流量调度，或者是需要算网协同调度平台对用户自治系统内部署的应 用副本和算网协同调度平台调度部署的应用副本间对终端用户的访 问请求做负载分担处理，所以需要在调度请求中携带自治系统中部署 的推理应用信息如<应用 ID、位置、域名、IP 地址>等。 图 3-6 分总调度-算网资源调度使用-北向调度 ② 全局缩略图方式调度  需求提交 12 当算力使用者通过自治系统进行算网调度操作时，如果本地资源 无法满足 流量调度，或者是需要算网协同调度平台对用户自治系统内部署的应 用副本和算网协同调度平台调度部署的应用副本间对终端用户的访 问请求做负载分担处理，所以需要在调度请求中携带自治系统中部署 的推理应用信息如<应用 ID、位置、域名、IP 地址>等。  调度方案返回 算网协同调度平台将可选的调度方案返回给自治系统，自治系统 进行人工或者自动的选择，确定调度方案。  请求发送与部署 根据确定的调度方案，算网协同调度平台将请求发送给目标资源， 流量调度，或者是需要算网协同调度平台对用户自治系统内部署的应 用副本和算网协同调度平台调度部署的应用副本间对终端用户的访 问请求做负载分担处理，所以需要在调度请求中携带自治系统中部署 的推理应用信息如<应用 ID、位置、域名、IP 地址>等。 19  直接向算网协同调度平台请求调度 算力使用者也可直接向算网协同调度平台提需求。此时，算网协 同调度平台从全局出发，综合考量包括自治系统资源在内的整体资源

2022 年最大的五个 transfomer 模型条件 .................................................7 图7： 各模型位于 LM 损失等高线图上的位置 ................................................... 7 图8： LaMDA 模型训练数据来源 ........................ Gopher，且其缩小的模型尺寸大 大降低了推理成本，并极大地促进了下游在较小硬件上的使用。 图6：2022 年最大的五个 transfomer 模型条件 图7：各模型位于 LM 损失等高线图上的位置 资料来源：DeepMind，国信证券经济研究所整理 资料来源：Sunyan’s Substack，国信证券经济研究所整理 因此，优质大模型的训练，高质量的大数据集是必要条件。目前主要的数据获取 终端部署具有必要性，轻量化技术优化模型 超低时延的智慧场景，终端部署具有必要性 云计算和边缘计算的主要区别在于处理所在的位置。边缘计算，处理发生在网络 边缘，更靠近数据源，而云计算，处理发生在数据中心。边缘计算是指在尽可能 靠近数据源或终端的地方捕获和处理数据。通过在数据源的物理位置附近放置服 务器或其他硬件来处理数据，在本地完成处理而不是在云端或集中式数据中心， 它能最大限度地减少延迟和数据传输成本，允许实时反馈和决策。

情况下，分布式算力系统依然能够稳定运行，维持服务的连续性与可 靠性并且，要构建起智能调度引擎，这一引擎需融合网络延迟、算力 位置、资源负载等多因子算法。 在网络延迟方面，精确测算数据在不同链路、不同节点间传输所 需的时间，结合实时网络拥塞状况，动态调整数据传输路径；考虑算 力位置时，充分权衡物理距离与网络拓扑结构，优先选择距离近且网 络连接质量优的算力节点，降低传输损耗；而资源负载的监控与分析， 源标识编码体系，构建由“前缀标识—资源名称标识—资源数值标识” 组成的三级结构化模型，采用嵌套编码方式实现资源的多维抽象与唯 一命名，支持跨域协同与资源调度。具体包括。 前缀标识：用于描述资源的唯一基本信息，涵盖位置信息、资源 类型、供应商和目标对象标号等要素，明确了资源的来源、属性和用 途； 资源名称标识：用于描述网络及芯片信息，包括网络类型、网络 地址、传输速率、芯片类型、芯片型号和芯片数量； 资 要素，实现了网络路径与算力资源的联合优化调度框架。 分布式算力路由技术通过构建基于服务标识的分布式多实例服 务寻址体系，实现了网络寻址方式的根本性变革。针对同类算力服务 会广泛分布于不同物理位置的云化资源池的服务部署特性，算力路由 面向用户服务层提出了“服务标识“的抽象概念，实现了对同质化服 务的抽象表征，并在技术实现层面动态构建维护了服务标识到一系列 同质化候选算力服务实例的映射关系。在实际寻址时，用户基于服务

这些约束条件可能包括无碰撞、路径最短、机械功最小等。人形机器 人的运动规划通常需要考虑机器人的动力学特性、环境障碍物以及任 务需求等多个因素，通常需要利用传感器获取周围环境的信息，如障 碍物位置、地形特征等。然后，基于这些信息，机器人会运用各种算 法和策略来规划出一条最优或可行的运动路径。这些算法可能包括 A* 搜索算法、Dijkstra 算法、人工势场法等。通过运动规划，人形机器 激光雷达、摄像头、超声波传感器等多种传感器，实时采集周围环境 的信息，包括障碍物的位置、形状、距离等，为后续的定位与导航提 43 供数据支持；二是地图构建，基于采集到的环境信息，结合机器人自 身的运动状态，构建出环境的二维或三维地图，为机器人的路径规划 提供依据；三是路径规划，在已构建的地图基础上，根据机器人的任 务目标和当前位置，运用算法计算出一条最优或次优的行动路径；四 是导航与控制，将规划好的路径转化为机器人的实际运动指令，通过 划、平衡抗扰等）及能源管理模块（含充电保护、电池监控等）等。 从产业角度考虑，目前国内针对人形机器人仿真测试平台、模型 训练平台及计算平台的研究处于国际一流水平，整机技术水平及单机 操作/多机管理系统也处于国际领先位置，亟需迅速提出相应国际标准 提案，抢占国际话语权。 56 四 、人形机器人产业/技术与标准图谱 人形机器人具有通用泛化、智能执行任务的能力，感知、思考、 动作、交互与人类行为相似，当前标准处于空白阶段。产业－标准图

默认情况下，通过使用严格的治理方法（包括将风险管理作为 IT 创新流程的一部分） 来管理每个数字化转型计划的安全性和可持续性功能。 1.3 2025 顶级供应链技术的趋势和主题 供应链技术领导者处于独特的位置，可以制定路线图，展示技术投资如何帮助他们的企业在 不确定性和压力下保持成功并推动竞争优势。供应链技术领导者和供应链业务领导者都必须 评估战略技术趋势的影响和好处。鉴于技术创新的速度不断加快，这可能很困难。 受 监管的行业中，外人无法接受知道事物的位置。 行动建议  确定环境智能在 2025 年至 2028 年期间提供投资回报 （ROI） 的 信息影子和早期用例，并试点最有前途的示例。将其视为某些当前 或计划中的射频识别 （RFID） 用例的潜在替代品。  寻找由实时信息启用的新分析机会（例如，与对象的使用方式、存 储方式和位置以及资产的位置和使用位置有关）。这项技术将加速 “隐形分析” 的趋势。 著名的优化功能。下面列举了该软件 应用案例中的两个: 1) 供应链建模 每个供应链都是独一无二的，具有其自身特定的特性。动态仿真允许您捕捉任意细节级 别的网络特性。anyLogistix 标准策略、行为和位置特性可以使用 AnyLogic 仿真软件进 行定制，以代表您供应链的独特特性。您可以描述供应链运营的约束和规则，以获得准 确的、非平均的结果。 图 19：供应链建模（来源：【26】） 2) 不确定性和风险分析

还将在应急救援、海洋开发、极地科考、空中交通管理、全球物联网 等领域发挥不可替代的作用。随着卫星通信技术、星座部署规模和智 能化水平的持续提升，卫星互联网承载网将在未来全球信息基础设施 体系中占据越来越核心的位置，成为真正意义上的“太空信息高速公 路”。 5 三、卫星互联网承载网体系架构 卫星互联网承载网作为支撑空天信息传输与交互的核心基础设 施，其体系架构的设计直接关系到网络的传输效率、可靠性、扩展性 保证业务连续性，关键技术包括基于信号噪声比和位置预测的切 换算法，可显著降低切换失败率。在一个拥有多个波束覆盖城市 区域的卫星网络中，当移动终端（如手机、车载终端）在城市中 快速移动时，会从一个波束覆盖区域进入另一个波束覆盖区域。 基于信号噪声比的切换算法会实时监测移动终端接收到的信号噪 声比，当该值低于某个阈值时，触发切换流程。同时，结合位置 预测算法，根据移动终端的历史移动轨迹和当前速度、方向等信 范围。多卫星协同的软切换技术，让目标卫星提前与源卫星进行 信息交互，获取移动终端的相关信息，包括通信状态、业务类型 等。同时，基于轨道参数的预先切换准备，通过精确计算卫星的 轨道参数，预测卫星间切换的时间和位置，提前为移动终端分配 目标卫星的资源，如信道、时隙等。在实际应用中，例如在全球 卫星移动通信系统中，当用户乘坐飞机跨越不同卫星覆盖区域时， 通过多卫星协同的软切换技术和基于轨道参数的预先切换准备，

因省去供电系统，所以标签体积 可达厘米量级甚至更小，成本低， 故障率低，使用寿命较长，但有 效识别距离相对较短 传输距离较长，一般可达 120- 150 米；传输速度较高。多标签 读取速率较快，但价格较昂贵 需在不同位置安置多个读写器用于激活半有源 RFID 标签， 多应用于既有定位需求，又有信息采集与传输需求的频率信 号大范围覆盖的场合中 典型应用 鞋服零售、图书档案、快递物流、 工业等 电动车管理、电子车牌、人员定 1.3 产业链下游 UHF RFID 的产业链下游是各类应用终端用户与集成商，虽然应用是下游，但它才是需求的源头，也是整个产业链闭 环的最终买单方，由此可见，产业链下游在整个产业链中处于至关重要的位置，UHF RFID 的应用从大类来说，可以分为 通用型市场与定制型市场。 通用与定制是一个相对的概念，因为 UHD RFID 的市场以 to B 与 to G 类为主，每个项目都有不同的需求，从某种角 1、快递物流是一个劳动密集型的产业，需要大量的人力，如通过技术手段减少人力的投入对于经济价值体现明显。 2、提升仓库的周转效率，可以降低仓储成本。 3、降低损耗与赔付等。 管理需求 1、可以让用户与快递公司都可以了解快递包裹的实时位置与动态 2、缩减快递的配送时间，提升快递品牌在消费者的口碑。 3、对于品牌方来说，可以实时了解自己的物品在快递仓库里的库存状态。 来源：AIoT 星图研究院 制图：AIoT 星图研究院 2

模式，AI 应用的主要 目标是实现环境识别和路径规划，形成码垛、上下料、仓储、配送等 典型细分场景，如极智嘉的取货机器人使用计算机视觉技术和深度学 习算法，可以在繁忙的物流中心中，快速识别包裹位置，避开障碍物， 并高效完成取货任务。二是“移动机器人+协同优化模型”模式，AI 应用的目标是开展多种物流机器人的协调配合，如亚马逊建设的无人 仓库大量使用了各类移动、仓储机器人，并引入技术团队将人工智能 需要借助 多个机器人进行全方位检测。如斯睿特漆面外观检测智能工作站，可 检测出汽车漆面的各类缺陷，包括颗粒、漆渣、橘皮、流挂、碰伤等 16 种缺陷，引入 AI 智能分类定位技术，能精准定位缺陷位置及种类 （图 6）。 图 6 斯睿特漆面外观检测智能工作站 部分整车企业也开发了用于产线优化的人工智能系统，与机器人 配合提升部分操作场景的精确度，占比约为 9%。如宝马推出的先进 的测量 精密零件力控装配。在一些复杂精细的力控装配场景中，如笔记 本主板生产过程中的内存条装配，由于装配精度要求较高，同时需监 控装配过程中的力，避免损坏工件。因此机器人不仅需要具备高精度 运动控制，还需具备与人手类似的柔性装配能力，以位置控制为主的 传统机器人难以应对挑战。珞石柔性协作机器人所有关节均内置高精 度力矩传感器，兼顾高精度运动控制与外界力感知控制能力，重复定 位精度精度优于 0.02mm，力控精度可达 0.5N，配合先进力控搜索规

万倍，后续大模型的算力需求预计仍将保持每年 4 倍以上的增长。 考虑到单个数据中心的算力规模受电力供应、机房空间等多重因素的 制约，为满足大模型快速增长的算力需求，需要推动多 AIDC 协同训 练，整合分布在不同地理位置的分散算力资源。同时，我国智算中心 规模普遍偏小（规模为 100-300 PFLOPS 的小型智算中心占比超 70%）， 并且往往分散在不同的数据中心、科研机构、地方政府和云服务商。 因此，整 16 损连接。三大模块均采用 SRv6/EVPN 等标准化技术底座，在确保端 到端业务逻辑一致性的同时，为算力业务提供高质量的网络承载能力。 4.3 算力 POD 算力 POD 可根据用户位置、行政区域、AIDC 服务范围等因素 灵活设置，实现算力用户终端、企业分支站点的融合接入，涵盖光纤、 PON 、 5G 等 多 种 接 入 介 质 。 算 力 POD 基 于 算 力 SPINE 标准化对接，实现超算、智算等异构算力的并网与池化调度，灵活适 算力城域网白皮书（2025 版） 20 配不同层级的自有及三方 AIDC 的覆盖服务范围。同时，算力城域网 可根据算力用户接入位置和业务类型，按需升级或新建模块化网络组 件，在敏捷、灵活、泛在接入各类算力用户的同时，保证网络平滑演 进。 （6）一线接入、融合承载能力 算力城域网需构建基于统一协议栈同时承载固、移、云、算多元

[12]和双场-QKD（TF-QKD）[13]。其中诱骗态-QKD 是通过发送不 同强度的诱骗信号来检测窃听者，从而抵御了因非完美单光子源导致 的光子数分离攻击。MDI-QKD 通过在通信双方中间位置引入不可信 的第三方进行测量来移除探测器漏洞。TF-QKD 将原有的基于双轨编 码的 MDI-QKD 采用单轨编码，使得第三方测量由双光子干涉变为单 光子干涉，理论上将原有的密钥分发距离提升了一倍。下面我们将简 /)  (bsin 的相位。数学上表达 为 R L i R L e 0 1 1 0   ，这里的 0 和 1 分别代表 0 和 1 个光子态。通过精 确测量这里的相位 就可以准确知道源的位置。由于 和基线的距离 成正比，所以延长两个望远镜的基线长度就可以获得更高的探测精度。 相比于一对固定基线的望远镜，望远镜阵列能获取更多的探测信 息。根据 van Cittert-Zernike 作为独立的运算单元，通过网络接口与 HPC 系 统进行交互。这种方式部署灵活，但通信延迟可能会抵消部分量子计 算的效率优势，而且需要确保传输数据的安全性和完整性。 本地集成：量子硬件位于经典计算基础设施的物理邻近位置，能 有效降低延迟，提供了更高的性能和安全性，但部署和维护成本都相 65 对更高。 节点集成：将 QPU 集成到 HPC 节点内部，理论上可以实现最佳 性能。但目前量子计算机的运行环境要求较为苛刻，如低温冷却系统、