，以 及演进路径建议。 本白皮书旨在通过对算力城域网的网络架构、关键技术、应用场 景及发展策略的探讨，吸引更多行业内的专家和相关从业者共同参与 算力城域网的创新发展与产品实现，推动网络向更加高效、智能、灵 活、绿色、安全等方向演进。 算力城域网白皮书（2025 版） II 目 录 前 言............................................... 22 七、算力城域网典型应用.......................................................................26 7.1 海量数据高效入算场景........................................................... 26 7.2 存算分离拉远训练场景................. 中心的建设。各 类算力资源如何实现高效整合，服务于千行百业，进而实现算力的商 业闭环是业界普遍关心的话题。本白皮书针对算力发展新态势和算力 业务新需求，在 2024 年《算力城域网白皮书》基础上，对算力城域 网的网络需求、网络架构、应用场景和关键技术等方面进行了更新和 完善，旨在应对算力快速发展带来的各种挑战，实现城域范围内异构 算力的资源整合和高效供给。 算力城域网白皮书（2025

目标：通过“东数西算”工程，在全国范围内规划建设多个国 家级算力枢纽节点和大数据中心集群，形成布局合理、绿色集约的算 力基础设施体系。实现算力的规模化、集约化发展，提升算力使用效 率，降低算力使用成本，推动算力资源的高效配置。  意义：从经济角度看“东数西算”工程带动了数据中心建设、 网络通信、IT 设备制造、软件等相关产业的发展，促进了产业结构 优化升级，为经济增长注入新动力。在资源利用方面，充分发挥了西 考与决策依据，加速“东数西算”从战略规划向工程落地的转化进程。 二、整体架构 ●系统整体架构 如图 2-1 所示：异地、异构、异属的各类算力资源 通过网关实现物理与逻辑层面的并网，构建起“全域可达、动态可控、 高效可用”的算力资源池，为算网协同调度平台提供标准化的资源服 务支撑。 图 2-1 整体架构图 算网协同调度平台包含两大用户入口及四个调度模块，功能如下：  资源需方入口：资源需求方可通过该入口发布涵盖算力、存 算力使用者在使用算网资源时，能够通过算网协同调度平台为统 一平台，实现对所有算网资源的无差别调度使用。这意味着，无论资 源的属性和管理方式如何，用户只需关注自身的业务需求，无需了解 资源的复杂细节，即可便捷、高效地获取所需算力、网络和存储资源， 享受一体化的优质服务体验。这种无差别调度模式极大地简化了资源 获取流程，提高了用户的使用便利性，降低了用户的使用门槛，有助 于吸引更多潜在用户进入算力市场。

.............................................................152 1. 项目概述 DeepSeek 智能体开发通用方案旨在构建一套高效、灵活且可 扩展的智能化解决方案，以满足企业在复杂业务场景中对智能决 策、自动化处理和数据分析的需求。该方案基于先进的人工智能技 术，结合深度学习、强化学习以及自然语言处理等核心技术，能够 体架构设计与功能开 发； 3. 测试与优化：通过功能测试、性能测试和用户体验测试， 确保智能体的稳定性与高效性； 4. 部署与集成：将智能体集成到 企业现有系统中，完成数据对接与功能验证； 5. 运维与支持：提 供长期的技术支持与系统优化服务，确保智能体的持续高效运行。 通过上述方案的实施，DeepSeek 智能体将成为企业数字化转 型的有力助手，助力企业在竞争激烈的市场中脱颖而出。 复杂 性高、开发周期长、跨领域适应性差等问题。为了应对这些挑 战，DeepSeek 智能体开发通用方案应运而生。该方案旨在为企业 提供一套标准化、模块化的智能体开发框架，帮助开发者快速构建 高效、可靠且可扩展的智能体系统。 当前市场上，智能体开发的主要痛点包括： - 技术栈复杂：智 能体开发涉及机器学习、自然语言处理、物联网等多个技术领域， 开发者需要具备跨学科知识。 - 可扩展性差：现有解决方案往往针

随着医疗行业的数字化转型，医疗机构对高效、智能化计算资 源的需求日益增长。为了满足这一需求，本项目提出了一种针对医 疗场景的 DeepSeek 智算一体机设计方案。该方案旨在通过集成高 性能计算硬件、智能算法和医疗行业专用软件，打造一个能够满足 医疗机构在数据分析、图像处理、辅助诊断等方面的计算需求的综 合解决方案。DeepSeek 智算一体机将采用模块化设计，确保系统 的高效性、可扩展性和易维护性。 软件层面，DeepSeek 智算一体机将预装医疗行业专用的操作 系统和软件套件，包括但不限于医疗影像分析系统、电子病历管理 系统、远程会诊平台等。这些软件将针对医疗场景进行深度优化， 确保其在高效计算的同时，能够满足医疗行业对数据安全和隐私保 护的高标准要求。此外，DeepSeek 智算一体机将支持与现有医疗 信息系统的无缝集成，降低部署和运维的复杂性。 在智能算法方面，DeepSeek 一体机成为迫切需求。DeepSeek 智算一体机旨在通过集成高效的 计算硬件与优化的软件算法，提供一站式解决方案，以满足医疗行 业中对高性能计算、数据隐私保护和快速响应的需求。 项目目标围绕以下几个方面展开： 1. 高性能计算能力：深度优化硬件架构，支持大规模并行计算，确 保在医学影像分析、基因组数据处理等场景中的高效运行。 2. 数据安全与隐私保护：采用符合医疗行业标准的数据加密和隐私

计算资 源的最佳分配 - 训练效果的持续跟踪与改进 项目将在现有技术基础上，整合多方资源，采用模块化设计思 路，确保系统具有良好的扩展性和适应性。通过本项目的实施，将 建立起一套科学、规范、高效的人工智能数据训练考评体系，为 AI 技术的进一步发展提供有力支撑。 1.1 项目背景 随着人工智能技术的迅猛发展，其在各行各业的应用日益广 泛，尤其在数据驱动的决策支持、自动化流程优化以及智能分析等 用和推广，通过提供可靠的训练和评估工具，支持企业和社会各界 在人工智能领域的创新和实践。项目的成功实施将直接推动相关技 术的发展和标准化进程，为人工智能的健康发展奠定坚实的基础。 1.2 项目目标 本项目的核心目标是构建一个高效、精准且可扩展的人工智能 数据训练考评系统，旨在全面提升人工智能模型的训练质量和考评 效率。具体目标包括： 1. 提升数据训练效率: 通过优化数据处理流程和引入自动化工 具，大幅缩短数据清洗、标注和处理的时间，确保训练数据的 行。 5. 降低运维成本: 通过自动化部署和监控机制，减少人工干预， 降低系统运维成本，同时提升系统的可靠性和可维护性。 为实现上述目标，系统将采用以下技术架构： - 数据处理模块: 集成了高效的数据清洗和标注工具，支持批量处理 和实时更新。 - 模型训练模块: 提供多种训练算法和参数优化功能，支持分布式训 练，提升训练效率。 - 考评分析模块: 基于多维指标的考评体系，结合可视化工具，生成

项目目标在于实现以下几个方面的突破： - 构建一个全面、准 确、动态更新的政务知识库，覆盖政策法规、公共服务信息、行政 流程等多个领域。 - 利用 DeepSeek 模型的高效学习和推理能力， 实现对政务信息的高效索引、查询和推荐，提升政务服务的响应速 度和用户体验。 - 通过知识图谱技术，实现政务知识的关联分析和 可视化展示，为政策制定和决策提供数据支持。 - 建立一套完整的 知识 户规模已突破 8 亿。尽管电子政务取得了显著成效，但仍面临诸多 挑战，如数据孤岛问题、跨部门协同效率低、智能化水平不足等。 为进一步提升电子政务的智能化水平，需引入先进的人工智能技术， 构建高效的知识库系统，以支持政务决策和服务优化。以下是当前 电子政务发展中存在的主要问题和需求： 1. 数据孤岛现象严重：各级政府部门、不同的业务系统之间数据 共享不足，导致信息重复录入、资源浪费和服务效率低下。 当前电子政务发展的重要方向。该系统将融合自然语言处理、知识 图谱、深度学习等前沿技术，实现对政务数据的智能化管理和应用， 助力电子政务向更高效、更智能的方向发展。 1.2 deepseek 模型概述 DeepSeek 模型是一种基于深度学习的自然语言处理（NLP） 技术，旨在通过大规模数据训练和优化，实现对复杂文本的高效理 解和生成。该模型结合了最新的深度学习算法和大规模数据集，能 够在多领域、多任务场景下表现出色。DeepSeek

谢人超、唐琴琴、杨煜天、马霄鹏、汪硕 江苏省未来网络创新研究院 魏亮、方辉、孙玉刚、尹鹏、林枭、韩风、占昊天、王磊 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、 状况的基础上，借助统一的度量范式对资源量进行对比与评估，再结 合任务的计算强度、时延要求和数据依赖等特征，以及网络带宽和能 量预算等约束，运用自适应的智能调度算法将大规模的计算任务分散 到不同的计算节点上，从而实现高效的数据处理和分析。本白皮书阐 述了分布式算力感知与调度的背景、体系结构、关键技术、应用场景、 发展建议，旨在为有兴趣了解分布式算力感知与调度相关概念和技术 的研究人员提供介绍与指导。具体而言，本章从分布式算力感知与调 个小任务，然后把这些小任务分配给地理、网络层级或逻辑上相互独 立的多个节点。这些计算节点可涵盖数据中心、边缘设备（如基站、 物联网网关）、终端设备甚至个人闲置设备等，通过网络连接形成协 同体系，实现算力资源的分布式协同与高效利用。分布式算力并非单 一形态，边缘算力是前者重要组成部分，是分布式思想的一种具体体 现。边缘算力强调“地理近端性”，即计算能力的部署靠近数据源， 以满足低延迟和高实时性的需求；而分布式算力更关注“全局最优性”，

智能体可以通过分析客户的历史行 为和偏好，提供个性化的服务建议，从而提升客户满意度和忠诚度。 此外，在供应链管理方面，AI 智能体能够实时监控库存水平，预测 市场需求，并自动调整采购计划，以确保供应链的高效运转。 其次，商务 AI 智能体的应用不仅限于单一的业务环节，而是能 够贯穿整个企业价值链。从市场营销到财务管理，从人力资源管理 到产品研发，AI 智能体都能够通过智能化的数据处理和分析，帮助 AI 智能体的应用效果，并进行持续优化。 总之，商务 AI 智能体应用服务方案的设计与实施，不仅能够 帮助企业提升运营效率和决策质量，还能够为企业创造新的商业价 值和竞争优势。通过科学合理的设计和高效的执行，商务 AI 智能 体将成为企业数字化转型的重要推动力量。 1.1 背景与意义 随着全球化进程的加速和数字经济的迅猛发展，企业在日常运 营中面临着越来越多的挑战，包括市场竞争加剧、客户需求多样 以下几个 方面：首先，实现业务流程的智能化升级，减少人工干预，提高处 理速度和准确性；其次，通过数据驱动的分析与预测，为企业提供 更具前瞻性的决策支持；最后，构建智能客服系统，提供全天候、 高效、个性化的客户服务，提升客户满意度和忠诚度。 为了实现这些目标，方案将聚焦于以下几个关键领域的应用：  业务流程自动化：通过 AI 智能体自动处理重复性高、规则明 确的任务，如订单处理、库存管理和财务核算，降低人工成本

...................................................172 1. 项目概述 在当前金融科技的迅速发展中，银行系统面临着处理大量复杂 数据和提供高效服务的挑战。为了应对这些挑战，本项目旨在部署 Deepseek 大模型，以提升银行系统的智能化水平和处理效 率。Deepseek 大模型，作为一种先进的 AI 技术，能够处理结构化 和非结构化数据，提供精准的预测和决策支持。 益等。通过这些指标，我们可以对模型的效果进行量化评估，并根 据反馈进行必要的调整和优化。 总之，通过部署 Deepseek 大模型，我们期望能够显著提升银 行系统的智能化水平，为客户提供更加个性化、高效和安全的服 务，同时增强银行的风险管理和运营能力。 1.1 项目背景 随着金融科技的迅速发展，银行业务的复杂性和数据量呈现指 数级增长，传统的 IT 系统在处理效率、智能化水平和客户体验方 度学习能力的人工智能技术，能够为银行系统提供高效的智能解决 方案。当前，许多领先的银行已经在探索大模型的应用场景，例如 智能客服、自动化文档处理、风险预测和个性化推荐等。然而，大 模型在银行系统中的部署仍面临诸多挑战，包括数据安全、模型性 能优化、系统集成和合规性等问题。 为应对这些挑战，本项目旨在设计一种切实可行的 Deepseek 大模型部署方案，确保其能够在银行环境中高效、稳定、安全地运 行。该

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 互联，将数百上千个 AI 处理器编织为一个逻辑统一的高密度计算体，为高效计算提供了底层支撑。 系统能力则是超节点高效运转的保障，它需要具备大规模、高可靠、多场景等系统特征。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 数据量呈指数级增长，传统松散耦合的集群架构已难以满足高效的计算需求，智算基础设施正开始 新一轮的技术革新。 在此背景下，超节点应运而生。它并非偶然的技术产品迭代，而是智算需求与系统创新深度共振 的结果，具有划时代的重要意义。超节点超越简单的硬件集成，代表一种全新的构建哲学：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 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辑、技术创新、产业价值以及未来趋势，我院与华为及相关单位 共同开展研究，编制《超节点发展报告》。报告以 “需求—技术—应用—展望” 为主线，从大模型 对智算基础设施的机遇与挑战入手，深入剖析超节点技术的发展动因，对超节点技术的发展历程及 技术特征进行梳理，为各行业的应用落地提供参考。 我们坚信，超节点是未来构建高效可靠算力优势