北京邮电大学 谢人超、唐琴琴、杨煜天、马霄鹏、汪硕 江苏省未来网络创新研究院 魏亮、方辉、孙玉刚、尹鹏、林枭、韩风、占昊天、王磊 I 前 言 随着算力网络的飞速发展，算力资源呈现出泛在化、异构化、分 布化的显著趋势。如何高效感知、协同调度这些广泛分布且动态变化 的算力资源，以支撑日益复杂的智能应用需求，已成为推动产业数字 化转型和智能化升级的关键挑战与核心技术方向。 本白皮书首先 到结果返回的最佳路径。 分布式算力感知与调度具有如下几个显著的特征：  异构性：算力节点的硬件类型、操作系统、网络协议存在显 著差异，系统必须能够充分识别并利用这种异构性，将不同 类型的计算任务精准匹配到最适合的硬件上执行，从而实现 4 整体计算效能的最大化。感知系统需通过统一的“算力单位” 实现异构资源的归一化描述；调度系统则需针对不同类型任 务设计适应性的分配策略。  例如优先将任务调度到使用可再生能源的数据中心或能效比 更高的节点，或利用电价谷值进行计算，实现“绿色调度”。 5 分布式算力感知与调度是现代计算范式的核心支柱。它通过构建 全域资源认知神经网和智能调度决策中枢，实现了对泛在、异构、动 态算力资源的有效整合与按需供给。其核心在于全局化资源视图、多 目标动态优化、高度环境适应、跨域无缝协同、智能学习进化以及对 可持续性的深度关切。随着算力网络（CPN，Computing Power

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 3%- 5%。技术层面，算力系统的异构性与电力系统的波动性难以通过传 统控制模型实现兼容，跨域协同效率低下。这些问题的存在严重制 约了算力产业与能源系统的协同发展。 本白皮书详细介绍了算电协同的发展背景、基本概念、功能架 构、 2.2 算电协同关键使能技术 .................................................................... 14 2.2.1 多元异构算力适配纳管........................................................ 15 2.2.2 多能互补电力协同调度............... 依托国家重大科技基础设施“未来网络试验设施”（CENI），团队构建 了覆盖全国 40 个城市的试验环境，为算力网络创新研究搭建了重要 平台。与此同时，紫金山实验室团队在算网融合基础理论研究方面取 得突破性进展，其研发的支持大规模异构算力调度的核心技术，以及 建设的国家级算力网络试验平台，为行业提供了重要的技术支撑和验 证环境。两个团队通过紧密的产学研合作，共同推动了我国算力电力 协同领域从理论到应用的全链条创新，为“东数西算”国家战略的落

算力 业务新需求，在 2024 年《算力城域网白皮书》基础上，对算力城域 网的网络需求、网络架构、应用场景和关键技术等方面进行了更新和 完善，旨在应对算力快速发展带来的各种挑战，实现城域范围内异构 算力的资源整合和高效供给。 算力城域网白皮书（2025 版） 2 二、算力发展态势 2.1 算力产业发展和政策趋势 随着通算、智算、超算技术的快速发展和广泛应用，算力需求呈 现爆炸式增长。2025 作为算力资源池的网络锚点，可接入自有及第 三方异构算力资源池，实现算力资源池化与统一管理；同时通过与省 级或区域COMAN-CR设备互联，实现跨域算力资源池之间的低时延、 高可靠连接，打通跨域算力协同网络。 算力城域网白皮书（2025 版） 17 4.5 出口功能区 出口功能区作为城域网与骨干网、互联网及行业专网的枢纽，简 化了城域网与外部网络、异构算力资源池之间的连接，实现组件灵活 扩 POD，通过弹性带宽、网络级智能负载均衡等技术承 载样本数据高速入算、存算分离拉远训练等业务；Super-Spine 同时实 现多 AIDC 互联，基于 400G/800G 高速链路、广域无损等技术实现城 域内异构算力的整合和协同调度，支撑算力分布式训练或推理场景。 构建用户到 AIDC 以及 AIDC 之间的高吞吐、无损互联网络是算 力城域网解决方案的设计重点。算力城域网通过引入弹性带宽、高吞 吐调度

数 智化转型的加速为其带来大量新的机遇。 然而，爆炸式的业务需求增长、日益增加的算网复杂度、以及用 户体验设计的逐步加强，给算力网络的发展带来了新的挑战。 场景需求多样化：算力网络既要将异构泛在的算力资源进行融合 纳管，也要考虑不同行业、不同领域、不同场景、不同企业对算力的 差异化需求。为此，算力网络不仅需要加强自身可用性、敏捷性等能 力的建设，还需要改变传统的服务范式，按需按量为客户提供计算、 能化水平，主要体现在感知、分析、决策及执行四个方面。 1）全维感知：用户-算网双向认知 服务生成算力网络利用网络手段将计算、存储等基础资源在云边 端之间进行连接与协同，从而提升业务服务质量和用户的服务体验。 精准地对泛在异构、动态时变的计算资源的部署位置、实时状态、负 载信息等进行感知，以及对网络的传输时延、抖动、带宽资源利用率 等信息进行实时动态获取，是实现上述目标的前提。 同时，业务意图也是算网资源感知的重要部分。服务生成算力网 和 解决问题的能力，基于对大数据的挖掘和分析，发现数据中的模式、 规律和趋势，并结合人类专家的经验和算法模型，帮助解决算网流程 和应用服务过程中的问题和瓶颈。 首先，针对算力网络中泛在化的异构算力资源以及多样化的业务 需求，如何有效地对算力进行标识和度量、对任务内容进行分类解析、 对用户的满意度进行测评量化，进而实现对业务需求-资源状态-服务 质量之间的相关性进行准确评估是算网融合的基础步骤。其次，服务

平台是覆盖大模型和传统 Al 的一站式机器学习平台，为客户提供从数据准备、模型精调、效果评测到模型部署的全流程工 具链，帮助用户以更高效率精调并部署真正可用的大模型。同时，腾讯云 TI 平台还为客户提供面向异构算力的集约管理能力，能帮 助用户全面管理、精细调度、高效运维国产算力，加速各行业数字化转型。 腾讯云TI平台 覆盖大模型和传统AI的一站式机器学习平台 产品架构 大模型广场 快速试一试 一键部署大模型，快速体验推理效果 小程序安全合规 挖矿勒索防护 - 20 国产数字化升级标杆实践报告 核心优势 AI开发全生命周期国产支撑 内置主流 AI训练和推理框架，部分框架已适配国产算力 支持X86和ARM异构算力纳管，实现英伟达GPU与国产AI芯片集约管理、调度 已兼容国产容器平台、数据库、操作系统 内置自研混元大模型和主流开源大模型，部分模型已适配国产算力 模型 框架 算力 底层软件 实用工具链 超30%训练性能提升 1-2倍推理加速比 算力 X86+ARM异构算力纳管 极致满足多厂商AI芯片管 理和调度 腾讯云 TI 平台是覆盖大模型和传统 Al 的一站式机器学习平台，为客户提供从数据准备、模型精调、效果评测到模型部署的全流程工 具链，帮助用户以更高效率精调并部署真正可用的大模型。同时，腾讯云 TI 平台还为客户提供面向异构算力的集约管理能力，能帮 助用户全面管理、精细调度、高效运维国产算力，加速各行业数字化转型。

（处理数据编码、加密等）和应用层（处理应用程序数据）在实际 TCP/IP 实现 中往往被统称为应用层。 图 2 网络分层、主要功能与处理对象 （三）当前网络的局限性 1) 处理对象存在局限 OSI 七层模型主要解决异构网络互通问题，并非针对语义数据互联：OSI 标准化工作的主要动机是解决 IBM SNA 体系等私有网络结构互不兼容的问题， 为此，ISO 于 1977 年设立专门委员会，启动网络通信体系的标准化工作。1984 受限于领域特定数据与网络公用 性的矛盾问题，传统的 ISO、TCP/IP 等经典网络理论主要定位在异构网络通信 层面，数据互联所需的身份识别、行为交互、数据语义解析等需求被当做应用层 问题由“客户端-平台（服务器）”交互模型解决。 2) 缺乏对数据的合理抽象 OSI 七层模型主要针对异构网络互联，这使得当前网络基础设施主要面向" 面向 Web3.0 的数字实体互联白皮书 9 数据管 等 P2P 网络协议实现节点间直接通信。中间件层包含三 大核心组件：智能合约平台（如 EVM）提供图灵完备的链上代码执行环境，去 中心化身份协议（DID）实现用户自主权身份管理，跨链桥接技术解决异构链互 操作问题。应用层则涌现出 DeFi 协议、DAO 治理模型和各类 dApp，形成完整 的去中心化应用生态。 面向 Web3.0 的数字实体互联白皮书 15 关键技术突破包括：1）智能

景的详 细的业务流程分析，力求为产业参与者提供可操作、可复制的交付参 考与决策依据，加速“东数西算”从战略规划向工程落地的转化进程。 二、整体架构 ●系统整体架构 如图 2-1 所示：异地、异构、异属的各类算力资源 通过网关实现物理与逻辑层面的并网，构建起“全域可达、动态可控、 高效可用”的算力资源池，为算网协同调度平台提供标准化的资源服 务支撑。 图 2-1 整体架构图 算网协 用户可根据业务需求，准确指定数据迁移目的地，确保数据准确 送达所需位置，满足不同业务场景下对数据存储和处理的特定要求， 提高数据使用的针对性和效率。  异构存储兼容 具备良好的兼容性，能够与各类硬盘设备和多种存储系统无缝对 接，提供海量高效的文件读写能力，支持异构格式和不同大小文件的 处理。这意味着企业无需担心数据格式和存储设备的差异，可轻松实 现数据的传输和处理，降低数据管理的复杂性。  高效任务式传输 具有合适价格和存储条件的算网资源，实现数据的高效存储。企业可 在降低存储成本的同时，确保数据存储的安全性和可靠性，如同在不 同仓库中选择最为经济、安全的存储地点。  异构存储适配 具备与多种硬盘设备和存储系统对接的能力，提供海量高效的文 ●件读写服务 ，支持异构格式和不同大小文件的处理，自动感知源和目 的两地存储环境的特性差异，动态适配两端的读写速率，同时无缝对 接公有云归档存储系统。这使得企业在数据存储和管理上更加灵活，

。多模态打通文本 / 图像 / 音频，智能体 具备目标设定—推理—规划—工具调用能力，计算从可预测的“蛮力”转向动态、异构、有状态的“认 知计算”，多模态打通文本 / 图像 / 音频，智能体具备目标设定—推理—规划—工具调用能力，计算 从可预测的“蛮力”转向动态、异构、有状态的“认知计算”，基础设施重心转为低时延互联 + 智 能编排平台。 [7] 模型发展的不同阶段，算力系统面临的瓶颈和挑战也在不断演变。AI 单柜算力密度数量级提升，迈入“兆瓦级整机柜”时代，热 - 电 - 结构三位一体实现液冷超节 点将从“可选项”变为“交付默认配置”。 三、负载解耦与异构编成为超节点刚需 AI 负载及部署范式快速变化，PD 分离、AFD 分离、多模态 VAT 和 LLM 分离等范式对 AI 算 力芯片有着不同要求，超节点通过灵活异构算力资源编排达成综合性能最优化部署。 四、多样性算力池化 超节点会带动多样性算力池化资源协同计算，通过超节点互联协议为依托支持各类

专业大模型 领域大模型 AI 算法库 训练引擎 推理引 擎 异构计算 高速网络 多元存储 DeepSeek 大模型应用规划 个人群业务 新人入司效率提升 应用 场 ） 合规风控 合规核验 AI 开发平 台 （ Dify ） 多轮对话服务 Chatflow 工具类 （ API 、爬虫、 搜索 ... ） 智能体服务 （ Agent ） 异构数据 服务 层 模型 层 检索增强搜索 （ RAG ） 集团统一智能平台 结构化 非结构化 数据分析 智慧办公 数 据 知识库 15 u nnb ... ... 人保大模型

用53个量子比特 在200秒内完成 了传统超级计算 机需一万年才能 完成的计算，标 志着量子霸权的 首次实现。 量子计算机模拟 化学反应：谷歌 量子计算团队利 用量子计算机成 功模拟了二氮烯 的异构化反应。 中国量子计算 机“九章”诞 生：中国科学 家构建了76个 光子的量子计 算原型机“九 章”，实现了 具有实用前景 的“高斯玻色 取样”任务的 快速求解。 IBM在量子纠错技 术上取得进展：