1%）。 这要求运维团队具备完善的监控体系，能及时发现 并解决潜在的系统故障隐患，同时制定冗余和灾备 策略，确保在出现硬件故障、网络中断或软件错误 时，系统能快速切换到备用环境，维持业务连续 性。 运维服务响应指标 告警响应及时率：规定运维团队针对告警的响应速 度。例如，对于影响业务正常开展的关键告警，要 求运维人员在15分钟内做出响应，初步确定故障原

。 �� �.�.�从源头开始确保安全 以腾讯云为代表的云服务厂商，在系统SLA上承诺�个�以上，服务可用性达到��.���%。如果是 数据库服务达到这个级别，这意味着系统在一年内允许的最大中断时间非常短，通常为�分钟左 右。要想在一年内不超过这个数字，需要系统具有极高的稳定性，以确保服务的高可用，这也是 TDSQL特别重视架构设计、重视内核技术优化，提供全面的基础设施管理能力的根本原因。 L�快速转发，实现真正的“活性对等”： �.数据高安全保证 数据安全问题，扩展开来就是信息安全，是一个企业的命脉，安全是TDSQL运维建设的头等大事， 一旦数据发生泄露，付出的代价将非常惨痛。由于数据泄露而导致的业务中断、客户信心丧失、 法 律成本、监管罚款，这些后果可能需要花费数百万甚至灾难性的。如果采用TDSQL数据库以及相 应的运维工具和方案，会避免上述灾难事件发生。 �.多维保障策略 �.双中心双活，实现从“同城灾备”到“业务无感切换” 议确保数据不丢失，结合动态 扩缩容能力，可快速应对流量 突增。 �）应用层自动重连机制 应用程序需内置数据库连接 池，并配置 Fail Over（故障转 移）机制：当检测到主库连接 中断时，自动切换至备库 IP/ 端口，切换时间需控制在毫秒 级。 �）连接层负载均衡 在双中心部署硬件负载均衡 器，为应用提供统一的 VIP （虚拟 IP）。当主中心故障时， 负载均衡器自动将流量路由

衡量人工智能应用在故障识别、负荷预测、图像识别、无人巡检 等业务场景中的占比。反映企业的智能决策与智能运维水平，以 及如何实现全流程智能生产运营与创新。 8 服务能力 客户满意度 客户满意度通过系统平均中断持续时间指数（SAIDI）和系统平均 中断频率指数（SAIFI）来衡量。这两个指标值越低，说明系统越稳定， 客户满意度越高。 9 服务能力 新能源接入能力 衡量清洁能源（如风电与光伏发电）占总电力装机容量或发电量 全体系是重中之重，而该体系必须覆盖从设备 和运营到乘客和应急响应。总体目标是要保证 内生安全和轨道交通的持续、稳定运行。在此 基础上，数字安全保障越来越需要智能监测、 人工智能异常检测和预测分析，从而在业务异 常中断前规避风险。 » 运营效率 ：智能调度、资源优化和系统协调都 是效率提升的关键，包括提高列车运力、降低 运营成本和缩短调度时间。此外，数字化平台 和高级分析技术可助力轨道交通运营商实现铁 时协调资产的数字平台。 » 端到端可视化——企业对整个物流链的实时可 视化需求越来越高，从订单生成、仓储、运输 到最终配送。集成化的数据平台能够让运营商 跟踪货物流转、检测异常并快速响应任何中断， 这对于满足企业的实时可视化需求是必不可少 的。然而，由于数字化工具的采用情况参差不 齐（尤其是小型卡车运输车队和最后一公里配 送服务商）以及缺乏标准化的数据模型，可视 化程度持续受限。没有统一的平台，不同运输

练效率的同步跃升。 图 4.2 超超节点硬件架构示意图（以昇腾 384 超节点为例） 超节点发展报告 18 若要充分发挥超节点算力，稳定性是决定系统计算效率及成本的重要指标之一，最大程度保障训 练任务不中断，训练数据和和结果不丢失。超节点稳定而可靠的运行依赖可靠的器件、可靠的网络 以及可靠的系统。 可靠器件构筑物理层稳定基石： 超节点硬件器件的可靠性是系统稳定运行的核心前提。在大模型训练过程中，集群高负载运行带 致的故障风险。这些措施可使超节点系统在满负载运行时的器件级故障率大大降低，为千亿参数模 型连续训练提供硬件级可靠性保障。 4.2.2 超高可靠 图 4.3 硬件可靠性策略 可靠网络保障数据传输无中断： 超节点网络的可靠性是支撑大规模计算任务的核心要素。如图 4.4 所示，超节点网络涵盖超节点 通信域与跨节点通信域，相比传统服务器系统，超节点集群光模块的数量增加了约 7 倍以上，面临 更高的网络失效率的挑战。 运行数据的挖掘与趋势分析，系统能够提前感知器件的亚健康状态，预判潜在故障风险。针对可能 出现的性能下降、连接异常等问题，系统可主动触发预防性维护措施，有效避免因核心器件失效导 致的系统性能瓶颈与业务中断，确保集群系统长时间稳定运行。 二、分级故障恢复，基于故障影响范围与业务特性，制定阶梯式恢复策略。对于算子级故障等影 响范围较小的故障，可优先采用在线恢复策略，通过快速重启业务实现秒级恢复；对于节点故障、

年底国家枢纽节点新建数据中心绿电占比超过 80%，并通过“源 网荷储”一体化等创新模式持续优化算力电力协同机制。 调度协同层面，挖掘算力负荷的灵活调节价值。包括：时间维度 上，利用 AI 训练、大数据分析等可中断负荷参与需求响应；空间维 度上，通过“算力漫游”实现跨区域资源调配；能效维度上，采用液 冷、余热回收等技术提升能源利用效率。国网能源研究院测算，全国 数据中心可调节潜力相当于当前电网灵活调节资源的 控、通信、调度等多维度的技术对接标准，确保算力平台能够实时接 收电网负荷状态、价格信号和调控指令，并据此进行能耗调度与算力 迁移。算力任务的批处理属性、低时效性容忍度等特点，使其具备成 为可中断负荷的潜力，在负荷侧资源日益多样化的背景下，提供了一 类全新的调节资源形态 [11]。 此外，在能源互联网和多能融合背景下，还需构建统一的算力负 荷模型与运行行为描述机制，使电力系统能够识别并预判算力运行对 耦合，实现用户负荷在能源和算力层面的双重可调。系统在电价高峰 第九届未来网络发展大会白皮书 算电协同技术白皮书 44 期调动储能释放能量支撑算力节点持续运行，避免因能耗成本过高而 引发算力任务中断；而在电价低谷期，则集中调度大量算力任务运行， 同时储能设备完成充电，形成良性的“能量蓄积-算力释放”循环。 此外，在碳交易或绿色能源优先消纳等制度背景下，该模式也可将绿 色能源优先匹配至具备

名资助的供应链技术投资。此外，由于近年来产 品质量的提高、安全意识的提高和政府法规的激增，可追溯性变得越来 越重要。 智能标签和传感器将有助于更实时地了解端到端供应链，从而更快地响 应可能的偏差并能够避免中断，从而实现更高的质量和更及时的决策。 部署将为产品认证、库存和资产可见性或货物跟踪提供值得信赖的嵌入 式来源和身份 — 所有这些都以低廉的价格提供。此外，环境不可见智 能将为分析和 AI 提供关键的新数据源，以改进产品和供应链流程。 4 Kinaxis（美国） Kinaxis 对其旗舰平台 Maestro 的最新更新引入了人工智能代理，旨在帮助企 业实时监控、预测和应对供应链挑战。 这些人工智能驱动的工具可以自动化 库存管理和中断缓解等关键流程，减少人工工作量并提高决策速度。 Kinaxis 还推出了一个代理 AI 框架，允许公司在 Maestro 内开发定制的 AI 代理，从而使组织无需大量技术专业知识即可将 AI 集成到其供应链流程中。 Cosmo Tech（一家法国的供应链技术提供商） 的人工智能仿真平台（见图 21）能够构建复 杂系统（工厂、物流网络或全球供应链）的整体数字孪生，并利用它们探索数千种可能的未 来。这意味着企业不仅可以监控中断，还能切实做好准备。Cosmo Tech 的目标不仅仅是韧 性，更是准备就绪。 Cosmo-Tech 面向未来的决策三角框架（见图 21）正在采取综合方法--AI 仿真导航器来管理 对整个价值链的

点接入，避免开通多种业务时部署多种 CPE，实现一个盒子一根线同 时入网、入云、入算的便捷服务。 （7）超高可靠能力 算力城域网应保证长期稳定，防止因为链路拥塞、光模块故障、 光纤质量下降等故障导致训练的中断。算力城域网需具备租户级故障 隔离能力，实现租户级精准反压，避免故障扩散影响多租户算效。同 时，算力城域网需具备随流检测、高精仿真、网络自愈等智能运维能 力，通过业务流级可视、秒级流量趋势展示、秒级故障感知和逐包故 容量。  一线入多算：全网任意节点间 L3 层联接可达，确保企业侧数 据一线接入通算、智算、超算等多数据中心。  高可靠性：基于高精仿真、故障自愈等技术，实现网络 0 事故、 业务 0 中断，确保数据高速传输的连续性和稳定性。 7.2 存算分离拉远训练场景 存算分离拉远训练主要满足企业数据敏感时，样本数据不在园区 外“落盘”的拉远训练需求。存算拉远训练要求实现城市内、省内或 区

优先级对不同任务进行分层 调度。此外，控制平面与节点代理配合，实现了秒级故障转移，当探 针监测到某个交换机队列异常或 GPU 性能掉点，能够迅速将任务切换 至健康机房或边缘节点，最大限度减少训练中断和推理超时。 通过这一整套实时资源探针、统一算力量化和智能调度策略的协 同工作，大模型训练能够在异构硬件和多云环境中实现高效协同，通 信瓶颈得到显著缓解，训练作业的吞吐率和并行效率大幅提升；在推 话数据、网络波动模 式和时段流量特征的深度分析，系统能够在玩家即将进入高带宽消耗 场景（如大型团战、场景切换）前，提前在边缘节点或客户端缓存关 50 键渲染帧与差分数据。即便随后网络出现短时中断或延迟飙升，播放 器也能凭借本地缓存继续输出流畅画面，待链路恢复后再快速补齐缺 失帧和增量信息，从而有效削减了因网络突变带来的卡顿感。 在多租户并发运行的环境中，不同业务的资源隔离与优先级管理 析，则集中调度到飞行器群中计算资源富余的节点或后端边缘机房。 每当检测到流量骤增或某个平台电量临界，系统会自动唤醒预置的备 用载体、启动竞价式算力实例，并在后台平滑迁移正在运行的子任务， 从而保证业务不中断。任务完成后，调度器还会迅速回收已用算力， 避免能源与资源的浪费。 通过这种面向多业务、多载体的精细化感知与弹性调度，低空经 济网络在实践中取得了显著效果。包裹分拣与跟踪的响应延迟大幅缩 减

本报告内包含的所有数据不构成任何投资建议，用户使用我们的数据进行交易决策应自行承担风险。M2觅途咨询不对任何因使用我们的数据而导致的任何直 接或间接损失或损害承担责任，包括但不限于因数据错误、丢失或损坏而导致的利润损失、业务中断、商誉损失或其他任何损失。 3. 未经书面许可，任何单位及个人不得以任何方式或理由对本报告相关的数据、信息的任何部分进行复制、修改、抄录、传播、销售或用于其他任何商业目的。 4. M2觅途咨询保