等多元数据，通过小时级优化 算法和敏感性分析，为投资者提供“决策地图”。 SUMMARY 摘 要 调度智能：针对海量分布式资源协同难题，以虚拟电厂为核心载体，构建云边协 同多智能体调度体系，聚合光储充及其他可调节负荷资源，成功参与电网需求响应； 在零碳园区实现光储充智能微网，能源自给率显著提升。 市场智能：针对电力现货交易复杂博弈、风险难控的问题，打造电力交易智能体， 实现电价预测、 实现电价预测、策略生成、风险量化、自动执行全链路智能化。日前电价预测准确率 超90%。邦惠电品牌为中小用户提供交易服务，合同履约率100%。 用户智能：针对充电服务体验同质化、用户潜在价值未充分释放的行业痛点，依 托新电途聚合充电平台，构建用户画像与智能推荐、负荷智能引导、车网互动（V2G）、 生态协同连接四大核心能力。截至目前，平台已覆盖 440 余座城市，接入超 290 万个 充电设备，服务超 3000 万注册新能源车主；V2G 中，需大量代表分布式光伏、储能、电动汽车、可调负荷等不同资源的智能体自主 协同。基座需设计适用于新能源场景的多智能体通信、协商与协同机制，如合同网 协议、市场竞价机制、分层控制架构等，使分散的智能体能够完成广域需求响应、 虚拟电厂聚合等复杂任务，实现从智能决策到安全可靠执行的闭环。 在架构实现上，需要厘清“模型”与“智能体”的层级关系：L�层（行业大模 型层）提供可被智能体调用的模型与工具，如时序预测模型、电力知识大模型、工

设计 的深化与试点示范的加速落地。根据《加快构建新型电力系统行动方 案（2024—2027 年）》，算电协同被列为七大试点方向之一，明确要求 在国家枢纽节点和青海、新疆等能源富集区，通过“绿电聚合供应” 模式提升数据中心绿电占比，并探索算力负荷与新能源功率联合预测、 柔性控制等技术，以降低电网保障容量需求。国家能源局 2025 年 5 月发布的《新型电力系统建设第一批试点通知》进一步细化实施路径， 国家枢纽节点绿电占比 ≥80% • 新建大型数据中心 PUE≤1.25 2024.07 《加快构建新型电力系统行动方案 (2024-2027)》 • 开展“算力+电力”协同 试点 • 探索"绿电聚合供应"模式 • 提升新能源消纳率 15% 如表 1-1 所示，我国算电协同政策呈现三阶段特征：2021-2022 年 侧重空间布局优化，2023 年强化技术标准建设，2024 年后重点突破 指标 体系，包含 6 个一级指标和 18 个二级指标，为行业提供了量化评估 工具。中国信通院发布的《算力电力协同发展研究报告（2025 年）》 则聚焦技术路径，提出“云边端协同调度”“算力负荷聚合响应”等 创新模式。 产业界也取得实质性突破，2023 年 8 月，阿里巴巴与华北电力 大学合作完成全球首次跨区域“算力-电力”优化调度试验，通过将杭 州的 AI 训练任务迁移至内蒙古数据中心，节省电费支出

06 16 21 07 16 21 09 18 22 24 26 11 20 22 12 12 13 13 14 14 14 15 全球产业的演进路线：从硬件聚合到系统构建 技术特征 支撑大模型创新及云服务场景 加速人工智能科学计算，服务算法创新 助力行业企业智能化升级 系统特征 AI 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 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 当前，千亿乃至万亿参数的大模型与 MoE 等先进架构的兴起，对计算基础设施提出了前所未有 的苛刻要求。传统的硬件堆叠模式已难以满足其对于算力规模、通信效率及系统稳定性的需求。《超 节点发展报告》深刻阐述了，必须从单纯的硬件聚合，迈向以“系统工程”思想为核心的创新构建。 超节点通过超高带宽互联、内存统一编址等关键技术，实现了计算、存储、网络资源的深度融合与 高效协同，其大规模灵活组网与高可靠运行的系统优势，是构建稳定、高效、易用的新一代算力系

级联控制层作为跨域协同与系统全局优化的关键枢纽，负责实现 多集群、多算域间、多层级的资源协同与联动调度。包括级联管理、 资源协同、聚合处理、任务编排、分布式部署、跨域迁移功能，可将 上层调度指令下发至各域控制单元，进行各域算力池状态实时协商与 协调分配与聚合处理，完成在不同地域、不同算力域内灵活编排与布 署，实现运行中任务和数据的动态迁移与无缝切换。该层通过全局视 26 角与局部自治 足不同层级算力节点对资源管理与任务响应的差异化需求。其中，全 33 局调度中心聚焦于策略制定、任务初步筛选与跨域任务解析，承担整 体资源视角下的调度决策与任务分派；区域调度中心面向本域内资源 聚合、策略细化与调度优化，实现区域内的资源高效利用与跨域间负 载均衡；边缘调度单元部署于算力节点侧，具备就近响应、细粒度感 知与快速调度执行能力，能够在毫秒级内对本地突发请求作出决策， 有效提升系统的服务敏捷性与抗扰鲁棒性。 语料，并执行庞大的矩阵运算，对 GPU/TPU 的浮点性能、显存容量以 及存储带宽形成高压。大规模生成式模型的训练与推理对算力提出了 “高并行度、长持续、高带宽”三重要求：训练阶段需要数百到上千 颗 GPU 进行同步梯度聚合，推理阶段则要在全球多地为 API 调用提供 快速响应，同时保证模型权重版本一致。因此，分布式算力感知与调 度能够在大模型分布式训推场景中得到广泛应用。 分布式算力感知与调度首先利用资源探针实时采集各数据中心

11 大学科领域的 128 个研究前沿（包括 110 个热点前沿和 18 个新兴前沿）。我们将 ESI 数据 库中 20 个学科的研究前沿和 RHN 数据库中的新兴主 题划分到 11 个高度聚合的大学科领域 ②，以此为基础 遴选出较为活跃或发展迅速的研究前沿。报告中所列 的 128 个研究前沿的具体遴选过程如下： 2.1.1 热点前沿的遴选 今年热点前沿的遴选用了三种方法。方法 1：沿 限定其遴选数量，因此这些新兴前沿在各个大学科领 域中分布并不均匀，例如，2025 年数学领域没有遴选 出新兴前沿，而生物科学领域选出了 4 个新兴前沿。 通过以上两个流程，本报告突出显示了 11 个高 度聚合的大学科领域中的 110 个热点前沿和 18 个新兴 前沿。 2.1.3 研究前沿的命名 由各学科战略情报研究人员，根据研究前沿的核 心论文的研究主题、主要内容和特点等，对 128 个研 回收利用废旧锂离子电池正极材料 33 8121 2021.8 5 废旧聚烯烃塑料的化学回收 42 8845 2021.5 6 锂离子电池单晶高镍正极材料 19 4442 2021.4 7 高温储能聚合物电介质 35 6667 2021.3 8 用于全固态电池的卤化物固态电解质 26 5089 2021.3 9 电化学还原 CO2 制多碳产物 14 3549 2021.3 10 PET

别格式的组件。 组件监控 �� �.�.�资源管理 硬件资源层 �）Monitors监控 Monitors是用来拉取并上报 Exporter指标数据的组件；用于管理Exporter元数据、实时聚合实例 维度数据、推送指标至多目标端。 通过上述全链路监控体系，可形成从底层协调到上层集成的立体化监控能力，是数据库稳定运 行、快速进行故障响应的基本保障，也是进行资源调配与合规审计的关键性技术支柱。 数量较多，主频中等Intel E系列。 CPU密集型： 可以处理高性能计算的cpu类型，主频非 常高，核心数量中等Intel I系列的。 �� 建议万兆及以上网卡。使用bond或者team技术的链路聚合模式或主备模式。 �．网卡优化 文件系统用XFS，服务器的SAS盘做raid�作为系统盘，SSD盘做raid�数据库用盘，并且使用常用 优化参数挂载。 �.硬盘 在常见中断中，大量的网络收 话 连接相关人工难以发现的逻辑问题。 �� �.慢SQL分析 慢 SQL 分析对实例中慢 SQL 的记录和执行信息（来源信息、次数、执行时间、返回集合、扫描集合 等）进行统计、抽样、聚合。针对聚合后的 SQL 语句、执行计划、综合资源消耗、扫描和返回集合大 小、索引使用合理性等，对慢 SQL 的性能进行分析，并给出优化建议。 �.SQL优化 SQL 优化为用户提供一键优化 SQL

DeFi应用是一个开放、可组合的五层架构，每个人都可在其基 础上搭建、改动或将其他部分组合起来，形成复杂的金融产品或服 务。目前，DeFi实现的主要金融应用包括开放借贷、去中心化交易 所、去中心化自治组织、聚合收益理财、稳定币、NFT等。一些DeFi 项目作为ICO项目在2017年出现，例如Aave、Bancor等。2019年， DeFi锁仓总值曾突破1.5亿美元。目前正在运行的DeFi项目近百个， 锁 定 议资产（如比特币和以太坊）组成的结算层；在此之上是由所发行 的资产组成的资产层，包括原生协议资产以及在此区块链上所发行 的任何其他资产；第三层是协议层，定义了应用场景。在这三个层 面，主要风险来自区块链技术本身的不足。再往上是应用层和聚合 层，用来创建应用程序和平台，可以连接多个应用程序和协议。 DeFi并非没有金融风险，它在稳定性和可预测性方面甚至不如传统 金融。DeFi的常见金融风险包括以下几个方面。 技术风险 对于新技术来 计算。 Compound的信贷功能蕴含流动性风险，任何环节出现问题都可 能会引发挤兑。理论上，加密数字资产供应方可以随时自由提取本 金和利息。然而该合约的激励算法未必总能保证足够的流动性。尽 管聚合了每个用户的同质化数字资产能提供比传统贷款大得多的流 动性，但在对某项资产需求极度旺盛时期，流动性将快速下降。如 果数字资产供应方此时对流动性感到担忧，就有可能试图提取超过 平台上可用资金的数字资产，导致挤兑。即便在没有出现供应方抽

- 自主性：拥有独立的身份标识与自主决策能力 - 交互性：可通过标准化协议与其他数字实体进行可信数据交换与价值转移 - 持久性：其存在与状态不依赖于特定平台或服务 - 可组合性：支持按需功能聚合与解耦 数字实体网络（Digital Entity Network，DEN）是一种新型网络架构，其 根本任务从单纯的数据传输转向支持数字实体间的语义互操作与可信协作。这种 转变将带来网络技术的 ier）三个角色， 通过数字签名链实现端到端验证。进阶方案如 zk-SNARKs 支持凭证属性的选择 面向 Web3.0 的数字实体互联白皮书 23 性披露，而 BBS+签名算法实现多凭证的聚合验证，它既支持隐私保护又提供审 计能力，形成可扩展的分布式信任体系。 4.隐私增强技术（Privacy-Enhancing Technologies, PETs） 隐私保护技术栈采用密码学前沿方案实现数据最小化使用：零知识证明系统

平台建设指南 （2024—2027 年）》 工业和信息化部、国家发 展改革委 新材料中试平台建设重点领域石化化工： 关键共性技术：精细化工工艺技术（加氢、聚合、氯化、氟化、磺化、胺基化、 烷基化等）、非粮生物基化学品纯化聚合及应用技术、超高纯化学品纯化技术、 磷矿资源高效利用技术、挥发性有机物高效分离与治理共性技术、气体无机膜 高效分离技术等。 关键材料：高纯电子化学品、高性能合成树脂、高性能橡胶及弹性体、高性能

语言的鲁棒性；4）语言的知识依赖；5）语言的上下文。 o 自然语言生成：为了跨越人类和机器之间的沟通鸿沟，将非语言格式的数据转换成人类可以理解的语言格式，如文章、报告 等。需要涉及：1）内容确定；2）文本结构；3）句子聚合；4）语法化；5）参考表达式生成；6）语言实现。 AIGC（AI Generated Content) 主要突出的是创造性生产，依赖于多模型的技术融合 专业生产  用户生产  AIGC 强、配 送效率高的流通企业将有更强的市场竞争力。流通企业借助数字化技术打造更全能的供应链B2B平台，构建扁平化、共享化、去中 心化的新流通商业格局，助力品牌商、供应商快速直供终端，可以推动产业形成“聚合效应”，迅速提升业务规模。 互联网化、数字化成为医药分销行业未来发展的引擎，AI助力流通企业提升经营效率 AI 药店分销：AI助力流通企业提升经营效率 AI赋能医药分销主要集中在三个领域