94% 的 GDP 和 83% 的世界人口，能够反映出全球数智化 发展的普遍规律与差异化路径。 研究显示，各国由于资源禀赋和发展阶段的不同， 数智化发展道路呈现多元模式。有的国家依托先进 基础设施推动技术普惠，有的则通过支柱产业的数 智化转型实现跨越发展。我们期待通过 GDII 指数， 帮助各国清晰定位自身现状，识别优势与短板，从 而制定更加精准的产业策略，在数智化浪潮中稳健 前行。 全新升级了“数字化成熟度” 评估体系，不仅关注数智基础设施的建设本身，更 聚焦于它所带来的应用价值，实现了从“技术投 入”到“价值产出”的评估跃迁。 GDII 围绕以下七个关键支柱来评估各国的准备度 和有效性 ： » 数据生成 ：宽带用户、移动网络、物联网设备 03 全球数智化指数（GDII）2025 和智能终端产生的数据 » 数据传输 ：光纤、4G/5G 网络、骨干基础设施 以及 IPv6 部署的传输和联接质量 部署的传输和联接质量 » 数据处理与存储 ：数据计算和存储基础设施及 相关能力，包括云投资、人工智能 Token 消耗 以及业务连续性能力 » 数据应用 ：企业数字化、人工智能应用、电子 商务和数字政府服务等多个领域的数据使用 » 数字能源 ：支持数字系统的可持续能源基础设 施，包括可再生能源投资和绿色发电的经济效率 » 政策 ：支撑数智经济增长的国家监管、法律、 投资和可持续发展框架

3.1 4.1 5.1 5.2 5.3 4.2 2.2 3.2 4.1.1 4.2.1 4.1.2 4.2.2 4.2.3 2.3 3.3 2.4 前言 大模型对基础设施的挑战 超节点的出现与演进 超节点基础定义与特征 超节点应用案例 总结和展望：迈向未来计算的下一个十年 参考文献 通往通用人工智能之路：最新大模型发展动态 07 07 06 16 技术从单点能力突破迈向系统能力创新 超节点技术产业生态发展格局 基础特征：大带宽、低时延、内存统一编址 超大规模 扩展特征：多级缓存池化、资源灵活配比 超高可靠 灵活切分 大模型计算基础设施的挑战 小结 小结 CONTENTS 目录 超节点发展报告 02 当我们站在人工智能大模型技术飞速发展的十字路口，一个清晰的趋势已然浮现：大模型正沿着 “规模定律”不断演进，从预训练 动千行百业 颠覆性变革的核心力量。大模型所展现出的涌现能力与通用潜能，正在重构人类对创新的想象边界， 但同时也对底层智算基础设施提出更高要求和挑战：模型参数规模从千亿迈向万亿乃至更高，训练 数据量呈指数级增长，传统松散耦合的集群架构已难以满足高效的计算需求，智算基础设施正开始 新一轮的技术革新。 在此背景下，超节点应运而生。它并非偶然的技术产品迭代，而是智算需求与系统创新深度共振 的结

西门子（中国）有限公司智能基础设施集团 Smart ECX 智慧能碳管理平台 西门子 Smart ECX 智慧能碳管理平台采用先进的工业 物联网架构，结合云计算、大数据、AI智能等新一代数字 化技术,平台可以采集和存储企业所有能源和碳排数 据，结合内嵌的建筑、典型能源系统用能模型和业务应 用，实现能源系统数据可视化、能源分析与对标、能源 预测与优化、碳盘查、碳减排规划等功能。帮助用户直 5D能源系统拓扑图，在运行管理界面提供实时数据监控、告警 和推送，打造数字孪生能源系统。实现能源资产全数字化管理，提高企业能源管理者日常能源系统运维监管、能源和碳目 标管理效率。 开放，易用，您身边的能碳管理专家 西门子智能基础设施集团 整合西门子中压、低压、用能侧设备的行业经验，基于物联数据、数据模型和AI算法，为用户提供面向能源站、各类用能系 统的优化策略和算法；利用算法模型和对微电网的发电预测、负荷预测，实现光储充综合优化、用电需量管理。 分布式能源、能源转换现场级能源调度 高效能源利用 能源交易 氢能源 微网 储能 热回收 热电联产 控制系统 覆盖园区、 楼宇和工厂 能源效率 光伏 电动汽车充电 西门子智能基础设施集团 西门子智能基础设施集团 西门子智慧能碳管理平台功能列表 分类 功能列表 功能简要说明 标准版 高级版 专业版 集团总览 企业总览 能耗分析 微网管理 低碳管理 集团关键指标 能源拓扑组态图

第九届未来网络发展大会白皮书 服务生成算力网络白皮书 I 前 言 算力是数字化时代的基础设施和核心动能，是全社会智能化转型 的基石。随着云计算、大数据、物联网、边缘计算等技术的兴起，以 及各行各业在数字化转型过程对网络、计算、存储等多维资源需求的 驱动，算力网络应运而生。作为一种结合算力和网络资源的新型信息 基础设施，算力网络通过将动态分布的计算和存储资源互联，将网络、 存储和算力等多维度资源的统一协同调度，实现连接和算力在网络的 新场景的多样化多对算力网络的灵活性、自动化和智能化提出了更高 的要求。为应对上述挑战，服务生成算力网络的概念得以提出。服务 生成算力网络通过将 AI 技术与算力网络的基础设施、功能流程、服 务应用等深度融合，把 AI 的解决目标和承载方式都设在算力网络内 部，利用 AI 技术赋予算力网络基础设施智能化、业务流程一体化、 服务能力自优化、算网运维自动化等能力，进而为多元应用提供泛在、 高效、灵活、安全的服务化算力供给。算力网络服务生成是利用 ............................. 59 第九届未来网络发展大会白皮书 服务生成算力网络白皮书 1 一、服务生成算力网络发展背景 从战略发展角度来说，数字基础设施的发展是推动数字经济发展 的关键驱动力。随着全社会数智化转型的升级加速，对于算力的要求 也越来越紧迫。算力已成为全球技术创新竞争的焦点领域，我国正在 集中力量攻关面向未来产业发展的新一代服务生成算力网络（SG-

光”与东部电力短缺并存的结构性矛盾日益凸显。这种算力需求激 增与能源转型的双重压力，使得构建高效、低碳的算电协同体系成 为实现“双碳”目标的关键路径。 当前算电协同发展面临诸多现实挑战。在资源匹配方面，算力 基础设施主要集中在东部负荷中心，依赖化石能源供电，而西部新 能源富集区却面临算力需求不足的问题，影响了绿电的消纳。在系 统协同层面，算力调度以性能优化为导向，电力系统则以稳频调峰 为目标，二者缺乏统一的优化框架，造成新能源利用率损失 算力侧规划与能源协同 ..................................................................... 37 4.2.1 规划与布局算力基础设施..................................................... 37 4.2.2 构建算力-电力接口技术 ..................... 个国家数据中心集群，展望“十 五五”期间，我国将进一步提升可再生能源的利用比例，到 2030 年， 全国可再生能源消费量将达到 15 亿吨标煤以上。 2023 年 10 月，工信部等六部门发布《算力基础设施高质量发展 行动计划》，提出到 2025 年实现算力规模超过 300EFLOPS、智能算 第九届未来网络发展大会白皮书 算电协同技术白皮书 4 力占比达 35%、新建数据中心 PUE

本白皮书首先详细阐述了分布式算力感知与调度的背景、需求、 体系架构以及关键技术，同时介绍了该技术在远程医疗、智慧城市、 大模型分布式训推以及云游戏等领域的典型应用场景，并探讨了当前 技术落地、基础设施建设与改造以及标准化建设面临的挑战和发展建 议。 目前，工业界和学术界对分布式算力感知与调度技术的研究尚处 于起步阶段，并仍处于快速发展之中，新的架构、算法和应用模式不 断涌现，本白皮书作 宇宙等技术的爆炸式发展，传统的集中式算力计算模式面对如此庞大 且多样化需求，已经难以有效应对。分布式算力感知与调度技术应运 而生，成为应对海量、泛在、实时计算需求的关键基础设施。这一理 念旨在构建一个能够动态感知全网算力资源，并根据任务需求进行智 2 能化、自动化、最优化调度的新型信息基础设施，降低计算延迟与成 本，支撑新型智能化应用的落地。 分布式算力是相对于传统集中式算力（如单一超级数据中心）而 言的算力部署与利用 Power Network） 概念的兴起和“东数西算”等国家级工程的推进，分布式算力感知与 调度技术将持续演进，其智能化、自动化、绿色化水平将不断提升， 为构建高效、敏捷、普惠、可持续的下一代数字基础设施提供核心动 能，赋能千行百业的数字化转型与智能化升级。 1.2 分布式算力感知与调度研究意义 在数字化浪潮席卷全球的今天，算力已不再是单纯的技术指标， 而是驱动社会经济形态深刻变革、与热力、电力并驾齐驱的关键生产

月，国家数据局印发《可信数据空间发展行动计划 （2024—2028 年）》（国数资源〔2024〕119 号，以下简称《行 动计划》），明确提出可信数据空间是基于共识规则，联接多方 主体，实现数据资源共享共用的一种数据流通利用基础设施， 是数据要素价值共创的应用生态，是支撑构建全国一体化数据 市场的重要载体。 国家信息中心信息化和产业发展部主任单志广研究员认为， 按照架构模式分类，可信数据空间可分为集中式、分布式、递 集中式可信数据空间以中心化可信数据空间服务平台为核 心，按照互联互通接口规范，不同主体通过可信数据空间连接 器接入可信数据空间服务平台。 分布式可信数据空间基于区块链的分布式特性，构建跨网、 跨云、跨链的底层基础设施，不同主体作为应用节点接入可信 数据空间，实现数据产品或服务跨主体可信流通。 递阶式可信数据空间介于集中式与分布式之间。 本报告所讨论的内容主要为基于区块链和区块链服务网络 （BSN）的分布式可信数据空间。 式访问数据。“应用”是可信数据空间建设的根本前提，如果没 有数据流通利用需求，则没有建设可信数据空间的必要；“设施” 是可信数据空间的基本属性，可信数据空间建设要为社会生产 和居民生活提供公共数据流通利用服务，属于数据基础设施范 畴。 “可信”是可信数据空间的关键特征，分别体现为用户身份可 信、数据流通可信、收益机制可信。 “用户身份可信”是整个体系的基石，通过严格的身份验证与 信用评估机制，确保参与可信数据空间活动的用户身份真实、

的影响。 报告中提到的愿景既广泛又宏大，与科技巨头截然不同。科技巨头通常依赖机器学习并推崇超 大规模化发展，需要对高耗能基础设施进行巨额投资。 这一愿景的实现需要前所未有的技术突破，还需要全球范围的努力。在该愿景的推动下，相关 领域可以形成合力，共同开发特定的基础设施和数据平台，进而发展出可信的行业 AI。 此外，这种协同效应对按应用领域收集和清理数据至关重要。事实上，构建强大的行业 AI 量子处理器等。存储将迈入尧字节时代，让数据“觉醒”，为持续学习提供有形资源。云边协同共 生将推动 AI 民主化，而能源领域的突破，特别是高密度电池和可持续发电，将消除认知和实现之间 的最后障碍。在这些基础设施的加持下，具身智能将成为可能，促进制造机器人、家庭助手等物理 实体以自主性、适应性和目标导向的方式行动。 这将对我们的星球产生深远积极的影响。以道德框架为指导、以清洁能源为动力的智能体将在 活，成为“移动第三空间”。 与前几次工业革命“单点技术突破”不同，AI 时代将展现出“共生乘数效应”，AI 技术、基础 设施与应用场景三要素正相互赋能、协同演进。AI 技术是引擎，场景应用是驱动，而基础设施则是 承载一切创新的基石，决定了人工智能发展的速度和高度。没有高性能计算、高速网络和高质量数 据所构建的坚实基础，再先进的算法也无法高效运转，再广阔的应用场景也无法落地实现。 人工智能技术的

总量超12亿台、开发者超730万。 展望2026年，随着数字技术加速演进和实数融合持续深入，数字经 济发展重心将从“数字化”向“数智化”快速迈进。一是以用促建引领 数据价值化加速拓展。数字基础设施和数据要素建设重心将从“平台建 设”向“解决行业痛点、释放数据价值”转变，更加注重多源异构数据 的共享融合、模型训练和融合应用，发展数据驱动型商业模式和新兴服 务，面向应用需要的数据治理和数据安全保障能力将持续筑底强化。二 力。上海、 江苏、浙江等7个国家数字经济创新发展试验区改革创新先行先试，在数 据要素市场化配置、基础设施建设、区域协同等领域158项改革清单的指 引下，引导各方细化实施细则和推进举措，谋划数字经济创新型企业培 育、数字经济新场景大规模应用等领域新思路新布局，协同数据基础制 度和数字基础设施建设，打造具有国际竞争力的数字产业集群，创新数 字化改革配套机制，为数字经济高质量发展提供更完善的制度保障。 个，赋能163个大模型研发。高质量数据集建设流通应用加快，截至6 月，全国已建设高质量数据集超3.5万个、总量超400PB；数据交易机构 挂牌高质量数据集3364个，累计交易额近40亿元；北京、南京等18个城 市数据基础设施节点实现互联互通，汇聚各类主体超过3900家，对外提 供数据产品超过1.3万个。公共数据授权运营全面推进，公共数据资源开 020 中国工业和信息化 发展形势展望系列 发利用及登记、授权运营

2026趋势报告：数据与人工智能 简介：大（的）脱节 各行业人工智能雄心与实际运营之间的差距不断扩大 如何为2026做准备 构建准备状态并避免常见陷阱的关键行动 2026年AI的成功将由数据基础设施驱动，而非新模型 1. 为什么现代数据基础设施而不是最新的AI模型为企业带来最高的投资回报率 7. 表现优异的公司正在协调数据、人员和目标，以负责任的方式扩展人工智能 成功组织了解自身、其数据和其人员的内容 6. 企 以修改、难以访问、 管理方式成为瓶颈， 并且局限于狭隘的应 用场景，那么就很难 取得进展。” 1 2026年人工智能的成功将是由数据基础设施驱 动，而非新模型 如果2025年是人工智能实验之年，那么2026年将是基础核算之年。目前最 高投资回报率的技术投资是数据基础设施，而不是最新的AI模型。构建合 适的管道、建立清晰的公司级数据管理方法，并使数据高度可用且尽可能 接近实时，代表着最佳的回报率举措 全在数字系统中发生的手动流程。人工智能代理正在诸如收入周期管理等领 域被成功使用。使用人工智能代理进行的智能自动化具有明确商业价值。 6 ? ? 2026趋势报告：数据与人工智能 云基础设施 展示用例价值的矩阵 云基础设施 展示用例价值的矩阵 投资 投资 阿啦 阿啦 生成生成 业务影响 业务影响 决策决策 AI AI 智能智能 自动化 自动化 客户客户 服务服务 文档文档 处理处理 开发者