2. 网络维护成本也较高 3. 没有点对点定位灵活性好 1. 定位精度不会太好 2. 没有绝对坐标，在 B 端场景不太适用 常用场景 B 端市场与 G 端市场 C 端市场 技术名称 定位原理 定位精度 UWB • 电磁波飞行时间，三边定位 • 出发角与到达角，单锚点定位 • 飞行时间：厘米级 • 出发角与到达角：一般小于 3° 蓝牙 AoA/AoD 出发角与到达角，单锚点定位 基站时间同步之后，标签发送一个广播报文，基站收 到之后，标记接收到此报文的时间戳，将内容发送到 计算服务器，计算服务器根据其他基站的定位报文的 时间戳，计算出被定为目标的位置。（见下图） ToF 定位原理示意图 AoA 定位原理示意图 TDoA 定位原理示意图 定位基站 定位基站 定位基站 2P 1P 3P 定位基站 定位基站 角度 A 角度 B 定位基站 定位基站 定位基站 10 11 IOTE 2024 UWB-Beacon 的占比将会逐渐增加。 9 UWB 单基站（PDOA）产品会对点对点场景形成一个很好的补充 UWB 的行业方案商有很多也都推出过单基站产品，即只用一个基站就能实现较为精准的定位，其原理是单基站结合 多天线多信道，部分信道用来测距，部分信道 + 多天线用来测角（方向），综合起来就可以得出一个较为精准的位置。 该产品在需要大范围覆盖的场景并不占优势，但是在点对点定位测距场景就有很有优势，典型的就是汽车钥匙场景，

改写了物理层互连架构，实现50%以上的系统能效提升。由此构建的 “芯片—设备—集群”一贯式全光互连架构，已被业界广泛认定为下 一代智算基础设施的关键技术。 本白皮书系统性剖析芯片级光互连技术的核心原理和架构设计， 深入探讨光源、调制器等关键器件的技术发展路径。同时，全面梳理 芯片级光互连在国内外的产业现状，客观研判未来演进趋势和技术挑 战。期望通过产学研用多方协作，加速芯片级光互连技术从实验室原 芯片级光互连三大技术路线场景互补........................................................................ 16 2.2.1. 芯片级光互连技术的组成原理............................................................................16 2.2.2. 三大技术路线并驾齐驱，硅光或成未来主流 光互连技术体系（见下表），其中芯片级光互连展现出更能精准匹配 智算集群未来演进需求的潜力，后续将聚焦该类技术展开具体分析。 表 2-1 传统电交换和光交换（OCS）对比分析 分析维度 传统电交换 OCS 原理 传统电交换采用队列存 储-转发方式，根据报文 头信息将不同的数据包 转发至不同的输出端口 内部采用MEMS技术（或压 电陶瓷等其他技术），直 接将光信号折射到对应 的输出端口 工艺制程 要求高，依赖先进工艺，

的弊端就是模型的可解释性变差，根据结果反向特征工程变得困难起来。我们在 JD 和 CV 匹配 场景下分别使用了 DNN，Wide&Deep，DeepFM，等模型尝试。 同时并借鉴了 PNN、DCN、DLRM 和 DKN 网络原理正在适配适合现有数据类型的模型。本节 主要简要介绍 DNN 和 Wide&Deep，DeepFM 的使用，再阐述对现有数据的思考。 以 YouTube 的经典 NN 为开端（如图 3，引用自相应论文），现有的数据下如何去使用 title、description，CV 工 作 经 验 的 title、description，双塔输出为 JD 和 CV 是否匹配。我们以双塔的每坐塔的最后输出 vector 作为 JD 和 CV 的表征。本着论文中提到的原理我们去除了树模型中 ID 类特征，换成了 ID 对应 的 vector，保留原有的二分类和连续特征，另外在加入了文本 embedding 特征，最后的结果 不是很乐观。因此分析原因可能是某些特征缺失 gram 训练得到词向量。 算法的大体思路就是：根据图中节点随机游走 -> 生成一定长度的序列 -> 利用 skip-gram 进 行训练。 02 生成Graph Embedding常用方法及其原理 11 | 第一部分 2) LINE LINE（Large-scale Information Network Embedding）是 2015 年文章 [4] 中微软亚洲研 究院提出来的一种算法，LINE

性，其状态更新可用差分或微分方程描述， 而残差网络（ResNet）则通过引入跨层“捷 径”联结，缓解深层网络中梯度消失问题， 其理论分析依赖于线性代数和微分方程，从 而解释了信息恒等传递的原理。 在人工智能算法实现层面，数学不仅体 现在数据预处理、损失函数构造上，也贯穿 于优化算法设计。数据预处理方面，通过统 计建模与样本生成技术改善数据质量：针对 缺失值问题，可依据数据分布（如高斯假设） 理等复杂系统领域。前沿科学研究，正向极 宏观拓展、向极微观深入、向极端条件迈进、 向极综合交叉发力，正在不断突破人类认知 边界。极综合交叉的核心特征是复杂性，只 有在非线性与复杂性共性科学原理方面有新 突破，才能从根本上解决极综合交叉问题。 人工智能、大数据、超算等新一代信息 技术飞速发展，使得我们能够从多个系统和 学科方向维度探索智能复杂体系的特征、智 能涌现和牵引调控，为解析非线性科学和复 次，即认识、驾驭、控创，以基础数学理论 为驱动力，创新发展与人工智能相互赋能的 研究范式，探索不同领域复杂系统共性理论 原理及共性演化调控机制，推动新一代人工 智能的技术突破，应对人类可持续发展面临 的重大挑战具有重要战略意义。 前沿科学问题及其突破路径包括： 第一，如何揭示各类复杂系统的共性 科学原理和演化过程中所遵循的数学物理规 律，并建立、整合复杂系统的基础理论框架？ 突破路径可以围绕形成演化、动态结构等方

光交换是微镜反射型，方 便集成和控制，易于组成光交换阵列，是 MEMS 光交换研究的重点。 微镜阵列芯片是 MEMS 光交换系统中的核心组件，负责在光纤间建立 和断开连接。 图 7 MEMS 微镜原理 OCS 与流量调度系统结合，能够显著提升资源利用效率。目前 国外主要由谷歌主导，谷歌在其自研 TPU 集群中已批量应用 OCS， 自 TPUv4 沿用到今年发布的 TPUv7。每 64 个 TPU 故障率可降低 15% +。 3.4 光互连技术在 GPU 超节点的应用 光跃 LightSphere X 是以分布式光交换（dOCS）芯片为核心的 国内首个光互连 GPU 超节点解决方案。它的原理是取代传统机柜当 中的交换机层，给每一个 GPU 模组配备一个光交换模组，使得单个 GPU 具备交换功能。光交换模组上同时封装了光引擎，可以和外部 的互连光纤相连接，因此使得单个 GPU 具备了和任意 发布 AI 网络光交换机技术报告，该研究项 目由美团牵头，中国信息通信研究院和华为公司共同参与贡献。研 究报告深入研究和探讨了光交换技术在数据中心网络中的应用前景 和挑战。通过对光交换机技术的基本原理、发展历程和应用场景的 详细介绍，以及与其他交换技术的比较，帮助读者全面了解光交换 机技术的优势和局限性。2025 年 6 月 ODCC 夏季全会上，华为公司 专家宣讲了名为“ETH-X DC-OXC

心是替代 传统电子计算中电子的信息载体角色，依托光子传播速度快、并行性强、抗干扰 能力突出、能耗低等优势，突破电子计算在速度、功耗、带宽上的瓶颈，满足高 算力场景下的高效计算需求。 按照计算原理的不同，光计算可以分为光量子计算和光经典计算。 光量子计算利用光的粒子性（如叠加、纠缠等），对光子进行操控及测量来 实现量子计算。目前，光量子计算技术处于早期发展阶段，主要以技术探索和解 决特定问题为主。 光经典计算利用光的波动性（如衍射、干涉等）实现电子计算机的功能。与 电子计算机类似，按照处理信号类型的不同，光经典计算可分为数字光计算和模 拟光计算。数字光计算是利用光学器件逻辑门，通过复杂的逻辑门组合构建类似 传统数字电子计算原理的计算系统完成计算，但目前尚未被验证是一种有效的、 通用的计算架构。模拟光计算则是利用多维光场调制实现某种专用的光学信息处 理，其实现人工智能常用的光神经网络主要通过基于自由空间光学系统和基于集 ReLU、Sigmoid 等）目前仍面临器件 尺寸大、功耗控制难、与现有光集成工艺兼容性差等瓶颈，导致系统集成度和计 算稳定性不足。因此，尽管全光计算在理论上具备终极性能潜力，其实际发展尚 停留在实验室探索与原理验证阶段。 中国移动 面向新型智算的光计算白皮书（2025） 13 3. 光计算面临的挑战及建议 当前，光计算为解决电子计算“算力墙”和“功耗墙”提供了关键路径，在 人工智能、大数据中心、

、桥梁等基础设施的设计方案，降 低施工风险。施工模拟：模拟工程建设对地质环境的影响（如开挖、填埋），确保施工安 全与环保合规。 3、3DTiles 数据处理与应用 1）概述 倾斜摄影的基本原理是利用无人机、固定翼航测飞机或其他多传感器平台，从多个角 度采集高分辨率影像数据，并结合摄影测量、计算机视觉等技术，进行点云重建、网格构 建、纹理映射等处理，最终生成高精度的三维模型。该技术最初广泛应用于城市建模、测 数字孪生世界白皮书(2025) 28 ② LOD 机制：动态细节控制的核心 LOD（Level of Detail，细节层次）是 3D Tiles 中实现高效渲染的核心技术之一。LOD 的基本原理是根据视点与模型的距离，动态调整模型的细节层次，从而在保证视觉效果的 同时，减少渲染的计算量。 LOD 技术通过为同一模型创建多个不同细节层次的版本，在渲染时根据视点的位置和 视角选择合适的版本。具体来说： LRU（Least Recently Used，最近最少使用）缓存是一种常见的缓存淘汰策略，在 3D Tiles 的渲染中，LRU 缓存被广泛应用于 Tile 数据的存储和管理。LRU 缓存的基本原理是优先 淘汰最近最少使用的数据，从而为新数据腾出空间。具体来说： 缓存数据结构。LRU 缓存通常采用哈希表和双向链表结合的数据结构。哈希表用于快 速查找数据，双向链表用于记录数据的访问顺序。

从而大幅提升网络性能，光交换与电交换的区别如图 1-2 所示。 图 1-2 光交换与电交换原理对比 根据切换光路的执行方不同，主流光交换机可分为主动和被动两 类，但主要的原理均为控制特定入射光的出射通路，借此“连接”入 射链路和出射链路。  主动光交换机通常利用 3D MEMS、液晶相位调制等原理，主要 借助交换机内部元件的运动或物化性质改变等来改变光的出射方 向。主动光交换机的重配置时间一般较长（数毫秒级），成本较 低能耗与可持续发展：光交换设备的能耗需求远低于传统电交换 机。电交换设备功耗与比特率成正比，仅 32 口的 400GbE 电交换机 就具有 420W 的典型功耗，峰值超过 1 kW；而光交换设备依据技术 原理不同，如 320 端口 MEMS 交换机仅需 45W 典型功耗。同时，光 交换技术减少了光-电-光转换的需求，进一步节省了光模块能耗。综 合考虑来看，在一个使用 Fat-Tree 拓扑、具有 8000

、智能化的 生产需求。� 力矩传感器� 力矩传感器，也被称为扭矩传感器、扭力传感器或转矩传感器，能对各种旋 转或非旋转机械部件上的扭转力矩进行精确感知和检测。其工作原理基于多种物 理效应，常见的有应变效应、电磁感应原理、磁致伸缩效应等。� 在协作机器人执行任务时，力与力矩的精准控制至关重要。以精密装配任务 为例，协作机器人需要将微小的零件准确安装到指定位置，这就要求机器人能够 精确 持，无法为学生提供高质量的人工智能教育。� 方案� 优势� 实践性强，提升综合能力� 该平台具备路径规划、视觉定位、柔性抓取和语音交互等功能，学生可以通过实 际操作，深入了解人工智能技术的应用和原理，提升动手能力和创新思维，培养 综合实践能力。� 兼容性强，拓展应用广泛� 平台支持与多种主流仿真平台和大模型平台对接，可进行二次开发和应用拓展， 满足不同教育场景和教学需求，为教育机构提供了灵活的教学解决方案。� ���语音交互具身教育平台的引入，使教育机构能够为学生提供更加丰富和生动 的人工智能教育体验，激发了学生对人工智能技术的学习兴趣和探索欲望。� ���学生通过实践操作，深入理解了人工智能技术的应用和原理，动手能力和创 新思维得到了显著提升，为未来的学习和职业发展奠定了坚实的基础。� ���平台的兼容性强和可拓展性，使教育机构能够根据自身需求进行定制化开发 和应用拓展，提高了教学资源的利用效率，降低了教学成本。�

系统分为三层：稳定构网控制层、高效协调控制层、智能优化调度层。 图 2-3：微电网分层控制架构 3.2 稳定运行六大关键技术 （1）大规模储能构网技术 图 2-4：构网型储能虚拟同步机工作原理框图 随着构网型储能技术突破和光储成本下降，GWh 级微电网已成现实。然而，大规模构网型储能并 机仍面临关键挑战：当数百至数千台独立电压源并联时，如何实现稳定同步运行成为技术难点。主要问题包括： 包级主动均衡模块：电池包级 SOC 管理 基于华为自研芯片的 3% 高 SOC 精度 主动均衡、被动均衡双重均衡技术保驾护航，规避电池包级电芯短木板效应，实现真正的满充满放 图 2-16：离网高光储比运行原理 图 2-17：理想场景下发电曲线与负荷用电曲线 （2）宽 SOC 构网范围技术 构网型储能在运行中需具备抗负荷扰动能力，以维持微电网功率平衡。当光伏发电功率较高而负荷突降时， 储能需快