训练任务的错峰调度）为电力系统提供 了新的调节手段。研究表明，通过优化调度，全国数据中心可提供约 3000 万千瓦的灵活调节能力，相当于 30 座百万千瓦级抽水蓄能电站。 此外，在“双碳”目标约束下，算力产业的绿色转型需求迫切，但目 前绿电使用率仅 22%左右，亟需建立更高效的算电协同机制。 算电协同创新发展已成为当前数字经济与能源革命深度融合的 核心命题。从算力需求侧看，AI 技术爆发式增长推动全球算力规模 以下三个方面：一方面，新能源出力与算力任务间歇的维度不一致。 新能源出力的间歇性与算力业务运行的连续性存在时序不匹配问题， 需依赖高精度的负荷与资源预测模型；另一方面，算力任务迁移约束 复杂。算力任务的跨域迁移涉及算力调度、链路传输与业务可靠性等 多重约束，系统响应能力和成本控制能力要求较高；最后，电力系统 与算力系统的协同缺乏一致性协议。电力系统与算力系统间缺乏统一 的资源编排接口与调度协议，统一调度还存在困难，制约协同机制的 资源分配等环节具备较强的弹性，能够根据外部能耗信号动态调整运 行状态。结合智能调度系统，可在不影响关键计算任务执行质量的前 提下，释放出一定比例的调节能力，对应电网的负荷波动进行响应。 通过构建具备时效性、电价联动性和能耗约束能力的运行策略，推动 算力资源主动参与电力系统的频率控制、负荷平衡和需求响应，提升 第九届未来网络发展大会白皮书 算电协同技术白皮书 39 整体系统运行的稳定性与柔性。 面向

要技术专家与领域专 家深度协作，共同破解行业特有的复杂性挑战。 尤为重要的是，《智能世界 2035》中“Token 管理网络，让智能成为能源的神经系统”这一 趋势，点明了智能世界发展的一个关键约束与使能条件。未来无处不在的智能体及其承载的海量算 力，其运行必须以可持续的能源为基础。将智能技术融入能源网络的管理与调度，构建一个如同神 经系统般灵敏、高效、自适应的能源互联网，是实现智能世界可持续发展的物理基石。这体现了系 通往智能世界 2035 的 十大技术跃迁 与 AI 共进 03 贯穿人类文明的关键是思维的发展，从经验到科学再到智慧。而工具对人的辅助，从算盘到计 算器、计算机、互联网，再到机器智能，不断突破生命系统的约束，带来创造力跃迁，给人类发展 带来无限可能。 智能技术 超级智能体 ·数字智能 ·具身智能 通信与网络 感知与交互 存储与计算 新能源 IoT 移动互联网 PC互联网 键盘、鼠标 知识图谱 数据库 规则与 形式化模型 状态感知 环境 外部模型 内部模型 行动引擎-How目标驱动 决策 目标管理 规划与约束 推理与检索 工具与求解器 控制与协作 互联网与感知数据；理念引擎通过抽象验证深 化认知；行动引擎涵盖目标管理、综合推理、 约束规划等实践能力。三大引擎联合形成的高 保真世界模型推动智能走向物理世界。 我们认为，走向物理世界是 AGI 的关键路 径，通过物理实体与环境实时交互，实现感知、

力是一种新型的计算模式，在实时感知多类型、多数量计算设备资源 状况的基础上，借助统一的度量范式对资源量进行对比与评估，再结 合任务的计算强度、时延要求和数据依赖等特征，以及网络带宽和能 量预算等约束，运用自适应的智能调度算法将大规模的计算任务分散 到不同的计算节点上，从而实现高效的数据处理和分析。本白皮书阐 述了分布式算力感知与调度的背景、体系结构、关键技术、应用场景、 发展建议，旨在为 及抖动，以保障低延迟应用。此外，还需感知资源使用的经济成本、 能源成本及数据主权、SLA 等策略性约束。这些信息经清洗、融合与 抽象后，将形成支撑智能决策的多维度量化算力资源模型。 “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 跨域调度协调器或联邦学习机制。  能耗与可持续性感知：随着“双碳”目标的推进，算力调度 的绿色属性愈发重要。感知需纳入能耗与碳足迹的实时监测； 调度决策则需将能耗和碳排放作为重要优化目标或约束条件， 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

、规则制定（作息时间） 。 隐性教育 家庭文化（餐桌礼仪） 、情感联结（亲子共读） 、价值观渗透（家长以身作则） 。 4. 系统方法 沟通方式 对话与倾听（非暴力沟通） 、非语言互动（拥抱鼓励） 。 激励与约束 正向强化（积分奖励） 、负向反馈（暂停特权） 。 参与模式 共同活动（家庭运动日） 、自主探索（提供实验工具） 。 5. 环境与资源 物理环境 学习角布局 、书籍 / 电子设备配置。 心理环境 应对青春期叛逆（调整管教方式） 、家庭变故（如离婚后的情感支持） 。 7. 文化与制度 家庭文化基因 代际传递（父母原生家庭模式） 、传统观念（ “成绩优先 ” vs “ 兴趣导向 ”）。 社会制度约束 双减政策（减少课外培训依赖） 、社会竞争压力（内卷 vs 佛系） 。 8. 系统边界与交互 内部边界 父母分工：父亲负责运动技能，母亲管理学习。 外部交互 家校协同（作业反馈机制） 、社会影响（短视频对注意力的冲击） 行为预测与干预：预测孩子可能的行为问题，提供 早期干预建议 。 • 育儿知识普及 ：为家长提供科学的育儿知识和技巧 。 限制性条件 Constraints ： • 多维数据输入约束： 必须整合至少 3 类数据 源 （如作业正确率 + 学习时长分布 + 生物特征） • 动态调整参数： 需嵌入实时反馈回路（响应延 迟 ＜ 10 秒） • 学科融合参数： 跨学科关联度＞

内容寻址和分布式存储确保了数据的抗审查性和持久性。这些创新有效缓解了平 台垄断、数据确权和跨境结算等传统互联网的痛点。 4. 问题与挑战 Web3 仍面临显著局限。技术层面存在"不可能三角"约束，主流公链的 TPS 难以支撑大规模商用，且私钥管理和 Gas 费用等设计抬高了用户门槛。经济治 理方面，通证经济易受投机影响，DAO 治理普遍存在参与度不足问题。架构设 计上，链上链下数据协 面临三重挑战：一是数据孤岛现象突出，各平台数据标准不一、互操作性缺失， 导致数据流通效率低下；二是数据权益界定模糊，用户对自身数据的控制权与可 审计性严重不足，权益保障机制不完善；三是合规风险居高不下，GDPR 等隐 私法规的约束使数据共享的成本与难度显著增加。​ 针对上述问题，数字实体网络通过制定标准化的数字实体交互协议与数据规 范，提供数字实体行为发生的真实性记录与核验服务，确保在交易环境下的参与 方以安全、可信且

解了算网数据训练集缺失的问题。同时，我们构建了面向不同生成目 标（如模拟特定网络负载、生成合成用户行为轨迹等）的专用大模型， 并精心设计了这些大模型之间的交互协作机制，将认知模型中蕴含的 领域特定知识（如网络协议规则、业务逻辑约束等）融入到数据生成 模型中，从而能够根据用户需求生成具备任意指定属性（如时间分布、 空间关联、语义内容等）的高质量算网数据。 4.2 网络拓扑智能生成 在生成式 AI 推动下，AI 模型参数呈指数级增长，这催生了对大 化需求，而大模型强大的模式识别、知识推理和生成能力提供了新的 可能。其核心需求是利用大模型学习海量网络设计案例、性能数据及 用户需求，自动生成满足特定性能指标（如低延迟、高带宽、高可靠 性）、易于扩展且符合预算约束的定制化网络拓扑方案，从而克服人 工设计的瓶颈。基于大模型的网络拓扑生成技术不仅能显著提升智算 中心网络设计的效率和质量，确保网络基础设施真正成为支撑 AI 大 模型训练和推理的“高速路”，最大限度地释放计算潜能，还能通过 经验，通过学习和积累来丰富自身的能力和知识库，能够对问题制定 相应的改进计划。其次，服务生成算力网络还需要具备自我调节和自 我控制的能力。系统或个体可以通过自主设定目标、制定计划，并自 我约束和监督实施，从而达到预期的改进效果。此外，服务生成算力 网络可以与用户互动和交流，接受来自外界的建议和指导，通过协作 和合作促进能力的优化和提高。这些特点使得服务生成算力网络能够 主动地改进和

中风险人工智能系统的风险较低，但仍必须遵守特定要求。这 些系统的提供者必须确保它们符合相关的法律义务、透明度和可追溯性等规则。 ■ 低风险人工智能系统对个人几乎不构成风险。这些系统不受相 同监管要求的约束，但仍应遵守适用于人工智能系统的法律框架。 ○ 数据治理（第10条）：第10条旨在确保人工智能系统对数据的使用 应透明、负责，并尊重个人隐私和数据保护权利。它要求用于训练和支持人工 智能系统的 外，人工智能系统的设 计必须允许由人类操作员检查。监督系统的自然人应能了解其功能、监控其运 行、解释其输出并在必要时干预。对生物特征识别系统提出了具体要求。高风 险人工智能系统将受到严格的义务约束，确保人为监督，并设计为能有效的由 自然人监督。 ○ 独立测试和验证（第57至63条）：它要求高风险人工智能系统应通 过独立测试和验证，确保安全性和可靠性。 ©2025 云安全联盟大中华区版权所有 随着该法案在立法程序中的推进，有关治理人工智能和生成式人工智能的具体 规定将会更加清晰。 ©2025 云安全联盟大中华区版权所有 48 3.4 新兴监管框架、标准和指南 2023 年《人工智能权利法案》（白宫蓝图）：这套非约束性的指导方针强调 了公平、无歧视地使用人工智能系统的必要性。它建议采取保障措施，防止算法歧 视和有害偏见的发生。 《联合国关于人工智能的全球决议》：联合国关于支持安全、可信和以人为本 的人工

产提前期、生产过程数据 等约束条件生成主生产 计 划 ； b) 应基于信息技术手段编 制详细生产作业计划，基 于 人 工 经 验 开 展 生 产 调 度 ； c) 应监控各生产环节的投 入和产出进度，具备异常 情况自动预警能力，并支 持人工对异常的调整 a) 应基于先进排产调度的 算法模型，自动生成有限 能力主生产计划； b) 应基于约束理论的有限 产能算法开展排产，生成

数字化企业架构框架DEAF-内容模型 业务架构、数据架构、应 用架构和技术架构是企业 架构设计应包含的构建块 元素，为具体企业架构设 计提供指导，是内容模型 的核心部分。 数字化工艺流程包括架构 愿景、架构原则、架构标 准、架构约束、架构组织 和架构需求，是架构工作 长期开展所需要建立的架 构治理要素。 项目实施包括路线图、项 目组合、项目、业务用例 和资源等，用于将架构设 计成果具体落地实现。 4A架构 数字化工艺流程

战略地位日益 凸显。与此同时，碳达峰、碳中和战略下绿色低碳发展的要求，以及 国家重大战略对通信韧性、产业升级的需求，为卫星互联网技术创新 与产业演进提出了更高标准。因此，如何突破轨道/频谱资源约束、 空间环境干扰等特殊难题，构建高效、可靠、智能的卫星互联网承载 体系，成为推动卫星互联网高质量发展的核心挑战。 传统卫星通信网络存在覆盖局限、资源利用率低、星地协同不足 等问题，难以满足全 星上部署 应急通信所需的网络功能，如临时的路由功能和流量调度功能，增强 网络的应急响应能力和弹性。管理功能涵盖：​  资源编排：联合优化计算、存储和频谱资源，基于博弈论和优化 理论解决多维约束问题。在卫星互联网承载网中，卫星的计算资 源、存储资源以及频谱资源都十分有限且珍贵。资源编排需要综 合考虑各种资源的分配和利用。基于博弈论的方法，将不同的业 务和用户看作博弈参与者，通过构建博弈模型，分析各方在资源 谱资 源分配中，不同业务对频谱的需求和优先级不同，通过博弈论模 型，让各业务在竞争中达到一种平衡，实现频谱资源的高效利用。 同时，运用优化理论，建立包含计算资源、存储资源和频谱资源 等多维度约束条件的数学模型，通过优化算法求解，得到最优的 资源分配方案，提高整体资源利用率。 29  性能监控：实时采集关键绩效指标，通过数字孪生技术构建网络 虚拟映像，支持事前仿真和优化决策。通过在卫星互联网承载网