未来网络技术发展系列白皮书（2025） 面向Web3.0的 数字实体互联白皮书 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联合网络通信有限公司研究院及其合作 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： 中国联合网络通信有限公司研究院等”。否则将可能违反中国有关知 识 户交互所需的身份识别、行为交互、数据解析等能力。针对当前互联 网在数据互联互通中面临的架构性与基础性瓶颈，本白皮书在参考借 鉴 OSI 网络七层模型的基础上，通过在网络传输层之上构建新型互 联协议，提出一种面向 Web3.0 的数字实体网络创新技术路径。 本白皮书1首先分析了网络中的数据对象，探讨了网络发展与数 据传输的本质、现有架构的局限性以及下一代网络的关键突破方向； 其次梳理了现有 Web3.0 附：缩略语...............................................................................................33 面向 Web3.0 的数字实体互联白皮书 4 一、网络发展与数据传输 （一）网络发展历史回顾 网络技术的发展经历了半个多世纪的演进，从最初的 ARPANET（1969 年） 开始，网络技术已经完成了多次质的飞跃。ARPANET

面向工程审计行业的 DeepSeek 大模型应用指南 （ Version 1.0） 南京审计大学 工程审计学院 公共工程审计江苏省高校重点实验室 复杂工程审计与治理研究院 工程项目智能化审计团队 2025 年 3 月 2 日 前 言 “ 在数智化转型时代背景下，工程审计正面临 数据爆炸、场景复杂、标准多 ” 元 的严峻挑战。传统工程审计模式依赖人工抽样与经验判断，难以应对海量工 ........................................................................................ 20 第 4 章 面向工程审计行业的 DEEPSEEK 提示词工程...................................24 4.1 APE 模型：精准定位工程审计任务 ................ 3-25 调整文档相似度阈值 经过上述配置，DeepSeek 理论上就具备了工程造价所需要的相关知识。如 果还想加载工程审计所需要的其他知识，也可以采取该方法来实现。 23 第 4 章 面向工程审计行业的 DeepSeek 提示词工程 在数字智能交互的复杂生态系统中，有效沟通已经成为连接人类认知与人 工智能计算能力的关键中介。提示词工程作为一种新兴的交互范式，本质上是 一种高

络团队 （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 效融合与协同调度的关键支撑。其涵盖从底层资源纳管，到能源多 能互补调度，再到全局感知预测、确定性网络承载、智能化决策控 制、全周期数字孪生以及多要素可信交易等多个环节。通过技术协 同共同构筑面向绿色、低碳与高效运行目标的算电融合基础设施底 座。 表 2-1 算电协同关键使能技术表 技术名称 核心目标 关键方法 多元异构算 力适配纳管 统一管理跨层级、跨 架构、跨域的算力资 网）并存的格局。与 此同时，各类算力节点在任务响应能力、能耗水平、部署位置等方面 存在显著差异，若无法统一建模与纳管，将严重制约协同效率。因此， 构建面向多元异构算力资源的适配与纳管机制，是实现算电协同调度 的核心基础[2]。 面向异构算力系统的纳管体系，主要从资源建模、能力抽象、标 准接口和自治控制四个维度进行构建： （1）资源建模与能力抽象：通过构建统一的资源建模框架，对 不同类型算力资源的算力指标（如

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。 IEEE Fellow IEEE PES 中国专业分会联合会 (PCCC) 主席 清华大学电机工程与应用电子系主任 清华大学能源互联网创新研究院院长 人工智能整合。企业着手设计统一的系统，将 人工智能融入核心运营。 » 第三阶段 ：加速期（2027 年及以后）——人工 智能驱动业务发展 ：人工智能将成为许多企业 DNA 中不可或缺的一部分。通过建立统一的治 理、面向人工智能的数据以及专项基础设施， 实现端到端集成。从人工智能加持的工作流程 到借助人工智能洞察塑造的战略，人工智能将 从单纯的辅助工具转变为企业的核心竞争力。 GDII 概览 11 全球数智化指数（GDII）2025 能应用运行的能力，为人工智能创新与数智化 转型提供技术支撑。 » 绿色数据中心容量 ：作为数据处理与存储支柱 下的新增指标，该指标衡量国家在边缘与核心 区域部署可持续高性能基础设施的能力，支撑 构建始终在线、面向人工智能的数据环境。 » 存储规模 ：作为数据处理与存储支柱下的新增 指标，该指标评估国家安全存储海量数据资源、 实现数据资产长期复用与深入分析的能力，保 障数据驱动型活动的连续性。 »

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 供高性能网络支持，加 过程，大幅减少中间设备和机房能耗。在架构层面，通过 CPO （共封装光学）、硅光集成、动态光层调度等新技术，推动网络走向“极 简转发+按需编排”的绿色形态。最终目标是在保障高性能承载的同时， 实现每比特传输能耗最小化，构建面向 AI 时代的低碳智联网络。 （4）切片保障 带宽切片保障是通过将网络带宽资源进行划分，为不同业务或用 户提供独立、定制化的带宽服务，确保其性能不受其他业务影响的技 术手段。利用网络切片技术将单一物理网络划分为多个虚拟网络，每 解耦的核心。全球超 70% 的白盒交换机采用 SONiC，亚马逊、阿 里云、腾讯云均加入社区并贡献代码，支持 800G/1.6T 接口及 AI 训 练所需的 RDMA 协议。白盒操作系统需要面向广域、算力、第三方 应用等多场景，既可以满足广域业务的一键开通与承载，也可以响应 算力的接入与调度，同时，面临用户界面的多场景应用也能灵活适配。 随着多厂家加入白盒操作系统的研发，白盒操作系统在标准与成熟度

型一次梯度同步产生的 TB 级数据 让传统以太网带宽难以承受；同时，伴随算力规模扩大，万级处理器带来的故障常态化，对自动化 运维与 RAS 能力提出了更高要求。在这样的背景下，超节点的出现成为了面向大模型未来发展的必 然趋势。 超节点并非简单的硬件堆砌，它的实现离不开基础技术、系统能力与可落地性的三方协同。基础 技术是超节点的根基，其具备超高带宽互联、内存统一编址等技术特征，通过近乎无阻塞的高带宽 槛，加速开发 者和社区的融入。如今，昇腾 AI 的算力底座已支撑起互联网、金融、政务、制造等数十个行业的智 能化转型，累计服务超过 10 万家企业客户。 携手生态伙伴，共筑产业 AI 生产力。面向 AI 产业的广阔前景，我们将以技术创新为本，构建持 续领先的产品及解决方案，并将能力开放出来，支持伙伴打造多样化产品，并为企业提供有竞争力 的解决方案，覆盖越来越多的行业场景。我们将与客户、伙伴形成紧密协同的价值共同体，加速产 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 的“o 系列”模型，满足更专业的市场需求。 趋势三：大模型训练成本倍数级增长趋势 根据 Cottier, B., et al. (2024) 的研究分析，大型语言模型（LLM）的训练成本正呈现出惊人

的全面跨越，最终构建起一个强大、高效、智能且安全的分布式算力 服务网络，成为推动数字经济发展、支撑社会数字化转型的核心基础 设施。 二、分布式算力感知与调度架构 为应对算力资源日益呈现分布化、异构化的发展趋势，亟需构建 面向多源异构算力的高效协同与智能调度能力。为此，提出基于“分 层分域”设计理念的分布式算力感知与调度系统架构。该架构由基础 设施层、网关管理层、算力管控层、级联控制层、安全保障层和应用 服务层六大 据加密、网络安全保护、健康度评估、应急响应恢复等功能，支持多 策略联动的风险识别与处置能力。有效提升在复杂动态环境下的系统 稳定性、业务连续性与数据可信性。 （6）应用服务层 应用服务层聚焦典型算力应用场景，面向不同行业、不同形态的 任务调度需求，提供灵活、高效的分布式计算服务能力。支持包括远 程医疗、智慧城市、大模型分布式训练、云游戏、低空经济网络、战 术网络、智能制造、自动驾驶等典型场景的分布式算力感知与调度， 利用率与用户体验，助力多行业智能化转型。 27 三、分布式算力感知与调度关键技术 分布式算力感知与调度作为智能互联网基础能力体系中的核心 支撑技术，面向大规模、异构化、多域协同的算力资源环境，致力于 实现算力资源的全面感知、智能决策与高效调度。该技术面向算力泛 在部署、需求多元涌现的发展趋势，突破传统集中式资源调度的局限， 构建了具有层次性、自治性与协同性的资源感知与调度架构，可对分 布在云

附 录 3 0 TI-ONE 训练平台 面向数据科学家， 提供从数据预处理、模 型训练、自动学习、模型评估到模型发布 部署的全流程支持 TI-Matrix 应用平台 面向 AI 应用开发者，快速接入模型、数据和 智能设备。提供模型服务、应用工作流编排、 云边端调度等功能，快速构建智能应用 TI-DataTruth 数据标注平台 面向 AI 数据服务商，提供数据标注作业、 数据众包管理、场景数据挖掘等智能数据 力 平 台 九 大 能 力 中 心 算法 模型 算法 服务 数据采集 数据标注 AI 设 备 3 1 差异化算法模型构建 l 腾讯云 TI 平台 TI-ONE 提供差异化算法模型构建工具，面向零基 础业务人员，初级算法工程师，高级算法工程师等不同使用人 群，提供自动学习建模工具，可视化拖拽式建模工具，交互式 代码开发环境，训练软件开发包 (SDK) 等不同使用门槛的建模 工具。

能力有望大幅提高机器人对环境的理解能力，以及根据理解结果控制关节等 的执行能力。相关标的包括：Meta，奕瑞，龙旗，舜宇，水晶光电，歌尔。 观点#3：隐私保护需求推动办公用 PC AI 化 23 年 3 月，微软推出面向 Office 的 Microsoft 365 Copilot 以来，以办公助 手为切入点，重塑包括 Word、Excel、Powerpoint 等通用办公软件， 以及 Dynamics 套件等专业 展仍然处于非常早期阶段，但是大模型所具备的以上能力，也有望提高机器人对环境的理 解能力，以及根据理解结果控制关节等的执行能力。 终端如何解决大模型痛点：隐私保护（AI PC）。23 年 3 月，微软推出面向 Office 的 Microsoft 365 Copilot 以来，以办公助手为切入点，重塑包括 Word、Excel、Powerpoint 等 通用办公软件，以及 Dynamics 套件等专业软件在内的生产力工具矩阵，向数据协同、 工作场景方面：1）面向企业办公场景推出 Copilot for Microsoft 365，根据微软 FY3Q24（对 应日历季度 1Q24）业绩会，近 60%的财富 100 强企业正在使用。2）面向企业流程中的财 务、销售和客服场景，分别推出 Copilot for Finance/Sales/Service；3）面向云运营和管理 场景，推出 Copilot for Azure；4）面向 IT 安全场景，推出

从战略发展角度来说，数字基础设施的发展是推动数字经济发展 的关键驱动力。随着全社会数智化转型的升级加速，对于算力的要求 也越来越紧迫。算力已成为全球技术创新竞争的焦点领域，我国正在 集中力量攻关面向未来产业发展的新一代服务生成算力网络（SG- CNC, Service-Generated Computing and Network Convergence）技术， 开展原创性、先导性的基础理论及关键技术研究，旨在形成具有自主 技术来赋予算力网络基础设施智能化、业务 流程一体化、服务能力自优化、算网运维自动化等能力，进而为多元 应用提供泛在、高效、灵活、安全的服务化算力供给。在此基础上， 服务生成算力网络还强调能力自主优化和智能自适演进，面向动态变 化的应用场景和服务需求能够通过自学习、自演进来不断提升自身业 务服务质量和智能化能力。 本白皮书阐述了服务生成算力网络的发展背景、目标愿景、体系 架构、使能技术、应用场景和机遇挑战等，旨在为那些有兴趣了解服 产业加速进化，为 AI 计算提供“随处可 得”的优质算力服务，支撑大模型训练和高效的模型推理，有效地推 动 AI 应用的广泛落地和创新发展。为了使研究人员更直观、更深入 地理解服务生成算力网络，并提供面向新一代算力网络建设的参考方 案与灵感启发，本白皮书从 AI 技术与算力网络结合的角度入手，从 概念、架构、技术、场景、生态、挑战等多个方面对服务生成算力网 络进行系统、全面的阐述。 1.2