未来网络技术发展系列白皮书（2025） 量子互联网与算网协同 体系架构白皮书 第九届未来网络发展大会组委会 2025年8月 版权声明 本白皮书版权属于紫金山实验室及其合作单位所有并受法律保 护，任何个人或是组织在转载、摘编或以其他方式引用本白皮书中的 文字、数据、图片或者观点时，应注明“来源：紫金山实验室等”。 否则将可能违反中国有关知识产权的相关法律和法规，对此紫金山实 验室有权追究侵权者的相关法律责任。 速度和保真度、量 子纠错和量子存储时间等，还是上层的量子互联网体系架构，如运行 模式和协议栈，都不成熟。这也导致在量子互联网的研究中还面临很 多新的问题和挑战。 本白皮书首先简洁地介绍和梳理量子互联网相关的基本原理和 II 技术，包括部分量子信息基础知识和代表性协议等。随后介绍量子互 联网的发展现状和代表性的体系架构方案。最后围绕量子互联网的基 本技术路线提出构建未来量子互联网的运行模式，讨论和展望量子算 本技术路线提出构建未来量子互联网的运行模式，讨论和展望量子算 网协同的研究内容和可能的发展方向。本白皮书旨在通过对量子互联 网的介绍、梳理和展望，为量子互联网从基础理论研究朝工程和产业 化发展提供一个架构和技术层面的参考。 III 目 录 前 言.........................................................................................

SABOE数字化转型方法论 和实践案例分享 武艳军 一汽大众 首席企业架构师 www.top100summit.com 武艳军 一汽大众首席企业架构师 “ • 企业架构和数字化转型专家，TOGAF企业架构师鉴定级认证专家，Open Group中 国架构本地化工作组专家，DAMA中国会员。 • 具有近20年金融信息化领域工作经验，对数字化转型有深入研究和实践。 • 毕业于北京大学， 毕业于北京大学，曾就职于某中央金融企业，负责牵头公司数字化战略规划、企 业架构设计、数字化转型实施等方面工作。 • 《企业架构驱动数字化转型：以架构为中心的端到端转型方法论》专著作者，微 信公众号“金融IT那些事儿”主理人， 《商业银行数字化成熟度评估模型“Bank Digital Mesh”》白皮书第一作者， Open Group《决策者参考：使用 O-AA™引 导 敏捷数字化双重转型》白皮书联合作者 知》中就明确指出：“加快企业数字化治理模式、手段、方 法升级，以企业架构为核心构建现代化IT治理体系，促进IT投资与业务变革发展持续适配。” www.top100summit.com 企业架构的定义 说明：这里的“企业” 是泛指的，不只是企业适用于企业架构，政府、军队、学校等组织都 可以使用企业架构方法。 企业架构（Enterprise Architecture，EA ），是指一个组织的业务、应用、

个清晰的趋势已然浮现：大模型正沿着 “规模定律”不断演进，从预训练扩展到覆盖预训练、后训练、逻辑推理的全流程，其参数与集群 规模实现“双万” 跨越，行业模型落地需求专业化。 传统的服务器集群架构在这场变革中瓶颈愈发明显。千亿级模型一次梯度同步产生的 TB 级数据 让传统以太网带宽难以承受；同时，伴随算力规模扩大，万级处理器带来的故障常态化，对自动化 运维与 RAS 能力提出了更高要求。 处理器编织为一个逻辑统一的高密度计算体，为高效计算提供了底层支撑。 系统能力则是超节点高效运转的保障，它需要具备大规模、高可靠、多场景等系统特征。大规模的 组网能力突破了单机扩展的硬件限制，为大规模算力聚合提供架构支撑；高可靠的运行特性化解了 网络、计算、存储等子系统的故障风险，保障集群作业的连续性；多场景的适配能力则能通过精细 化资源调度等机制，满足不同业务需求，最大化释放算力价值。 本文系统性地提出并论证了 再到 Physical AI，大模型持续提升解决复杂问题的能力，并向物理世界延伸。大模型技术及能力演进， 驱动 AI 系统负载变化，需要一套系统架构满足未来发展需求，超节点成为 AI 基础建设的共识。 超节点架构引领技术革新，重构计算能力边界。超节点架构依托高速互联技术，将大带宽的互联 范围，从单台服务器扩展到整机柜以及跨机柜的大规模集群，超节点域内可达百 GB/s 级通信带宽、 纳秒级时延、TB

随着DeepSeek引爆全民AI热情，2025年被普遍认为是AI应用的爆发年。人工智能的快速发展，不仅对计算硬件体系提出了更严峻 的效能挑战，也对底层软件平台的资源调度能力形成了考验，同时还要求具备更强的大模型架构设计与生态应用能力。面对当前人工 智能大模型迅猛发展所带来的计算资源需求急剧攀升以及人工智能技术的跨越式进步，为了在激烈的市场竞争中赢得优势并保障关键 技术的自主创新与安全可靠，信息技术融合创新 业转型升级走深向实有成效。 从技术架构的协同演进上，信息技术融合创新与数字化转型在三个层面呈现高度重合与协同： 一是基础设施层，其中服务器、网络、存储设备为代表的基础硬件和IaaS、PaaS为代表的云平台，共同构建自主创新的数字底座，为 上层应用提供既自主创新又技术先进的运行环境；基础软件层中国产操作系统、数据库和中间件在实现自主创新的同时，不断融入云计 算、大数据等新技术架构，支撑数字化转型对数据处理和系统可靠性的更高要求。 务系统，是国内银行首次在传统核心业务系统场景 下采用国产分布式数据库，打破了该领域对国外数据库的长期依赖。 腾讯云大数据平台TBDS在金融领域市场份额位列第一，服务一千多家金融机构，并具备云原生架构、湖仓一体、AI融合等能力，支撑 企业构建自主创新的数据引擎与治理体系。国产数据产品为业务创新提供了高性能、高可靠的数据支撑。中信建投证券基于腾讯云大数 据TBDS构建了企业级数据湖平台，同时借

愿景，涵盖国家重大战略、产业经济升级、人民服务保障及全球科技 竞争等维度；其次详细阐述了通信增强、应急保障、产业赋能、科学 研究等典型应用场景，并深入剖析了集中式、分布式、混合式三种卫 星互联网承载网体系架构及星间/星地链路、路由、交换等七大关键 技术；同时，本白皮书分析了全球主要卫星互联网的产业现状与标准 II 化进展，探讨了轨道/频谱资源紧张、空间环境复杂等特殊问题及应 对策略，最后对未来发展方向进行了总结与展望。 1 三、卫星互联网承载网体系架构............................................................ 5 3.1 集中式架构..................................................................................5 3.1 分布式架构................ ..................................................................7 3.3 混合式架构..................................................................................9 四、卫星互联网承载网关键技术.......................

IP 网络架构已难以满足数字 经济时代对超高速率、超低时延、超高可靠性的严苛要求。光电融合 网络技术作为新一代信息基础设施的核心支撑，通过 IP 层与光层的 深度融合，构建起大带宽、低时延、高可靠的确定性网络能力，为智 能制造、远程医疗、自动驾驶等新兴应用场景提供坚实的网络保障。 本白皮书系统阐述光电融合网络的技术特征与发展需求，深入分 析长距离相干光传输技术、IP+光融合架构、光电协同的智能管控系 ..10 二、 光电融合网络技术......................................................................12 2.1 技术体系架构...........................................................................12 2.2 ZRx 相干光技术....... 构普遍采用“电处理+光传输”的分层方式，这一架构正面临功耗高、 转发复杂、跨层协同效率低等核心瓶颈。IP 流量主导的容量激增对新 一代节能技术提出更高的要求。行业正推动 IP 业务层与光传输层融 合，通过将 DWDM 相干光模块直接部署于路由器等分组设备，消除 独立光转发设备，降低功耗与空间占用。 光电融合技术从最开始的 IP over WDM 方案，已有十余年历史， 近年因开放解耦架构的普及和光模块技术进步（如微型化光电集成、

) 强化学习实现 性能突破。 多头潜在注意力 (MLA) 通过低秩联合压缩技术，大幅削减了注意力键 (keys) 和值 (values) 的存储空间，显著降低了内存需求。 DeepSeekMoE 架构采 用了更为精细粒度 的专家设置，能够更加灵活且高效地调配资源，进一步提升了整体的运行效率和表现。 DeepSeek 模型对跨节点的全对全通信机制进行优化， 充分利用 InfiniBand 和 度训练技术，不仅极大地加快 了训练速度，还大幅降低了 GPU 内存的消耗。 DeepSeek-R1-Zero 通过强化学习架构创新实现突破性性能，核心技术创新体现在训 练效能优化策略、双维度评价体系、 结构化训练范式三个维度。 DeepSeek-R1 采用分阶段强化学习架构演进，包括冷启动阶段、面向推理的强化学习、拒绝采样 与监督式微调、全场景强化学习等。 l AI 应用爆发在即，算力需求持续攀升，关注 竞争加剧。同时， AI 模型向多模态全方位转变， AI 应用百花齐放，企业主动拥抱 AI 应用市场。因此，模型数量、模型参数、数据总量的持续增长及 AI 应用需求推动 全球算力爆发式增长。在英伟达 GPU 随着架构的不断演进及算力的成倍增长，于 AI 大模型训练中得到广泛运用的同时，为了满足 CSP 客户更高 性能和更好功能的需求， 定制化芯片 ASIC 的需求持续提升，牧本钟摆从标准化逐渐摆向定制化。与之

户交互所需的身份识别、行为交互、数据解析等能力。针对当前互联 网在数据互联互通中面临的架构性与基础性瓶颈，本白皮书在参考借 鉴 OSI 网络七层模型的基础上，通过在网络传输层之上构建新型互 联协议，提出一种面向 Web3.0 的数字实体网络创新技术路径。 本白皮书1首先分析了网络中的数据对象，探讨了网络发展与数 据传输的本质、现有架构的局限性以及下一代网络的关键突破方向； 其次梳理了现有 Web3.0 技术演进路径；在此基础上，提出了“数 一思想彻底改变了信息传输的方式，奠定了现代网络的基础。 20 世纪 70 年代，TCP/IP 协议族的提出（1974 年由 Vint Cerf 和 Bob Kahn 提出）标志着网络技术进入了一个新阶段。TCP/IP 采用分层架构：IP 等网络层 协议负责将数据分组从源主机以尽力而为（best-effort）的方式送达目的主机； TCP 等传输层协议则专门负责进程（端）到进程（端）的可靠数据段传输服务， 即，将数据交付 之后的下一代数 据互联技术架构展开思考与探究。 图 1 网络技术的演进 （二）网络传输设计思想 1) 网络分层的核心思想 OSI 七层模型和 TCP/IP 四层模型都体现了网络设计的核心思想：分层抽象。 每一层为其上层提供服务，同时屏蔽下层的实现细节。这种设计使得网络各组件 可以独立发展和优化，而不影响整体架构。 面向 Web3.0 的数字实体互联白皮书 6 在网络分层架构中，各层的处理对象有所差异：“数据链路层”（如以太网、

为例，在 32 位的单精度浮点数数据下，训练 阶段所需 GPU 数量为 1558 个，谷歌级应用推理阶段所 需 GPU 数量为 706315 个。 l 英伟达开辟 GPGPU 加速计算格局， GPU 架构演进及产品布局赋能 AI 时代。 英伟达 (NVIDIA) 成立于 1993 年，总部位于美国加利福尼亚州圣克拉拉，是一家人工智能计算公司。据 JPR 数据， 4Q22 英伟达独立 GPU 出货量占比 平台。 自 2015 年以后，随着 AI 浪潮迅猛推进，公司业务不断多元化， 向数据中心、游戏、移动设备、 汽车电子等市场发展。公司 GPU 产品能够并行计算的性能优势满足深度学习需求，通过对 GPU 架构升级不断推出新产 品，其运算性能得到显著提升，广泛 用于数据中心等计算密集领域。 请务必阅读正文之后的免责声明及其项下所有内容 复盘英伟达的 AI 发展之 路 英伟达业务模式拟打造成类似于计 资料来源：金十数据，国信证券经济研究所整理 表：不同技术架构 AI 芯片比较 种类 定制化程度 可编辑性 算力 价格 优点 缺点 应用场景 GPU 通用型 不可编辑 中 高 通用型较强、适合大规模并行运算；设计和制造工艺成熟。 并行运算能力在推理段无法完全发挥。 高级复杂算法和通用性人工智能平台。 FPGA 半定制化 容易编辑 高 中 可通过编程灵活配置芯片架构适应算法迭代，平均性能较高；功耗较低； 开发时间较短。