异构算力协同白皮书 Heterogeneous Computing Power Coordination White Paper 全球计算联盟 智能计算产业发展委员会 1 编写单位 中国电信股份有限公司 北京智源人工智能研究院 中科加禾（北京）科技有限公司 沐曦集成电路（上海）股份有限公司 中国信息通信研究院 科大讯飞股份有限公司 上海壁仞科技股份有限公司 编写组成员(排名不分先后) 的各类异构算力芯片齐头并进。 然而，因芯片架构不同、通信协议不统一、算存传能力差异而导致的异构算 力碎片化、生态割裂及协同效率不足等问题日益显现。构建统一计算、统一通信、 统一调度和统一评测的异构算力协同体系，实现异构算力间的无感知计算、无阻 碍通信协作、资源的高效调度和自动化测评，是推动异构算力基础设施迈向新阶 段的关键路径。 本白皮书通过系统性梳理算力产业发展现状、异构算力协同体系架构、关键 系架构、关键 技术、解决方案与实践和未来技术展望，促进产业界对异构算力协同领域的深入 理解，加速技术成果的产业化应用。全球计算联盟智能计算产业发展委员会将与 产学研各界合作伙伴携手共进，推动国产算力底座性能持续跃升、异构算力协同 生态日趋繁荣，为人工智能时代的到来铺设更加坚实的算力基石！ 全球计算联盟 智能计算产业发展委员会 2025 年 7 月 2 目 录 第一章 算力产业发展现状

在此背景下，中国移动积极响应国家战略部署，依托自身网络优势与技术 创新能力，提出“5G-A×AI 算网智一体化”解决方案。本白皮书系统阐 述了以“算为引擎、网为根基、智为大脑”为核心的一体化架构理念，重 点介绍了边缘智能核心网、异构算力平台、智能驱动中枢等关键技术体系， 并结合在工业制造领域 的真实案例，展现该架构在提升生产效率、优化 运营成本、增强安全保障等方面的实际成效与价值。 前言 目录 1.1. 政策导向和产业现状 5G-AxAI 算网智一体化技术体系 3.1. 赋能边缘智算核心网的算力平台 3.1.1. 轻量化与弹性部署 3.1.2. 跨异构适配 3.1.3. 云边模型与数据协同 3.1.4. 安全与高可靠运行 3.2. 赋能企业专网的边缘智能核心网 3.2.1 异构接入 3.2.2 意图化用网 3.2.3 一网多能 3.2.4 内生智能 3.2.5 多模态感知 3.3. 智能驱动中枢与模型服务基座 专网存在部署不灵活、自运维难度高等问题，以及传 统算力平台的负载适配不足与资源协同较差，以上问题均成为亟待突破的关键。 企业专网面临系统性挑战：网络接入“多而不融”，园区内 5G、Wi-Fi、有线等异构网络并存，形成 数据孤岛，难以实现接入的统一；业务需求“言而无策”，生产线的高层意图无法被网络理解与实 时响应，从“需求”到“配置”仍需人工逐条配置，业务敏捷性严重受阻；网络资源“静而不柔”，

人工智能时代的新质生产力范式，图 1.1列举了当前阶段云计算领域的技术研究图谱。 在基础架构层，AI IaaS 成为支撑大模型时代的核心底座。基于 CXL（Compute Express Link）的内存 池化架构显著提升异构算力资源的调度灵活性与利用率 [1, 2]；DPU 与 RDMA 等新兴架构技术强化了数 据传输效率与系统控制能力 [3, 4]；GPU/FPGA/ASIC 等专用芯片与存算分离技术、高带宽存储介质深度融 突破，形 成以“硬件突破—软件革新”协同发展的技术发展格局。本部分聚焦行业实践，从硬件基础设施、软件平 台能力两个方向梳理年度标志性事件与技术跃迁路径。 全球云计算硬件基础设施正加速向高性能、异构化与资源池化方向演进。例如华为发布的 CloudMa- trix 384 超节点架构成为年度最具影响力的硬件创新之一。该架构采用全对等互联与全栈协同设计，集成 了自研鲲鹏 CPU、Ascend 910C 加速 器接口标准化，打破厂商锁定困境。在国内，开源力量同样迅猛崛起。华为推出的 Open YuanRong 项目， 聚焦 AI 推理框架开源，兼容 PyTorch 与 MindSpore 模型，支持异构硬件自动优化，上线三个月即被 30 余 家云服务商集成。天翼云则发布 TeleDB——一款面向云原生的分布式数据库开源项目，支持多模态数据 处理与强一致性事务，在电信级高并发场景中表现优异，已被多家省级政务云采用。2025

的关键技术路径。在这一融合 过程中，负载整合技术发挥着至关重要的作用，它打破了传统系统中 AI 处理和实 时控制相互独立的架构壁垒，实现了多种计算任务在统一平台上的协同优化。 新一代计算平台的异构架构优势在此背景下显得尤为重要。通过整合高性能 CPU、 GPU 和专用 AI 加速器，结合先进的负载整合技术，单一平台即可同时处理实时 控制任务和复杂 AI 推理，实现了前所未有的计算效率和系统简化。这种技术创新 Shift 技术，可以通过提高并固定实时核工作在比基频更高的频率，优化实时性能。它不影响其它 核的依据负载和 TDP 的条件浮动变化频率。 • 英特尔® 酷睿™ Ultra 系列处理器采用先进的异构架构设计，GPU 独立 die 与 CPU 物理分离且不共享三级高速缓存， 从架构层面消除了缓存争用对实时性能的影响。Per-Core C-state 技术实现了颗粒度更细的电源管理：实时核心保 整合为一个来降低物料清单 (BOM) 成本。 • 从运营技术 (OT) 到信息技 术 (IT) 的集成更加简便。  新一代 CPU 采用先进的 Intel 7 和 Intel 4 工艺技术，具有异构架构，支持不同工作 负载运行，并提供更好的隔离性。  硬件虚拟化技术加持：VMX、VT-D 和 SR-IOV。  在选定的 SKU 上应用 Intel® TCC 和 TSN 技术，以确保实时性能。

产 的 多 主 体 特性 、 模 型 和 数 据 的 异构 特性 、 数 据 权 属 的 唯一 性 和 确 权 等 ， 均 对 数 据 治 理 提 出 了 挑 战 。 数 字 船 舶 的 概念和 架 构 ， 可 以 提 供 一 个 解 决 这 些 问题 和 挑 战 的 协 同 机 制 和 平 台 ， 实 现 以 下 功 能 ： • 异构 数 据 转 换 ， 通 过 对 元数 据 的 定 义协 工 业 数 据 标 准 ） 中 的 定 义， “ 以 模 型 为 基 础 的 方 法 是 指 将 数 字 模 型 作 为 产 品信 息 在 全 生 命 周 期 中 的 主 要 载体 ， 实 现 跨 异构 系 统 的 数 据 一 致 性 表 达与 交 换 ” 。 数 字 船 舶 概念中 ， 以 模 型 为 基 础 是 指 将 设 计 、 建 造 、 运 营 、 拆解 等 船 舶 全 生 命 周 期 同 信 任 基 石 ； （ 3） 以 模 型 为 基 础 的 方 法 ， 在 统 一 语义的 基 础 上 ， 将 船 舶 全 生 命 周 期 数 据 绑定 至 统 一 数 字 模 型 ， 实 现 异构 工 具 互 操 作 ；破 除 各 利益 相 关 方 之 间 的 数 据 割 裂 ， 承载船 舶 全 生 命 周 期 信 息 ， 并 确 保 所有 信 息 可 追 溯、 可 关 联 、 可 计 算

信息门户、 社交媒体、 行业资讯 … 360 AI 企 业 知 识 库 Agent 构建平 台 MCP 插件调用 AI + 电力行业智能应用场 景 Agentic RAG 指标建模 全域多源异构知识捕获 全方位 安全管控 版式分析 ASR/TTS 图像解析 视频解析 信息抽取 图谱建模 表格解析 OCR 大模型 多智能体协同 工作流编排 上下文工程 提示词工程 AI ， 360 Agentic RAG “ 动态推理出结果” 动态推理 + 实时证据 • 核心 ：引入智能体思想进行知识增强 • 闭环（网状）：动态多向循环迭代 • 优势：异构数据 / 长链路 / 多跳 / 强逻辑 关 系类推理效果好 • 知识内容：动态 / 完整性 • 检索质量：高（多专家协同研判 / 验证） • 响应方式：主动优化 随着新型电力系统数智化转型的加快 ， 以人工经验为主导的设备检修与运维计划难以满足新型电力系统的安全性与高效性要求 ; 各类电力设备在规划计划、 采购建设、 运行维护、 退役处置等生命周期内积累了大量的多源异构数据 ，这些数据闲置在各系 统 中 ，未能加以有效应用。 设备数据现状的复杂性 设备的全生命周期数据分布于各个 系统中，来源广泛，结构复杂，数 据孤岛现象严重 故障数据的不均衡性

显著升温，展现出前沿模型技术创 新和安全治理并重的发展趋势。 总量 中国 欧盟 美国 印度 英国 内生安全 人工智能安全 检索增强生成 博弈论 前沿模型 人工智能对齐 人工智能 极端风险 可信人工智能 动态异构 冗余架构 安全评估 智能体 可解释性 扩展定律 深度推理 0 20 40 60 80 100 120 140 0 50 100 150 200 250 300 面临挑战，需要在效率与复杂度之间找到 平衡。 2.3.2 数据引擎 具身智能系统的数据获取和融合仍面 临数据质量参差不齐、数据标注成本高、 跨模态数据同步性不足等问题，限制了模 型的泛化和适应性。 研发多源异构数据采集与融合技术， 构建高质量数据引擎。推动统一的数据采 集与多模态融合平台建设，确保数据标准 化与时间同步，促进开放数据集生态建设。 多模态数据融合技术利用深度学习与融合 算法整合视觉、触觉、听觉等信息，增强 堵查杀”的被动防御手段干预外因，无法 化解系统构造缺陷引发的本源性矛盾。动 态异构冗余架构 6 将安全属性从代码的脆 弱性转向架构的确定性，使内生安全矛盾 在系统层实现演进转化或动态和解 2。动 态异构冗余架构通过多模型集成、异构算 法模型、多态执行体与策略化调度机制的 深度融合，使攻击者难以捕捉稳定的攻击 界面；通过算法异构化部署、模型动态迁 移及特征空间重构，打破攻击所需的静态 环境假设，增强

支持弱网管理、边缘自治等能力， 并 提供底层运维、监控、高可用能力， 可帮助客户实现在安全合规 要求下的， 在专网边缘的异构工作负载稳定运行 面向客户群 面向客户需求 产品优势 产品优势 • 软硬一体交付， 敏捷弹 性 • 开箱即用的 PaaS 平台 • 异构资源调度 • 边缘自治 交通、工业、教育等 边缘业务就近运行、分支机构业务上 云 软硬一体交付效率高、管控开销低、

量子安全迁移战略引擎：一个战略性框架 .................................. 50 3.1 引擎底座：密码敏捷性（异构融合与动态重构）的核心原则 .... 50 全球抗量子迁移战略白皮书（2025） 7 3.1.1 异构环境下的协议互操作性工程 .............................................. 52 3.1.2 混合实现模式作为过渡桥梁 丁津泰教授的参与具有标志性意义。作为全球 PQC 标准 CRYSTALS-Kyber[12] 的 核心缔造者，他持续参与新一轮标准化进程，这深刻反映了业界的战略共识——即在 现有格密码体系之外，必须探索异构的数学基础，为未来构建多样化的技术备份。 正是基于这种对“算法多样性”原则的制度化坚持，NIST 在为格密码寻找备份方 案。因此，NIST 于 2025 年 3 月 11 日 宣布选择了一种基于完全不同数学难题的算法 术 栈作为核心动力输出，并利用仿真验证进行效率增压，最终在治理与演进循环的持续调 控下，将组织从传统加密体系平稳、动态地推进至具备长期量子韧性的新一代信任架构。 3.1 引擎底座：密码敏捷性（异构融合与动态重构）的核心原则 如果说迁移引擎需要持续运转，那么密码敏捷性[23]（Crypto-Agility）就是支撑其 运转的、不可动摇的底座。它并非一个简单的技术特性，而是应对未来不确定性的战略

本次白皮书系统梳理技术演进路径、核心能力建设及行业实践成果，数字孪生的核心 在于通过数据驱动实现物理世界与虚拟世界的精准映射与动态交互。白皮书提出四大关键 技术能力： 物理感知与数据融合。整合 LiDAR、无人机、物联网等多源异构数据，构建高精度三 维地质模型与实时监测网络，支持黄河流域泥沙冲淤分析、城市内涝预警等场景。 高效建模与轻量化渲染。基于 3D Tiles 流式加载、ENU 坐标变换与 LRU 缓存技术， 实现大规模倾斜摄影模型的秒级加载，突破 与响应速度。例如，某水利项 目中，LSTM 网络结合水文数据将水质预测误差降至 3%以下；在工业场景中，自编码器 驱动的设备故障预警系统减少非计划停机 30%。 智能算法的融合应用还体现在多源异构数据的实时处理与动态适应上。通过集成传感 器数据、遥感影像与业务日志，大模型可动态优化城市内涝模拟、港口物流调度等复杂场 景。黄河流域泥沙冲淤模型即通过无人机测深数据与智能插值算法，实现水下地形的高频 来，随着 AIGC 生成高精度场景、边缘 AI 加速推理，数字孪生将迈向“感知-决策-执行” 闭环自治，成为产业智能化升级的核心引擎。 （一）复杂数据处理与孪生场景应用 数字孪生技术的核心在于对多源异构数据的深度融合与智能解析，其应用场景的拓展 高度依赖于复杂数据的高效处理能力。地理数据处理通过整合 DEM、LiDAR 等数据，构 建高精度三维地质模型，结合 AI 算法实现地质灾害动态模拟（如滑坡预警、洪水淹没分