算力建设从传统高性能计算向超智融合转型。随着 DeepSeek 的发布， 各高校纷纷接入“满血版”DeepSeek，这一发展趋势对高校算力建设 产生了较大的推动作用，当前有很多科研项目既需要超算算力，又需 要智算算力，从应用的需求上看需要将这两种算力更好地融合，构建 成为统一的算力中心，因此有许多高校开始建设超智融合的算力基础 设施，并在此基础上统一建设算力平台，满足学校科研、教学与服务 中的 员对精细化操作的要求，又提供直观友好的图形界面操作模式，便于 科研新手快速上手，实现科研任务的便捷提交与管理。在功能应用层 面，算力开发平台聚焦科研实际需求，提供一系列兼具速度与效率的 微观模拟工具。这些工具基于先进的计算算法与模型，能够精准助力 普惠算力赋能教育行业研究报告（2025 年） 33 研发人员开展光学、电学、磁学、力学等多领域的物理性质计算。 虚拟仿真实验室方面，虚拟仿真实验室以算力为底座，通过将沉 提供覆盖算力资源全生命周期的全流程管 理能力，能够帮助算力中心建立管理和运营制度，快速投入使用；支 持接入 Slurm、CraneSched、K8S 等多种资源调度器，可纳管各类算 力资源；在同一平台接入和管理超算和智算算力资源，同时支持 AI 和 HPC 计算场景,实现超智算融合使用；能够快速在新建集群部署上 线或接入现有集群，部署几乎无侵入，可与其他管理平台共存。 SCOW 平台在北京大学实现部署应用。基于

网络路径。 5.2.4 数字基础设施 随着数字经济蓬勃兴起，新业态、新模式、新应用不断涌现，驱动 应用场景日趋多元化。在此背景下，AI 算力需求呈现爆发式增长，特别 是大模型对智算算力的需求激增，推动智算算力规模持续扩张。与此同时， 各类园区业务场景对算力的依赖日益加深，唯有高性能、高可靠的算力基 础设施，方能支撑对极致业务创新的追求。建设算力基础设施，不仅是打 造核心算力资源，更是为智能时代深耕沃土、厚植根基。 园区智算基础设施解决方案架构 解决方案的架构包括三大部分，分别是基础软硬件平台层，资源使能 平台层，使能工具平台层。其中基础软硬件平台提供全栈解决方案所需求 31 的硬件基础设施，包括通用计算资源池、智算算力资源池、存储资源池、 网络资源池；异构算力资源池提供 AI 所需要的 NPU 算力，满足 AI 应用算 力需求。异构算力资源池提供整个项目所需的 AI 算力需求，满足自主可 控需求，AI 服务器采用国产化 通过对融合通信能力的综合运用，可快速实现远程指挥、应急通信、 运营调度、内部对接、视频会议等多种场景应用。 7) AI/大模型 AI/大模型是指由大规模数据训练驱动、具备一定通用理解与生成能 力的智能技术核心，通常需要智算算力支持，可构建统一的技术框架支撑 多样化的智能应用。它能通过自然语言处理、计算机视觉、语音识别与合 成等多种模态接口与用户、数据和外部系统进行交互，并能集成和赋能广 泛的智能化场景，包括智能客服、文档理解与生成、代码辅助、数据分析

年底将达到每天 1.12 万亿，是 2023 年底每天 35 亿规模的 320 倍。 l 智能算力是构建大模型的重要底座，以 AI 服务器为代表的全球智能算力需求激增。算力可分为通用算力、智能算力及超算算力： 1 ）通用算力：由基于 CPU 的服务器 提 供算力，主要用于基础通用计算； 2 ）智能算力：由基于 GPU 、 FPGA 、 ASIC 等 AI 芯片的加速计算平台提供的算力，主要用于人工智能训练和推理计算；