2.2 低精度训练 ............................ 14 2.5.2.3 故障容错 .............................. 15 2.5.2.4 异构混训 .............................. 15 2.5.3 推理框架 .....................................16 2.5.3.1 推理并行效能优化 原生等技术实现了资源池化和弹性扩展能力，有效支撑了各行各业数字化转型。 随着千亿参数大模型等 AI 技术的迅猛发展，传统云服务体系面临严峻挑战，云 计算进入深水区：在算力方面，十万卡级超大规模 GPU 集群的异构算力需求已远 超现有资源池化的调度能力；在网络层面，AI 训练中 TB 级参数同步对时延极为 敏感，传统网络架构难以满足低时延、高吞吐的传输要求；在服务形态上，单一 的 IaaS/PaaS 服 1.2 智算超节点 2024 年英伟达发布的 NVL72 超节点支持单机内 72 个 GPU 高速互联，重构全 球智能算力竞争格局，进一步拉大中美算力技术代差。为此，中国移动基于原创 COCA 异构计算架构 [1][2]，联合 GPU 芯片、交换芯片、服务器整机等国产全产业链 伙伴，打造开放式架构大云磐石超节点，为大模型训练和推理提供更高吞吐、更 8 低时延的海量数据处理能力，推动解决国产智算核心“卡脖子”问题。

产业逻辑 图 2 2030年前自动化行业十大技术发展方向 McKinsey & Company 内生型安全管控 新平台体系架构 模型化数据底座 分布式智能调度 全生命周期 应用工具链 多源异构 数 数据融合 虚拟化 PLC 工业AI智 智能体 低代码/无 无代码开发 生产全过程仿真与 智能优化 智能化 敏捷化 平台化 首先，平台化趋势大幅提升工业自动化 业软件从单体应用转向平台化，通过统 一数据底座和服务接口，解决传统分层 架构中多源异构数据难以共享、跨系统 协同效率低的问题，减少分层架构中多 协议转换和私有接口互联，降低系统集 成成本与复杂度。 — 软件定义的智能制造基础软件平台 体系架构。针对现有的工业应用普 遍存在定制化开发程度高、工程实 施工作量大、烟囱式部署、异构系统 难以互联互通互操作、上层应用与 底层资源耦合度高、制造资源难以 复用和灵活调配等问题，构建软件 集成环境和数据模型建模工具，以 图形化方式构建和管理数据模型，并 通过统一模型调度框架和标准化数 据服务接口，提供统一的模型和数据 服务，实现异构数据的集成和模型 化管理。通过模型化的数据组织和 服务，为工业AI应用和全局智能优化 提供标准数据支撑。通过提供多模 态异构数据接入能力，统一的模型标 识、统一的模型定义、统一的数据存 储、统一的模型服务接口、统一的模 型数据可视化支撑，为智能化的AI+ 应用提供垂直行业数据的底座能力。

1 案例 1.构建算力基础设施 铸就多元算力一体化布局................................................................1 案例 2.异构融合、应用引领、促进数据互联互通的超算互联平台..........................................2 案例 3.临港算力创新实践 提升枢纽节点集约化成效...... 天翼云 自主研发的“慧聚”“云骁”“息壤”三大平台，提供高算 力、高吞吐、高兼容性训练能力，支持第三方算力以算力插 件模式实现标准化接入，支持主流框架及芯片，有效满足大 规模、高性能、多样化异构算力跨区域调度需求。 图 2 智算调度平台架构图三是发布互联互通验证平台，提升算力协同效率。 三大平台实现通算、超算、智算的统一资源注册接入， 3 算网一体化调度，算力交易等核心功能，通过“算力调度服 增强多场景 适应能力。目前，息壤已接入智算算力 22EFlops，纳管适配 多种智算芯片，支撑北京区域近 200 家企事业单位数字化、 智能化转型升级，产生了良好的经济社会效益。 案例 2.异构融合、应用引领、促进数据互联互通的超算互联平台 推荐单位：天津市数据局 申报单位：国家高性能计算机工程技术研究中心 国家高性能计算机工程技术研究中心以应用引领、实现 算力高效利用为目标，构建了国产软硬件协同、跨区域算力

数字化转型；各类科技公司也积极参与人工智能技术竞争，智算行业 发展迎来新局面，算力普惠普适将成为重要支撑。在智算平台方面， 通过多层级、多主体、异构算力节点的资源调度和交易，促进了智算 资源的高效利用，如中国移动的震泽智算平台，通过分布式云原生 Kosmos 技术和异构混训解决方案，支持大模型跨域、跨芯训练，并 通过算网大脑进行统一调度，推动通、智、边一体化调度，实现“中训 边推”。 我国积极倡 化配置，形成集团级、区域级等多层级的智算布局体系。 能源行业在推动全过程数字化、智能化转型的过程中，大多选择 在西部国家枢纽节点部署智算节点，以降低成本。中国石化在呼和浩 特构建了包含高速计算资源、高容量存储、高效数据流转网络的异构 智算资源池，目前总的智能算力约为 76 PFLOPS，预计到 2025 年将 达到 100 PFLOPS3，为人工智能应用提供所需算力服务、数据服务和 算法服务，支撑中训边推和行业智能生态建设。国家能源集团在宁夏 防机制，重点选用一些支持场景感知、智能辅助和协同联动功能的设 备，以更好地提供安防、消防支持。在算力设备部署过程中，央国企 应加强国产算力设备的应用，减少对国外技术、产品的依赖。探索构 建多元异构的算力设备方案，提升异构算力设备高效互联和协同计算 能力，并针对不同算力应用场景提供适配方案。 4.建设施工 央国企智算创新实践报告（2025 年） 17 智算中心的建设施工可以采用 EPC（Engineering

长基线约束下的 快速高精度定位方法，基于低轨星座导航信号增强、复杂时空碎片化观测数据的 GNSS 定位性能提升算法， 融合智能手机等操作终端特性的低成本平台高精度定位算法，面向室内外全景无缝定位覆盖的异构异质 GNSS/ 多传感器数据融合技术等。 （6）快速超分辨超声成像 超声成像是利用超声波扫描人体或者材料内部结构，通过接收和处理反射信号来获得内部组成的图像。 超声成像具有出色的空间分辨率 提升船舶数字化、智能化、网络化水平，实现更安全、更可靠、更经济、更环保的 智能船舶 建立船舶数字化研发体系，提升船舶设计、验证、制造、交付能力 重点产品 船舶数字 孪生系统 船舶多源异构数据感知模块 船舶数字孪生模型管理模块 船舶数字孪生系统一体化研发平台 关键技术 多源异构数据感知与融合技术 孪生数据处理与管理技术 船舶数字孪生模型构建与迭代技术 船岸可靠数据传输与同步技术 智能船舶应用开发与服务技术 船舶数字化协同研发技术 术、 具身智能技术机器人、氢燃料航空发动机。新兴前沿则包括：海空协同异构无人系统的一体化控制技术、 基于图像特征的高精度距离识别技术、连续陶瓷纤维增强的金属基复合材料、模块化先进武装机器人系统、 临近空间高超声速滑翔弹头跳跃弹道预测。各开发前沿涉及的核心专利 2018—2023 年公开情况见表 2.16， 海空协同异构无人系统的一体化控制技术、低空无人飞行器综合探测技术、基于图像特征的高精度距离识

税务大数据中心建设方案 台等，提供从底层资源，到上层应用和数据管理的一体化管理平台，支持云基础架构以及 各类物理资源、虚拟资源的管理，为网络应用提供安全、可靠的运行支撑环境，并面向大 数据应用提供多源异构大数据的存储与处理。 4.3.3.1.1 产 品 定 位  管资源：快速地构建起跨地域的云平台基础架构，对其中的物理资源和虚拟资源 进行灵活的管理，对用户的 IT 需求实现快速的交付，并且支持资源弹性动态扩展。 云安全保障。身份认证、访问控制、容灾等，另外还包括从物理层、虚拟层到服 务层、应用层的安全保障体系。 4.3.3.1.6 产 品 功 能 融合管理的云基础架构  将多地传统数据中心快速整合并虚拟化，兼容各种异构的x86 服务器、各种 品牌的存储设备及网络设备。 按需交付、弹性扩展的IaaS 服务  云主机：Windows 、Linux 全系列虚拟机，并可根据用户需求进行定制。  云硬盘：各种规格的云硬盘的快速挂载和使用。 功能单元，可以根据各种行业应用和最终用户的需求，进行不同的组合，适应用户的不同 业务场景，完成大规模行业数据的挖掘分析和应用对接。 作为大数据分析平台，系统具有如下特点：  软硬件国产自主可控  多源异构数据接入  数据关联融合、统一访问  大规模、高性能、可扩展  高可靠、高可用 4.3.3.3.1.1 大 数 据 平 台 介 绍 4.3.3.3.1.1.1 平 台 功 能 框

云应用场景： 场景一：构建冗余环境。利用异构云环境提供容灾备份服务，其区别于传统 的同构备份或两地三中心模式，更多是企业综合考虑诸多因素后，采用异构 云所设计的备份方案。企业可在多个云环境中部署关键业务系统，实现多活 容灾架构，或在不同云之间定期备份数据，增强系统的容错能力和灾难恢复 速度。例如，一些制造业企业基于合规要求，将数据在私有云上进行备份。 异构云备份对于故障隔离与切换有很强的现实意义，当某个云平台发生问题 术体系的升级，而是企业战略、目标、方法论和实践项目共同作用的结果。 因此，企业如果在认知不到位的情况下盲目投入，往往会使整体的投入产出 比下降，反而背离最初的期望目标。 挑战四：成本控制与优化挑战 企业多云环境最现实的挑战是在异构资源增加后的重组和优化问题，包括对 迁移、运维、运营复杂度的重新评估和对相关成本的重新计算。随着企业的 发展壮大，以云为代表的IT基础设施成本将变得越来越重要，成本失控会给 企业带来不可预计的严重后果。 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。 AI算力质量和

形成完整的低空旅游产业链条，提升低空旅游的综合经济效益与品牌 影响力。 低空数据应用与服务产业则是基于低空飞行作业过程中所采集 的海量数据资源而兴起的新兴产业领域。通过对农业植保数据、工业 巡检数据、测绘地理信息数据等多源异构数据的采集、传输、存储、 低空智联算力网应用实践研究报告 4 处理、分析与挖掘，深度挖掘数据背后的价值与信息，为农业精准种 植、工业智能决策、智慧城市建设等众多领域提供数据驱动的创新解 决方案与决策支持服务。 Computing resource）是互联网面向 算力应用与调度需求进行能力增强和系统升级形成的新型基础设施， 其本质是通过在互联网体系架构上增加算力标识、算力调度等功能并 增强高性能传输协议，实现全网范围内异构算力的智能感知、实时发 现和随需使用，使计算任务及其相关数据可精准寻找相适应的算力资 源并高效执行，形成算力标准化、服务化的大市场和算力相互连接、 灵活调用的一张网。 2. 算力互联网流程机理 一是应用描 述，通过类似 HTML 的结构化语言定义计算任务，规范算力需求、 功能和数据特性，确保应用在异构环境中的兼容解析。二是算力标识， 类似域名体系，标识企业、行业、数据中心及动态算力参数，为任务 匹配资源提供精准指引。三是算网云操作系统，作为算力互联网的中 枢，能够支持异构算力和多云环境下的任务调度，提升资源利用效率。 四是高性能传输协议，如 RDMA，保障算力资源间大规模数据的低

主要包括增材制造装备的工艺知识库、模型数据质量、 测试方法、检测指标、检测性能评估等通用技术标准；数据 格式、数据接口等接口与通信标准。 下一步建设重点 智能感知与控制装备标准。推动智能传感器、仪器仪表等装备的多源异构数据采集规范、 智能化要求、管理壳、多 CPU 关联协调等标准研制。 数控机床与工业机器人标准。推动工业人形机器人、仿生灵巧手等通用技术要求标准研 制，推动高档数控机床的信息模型、集成实施规范等标准研制。 用、管 理和运维等服务应用标准。 （2）大数据标准 主要包括面向工业领域数据的分类分级、命名规则、描 述与表达、确权规则等元数据与数据字典标准；智能制造领 域各类对象的标识规则、解析规范、异构标识互操作等标识 22 标准；平台建设的要求、运维和检测评估等数据平台标准； 数据采集、分析、可视化、访问、管理等数据处理标准。 （3）云计算标准 主要包括工业云参考架构、工业云操作系统等通用要求 工业网络标准 主要包括工业无线网络、工业有线网络、工业网络融合 和工业网络资源管理等 4 个部分，如图 11 所示。主要用于 满足智能制造环境中低时延、高可靠等网络需求，实现工业 网络架构下不同层级和异构网络之间的组网，规范网络地址、 服务质量、无线电频率等资源使用技术要求及网络运行管理， 涉及无线电频率使用的，还应当符合相关频率使用规划和有 关政策规定，以及无线电发射设备射频技术指标等要求。

等提供数据支撑。 3.2 技术实现特点 多源异构数据统一采集存储 • 搭载统一的数据采集工具，以 标准化方式接入多源异构数据； • 采用分布式存储技术，将数据 存储于数据湖内，打破数据孤 岛。 Hetu引擎实现数据协同 • 基于Hetu引擎，实现湖仓内 GaussDB、Hive、HBase、ES、 ClickHouse等海量异构数据的秒 级交互式查询。 DSG+Kafka