案例 3.临港算力创新实践 提升枢纽节点集约化成效................................................................4 案例 4.打造智算算力网 AI 开发平台 助力人工智能基础设施发展..........................................6 案例 5.构建算网融合平台 赋能行业场景应用......... 算网一体化调度，算力交易等核心功能，通过“算力调度服 务”相关认证，不仅可以促进跨主体、跨地区、跨架构的算 力互联互通，而且能够优化算力资源配置效率、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 等基础大模型平稳训练，集群可用率达到 90% 以上。 案例 4.打造智算算力网 AI 开发平台 助力人工智能基础设施发展 推荐单位：江苏省数据局 申报单位：中科南京信息高铁研究院 当前，人工智能基础设施存在技术标准不统一、算力使 用门槛高等问题。中科南京信息高铁研究院研发智算算力网 AI 开发平台，统筹纳管异构异属异域的智算资源，实现全局 能用、好用。 7 一是汇聚三异智算算力资源，实现多元算力协同。智算 算力网

管理体系， 构建全域数据地图，打造数据要素基础。 13 算力资源指由通用算力、超算算力和智算算力构成的计算 能力矩阵，通用算力支持企业日常运营中的普通算力需求，处 理广泛的计算任务，如业务处理、数据分析等；超算算力凭借 其浮点运算能力，专注于解决大规模数值计算、复杂物理模拟 等科学计算问题；智算算力则聚焦于人工智能和机器学习领域， 通过定制化的深度学习框架、高效的模型训练与推理引擎，加

.................................................................................. 7 图表 6： 通用算力、超算算力和智能算力应用场景和特点一览 ................................................................................... 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 8 工业/能源 AI 数据中心供配电投资机会涌现 智能算力需求上行催化供配电系统迭代 算力分为通用算力、超算算力和智能算力，应用场景和核心硬件有显著差异，因此对供配 电系统需求亦有所不同。拆分来看： 1） 云数据中心-通用算力：亦称为基础算力，芯片架构主要以 CPU 为算力核心，主要用于 满足云计算和边 为案例，其计算额定功率为 134kW（24 台设备机架*7kW 单机架功率输出*0.8 需要系 数），该项目选用 240 kVA 模块化 UPS 电源（6 个 40kVA 功率模块）。 2） 超算中心-超算算力：主要基于超级计算机，通常用于科学计算，超算中心设备往往具 备高度定制化。根据《超级计算数据中心供配电系统设计探讨（江峰，《智能建筑电气 技术》2022 年第 4 期）》，以运算速度为 300Pflop/s

象、洞见、富数等相关机构的隐私计算互联互通平台，已验证的 算法包括：rsa 求交、ecdh 求交、纵向 LR 算法和纵向 XGB 算法， 其中除 ecdh 外均进行过四方联调测试，验证了多方参与环境下 运行同一隐私计算算法的可行性。 12 （三）检测能力建设 1.检测体系规划 隐私计算互联互通是一项技术繁杂、系统性强的工作，开展 跨机构和跨行业合作时，涉及多方参与者的技术实现与认知差 异，且目前缺乏统一的安全准入要求。为确保各方互联互通改造 交换的正确性与可靠性，推动不同隐私计算平台底座在管理层、 控制层和传输层等实现无缝对接；另一方面，通过建设互联互通 算法检测能力，在保护算法提供商知识产权的同时提升算法的安 全性与可信度，从而充分调动产业各方持续迭代开发隐私计算算 法的积极性和创造性，将隐私计算市场引导至对多样化、高性能 算法的公平竞争，并逐步衍生形成算法市场、模型市场等新形态， 更好激发良性多元技术生态和完善算法知识产权体系建设。此 外，隐私计算互 双方结合具体经营目标分别筛选目标用户，其中淘宝方面提供其 圈选的淘宝用户作为匹配组；云闪付提供具备某类特征的云闪付 用户作为匹配组，总量与活动预期参与用户数一致。双方使用选 定的用户要素、隐私计算算法及通讯协议，进行隐私计算求交。 淘宝配置活动上线，对求交结果的指定用户进行精准触达。符合 双方指定条件的用户在淘宝主支付链路上，包含活动商品、订单 页、支付页可看见云闪付优惠引导红字。 24

算力基础设施架构和国产化情况 智算算力卡供应稳定性表现 来源：与非研究院 算力卡供应主要受供应链和国际市场政策的影响，大多数情况下供应较为稳定，但仍有相当比例存在波 动。 14 Supplyframe, Inc. Confidential & Proprietary. Do not reproduce or distribute. 2. 算力基础设施架构和国产化情况 智算算力卡价格分布 来源：与非研究院

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

体，对 实现数字化转型、培育未来产业等方面具有重要作用。 26 ➢ 算力主要由通用算力、智能算力和超算算力组成。通用算力作为基础，满足广泛的日常计算需求；智能算力则在新兴技术领域发挥关键作用； 超算算力针对特定高端需求提供强大计算能力。 资料来源：灼识咨询 通用算力 智能算力 超算算力 技术特点 • 一般主要由CPU芯 片提供计算能力， 直射计算复杂度适 中的云计算，边缘 计算类场景 算力中心供需研判及未来展望 V. 附录 ① 独立大模型厂商算力中心需求分析 ② 运营商算力中心供给分析 核心战略 部署资源 2024年前4月三大运营商 智算中心项目建成概况 • 规划“2+3+7+N+M”多层 次智算算力布局。 • 在京津冀、长三角地区建 设万卡智算集群，西部地 区打造大规模绿色智算池。 • 截至2023年，中国电信 京沪苏贵宁等节点具备 千卡以上训练资源。 • 中国电信中部智算中心 • 中国电信临港公共智算中心

地获取数字信息是非常重要的。 6.云计算技术 云计算技术本质是按需灵活地提供各种类型的算力存 力运力服务给需求方，提供跨地域跨渠道接入的计算、存储、 网络服务并按用户使用量使用率计费，通常包括通用计算算 力服务，智算算力服务，通用存储服务，通用网络服务，数 据库服务，大数据计算服务，机器学习及人工智能大模型相 关服务等通用服务。时至今日，云计算技术已经广泛地运用 于全世界服务于各行各业。国外的知名厂商有亚马逊、微软

起步阶段，缺少与智能网联汽车业务紧耦合的端边云、跨运营商算力 互通等关键技术标准。 在技术产业化方面，基础设施方面，端算力呈现高密度、低能效 比和强环境适应性趋势；边缘算力向“通算+智算”融合架构升级；云 端智算算力以大规模部署、集中式训练服务为主。头部企业加速布局 智算中心，小米、吉利、小鹏等企业算力储备均达 10EFLOPS 以上。 算网融合服务方面，该路线已成为行业共识，电信运营商积极开展算 网融 放算力，缺乏统一管理协同；端边云及跨运营商算力融合标准缺失， 车辆跨边缘算力切换时，自动驾驶业务连续性难保障，影响行车安全。 边缘云池智算资源适配性不足。电信运营商 5G 边缘机房已部署 数千个且实现地市级覆盖，但前期以通算算力为主，智算资源占比较 低；而智能网联汽车自动驾驶环境感知、车路协同数据实时分析等业 务需毫秒级低时延智算支撑，当前智算能力缺口导致业务响应效率下 降，难支撑高阶自动驾驶规模化落地。 异构算