具身智能 扩展现实（XR） 世界模型 自动驾驶是空间智能目前规模最⼤、最成熟的应用，已经接近⼈类⽔平， 技术前沿开始从模仿学习转向强化学习，以保持性能增长 10 信息来源：量⼦位智库 描述 L1 阶段 L2 L3 L4 L5 数据支撑 • 极少 • 以视觉为主的⼤量 车辆驾驶数据，附 加激光雷达等其他 传感器数据 • 在驾驶数据的基础 上增加针对尾部场 景的模拟仿真数据 具身智能 扩展现实（XR） 世界模型 3D⽣成是数字世界的空间智能，由图形学和AI共同驱动，处于技术快速 进步阶段，当前最⼤瓶颈是寻找具有良好扩展性的3D数据表征 描述 14 信息来源：量⼦位智库 L1 • 基础的⽂⽣3D、图⽣3D功 能，纹理和边缘较为粗糙 阶段 L3 L2 L4 L5 数据支撑 • ⽣成的精度达到基础⼯业 级⽔准，可用于产品设计、 3D打印，可以实现动态化 3D⽣成 具身智能 扩展现实（XR） 世界模型 具身智能是空间智能未来规模最⼤的应用，可以和物理世界深度交互， 但目前整体成熟度较低，头部玩家即将开始⽣产环境实验 17 信息来源：量⼦位智库 描述 L1 阶段 L2 L3 L4 L5 数据支撑 • 百万小时真机数据 或⼤量仿真数据 • 百万小时真机数据 加⼤量仿真数据 算⼒支撑 • 千卡集群 • 万卡集群 • 在给定场景范围内有基本的⾏

64B/66BGMPOTU OTUGMP64B/66B L1.5-PHYSec PHY 芯 片 Serdes 光模块 光模块 PHY 芯 片 Serdes 400GE L1.5-PHYSec L1 层 PHYSec ：基于“比特流”的光模块实现 MAC (Preamble+Padding+FCS) RS Deskew AM Lock RS-FEC Symbol distribution

运维、咨询、集成、交付、调优的一体化服务，最终实现模型即服务。 2.6.1 模型汇聚 随着 AI 技术发展和产业需求爆发，单一模型和智能体无法满足复杂业务流， 依托云原生 AI 底座和 AI 工具链技术，汇聚覆盖“L0、L1、L2”的多层次模型体 系，构建最开放、最全面的模型和智能体生态，助力 AI+企业即用即取。中国移 动已构建 DICT 库、MaaS 云市场等多种成熟商业模式，形成了算力补贴、技术 大赛等体系

，主要通过硬采、软 采、路测等方式来获取来自不同来源的数据，包括无线空口用户终端（UE）侧数据、无线空口基站 侧数据、核心网数据和网管数据。 具体而言，空口 UE 侧和基站侧数据涵盖了物理层（L1）、数据链路层（L2）、网络层（L3） 的多类信息。基站侧通过提取这些信息，组建消息包并建立通信接口，将实时数据传输到外部平台， 实现基站侧数据的实时采集。核心网数据则包括控制面数据和用户面数据，其中控制面数据用于处

强算力：单计算节点1U2P，整柜36个计算节点高密部署，辅以PowerTurbo技术，实现超强算力； 高密度：高密部署，单柜功率最高60kW+； 全液冷：使用液冷门+冷板组合，实现100%全液冷； 高能效：L1/L2/L3联动，PUE低至1.15； 高可靠：液冷漏液检测、漏液隔离，供电防短路，液冷快接头盲插无滴漏； 交付快：水、电、网三总线盲插实现极简安装，工厂预装、整机柜运输+交付，交付部署速度提升4倍，TCO

实现零训练样本下缺陷样本识别， 较传统方法发现率提升2~3倍 低门槛AI开发 提供自动化工作流，自动数据处理， 自动化调参，自动化生成模型，减少 对AI开发工程师专业依赖 L2 场景模型 L1 行业大模型 L0 基础大模型 自然语言 计算机视觉 预测/求解 … … 运营 平台 人工智能 基础设施 模型开发 平台及工具链（数据工程 | 模型开发 | Agent开发 | 应用开发）