数训练，也能以低时延满足企业级大规模推理的 刚性需求。 昇腾 AI 坚持架构创新，开源开放，共建产业生态。昇腾 AI 经过 6 年快速发展，已成长为中国 AI 算力第二平面的坚实基础，并通过软硬件开源开放，建立生态兼容、共建共享的昇腾 AI 生态。在 基础硬件层面，昇腾持续引领技术架构，打造领先产品，实现业界最大规模的 384 超节点产品，并 在下一代将扩展至 8192，持续领先；在基 ：以系统化、 一体化的设计思维，将计算、存储、网络与运维管理深度融合，锻造出高性能、高效率、高可靠的 单一逻辑实体。它标志着一个全新时代的开启——智算基础设施正从松散组合的算力堆叠阶段，迈 入软硬协同、全局优化的超节点阶段，旨在有效破解超大规模 AI 训练与推理中所面临的扩展性瓶颈、 效率损耗与能耗墙难题，为 AI 的持续创新提供坚实、高效、绿色的算力基座。 为系统分析超节点技术的发展逻 NPU NPU … NPU NPU … 高速互联协议 超节点发展报告 13 “超节点”的演进始于对传统 Scale-Out 架构通信瓶颈的突破，经历了从服务器到机柜级集成 系统并最终深化为软硬件全栈协同的系统工程。它与 HPC、分布式计算等领域既有渊源又存在本质 区别，其核心价值是为大模型深度优化的专用算力基石。超节点的形态和技术路线将持续演化，但 其作为 AI 时代核心计算单元的地位已然确立。

转型的一体化发展 - 06 国产数字化升级标杆实践报告 - 06 国产数字化升级标杆实践报告 近年来，在产业趋势下，融合创新历经从无到有、从试点到全面铺开的快速发展，国产软硬件完成了从“不可用”到“可用”的历史 性跨越。在此背景下，一场更深层次的变革的成效也正在显现：国产软件正从满足基础的“功能兼容性”转向追求更高的“性能与可 靠性”。目前软件产品已经实现全栈自研、 TDSQL已覆盖超过1000家金融机构，国内前10大银行中有7家使用，并助力40多家金融机构完成核心系统自主创新升级。在医疗、 传媒、交通等诸多领域，国产软件也经过了广泛的考验。 三是用户体验的优化：国产软硬件从可用、能用，向好用、易用、爱用迈进。早期融合创新产品被常被诟病生态不全、响应慢、稳定 性差、成本高，如今主流国产软件性能、稳定性、性价比显著提升；基于融合创新环境的应用也更加人性化和智能化，基于国产人工 竞争中占据有利地位。业务韧性的提升也确保企业能够应对各种突发事件，保障关键业务的稳定运行。 五是生态融合创造协同价值：国产软件的“好用”不仅在于产品本身，更在于构建一个繁荣、开放的生态系统。在操作系统、数据 库、专有云等国产基础软硬件发展过程中，海量产品逐步实现兼容性互认证。腾讯云发起融合创新开放联盟，已在全国28个省份铺 开融合创新经销体系，发展了一大批具备私有化产品销售和服务经验的专业渠道伙伴，这大幅压缩了项目实施交付周期，提升整体交

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 鹏，鲲鹏生态进入快速发展期。当前阶段，鲲鹏和 x86 多平台版本并行迭代成为主 要需求，由于两个架构开发生态的差异，如果采用两套流水线分别开发两套代码，则 应用加速软件包 参考 实现 基础加速软件包 高性能开源组件 基础软件 鲲鹏硬件 全 栈 优 化 大数据 分布式存储 数据库 虚拟化 ARM 原生 机密计算 Web/CDN HPC 八大场景软硬协同优化，使能鲲鹏好用 SQL 执行效率 30% ↑ 11 大类 40+ 算法性能最高 20x ↑ IOPS 性能 1.5x ↑ 压缩率 25% ↑ TPCH 查询性能 4X ↑ 自研安全 负载，从而提高虚拟机密度，同时 DPU 卡支持 VirtIO-net 和 VirtIO-blk 等协议，其作为 VirtIO 设备后端，可提高虚拟化网络和存储性能。 虚拟化调度优化： 鲲鹏虚拟化通过软硬协同方案，加速虚拟机中应用对 CPU 的调度效率。 » 通过 NUMA 感知和 cluster 感知特性，将关于 CPU 的拓扑结构直通到虚拟机，虚拟机 OS 内核可通过 cluster 任

，负责统一管理 设备板卡、端口、链路等资源，支撑算力感知、自适应路径、彩光驱 动、SR/SRv6、VPN、安全防护等网络服务能力。同时，封装各类硬 件驱动抽象接口（如 SAI、ONLP），统一软硬件之间的调用协议与状 态同步机制，实现设备的“能力开放”和“功能可编排”，构成网络 智能化的核心执行单元。 管控层（协同调度层）：融合了“传输网管 + SDN 网络控制器 + 数通网管”的统一编排调度系统，承担 以下五大特点： 1.端到端融合编排 架构打破 IP 与光层的传统分层边界，实现从业务接入到光层调 度的统一控制，具备从路径规划到资源发放的端到端编排能力，支持 确定性网络构建与秒级调度响应。 2.软硬解耦、接口开放 引入 SAI、ONLP 等抽象接口，实现设备操作系统对多样硬件形 态（芯片、线卡、模块）的封装与适配，促进产业生态开放，便于多 供应商设备统一管控。 3.融合多能力栈 网络 统并不是灵活适配与更改的。将商用硬件与开源软件结合，打破传统 厂商软硬件绑定模式的白盒设备发展至关重要。白盒核心在于通过软 硬件解耦实现灵活性与成本优化，同时，白盒设备与 SDN/NFV、网 络切片深度结合，实现 “网络即服务”。光模块与白盒设备的互相结 合，打造了光电融合网络的灵活底座。 设备操作系统的发展：白盒操作系统是白盒数通设备实现软硬件 解耦的核心。全球超 70% 的白盒交换机采用 SONiC，亚马逊、阿

初步形成‘基础通用+专项技术’双层架构。在功能安全方面，《GB/T40429―20 21汽车驾驶自动化分级》与《GB/T34590系列标准（道路车辆功能安全）》构 成核心支撑，覆盖ASIL等级划分、安全目标定义及软硬件验证要求；网络安全 领 域 则 依 托 《 GB/T40861―2021 汽 车 信 息 安 全 通 用 技 术 要 求 》 及 ISO/SAE21434转化标准，明确TARA（威胁分析与风险评估）流程与安全开发 。当法规明确L3级系统责任边界与准入条件后，车企研发资源将从‘技术演示’ 转向‘量产鲁棒性优化’；当OTA监管细则落地，芯片厂商（如地平线）与OEM的 合作模式也将从‘硬件预埋+软件后期解锁’升级为‘软硬协同认证+全栈合规交付’ 。这种由法规锚定的节奏协同，正推动智能驾驶从‘向高而行’的技术突破，转向 ‘向高同行’的生态共建阶段[3]。 参考文献 [1]政策：《工业和信息化部市场监管总局关于进一步加强智能网联汽车产品准 集中度差异显著：Waymo在激光雷达点云处理与仿真测试领域专利密度达行业 均值的4.2倍；奔驰则在MB.OS操作系统内核调度与MB.DRIVE决策模块拥有高 度闭环专利簇，覆盖从感知输入到执行器响应的全链路，形成软硬协同的技术 答对先见AI 全球智能驾驶辅助技术发展现状:技术路线、商业化落地与政策框架分析 30 护城河[3]。这种高集中度布局不仅强化了其在特定技术路径上的先发优势，也 客观导致技术路线

2025-2030 规划总投资规模 ..........................................27 图 20 软硬件建设 2025-2030 规划总投资规模 ............................... 28 图 21 软硬件运维费用 2025-2030 规划总投资规模 ........................... 29 图 22 咨询研究费用 慎”的显著特征。超 过九成的单位五年总投入预算控制在 1000 万元以内，显示出行业整 体摒弃了“大干快上”的盲目投资，转而追求极高性价比的“小步 快跑”策略。 在投入结构上，资金高度集中于软硬件等基础建设，咨询与运 维投入占比极低，反映出“重建设、轻咨询”的务实导向。与此同 时，建设模式发生结构性转变，“内部与第三方合作开发”成为主 流，单纯依赖外包的模式占比下降，审计机构在转型中日益重视核 1%的头部单位规划了 3000 万元以 上的战略级投入，行业资金集中度极高，两极分化趋势明显。 全国内部审计数智化转型发展研究报告（2025） 28 图 20 软硬件建设 2025-2030 规划总投资规模 图 20 可见，基础设施建设仍是资金支出主要方向。软硬件投入 与总投资规模分布高度趋同，95.7%的单位预算在 1000 万元以内。 这一数据暗示，大部分单位的资金将被用于服务器、终端及基础审 计

机制 ，促进服务生态的整合与协同。打破设备孤岛 ，则要构建开放的通信协议 ，实现设 备的互 联互通 ，让 AI 在多元设备间自由流动。 “ 三个协同”聚焦于端云、软硬和算网的协同发展。端云协同突破算力瓶颈 ，实现计算资源的 灵活分配；软硬协同突破能效瓶颈 ，提升系统的整体性能；算网协同强化计算效率 ，为用户 带 来极致的体验。 “ 三个共同”强调模型算法、 隐私保护、标准共建以及 AI 伦理和行业共治等方面的共同行动。

材料等关键行业加速落地，展现出广阔的应用前景。 本报告中的“机器人+人工智能”指的是建模优化、机器视觉、 语音交互、机器学习、深度学习等人工智能技术应用于机器人上的智 能体。其工业应用包括两个层次，一是嵌入各类智能软硬件的机器人 产品在生产操作、物流配送等典型工业场景中的应用，二是智能化的 工业控制平台通过集成人工智能技术与工业机器人等设备，在产线优 化和试验验证等群体智能场景中的应用。 本报告分为研究背 规 模应用提供了算力支持。2024 年，全球 AI 大模型的参数量和数据量 持续增长，特别是像 Sora、GPT-4o、Gemini 等多模态大模型的出现， 进一步推动了算力需求的激增。当前，软硬件协同的方法正在不断提 升大规模智算训练效率。在硬件方面，高性能 GPU、专用 AI 芯片、 高速互联网络、大容量高速存储等技术，实现了大规模的算力供给， 为处理复杂、不规则的计算任务（如自然语言处理的长序列数据、计 基于地图开展移动路径设计的自主导航功能也实现广泛应用，发展出 各类清洁、搬运机器人。 在传统模块化机器人中，多种模型的组合配合也大大拓展了机器 人的应用场景。其中，以工业视觉为代表的感知交互技术在软硬件层 面都趋于成熟，因此与其他模型的组合使用较为常见，如搭载“识别 类+复杂操作类”模型的分拣机器人、质检机器人；搭载“识别类+ 自主导航类”模型的巡检机器人、配送机器人等。 图 2 机器人产品智能化的三个方向及组合

商业模式分类：移动医 疗、互联网医疗、慢病 管理、长辈健康数据追 踪、可穿戴医疗设备等。 • 代表性公司： Hims&Hers Health、 teladoc、welldoc、 dexcom等软硬件公司 B2C远程管理 • 定义：B2C远程管理主 要是定位于院内医疗场 景的远程实现，是用户 和医疗的远程互动 • 商业模式分类：远程影 像、远程病理、视网膜 检测等 • 代表性公司：RadNet、 。 ➢ 诊断：移动医疗、互联网医疗等线上诊端场景，既包含纯AI的初诊，也包含真实医生端的在线处方。 ➢ 治疗：医药电商、心理健康辅导 ➢ 康复：慢病管理，比如血糖管理等。 ➢ 日常健康管理：软硬件依托的日常健康管理，比如睡眠数据监测 13 产业链概览 上游 基础层 • 数据：医院/体检机构/穿戴设备 • 硬件：AI芯片/传感器/智能终端 • 软件：算法框架/医疗影像分析 • 技术：5G/脑机接口 提升药房的经营效率和服务质量 ➢ 革新传统药房销售运营模式 ➢ 改善客户服务质量 AI在医疗机构管理中的应用 卫宁健康智慧医院信息化建设架构 医疗信息化是传统软件技术和新一代信息技术在医疗领域的应用，通过计算机软硬件、互联网、大数据、人工智能等现代 化甚至前沿技术手段，实现对医疗机构的内部管理和业务流程所产生的数据进行采集、存储、提取、处理和加工，并最终 为医疗业务提供各种质量和效率支撑。 资料来源：卫宁健

Action 百度 ASR 百度 NLP Intent Speec h API 意向筛选 . 海量客户按需设置意向指标 . 提升筛选效率，精准获 客 任务 管理 语音网关 软硬交换 机器人 配置 营 全渠道一 . 多渠道统 . 知识复用 道差异化运 智能 控能机器 人 智 能 外 呼 解 决 方 案 MRC P proxy 号码自动路由