未来网络技术发展系列白皮书（2025） 东数西算算网协同调度 业务场景白皮书 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。 加快算网 协同编排调度技术部署应用”、“探索算网协同运营机制”。 实际上，自 2019 年业界相关研究起步，“算力网”、“算力网络”、 “算力互联网”等概念层出不穷，“算网协同”、“算网融合”、“算网 ●一体 ”等路线众说纷纭。为科学推进全国一体化算力网、有效实践算 网协同，务须明确“算力网”和“算网协同”的内涵。 2025 年 4 月，《全国一体化算力网监测调度平台建设指南》（简称 行了阐述，从顶层设计 来看，算力网不是对于多方传统云计算平台进行简单的封装与转售： 使用方式，将从传统的“买算/租算”转为“用算”；渠道特征，将从 传统的“互联网自选下单订购”转为“算力网动态调度消纳”；网络 连接，可基于互联网或专用网络，专用网络相比于互联网可实现更好 的服务质量保障。可以看到，算力网是一种新型的服务模式，是一种 包含了网络、算力、平台的服务能力集合，而算力网络应属于算力网

未来网络技术发展系列白皮书（2025） 分布式算力感知与调度技术 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 本白皮书版权属于中国铁塔股份有限公司和江苏省未来网络创 新研究院所有并受法律保护，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：中国铁塔股份有限公司、北京邮电大学和江苏省未来网络创新研 究院”。 I 前 言 随着算力网络的飞速发展，算力资源呈现出泛在化、异构化、分 布化的显著趋势。如何高效感知、协同调度这些广泛分布且动态变化 的算力资源，以支撑日益复杂的智能应用需求，已成为推动产业数字 化转型和智能化升级的关键挑战与核心技术方向。 本白皮书首先详细阐述了分布式算力感知与调度的背景、需求、 体系架构以及关键技术，同时介绍了该技术在远程医疗、智慧城市、 大模型分布式训推以及云游戏等领域的典型应用场景，并探讨了当前 大模型分布式训推以及云游戏等领域的典型应用场景，并探讨了当前 技术落地、基础设施建设与改造以及标准化建设面临的挑战和发展建 议。 目前，工业界和学术界对分布式算力感知与调度技术的研究尚处 于起步阶段，并仍处于快速发展之中，新的架构、算法和应用模式不 断涌现，本白皮书作为阶段性研究成果，还存在需要不断完善的地方， 真诚地企盼读者批评指正。 II 目 录 前 言........................

当前算电协同发展面临诸多现实挑战。在资源匹配方面，算力 基础设施主要集中在东部负荷中心，依赖化石能源供电，而西部新 能源富集区却面临算力需求不足的问题，影响了绿电的消纳。在系 统协同层面，算力调度以性能优化为导向，电力系统则以稳频调峰 为目标，二者缺乏统一的优化框架，造成新能源利用率损失 3%- 5%。技术层面，算力系统的异构性与电力系统的波动性难以通过传 统控制模型实现兼容，跨域协同效率低下。这些问题的存在严重制 . 14 2.2.1 多元异构算力适配纳管........................................................ 15 2.2.2 多能互补电力协同调度........................................................ 16 2.2.3 算电协同感知模型构建..................... ..................................................................................... 50 5.2.1 智能调度技术从单目标优化迈向多模态协同，推动算力网 络向全域资源动态匹配演进 ...............................................................

灵活复用，实现业务粒度切片（vlan/roce 等）与路径稳定转发保障，支持微秒级时延控制，适应 AI/工业/金融 等场景对稳定性、低抖动的极致要求。 3.广域光电融合调度能力 结合统一控制面（如 SDN 控制器）实现电信级路径动态调度， 完成全网粒度识别、片段级路径编排与秒级快速发放，支持广域高效 算力连接。 1.2 光电融合网络需求和意义 随着 5G、物联网、高清视频等技术的普及，数据流量呈爆发式 影响了数字经济高质量发展，“东数西算”工程目前还面临“算不了、 算不起、算不好”的问题。要解决这些难题，需构建低成本的智算互 联网，以此支撑我国人工智能、大模型的发展需求，要将数据在不同 地区的算力中心间高效传输和调度。光电融合网络可实现长距离、低 延迟、无损的数据传输，为算力资源的跨区域协同提供支撑。 人工智能大模型训练、工业控制、自动驾驶等新兴应用对网络延 迟要求极高。如 AI 大模型训练中，网络抖动与丢包会严重影响性能， 求。 数据中心等网络设施能耗巨大，传统电交换网络能耗较高。光电 融合网络在光传输部分能耗较低，有助于降低网络整体能耗，符合绿 色节能的发展趋势。 光电融合网络则打破这一壁垒，提升网络资源灵活调度能力、降 低网络架构复杂度，实现面向智算场景的泛在连接能力，其意义主要 体现在： 支撑数字经济：为 AI 训练、算网协同、大数据处理等业务提供 高效、高可用底座；为智能制造、智慧城市、智慧能源等多个领域提

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。 式等不断涌现，多元业务的不同服务需求对算力网络的自动化和智能 化提出了更迫切的要求。而且算力网络本身也面临着需求碎片化和多 样化、日益增加的系统规模和复杂度大大增加运维难度、算网资源协 同调度等诸多挑战。通过引入 AI（Artifical Intelligence）技术加快算 网智能化已经成为发展趋势和行业共识。新一代智能算力网络正以实 现“L5 等级”的自治为目标进行演进发展。 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 来实现计算任务的统筹分配和灵活调度，算力资源云边端跨域分布和

高效承载的能力，基于云网 POP 灵活架构以及城域 Spine-Leaf 的 Full-Mesh 组网优势，实现了云边/边边高效协同和算网快速对接。面 向算力业务的长期演进，中国电信通过引入算力灵活调度、算力无损 传输、精准流级调度、网络智能运维等能力，打造以算力为中心、算 网一体的城域网新业态——算力城域网2。当前，中国电信在上海、 浙江、广东等地围绕海量数据弹性高效入算、存算分离百公里拉远训 练、百公 13 四、算力城域网总体架构 算力城域网是中国电信从云网协同到云网融合战略的具体实践， 通过 "算力”、"云”和”网"在基础设施层的融合，实现"算力”、" 云”和“网”在逻辑架构、资源管理和服务调度方面的逐渐融合，支 撑云网融合的算网产品和服务的持续创新。算力城域网依托新型城域 网的架构优势，构建以算力为中心、算网一体的新服务、新平台、新 形态。 4.1 算力城域网架构设计目标 （1）凝聚算力，共筑生态 （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。  打造精细化业

件的全栈优化，提供高性能开源组件、基础加速 软件包和应用加速软件包，使能应用极致性能，其针对大数据、分布式存储、数据库、虚拟化和 ARM 原生等场景 进行了深度优化鲲鹏架构特性，如内存管理、计算调度等方面的技术优势，通过预置的高性能库和框架，赋能开 发者轻松构建适应鲲鹏架构的高性能应用。在同一个构建流程中，当集成 BoostKit 后，基于鲲鹏架构的目标软件 包能够获益较大的性能提升。 ---- 大数据 分布式存储 数据库 虚拟化 ARM 原生 Web/CDN openEuler 和毕昇 JDK 性能优化 压缩算法 NVMe SSD 原子写 KAE RSA 加解密 OVS 流表归一化 虚拟化调度优化 ExaGear AArch32 指令翻译软件 Gazelle 网络优化 OVS 流表网卡加速 vKAE 鲲鹏 GCC CFGO 反馈优化 高性能云盘优化 vCPU 热插拔 KAEzip 数据库 虚拟化 ARM 原生 HPC EC Turbo MySQL 可插拔在线 向量化分析引擎 Kbox 云手机容器 多瑙调度器 负载感知加速系统 智能写 Cache CRC32 指令优化 视频流引擎 多瑙调度平台 图分析算法 IO 直通 MySQL NUMA 调度优化 指令流引擎 机器学习算法 数据压紧 MySQL 可插拔线程池 元数据加速 MySQL 并行查询优化 Ucache 智能读缓存

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 “超节点将成为 AI 时代的核心计算单元” 这一重要观点，清晰地呈 现了超节点的基础定义与特征，包括技术层面的基础特征和扩展特征，以及系统层面的大规模、高 行业客户在基础模型之上经 SFT + RL 形成“行业 R1”，算力从百卡增至千卡。推理端爆发 要求低时延 + 高吞吐并重：既要扛训练峰值，又要以高效率、低成本、多租户隔离稳定供给，推动 GPU/NPU 虚拟化与弹性调度。 OpenAI 范例：OpenAI 坚定地遵循“规模定律”，通过投入更多算力和更大参数来保证其基础 模型（如 GPT-4/4.5）的持续领先。同时，它基于这些基础模型，通过后训练技术扩展出面向推理 施压基础设施，形成通信墙—功耗散热墙—复杂度墙的循环。未来随着推理深入企业核心业务，需 在低时延下实现高吞吐 / 高并发：逻辑推理等任务将带来推理算力需求或百倍增长，推理也将集群化， 对互联与全局调度提出更高要求。因此，能否以更高效、更绿色的方式提供和使用算力，已不再是 锦上添花的技术选项，而是决定 AI 规模化发展能否持续的战略性挑战。 2.4 小结 超节点发展报告 12 超节点的出现与演进

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 统思维中不同层级（能源、计算、智能）之间深度耦合与协同的必要性。 最后，我想强调，迈向 实现全域信息的全面感知与资源的高效协同。 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。 诺依曼架构的核心瓶颈——“存 算分离”导致的数据搬运延迟与能耗，将在架 构演进中被彻底突破。技术路径将呈现清晰的 递进逻辑：首先，当前计算架构正在将异构算 力进行对等处理，消除多 XPU 多部件之间的主 从关系和调度带来的性能损耗，数据中心的算 网融合和全光互联等技术将进一步提高计算效 率；其次，近存计算技术将推动计算单元向存 储单元“靠近”，缩短数据搬运距离；最终， 存内计算技术将实现“数据不移动、计算在存

能源转型进程，成为构建新型能源体系的关键力 量。以电力行业为例，新一代 AI 技术（如大模型） 与电力系统加速融合，依托大数据分析与机器学习 算法，可显著提升可再生能源发电预测精度、优化 需求侧灵活性资源调度、实现电网故障智能预警与 诊断，全方位增强电网运行的安全性与效率。 然而，电力数智化转型并非一蹴而就。当前各国发 展水平差异显著 ：部分国家已启动面向未来的新型 电力系统部署，部分国家仍停留在传统电网阶段。 等重大风险的能力。加强核心设备本土化和数 据安全防护，确保能源系统稳定运行及关键环 节自主可控。 3. 灵活高效的电网 ：构建源网荷储协调机制，提 高电力系统对新能源波动和负荷多元化的适应 能力。通过智能调度与柔性输配电技术，实现 资源的精准高效配置，增强电力系统的响应和 调节能力。 4. 智能人性化的电气化方案 ：融合人工智能、大 数据等技术，推动设备智能化运维，优化系统 运行。为用户提供分时电价、能效分析、个性 智能电网（IG）：在这一阶段，数智化转型已 开始普及（尽管不是以层次化或系统化的方 式），几乎覆盖电力行业的所有环节，从发电 与输电，到配电与用电。电力行业的各个环节 尚未完全整合，但行业已具备执行预测性智能 维护、高效能源调度、自动设备优化以及提供 个性化用户服务的能力。 » 新型电力系统（FPS）：这是理想的阶段。在这 一阶段，电力基础设施面向未来，领先于电力 需求曲线，并与国民经济的宏伟目标保持同步。 在这一阶段，电力行业已实现上下游电力部门