1 2 1 3 1 4 1 6 1 6 1 8 1 9 20 2 1 23 25 26 26 27 28 主机现代化发展趋势 2.1.1 开放平台架构以“云 + 分布式应用”为主 2.1.2 主机现代化分三阶段实施落地 主机现代化三阶段实施路径技术诉求 2.2.1 云平台建设阶段关键诉求 2.2.2 应用和数据迁移阶段关键诉求 2.2.3 高可用性、高性能和高安全。然而，随着云 计算、虚拟化和分布式技术的快速发展，传统主机技术的局限性也逐渐显现，主要体现在以下五个方面： 1.2 传统主机面临的挑战 (1) 技术封闭制约创新效率 传统主机技术栈过于封闭，操作系统和专用硬件深度绑定，难以兼容 x86、ARM 等标准化芯片，这限制 了企业自主引入云计算的弹性资源调度和分布式技术的水平扩展能力，系统升级和功能迭代依赖原厂支持，流 程繁琐且周期长，难以及时响应业务变化（主机厂商硬件升级周期通常为 3~5 年），远滞后于业务对敏捷创 新的需求（如互联网业务的周级迭代）。此外，主机技术架构采用专属协议与接口，新应用或第三方工具难以 接入集成，与云平台、分布式数据库的集成需开发专用接口，集成成本高且易形成“技术孤岛”。 (2) 扩展性不足无法应对大规模业务挑战 传统主机技术栈主要依赖纵向扩展（Scale-up），通过增加处理器、内存和 I/O 通道来提升单机性

空白演示 单 输入您的 面副标题 从智慧工厂到数字交通 腾讯云分布式云最佳实践 演讲人 陈远 · 腾讯云计算产品专家工程师 腾讯 23 年技术积累，构筑坚实云计算基 础 68 可用区 遍布全球五大洲 27 个地理区 域 100 万 + 服务器 中国首家突破企业 200T 带宽峰值 中国首家突破互联网企业 基础设施跨足全球， 超大规模管理能 力 智慧零售 公卫云平台 核酸检测 通关出境 医院 大数据： 核酸检测 IT 数据 时延 边缘 、本地 IT 痛点 低 大 分布式 IT 挑 战 海关 AI ： 人证对 比 本地 Ø 低时延部署 Ø 分散节点管理 Ø 本地应用服务能 力 Ø 本地 IT 运维能力 新的挑战： 边缘 、本地 IT IT 痛 点 公有云 数据合规，低时延访问 能力 、体验不足 数 据 合 规 低 时 延 访 问 规 模 / 成 本 机房规模 、成本限制 打破传统约束， 解决本地 IT 痛点的云 分布式 IT 挑战 Ø 低时延部署 Ø 分散节点管理 Ø 本地应用服务能力 Ø 本地 IT 运维能力 本地场景 （ 工厂 、医院 、海关 …） 存量方式 难以满足 新技术

高性能、分布式的物联网、工业大数据平台 本白皮书内容受版权法保护，未经公司或其许可人的书面许可，任何人不得将白皮书中的任何内容以任何方式进行复制、经销、 翻印、以超级链路连接或传送、存储于信息检索系统或者其他任何商业目的的使用。 版权申明 电力行业数字化转型 TDengine 驱动数据管理和实时监控解决方案 写在前面 � � 电力行业作为国家基础设施的基石，肩负着向全社 会供应持续、稳定电力的使命。电力系统的稳健运 能化转型中的关键需求。这些需求不仅 限于技术层面的更新换代，还包括运营策略和管理方式的革新。正是这些需求，引导着电力 行业朝着更高效率和更智能化的未来发展。需求具体如下： 业务需求提炼 随着分布式新能源的大规模并网，电力行业产生的数据量呈井喷式增长。这不仅对数据存储 提出了高要求，也对数据实时处理和分析能力构成挑战。传统电网技术在全面、准确地建模 和管理数据方面力不从心，传统数据库更难以应对数据的高速增长和实时处理需求。 0 2 传统关系型数据库普遍适用于低频监控场景和电力一区 SCADA，但在分布式环境中，它们 却普遍面临性能和扩展能力不足的问题，特别是随着数据量的增加，查询速度会逐渐变慢， 且由于它们并非专为时序数据优化，在处理海量时序数据时读写性能较低。 传统关系库的局限 典型场景：低频监控场景、电力一区 SCADA 分布式环境中的性能和扩展性有限 数据量越大，查询越慢 不专为时序数据优化，海量时序数据读写性能低

11.39 11.58 11.74 12.03 12.27 12.44 2019 2020 2021 2022 2023 2024Q3 用户规模 亿人 中国移动互联网各细分行业使用总时长分布，2024M3 资料来源：QuestMobile，灼识咨询 中国移动互联网接入流量 1,220 1,656 2,216 2,618 3,015 3,376 2019 2020 2021 示了国内厂商对于高性能计算资源的迫切需求。 53.2% 17.8% 8.7% 4.2% 4.2% 4.0% 3.7% 4.3% 互联网 服务 政府 电信 制造 教育 金融 其他 中国各行业智能算力应用分布，2023 ➢ 互联网头部厂商大量采购智算芯片 相较海外，国内智算中心正处于高速增长期，中国各行业对智算的需求急剧上升，其中互联网行业是最大需求方， 互联网巨头积极投身AI领域并大量采购智算服务 “东数西算”八大算力枢纽、十大集群算力政策要点 2025年计划建成算力中心容量： 1,000MW以下 1,000-2,000MW 2,000MW及以上 尚未规划枢纽 注：图示算力中心容量分布热力图为截至2024年12月31日各级政府政策规划指标口径。 算力中心行业的供给主要由三大电信运营商、第三方算力中心服务商与企业或地方政府自建三大来源构成，其中 第三方服务商的供给容量份额已接近50%。

、技术进展、政策导向、代表案例等分析 本章研究方向的整体趋势，然后基于趋势分析结论，结合云计算研究院常年学术研讨的沉淀，聚焦到两 个或者三个最值得关注的热点子方向。全文四章共沉淀十个热点子方向，分布在十个章节中论述，其中 每一个章节都详细讨论该热点方向包含的主要研究点和代表性研究工作。每章最后一节则延续去年的方 式，首先借用 Gartner 技术成熟度曲线（Hype Cycle），对本章研究方向所涉及的技术点作发展现状的逐 (Model as a Service) 模型 压缩 训推一 体框架 AI开发平台 故障 容错 Agent 向量检索 数据库&大数据平台 作业 编排 KVCache ckpt存储 分布式 存储平台 DPU DDR5 AI-Native 数据库 图 1.1: 云计算研究图谱（由云计算研究院总结形成） 传统的云计算服务模型主要由基础设施即服务 IaaS、平台即服务 PaaS 将因果推断与知识图谱应用于告警聚合，将数千条 原始事件归并为可操作的故障单元，缩短平均修复时间达 40% 以上；Microsoft 的 Azure Machine Learning 平台采用弹性训练调度器，动态增减分布式训练节点，在保障收敛性的前提下降低 30% 以上计算成本。 Amazon 通过 DevOps Guru 实现基于无监督学习的异常检测，可识别 Lambda 函数冷启动激增、RDS 慢 查询等典

难题，构建全局最优的资源编排范式，实现对异构算力集群的全维度精细化调度。针对异构 算力计算能力差距，面向大模型训练场景构建分布式并行策略组合、业务感知的非均质拆分 等能力，实现跨厂商算力的弹性按需调度；面向大模型推理场景，支持单机多卡异构分布式 推理和跨节点分布式异构推理等多种形式，适配模型推理不同阶段算力需求特性，精细化调 度实现异构算力降本增效；构建大模型训练和推理混合部署的调度底座，实现训推任务的动 大化利用。 （2）拥塞控制：高效缓解密集型通信模式引发的瞬时拥塞，该技术依托细粒度拥塞控 制信号或主动拥塞控制机制，通过动态调整发送速率、提前分流热点流量等手段，显著降低 尾部延迟，保障大规模分布式训练的通信稳定性。 （3）GPUDirect：消除主机内存拷贝瓶颈，实现 GPU 与网络的深度耦合，其核心技术 为 GDR 支持网卡直接读写 GPU 显存的零拷贝方式，以及 GDA（GPUDirect 3.1 分布式训练框架 面向因大模型参数规模持续突破单机算力与存储极限而造成的分布式训练需求中模型 切分规格与异构算力能力需合理适配的难题，将庞大的训练任务智能拆分并协同调度到多种 异构算力上执行，需要分布式训练框架在现有基础上具备异构算力感知、模型任务适配和智 能调度等能力，以充分挖掘异构集群的计算潜力。 分布式训练框架主要围绕模型训练任务拆分与适配计算单元两个核心任务，主流分布式 16

的极限，推动智算中心从计算、存储到网络的全栈架构深度演进。在 这一浪潮中，智算中心不仅是国家科技战略的核心支撑，更是产业智 能化升级的关键基础设施。 随着 AI 模型参数量呈指数级增长，尤其是在大规模分布式并行训 练场景下，网络性能已成为制约智算中心整体效率的关键瓶颈。当前 普遍部署的纯电交换网络在互联规模、带宽密度、端到端时延与能效 比等方面逐渐逼近物理与经济的上限：算力芯片的通信需求远超传统 ................................ 40 3.4.2 智能预测与链路池化资源管理策略.............................41 3.5 物理层：分布式光交换与物理层优化................................... 45 4. 总结与展望......................................... 通信，需依赖高速网 络结构实现。当前主流方案采用电交换芯片构建以太网或 IB 网络， 常见架构包括 Fat-Tree、Leaf-Spine、DCell、BCube。这些结构通过 多层交换机实现大规模互联，支撑分布式训练中的全互联需求。 图 1-1 智算中心网络与网络协议栈 无论采用机内互联还是采用机外互联，都要采用电交换芯片来做 网络流量交换。然而，随着模型规模和节点数的增加，电交换面临带 宽、延迟和能效的瓶颈。

......... 167 图 52：2024 年数智企业省域分布图 ....................................... 173 图 53：2024 年数智企业业态分布图 ....................................... 174 图 54：2024 年数据应用企业省域分布图 .............................. ..... 174 图 55：2024 年数据资源企业省域分布图 ................................... 175 图 56：2024 年数据技术企业省域分布图 ................................... 175 图 57：2024 年数据服务企业省域分布图 ................................... 176 年数据基础设施企业省域分布图 ............................... 176 图 59：2024 年数据安全企业省域分布图 ................................... 177 图 60：2024 年人工智能企业省域分布图 ................................... 177 图 61：2024 年全国上市数智企业省域分布图 ..

. 54 （三） 超大体量数据处理与实时渲染.................................................................... 56 1、 分布式计算与可视化展示........................................................................... 56 2、 超大量点位数据加载与查询 技术要求，尤其是通过等高线图 和卫星云图的形式呈现。 等高线图为专业人士提供了一种直观理解地形复杂性的方法，同时在评估气象条件对 特定地理区域的影响方面也展现出无可替代的价值。它使得风向、温度分布以及其他关键 气象参数能够基于地形特征进行精确分析，从而支持更加精准的环境预测与规划决策。卫 数字孪生世界企业联盟 DTWEA 数字孪生世界白皮书(2025) 3 星云图作为观察大气动态变化 情况，对于评估地形对气候条件的影响至 数字孪生世界企业联盟 DTWEA 数字孪生世界白皮书(2025) 4 关重要。准确的等高线图可以帮助科学家和城市规划者更好地理解特定区域内的风向、温 度分布等关键气象参数，从而做出更加精准的环境预测和规划决策。 此外，在数字孪生项目中集成高质量的等高线图，不仅可以提升数字孪生场景的真实 性和实用性，还能促进跨学科的合作与创新。通过提供数字孪生应用平台，让不同领域的

� ��� ��� ��� �� ��������� ������� �������� �������� �������� �������� 图 2 2024 年全国新型储能装机分布情况 012 2025 中国新型储能发展报告 2. 重点地区新型储能发展加速 截至 2024 年底，新型储能装机规模前 5 的省（区）分别为内蒙 古 1023 万千瓦、新疆 857 万千瓦、山东 �� �� 图 5 新型储能项目规模、时长分布情况 ��������� ���� ��������� ������ ����� ���� ������ ����� ������ ���� ������ ���� ����� ������ ���� ����� ������ ����� 014 2025 中国新型储能发展报告 从地区分布看，华北地区单站规模 10 万千瓦及以上新型储能装 各地区新型储能单站规模分布情况 �� ��� ��� ��� ���� �� �� �� �� �� �� ��������� ��������������� ���������� �� ��� ��� ��� ���� �� �� �� �� �� �� ������ ���������� ���������� ������ 图 7 各地区新型储能时长分布情况 015 2024