发展。算力网络作为实现算网基础设施化的一个重要载体，旨在将泛 在的算力资源依托网络进行打通互联、协同调度，并将不同的应用业 务通过最优路径调度到最优的计算节点，在实现用户体验最优的同时， 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 3 保证网络资源和计算资源利用率最优化。 算力网络的核心思想是基于泛在分布的网络实现无处不在的算 力资源，通过构建一张计算资源可感知、可分配、可调度的新型网络 以用户体验为主：算力网络的目标是为用户提供极致的服务体验， 而这需要其具备高度的自动化、智能化水平，能够根据用户意图自动 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 4 化地提供最优资源服务，然而现有算力网络的系统架构、流程机制、 使能技术、服务模式等无法支撑上述目标的实现。 近年来，以深度学习、知识图谱为代表的 AI 技术得到了飞速发 展，并在诸多领域取得了巨大突破。算力网络作为支撑各行业数智化 所示。对于算力网络建设者来说，生成式 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 5 AI 技术将打造全新的算网设计范式，彻底取代人类专家在算网设计 配置的工作，并能够根据场景自动生成最优算网部署方案。算网建设 者仅需要将场景需求、指标期望等输入给 AI 专家系统，然后按照生 成的方案在现实世界中执行对应的操作。对于算力网络运营者来说， AI 技术能够对算网全流程赋能，包括用户意图感知、业务智能承载、

智能化 科技支撑 基础设施 研发能力 数据能力 落地举措 运用第一性原理，思考“用户价值” 温度 客户体验优化 | 贴近客户所需 效率 降本增效 | 优化流程 智能 数智化决策 | 全局最优化配置 专业 精细化管理 | 记录、追踪、可量化 内生动力 组织与文化 团队是战略落地的基础，文化机制是最强大的精神动力。没有组织与文化，战略落地无从谈起 战略 数智化一定是一把手工程 2023年 “全部外包”到“自主可控”的蜕变 • 目标：实现科技能力由全部外包到自主可控的蜕变 • 路径：在线化-数字化-核心-相融-智能化，阶段性目标+长期主义 • 成效：实现成本和效率最优，引领公司高质量发展，持续巩固轻资产优势 www.top100summit.com 数 智 华 农 2 . 0 经营决策 数字化 客户经营 互联化 销售运营 智能化 管理流程 精细化 com 经营成本率、综合成本率均为近年来最优水平 113.0% 105.9% 103.1% 99.1% 100.1% 95.0% 97.0% 99.0% 101.0% 103.0% 105.0% 107.0% 109.0% 111.0% 113.0% 115.0% 近年同期 最低 22年首降至100%以下，实现近年最优水平 经营成本率对比 115.5% 105

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模式，其核心是将一个大的计算任务分解成若干 式算力并非单 一形态，边缘算力是前者重要组成部分，是分布式思想的一种具体体 现。边缘算力强调“地理近端性”，即计算能力的部署靠近数据源， 以满足低延迟和高实时性的需求；而分布式算力更关注“全局最优性”， 侧重任务的分解与协同，以处理大规模和复杂的计算任务可能调度至 边缘、核心云或两者协同，例如“云-边-端”分层推理。 分布式算力感知与调度的核心在于“感知”与“调度”两个相互 依存、紧 “调度”则是基于“感知”结果所采取的行动，是整个系统的“大 脑”和中枢。它根据感知到的全网算力资源分布图景和实时状态，在 复杂约束条件下，通过智能高效的算法，将计算任务合理地分配到最 合适的节点上执行，从而实现全局最优的资源利用率、最低的运营成 本和最佳的用户体验。调度决策是一个高度复杂的优化问题，其目标 函数通常是多维度的，需要在性能目标、经济目标和系统目标之间寻 求最佳平衡点。分布式调度策略多种多样，从传统的基于静态规则的

势。通过合理划分集中式和分布式路由的职责范围，能够在保障网络 整体稳定性和可控性的同时，提高网络对局部变化的适应能力和实时 响应能力。例如，在正常网络运行状态下，地面网络控制器可以根据 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 失去全局的一致性和可控性。而如果过于依赖地面网络控制器，又会 降低网络对局部变化的响应速度。为了解决这些问题，需要深入研究 网络拓扑、业务流量特征以及星地通信链路特性等因素，建立合理的 数学模型，通过优化算法来确定最优的集中式和分布式路由协同策略。 同时，还需要设计高效的信息交互机制，确保地面网络控制器和卫星 互联网路由器之间能够及时、准确地传递网络状态信息和路由决策指 令。​ 综上所述，集中式、分布式和混合式架构各有优劣，在实际的卫 统一接收地面网络控制器上注的流表/转发表，而路由计算、路径规 划、资源分配等核心决策均在地面控制器完成。地面控制器通过全局 感知卫星星座的轨道参数、链路状态、业务需求等信息，运用复杂的 优化算法生成最优路由策略，并将其转化为流表 / 转发表定期或实 时上注至卫星互联网路由器。这种方式显著简化了星上处理载荷的设 计复杂度，降低了对卫星平台的功耗、算力和存储资源要求，尤其适 合早期小容量卫星星座

强，易于跨平台适配；端侧智能体可以快速响 应简单的任务，实现低时延、低成本、高隐私 安全。端云协同可以最大化发挥“端侧快”和 “云侧强”的优势，同时解决信息安全隐患、 云端算力成本过高等问题。 部署策略：端云协同是新生态的最优解 18 具身智能跨越鸿沟，形成多个万亿产业 具身智能是 AI 走向物理世界的关键体现， 它并非单一技术的突破，而是融合了 AI 技术、 感知交互、计算存储、通信网络、三电（电池、 电机、电控）等多领域技术的综合产物，它 其核心价值在于动态优化空域资源分配、智能 规避冲突，从而保障安全、极致提升空域利用 与运营效率。 最终，该系统能面向物流配送、应急救援、 城市交通等多元场景，进行任务的智能调度与 全局规划，实现从“单点智能”到“整体最优” 的跨越，驱动低空经济生态的高效运行。 我们预计至 2035 年，家庭拥有私人飞行 器的愿景或将成为现实，城市交通将迈入“三 维立体”时代。 低空飞行器 2025 固定航线，单机飞行 的预防，从而有效延长人类的健康寿命；在疾 病应对期，跨模态 AI 整合医学影像、基因组学 检测结果与电子病历等，为医生提供个体化诊 疗建议，同时，AI 驱动的药物研发与虚拟临床 试验大幅缩短新药上市周期，并能为患者快速 匹配最优药物组合；在康复管理期，沉浸式康 复设备与远程监测平台让家庭成为康复空间， 社区医疗提供持续追踪与看护；在长期照护期， 历史证明，技术本身并非目的，只有与真实的应用场景紧密结合，才能激发生产力的跃升。

无损传输能力，避免算力传输过 程中出现拥塞、丢包。同时，考虑到训练参数同步时流量大并发、高 突发特性（以万卡级 AIDC 为例，单网卡 200Gbps 的传输速率将导致 参数面突发流量峰值高达 2000Tbps），需按照最优收敛比建网，平 衡算效与建网成本。此外，在大模型训练过程中，一旦发生网络故障 引发训练任务卡死等问题会严重影响训练效率，网络须具备高精仿真、 网络自愈等智能运维能力。 综上，跨集群协同训练服务对算力城域网的需求是：采用 （3）算网赋能，使能商业  引入弹性带宽、超高通量、广域无损等新技术，支撑存算分离 拉远训练、跨集群协同训练等创新业务和服务。  基于大象流自动识别与智能调度，实现网络级智能负载均衡， 达到全网资源利用率最优，提升投资收益比。  通过算力业务应用感知和流级精细化调度，支撑差异化算网产 品和服务的商业创新。 （4）智能运维、安全可靠  实现高精仿真，消除因配置差错导致的网络事故。  打造精 重机 制，利用高速缓存吸收流量冲击，并通过优先级调度确保 GPU 控制 信令的及时传输，避免计算资源闲置等待。按需引入 4:1、8:1、16:1、 32:1 等网络收敛比，实现建网成本与算效的最优平衡。 （5）模块化组网能力 算力城域网以 AIDC 为中心组网，基于模块化组网架构与 AIDC 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）

算力网”中“算网协同”的实践方向。当使用方式将从“买算/租算” 转为“用算”、渠道特征从“互联网自选下单订购”转为“算力网动 态调度消纳”，意味着算力资源将从传统的“虚拟机/裸金属”逐步转 IV 为“容器/作业”，并提供“最优匹配、按需启停、精准计量、效用付 费”的任务式计算服务。任务式计算服务的时间特征具有“临时性”、 空间特征具有“跳跃性”、流量特征具有“突变性”，即平时不用时任 务不存在只有用时才临时启动任务，本次启动在 提供的便捷操作界面（如控制台等），发起算网调度请求。调度中心 在接收到请求后，迅速启动协同调度机制，如同一位经验丰富的指挥 家，协调各方资源，综合考虑用户的算力、网络和存储需求，以及当 前资源池中各类资源的实时状态，制定出最优的调度方案。通过准确 的任务分配、流量调度和数据传输安排，满足用户多样化的应用需求， 确保业务的高效运行。 8 图 3-3 总分调度-算网调度操作与协同调度 3.2 分总调度架构 3.2 需求提交与计算 算力使用者通过自治系统发起算网调度请求，当本地资源不足时， 自治系统将需求提交给算网协同调度平台，算网协同调度平台基于当 前算网资源状态，运用有效的算法和模型进行调度计算，制定出最优 的调度方案，确定目标资源和任务分配策略。 ●需要注意的是 ，由于需要算网协同调度平台对用户自治系统内部 署的应用和算网协同调度平台调度部署的应用之间进行互相访问的 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

种截然不同但又相互竞 争的发展模式。 第一种是“垂直整合”模式。其核心战略是通过对整个技术栈——从底层的 AI 处理器芯片，到 核心的互联技术，再到上层的编程模型和软件库——端到端控制，来实现最优的性能和效率。在这 种模式中，互联协议本身是闭源的，用户面临严重的厂商锁定风险，选择和灵活性受到极大限制， 并且通常需要承担高昂的成本。 第二种是由其他芯片巨头、云服务商和大型科技公司组成的“协议开放”模式。其核心战略是以 高速互联体系实现规模破局：依托创新的互联技术打造大规模、高 带宽、低时延的超节点域内通信环境，拓展并行域以适配各类并行场景，支持动态探索多维度并行 策略组合（如灵活调整张量分片粒度与专家模型分配），挖掘任务最优解。同时，针对“大象流” 与哈希不均导致的网络拥塞问题，超节点可通过包级负载均衡、乱序控制等技术动态平衡流量以提 升域内带宽利用率，有效规避阻塞，充分释放通信性能潜力，为大规模并行计算提供高效算力聚合 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 XPU 池化， 实现对等访问，系统资源高效协同计算。 五、基于超节点的原生创新模型加速涌现 基于超节点下的模型创新迭代加速 ,TOP 级开源模型将“为超节点而生”, 亲和性设计原生支持“机 柜 - 模组 - 芯片”多级并行并支持自动最优并行维度搜索，实现开发者零感知。

在现代光通信系统中，调制技术决定了信号的传输效率和质量。 随着数据传输速率从 100G 向 400G、800G 乃至 1.6T 演进，各种先进 调制格式不断涌现，在频谱效率、抗噪性能和适应性之间寻求最优平 衡。 QPSK 作为数字相干时代的基石，通过利用四个相位状态（0°、 90°、180°、270°）在每个符号周期携带 2 比特信息，实现了频谱 效率与抗噪声能力的良好折中，因此成为 100G/200G 化的设备形 态和管控体系，为不同层面的技术创新、灵活组网和统一管控创造条 件。融合则是在解耦的基础上，通过统一的控制平面（如 SDN）、开 放的接口和智能的协同机制，实现 IP 与光资源的全局最优调度和业 务端到端敏捷发放。 3.2.1 解耦趋势 1.波分复用层解耦：传统模式下，WDM 系统通常是 “黑盒” 式 的一体化设备，包含光线路终端、光放大器、色散补偿、ROADM（可 重构 故障管理，不再依赖单一厂商的网管系统。 这种解耦模式带来了诸多价值，不仅打破了厂商锁定，降低了采 购成本，增加了运营商的议价能力；还能实现最佳组件组合，让运营 商在不同功能模块上选择性能最优或成本最优的供应商；同时加速了 技术创新，模块化开放架构便于新功能、新技术（如新波段、新调制 格式）快速引入；简化了运维工作，通过统一 SDN 控制器管理多厂 商环境，也为跨地域、跨厂商的光波长资源池化和灵活调度奠定了基

对复杂工件的精准轨 迹规划；焊接机器人能够根据焊接过程中遇到的不同情况进行自我调 整，以达到最佳的焊接效果；装配机器人利用强化学习算法，在装配 过程中自主学习轴孔装配技能，通过在线辨识控制器的最优参数，提 高装配操作质量。二是自主导航类，随着激光地图建模技术不断成熟， 基于地图开展移动路径设计的自主导航功能也实现广泛应用，发展出 各类清洁、搬运机器人。 在传统模块化机器人中，多种模型的组合配合也大大拓展了机器 工业机器人协同作 业，可完成定位、刮胶、上下料等多道精密工序，生产一个包装盒仅 需 1.9 秒，机器人重复定位精度±0.03mm，结合视觉确保精准定位， 有效保证上下料精度。机器人采用基于动力学的最优运动规划技术 OptiMotion，可实现业内领先的速度，满足热熔胶产品对机器人节拍 的严苛要求。机器人性能可靠稳定，可长时间运行，保证生产连续性。 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 能够精准定 位，自主导航，并高效进行全局路径规划，从容应对各种动态场景。 其智能动态避障功能精度可达厘米级，即使在狭窄通道中也能顺畅通 行。此外，D1 支持多机协同作业，可根据任务需求实时规划最优路 线，高效、安全地将物料准确送达指定位置。D1 不仅搭载了卓越的 智能技术，还具备高达 40 公斤的强大载重能力，并支持多种承载方 式，可灵活适应工厂库房拣选、产线物料运输及成品配送等多样化生