罗·贝尼奥夫首 次提出了量子 版的图灵机概 念，为量子计 算奠定了理论 基础。 量子计算的概 念提出：理查 德·费曼在“计 算物理学会议” 上提出使用量 子计算机模拟 量子现象的想 法，开启了人 们对量子计算 的兴趣。 通用量子计算机 的概念提出：戴 维·多伊奇提出 “通用量子计算 机”概念，能够 模拟任何物理过 程，是量子计算 理论的进一步深 化。 量子电路复杂性 模型及量子通信 复杂性理论：姚 期智首次系统地 Grover量子算 法，大幅提升了 搜索效率。 量子算法成功实现： 1998年，IBM研究 员IsaacChuang团 队首次在两量子比 特系统上实现了 Grover算法。2001 年，该团队利用量 子计算机成功实现 了Shor算法。 HHL算法提出： MIT三位科学家联 合开发了HHL算法， HHL算法用于数值 求解线性方程组， 该算法能够在对数 时间内近似线性方 程组解向量的函数， 相较于经典算法展 云端量子计算服务 “Quantum Experience”。这 一服务允许用户通过 互联网访问IBM的量 子计算系统，并在上 面运行算法、操纵量 子比特、开发教学及 模拟实验等。 谷歌宣称实现量 子霸权：谷歌利 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

北京邮电大学 主要编写人员： 张浩、李媛、张晨、黄韬、刘韵洁 I 前 言 从量子这个概念的提出，到以半导体技术为基础的第一次量子革 命，孕育出了现代计算机文明，给人们的社会生活带来了巨大的变化。 其中极具代表性的应用场景之一就是计算机通信和互联网，其使得人 与人之间的交流变得非常方便。近几十年来，以操控量子态为基础的 第二次量子革命又带来了新的量子信息技术，比如量子通信、量子计 算 算和量子精密测量。这类新技术都是以量子力学原理来进一步突破原 有的技术路线。其中量子通信是利用量子不可克隆原理从物理上实现 绝对安全通信；量子计算是利用量子态叠加原理实现并行运算，极大 提高计算速度；而量子精密测量则是突破标准量子极限进一步提升测 量精度。在实用化的过程中，随着用户和节点数目的增加，很自然地 就形成了量子网络。当网络的覆盖面变得很大，类似于当今全球互联 网时，就形成了量子 5.2 分布式量子计算........................................................................62 六、量子算网协同...................................................................................63 6.1 量子计算协同化发展趋势...

S0980522100001 S0980522090001 l GPU 是人工智能时代下满足深度学习大量计算需求的核心 AI 芯片。 过去五年，大型语言模型的参数规模以指数级增长；从 2018 年起， OpenAI 开始发布生成式预训练语言模型 GPT 以来， GPT 更新换代持续提升模型 及参数规 模； 45.11% 。 AI 芯片中 由于 GPU 通用型强，满足深度学习大量计算 的需求，因此 GPU 在训练负载中具有绝对优势。以 GPT-3 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) (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 为 82% ， 位居市场第一。公司股价经历 2016-2018 年、 2020-2021 年、 2022 年 9 月以来三轮快速增长；其中 2022 年 9 月至今，受 AI 驱动下针对芯片算力需 求提升，公 司股价呈现大幅度反弹；截至 2023

联合编写单位 协作单位 中国电子技术标准化研究院 、GCC 全球计算联盟、国家信息中心 01 02 03 04 05 06 07 2.1 3.1 4.1 5.1 5.2 5.3 4.2 2.2 3.2 4.1.1 4.2.1 4.1.2 4.2.2 4.2.3 2.3 3.3 2.4 前言 大模型对基础设施的挑战 超节点的出现与演进 超节点基础定义与特征 总结和展望：迈向未来计算的下一个十年 参考文献 通往通用人工智能之路：最新大模型发展动态 07 07 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 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 基础特征：大带宽、低时延、内存统一编址 超大规模 扩展特征：多级缓存池化、资源灵活配比 超高可靠 灵活切分 大模型计算基础设施的挑战 小结 小结 CONTENTS 目录 超节点发展报告 02 当我们站在人工智能大模型技术飞速发展的十字路口，一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

本白皮书创新提出分布式算力感知与调度模型与架构。分布式算 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 工智能、物联网、元 宇宙等技术的爆炸式发展，传统的集中式算力计算模式面对如此庞大 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 个小任务，然后把这些小任务分配给地理、网络层级或逻辑上相互独 立的多个节点。这些计算节点可涵盖数据中心、边缘设备（如基站、 物联网网关）、终端设备甚至个人闲置设备等，通过网络连接形成协 同体系，实现算力资源的分布式协同与高效利用。分布式算力并非单 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，

................... 50 5.2.2 绿色计算技术从能效提升转向全生命周期减碳，零碳数据 中心架构加速普及 ................................................................................... 51 5.2.3 边缘计算与微电网从独立部署走向深度耦合，构建区域性 能电自平衡单元 ... 治理框架初步成型 ................................................................................... 53 5.2.5 量子计算与 AI 大模型赋能调度系统，突破传统优化算法 的算力瓶颈 .................................................................... （FNL）和紫金山实验室团队持续开展创新实践，共同推动着这一交 叉学科的发展。北京邮电大学未来网络团队长期深耕网络与能源融合 领域，通过构建“算力-电力-环境”三元耦合技术体系，提出了面向 绿色计算的算网能一体化创新架构。该团队不仅发表了多篇发表于 IEEE JSAC、IEEE TMC 等顶级期刊的高水平论文，还成功研发了绿 色算力枢纽一体化调度平台，这一成果已实际应用于中国能建“东数

...... 9 图12： 算力计算公式 ...................................................................... 10 图13： 近年推出的大预言模型有效算力比率 .................................................. 10 图14： 边缘计算的应用场景 ........... ............................................ 11 图15： 云计算与边缘计算的区别 ............................................................ 11 图16： 云计算与边缘计算 ....................................................... ... 22 表1： GPT 参数和训练集规模快速增长 .........................................................8 表2： 大语言模型的计算 .................................................................... 9 表3： 大预言模型算力测算 ............

深圳防灾减灾技术研究院：鲲鹏原生助力地震观测数据高效处理 93 4.4 电力 95 4.4.1 广州海颐：基于鲲鹏原生开发高性能、高可靠电力系统软件，加速电网数字化转型 95 4.4.2 国能信控：基于鲲鹏原生开发新能源计算平台，为电力系统提供高效算力支撑 97 4.5 医疗 99 4.5.1 卫宁健康：基于鲲鹏原生开发新一代医疗信息系统WiNEX，让医疗服务更便利 99 4.5.2 东华软件：构建鲲鹏原生医疗经营管理系统，让医院运作更有序 105 01 鲲鹏原生开发的 机遇和挑战 鲲鹏计算产业聚焦计算架构创新和开源基础软件的研发，致力于推动鲲鹏生态发展。 通过战略性、长期性的研发投入，吸纳全球计算产业的优秀人才和先进技术，持续 推进全栈计算技术的创新发展，加快构筑面向多样化计算的全球开源体系与产业标 准。基于“硬件开放、软件开源、使能伙伴、发展人才”的策略推动鲲鹏计算产业发展。 目前，鲲鹏软硬件联合创新已覆盖国计民生核心场景，主流伙伴核心应用已迁移到鲲 高亮、联想字典中可以替换的库和函数。支持以下功能： » 鲲鹏应用工程：只需要在创建鲲鹏应用工程页面进行简单的输入和选择，便可以实现自动化构建鲲鹏应用工程， 包括空工程、通用计算应用工程、安全计算应用工程、高性能计算应用工程、DPAK 应用工程和数据 IO 应用工程。 » 字典管理：支持加速库函数字典管理，可线上（自动）和线下更新。 » 编程辅助：支持鲲鹏加速库函数的悬浮提示、函数搜索，支持

智慧城市和商业创新等服务领域的应用及影响。除了强调 AI 在这些领域的关键作用外，报告还探讨 了 AI 与其他创新技术的协同效应，以及转型可能带来的社会和经济影响。 例如，在 AI 大模型和云计算技术的支持下，教育应用将能够动态分析学生的知识掌握情况， 帮助教师实时生成个性化的教学方案，确保每个学生都能享受量身定制的学习体验。医疗行业将不 再局限于“治病救人”，而是完全融入一个由 AI、 最复杂的智能系统——脑智能——学习，也可能是未来的重要“奇点”。 戴琼海 第三，更高效的算力芯片。计算能力与智能水平息息相关，当前人工智能的发展也是伴随着 算力的不断提升。但是，线性提升的算力如何带来智能水平的跨越式突破呢？这个问题似乎很难回 答。真正的突破口可能是算力的革命性飞跃，例如较现有的芯片实现数个数量级的效率提升。光计 算、量子计算、存算一体等新的范式的不断成熟，就如同通信从电缆升级到光缆，将有望变革智能 断逼近真理的过程，其数学基础与实现路径是未来 十年我们面临的核心科学挑战。 《智能世界 2035》所描绘的十大技术趋势，并非孤立的技术罗列，而是构成了一个相互依存、 协同演进的复杂生态系统。从计算范式的革命（突破冯 • 诺依曼瓶颈）、存储范式的改变（数据即 智能），到网络范式的跃迁（迈向智能体互联网），其底层驱动力是一致的：即为了支撑智能体在 物理与数字融合的“镜像世界”中进行大规模、实

前 言 算力是数字化时代的基础设施和核心动能，是全社会智能化转型 的基石。随着云计算、大数据、物联网、边缘计算等技术的兴起，以 及各行各业在数字化转型过程对网络、计算、存储等多维资源需求的 驱动，算力网络应运而生。作为一种结合算力和网络资源的新型信息 基础设施，算力网络通过将动态分布的计算和存储资源互联，将网络、 存储和算力等多维度资源的统一协同调度，实现连接和算力在网络的 全局优化。算力网络提供了一种弹性、高效、可扩展的服务模式，使 得海量的应用能够按需、实时调用分布式计算资源，为数字化转型业 务提供更加经济、高效、泛在的算力供给方案。 在算力网络推进各行业数字智能化转型过程中，随着行业应用涉 及的需求逐渐多样化、模型更加复杂化，行业应用中新业务、新需求、 新场景的多样化多对算力网络的灵活性、自动化和智能化提出了更高 的要求。为应对上述挑战，服务生成算力网络的概念得以提出。服务 算力网络的 落地应用和发展创新。 1.1 算力网络面临新的机遇及挑战 随着 5G、云计算、大数据、人工智能等新一代信息技术的结合 发展，工业互联网、车联网、AR/VR 等新型业务正逐渐落地推广。为 了满足复杂多元业务场景中的不同服务质量需求，新一代信息网络基 础设施正向着通信、存储、计算等多要素深度融合的一体化服务方向 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