算力基础设施高质量发展行动计划 算力是集信息计算力、网络运载力、数据存储力于一体的 新型生产力，主要通过算力基础设施向社会提供服务。算力基 础设施是新型信息基础设施的重要组成部分，呈现多元泛在、 智能敏捷、安全可靠、绿色低碳等特征，对于助推产业转型升 级、赋能科技创新进步、满足人民美好生活需要和实现社会高 效能治理具有重要意义。为加强计算、网络、存储和应用协同 创新，推进算力基础设施高质量发展，充分发挥算力对数字经 于理论时延 1.5 倍的直连网络传输，重点应用场所光传送网 （OTN）覆盖率达到 80%，骨干网、城域网全面支持 IPv6，SRv6 3 等创新技术使用占比达到 40%。 存储力方面，存储总量超过 1800EB，先进存储容量占比达 到 30%以上，重点行业核心数据、重要数据灾备覆盖率达到 100%。 应用赋能方面，打造一批算力新业务、新模式、新业态， 工业、金融等领域算力渗透率显著提升，医疗、交通等领域应 推动算力结构多元配置。结合人工智能产业发展和业务 需求，重点在西部算力枢纽及人工智能发展基础较好地区集约 化开展智算中心建设，逐步合理提升智能算力占比。推动不同 计算架构的智能算力与通用算力协同发展，满足均衡型、计算 4 和存储密集型等各类业务算力需求。 3. 促进边缘算力协同部署。加快边缘算力建设，支撑工业 制造、金融交易、智能电网、云游戏等低时延业务应用，推动 “云边端”算力泛在分布、协同发展。加强行业算力建设布局，

场景四：满足数据合规要求。企业在拓展出海业务时，受数据合规和网络地 域等要求，会在不同地域选择具有影响力的本地云服务商。这些服务商可以 根据数据的敏感度和所在地法规要求，设计本地化的定制方案，确保数据合 规存储和处理。 场景五：多级组织建设需要。一些大型集团用户的不同子公司信息平台会出 于商务、成本、合作对象的考虑，独立选择云服务商，这导致企业集团范围 内会形成不同平台同时运行的复杂局面。子公司之间的数据互通要求往往不 企业将多云战略作为推进智能化发展的重要选择，主要原因在于： 随着智能化技术的应用日益广泛，企业需要处理的数据量急剧增加，且数据 类型和来源也变得更为多元。多云架构允许企业根据数据特性和处理需求选 择最合适的计算、存储和治理方案。 图� 多云战略成为支撑全球企业发展AI和数字化业务的首要选择 来源：IDC，���� 问题：以下哪个选项最符合贵公司未来��个月的云战略方向，以更好地支持人工智能和数字化业务发展？ 链的 复合型能力都提出了远高于以往的要求。 AI算力规模化：企业对加速芯片的多样性有较高需求，以适应不同规模和复 杂度的模型的开发和应用。同时，为了应对不断变化的工作负载，企业还需 要计算和存储资源具备弹性扩缩的能力。为了实现更好地管理规模化和异构 的算力资源，超大规模计算集群需要支持智能调度，特别是面对行业大模型 的训练和推理任务时。企业需要获得全面保障大规模算力集群的统筹管理和 优化能力，确保计算资源实现高效利用。

以销售易为例，腾讯云坚实稳固的技术底座是这些挑战的解决方案 营销云 伙伴云 客户服务云 销售云 现场服务云 智能分析云 微 信 端 企 微 端 云原生计算 虚拟机CVM 容器平台TCS 云原生存储 块存储CBS 对象存储COS 文件存储CFS 云原生网络 私有网络VPC 路由网关 数 据 库 TDSQL Mongo DB Redis 中 间 件 CKAFKA ROCKETMQ ES 大 数 融合腾讯业界领先的视觉大模型、新能源 行业模型，同时支持第三方算法模型 形成智能场站标准适配 标准化云边运行环境、数据接入、应用接 入、API接口、身份认证、安全管理规范 Tencent AI 中心版 任务管理子系统 数据存储及计算 任 务 调 度 异 常 上 报 监视数据 推理结果 数 据 上 传 算 法 下 发 智能运检系统 AI创新中心 算法模型库 第三方算法 模型 模 型 训 练 Tencent 项目/人才/生态 智能制造部 储能事业部 XX 创新实验室 端 端 边 设备监控、数据采集、模型应用 边缘设备管理、数据 存储、边缘推理训练 云 边 端 协 同 GPU 服务器 网络 计算 存储 网络 20+ AI 质检项目 1000T 数据存储 X 倍 效率提升 千万/年 成本节省 管控 硬件 AI平台 数据管理 推理训练 模型应用 机房 智 能 云 平 台

/通信网络)；3）平台层(平台/操作系统)； 4）应用层(智能终端/集成应用)。感知层负责信息的获取，网络层负责信息的传输，平台层与应用层负责信息的处理计 算。 系统级芯片 传感器芯片 定位芯片 存储芯片 物理传感器 化学传感器 生物传感器 RFID 二维码 定位模组 传感类设备 基带芯片 射频芯片 蜂窝类模组 非蜂窝类模组： WiFi模组、蓝牙 模组、LoRa模组 感知层 网络层 36亿美金，新一轮周期由数据（存储）驱动，CAGR接近2位数： （1）1994~2004，市场规模达2130.27亿美金：10年CAGR 7.31%，由 PC/laptop 市场驱动 （2） 2004~2013，市场规模达3055.84亿美金：9年CAGR 4.09%，由智能手机市场驱动 （3） 2013~2017，市场规模达4122.21亿美金：5年CAGE达9.36%，由数据（存储器）市场驱动  新一 《日本半导体产业发展篇》、国泰君安证券研究  数据驱动下半导体周期减弱，应用多元化。2018年移动设备 、服务器、PC位元需求占比分别为41.7%、20.6%与16.6% ，应用的多元化导致存储器周期减弱，20世纪以来四次周期 下滑幅度逐次减弱。  从终端应用角度，2018年全球总数据量2ZB，机器产生占比 达56%，首次超过人类。 3.1 110 电子行业2019年春季投资策略

三个关键杠杆点的协同效应可以加速人工智能进步。 图4 基础设施 算法以优化使用 关于计算能力 数据以优化使用 基础设施的 基础设施以实现 人工智能模型的运行与 应用 基础设施以支持 处理和存储 复杂数据集 人工智能 技能 数据 数据用于训练 人工智能模型 算法到 提取最多 从数据 来源 联合国贸易和发展会议（United Nations Conference on Trade 于鼓励私营部门投资的商业环境有助于建设必要的设施。分布 式网络和计算能力可以支持人工智能的发展，但确保基础设施 和系统之间互操作性和协调一致是至关重要的。 数据——鼓励开放数据和数据共享可以增强数据集成、存储、 访问和协作。推广良好的数据收集实践，确保创新生态系统中 互操作性和可访问性，可以支持人工智能的采用和发展。隐私 、问责制和知识产权方面也应得到解决，以促进创新同时保护 人权。 技能 —— 提高 制的详细解释可以 提高透明度和问责 制。 政策焦点 27 来源：联合国贸易和发展会议（UNCTAD）。 物理基础设施 高速 网络 数据中心 存储系统 AI 的 DPI（数据包识别） 高性能 计算 硬件 数据共享 数据存储 人工智能训练与测试 互联网接入 云计算 增强 协作 交互 在数字领域 平台 实时人工智能 应用程序 在需时 访问 计算 资源 共享数字

五大工序 人形机器人 适配工种 搬运类 质检类 工站衔接类 冲压 焊接 涂装 电池制造 总装 基础组装类 人形机器人进厂打工将“分级而行”： 1. 筛选现阶段可适配工种：搬运类如冲压零件搬运存储；工站衔接类如与AGV小车协同完成“最后10m”搬运工作；质检类如来料检验，焊接质量检查；基础组装类螺丝预拧紧。 2. 从试制线学习到进场打工：优先试制线，在无生产节拍任务要求的场景下收集数据，完 …人形机器人预计优先匹配电池组装、总装工序。焊接、涂装等高自动化工艺段仍将以工业机器人应用为主。 13 车身制造 冲压 焊接 涂装 总装 电池组装 来料检验 来料剪裁 冲压成型 质量检查 搬运存储 焊接前预处理 工装夹具定位 焊接 焊接质量检查 焊后处理 前处理 电泳涂装 电泳烘干 打磨擦式 底漆喷涂烘干 面漆喷涂烘干 检验修补 底盘合装 内饰装配 管路连接 线束安装 、搬运类优先落地，部分基础组装测试中（车门安装螺丝预拧紧、高压线束装配等） 14 基本实现功能 任务单一 任务复杂 2025~2030年目标 冲压-来料检验 冲压-质量检查 冲压-搬运存储 焊接-预处理 焊接-工装夹具定位 焊接-质量检查 涂装-打磨擦式 电池组装-液冷板安装 电池组装-电芯拣选 电池组装-模组成型 电池组装-模组安装至底板 电池组装-气密性检测 电池组装-高压线束安装

资料来源：灼识咨询 云服务商 注：1.算力中心即数据中心，数据中心自2020年开始逐步向算力中心演变。 UPS电源 柴油发动机 … … 算力中心作为算力资源的关键载体，通过集成高性能计算、大规模存储、高速网络等基础设施，提供提供大规模、 高效率、低成本的算力服务。确保算力资源的集中部署、高效运行。 8 算力中心的定义与概览 中央监控 电源配电柜 消防减压系统 机柜及其附件 气体灭火系统 UPS不间断电 源及PMM电 源管理系统 精密空调设 备和冷却器 高性能液冷 服务器机柜 钢制布 线系统 光纤布线系统 • 算力中心，是一种集中提供计算能力的基础设施，主要由算力设备、 存储设备、网络设备及管理运维系统四大核心要素构成。 • 算力资源的部署与利用离不开算力中心的支撑。核心使命是提供强 大的算力支持，以应对各类复杂的计算挑战，如数据处理、AI模型 训练等。 • 算力中 和高可扩展性的计算能力，支持数据分析、模拟计算和人工智能等 复杂任务。 类型 设备种类 设备名称 IT设备 连接器 光纤 光模块 网络设备 交换机 路由器 算力设备 服务器 存储设备 存储器 类型 设备种类 设备名称 配套 设备 电气设备 UPS 蓄电池 柴油发电机 变压器 暖通设备 水冷机组 精密空调 冷却塔 算力中心的主要设备 算力中心的内部结构 算力中心的定义与作用

边缘算力 平台调度层 ｜ • 异构资源管理 • 弹性调度系统 • 数据湖仓 • 绿色节能控制 • 安全可信框架 硬件设施层 ｜ • AI服务器 • 存储阵列 • 高速网络 • 边缘节点 • 液冷机柜 芯片器件层 ｜ • CPU/GPU/NPU/TPU • HBM • DPU • 供电/散热模组 Confidential & Proprietary. Do not reproduce or distribute. 2. 算力基础设施架构和国产化情况 智算中心AI芯片主要方向 引入存算一体技术，解决存储带宽和功耗问题 引入稀疏化计算能力提升能效 芯片设计支持更复杂的AI算子 提升芯片推理的实时性和并行能力 来源：与非研究院 智算中心AI芯片发展主要集中在存算一体等架构创新、能效提升、支持更复杂AI模型，以及增强推理的 not reproduce or distribute. 3. 生成式AI驱动的变革 发展生成式AI的关键技术 来源：与非研究院 算力芯片和大模型是生成式AI性能提升的关键。同时，AI算法、存储技术、网络技术等都非常重要。 22 Supplyframe, Inc. Confidential & Proprietary. Do not reproduce or distribute. 3

为企业智能化应用提供坚实的底层支 混合 AI 数字底座的核心组成部分包括: • AI 基础设施: 以高性能异构 AI 算力为底座,构建算力网络协同、数据存 储融合的智能计算体系, 实现 AI 计算、通用计算、存储和应用需求的弹 性调度。 • 混合云平台: 以弹性、统一管理架构为底座, 构建云上资源与本地资源协 同、数据流转高效融合的云计算平台,满足企业多样化业务和数据合规的 更多干货请关注公众号“管理技术化平台” 理解和掌握这些技术并非易 事。同时, 购买、部署和维护相关的智能化设备和系统需要大量的资金投入, 这对于一些传统企业而言是沉重的负担。例如, 构建一个完整的大数据分析平 台, 不仅需要购买高性能的服务器和存储设备, 还需要投入专业的技术人员进 行系统搭建和数据管理,成本高昂且技术门槛较高。 (2) 组织架构与文化阻力。 传统的企业组织架构往往是以职能为中心进行 划分的, 这种架构在智能化转型过程中容易导致部门之间的沟通不畅和协作困 公交能行业成熟度得分情况（本报告调研反馈数据） 其次, 公共事业、交通运输和能源行业涉及大量敏感信息,如用户的用水用 电信息、交通出行轨迹、能源消费数据等, 数据安全和隐私保护至关重要。随着 智能化技术的应用, 数据的收集、传输、存储和使用更加频繁, 网络攻击、数据 泄露等安全风险显著增加。 最后, 三大行业作为关系国计民生的重要领域, 具有自然垄断性、公益性强 等特点,其运营和管理受到严格的政府监管。 智能化转型依赖于一系列新兴技术

请务必阅读正文之后的免责条款部分 10 端到端的挑战：数据 由于端到端算法基于数据驱动，大模型依赖大量的高质量数据进行训练。以训练数据为核心，重点关注数据量、数 据标注、数据质量、数据分布、云端存储与超算中心等因素。2023年，特斯拉在端到端神经网络开发初期，就向系统 输入了1000万个经过筛选的人类驾驶视频片段，按每段15秒估算，高清视频的总计时长超过4万小时。根据特斯拉的 测算，单个端到端 求，以及用户告知、版本号读取、安全保护、先决条件、电量保障、失败处理等车辆软件升级功能方面的技术要 求和试验方法。《智能网联汽车 自动驾驶数据记录系统》规定了智能网联汽车自动驾驶数据记录系统的数据记录、 数据存储和读取、信息安全、耐撞性能、环境评价性等方面的技术要求和试验方法，将为事故责任认定及原因分 析提供技术支撑。 资料来源：中国政府网，国元证券研究所 近年来，工信部等部门陆续颁布多项智联网汽车相 负责摄像头图像处理、运行深度学习算法、输出识 别结果、进行传感器融合和轨迹预测等。 Safety MCU 主要处理功能安全要求较高的数据，负责逻辑运算， 包括处理雷达等对外接口数据、车辆规控、通信等。 存储芯片 负责数据存储，用于保存传感器数据、深度学习模 型、驾驶决策等信息。 其他无源器件 包括电阻、电容等无源器件、散热组件、密封性金 属外壳、PCB板、接口、网关、电源管理芯片等，用 于确保系统的正常运行和稳定性。其中，散热组件