联想以混合式基础设施为支点，撬动 AI 全场景落地：万全异构智算平台 3.0 携四大技术创新破局―― AI 推理加速算 法集实现 5-10 倍性能跃 升， 编译优化器降低 15% 训练成本，慢节点自愈系统达成万卡十分钟 级故障 恢复，专家并行算法削减 3 倍推理延迟。这一技术底座更通过联 想万全 AI 一体机实现端到端落地：基于联想自研的联想万全异构智算 平台管理 软件，深度适配问天 WA7785a WA7785a G3 等服务器硬件，凭借调度层、算子层、 推理引擎层三级调优技术，将异构算力利用率提升至行业标杆，为企业提 “ ” 供 开箱即用 的本地化 AI 解决方案，真正实现从技术突破到产业普惠 的闭环。 1 联想算力基础设施非凡箓 ―― Al 大模型算力解决方案手册 本册《非凡箓》浓缩联想智算实践精华：首章揭示 DeepSeek 技术 矩阵如何重构企业竞争力；中篇以多维智能算力匹配、 矩阵如何重构企业竞争力；中篇以多维智能算力匹配、 GPU 内核态 虚拟化、集合通信算法库、AI 高效断点续训、AI 与 HPC 异构集群 调度等九大差异化技术拆解规模化落地密码，完整诠释联想在异构智 算领域的创新成果；终章通过制造、金融等领域的成功案例，诠释软 硬协同如何让 AI 从 " 可用 " 到 " 好用 "。这既是技术手册，更是产业 跃迁的路线图―― 以九层之台起于垒土的坚韧，成鲲鹏击浪从兹始的

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”，

拟化管理平台 实现Power私有云 关键组件 软件：PowerVC 硬件：Power服务器 + SVC （可选） 实现异构私有云 关键组件 软件：PowerVC + StartCloud 硬件：异构服务器（Power， PowerLinux，x86） + SVC （可选） 实现X86私有云 关键组件 软件：VMware VC 硬件：任何 可进行大规模扩展 易资源回收 实现异构私有云 关键组件 软件：开源OpenStack云管平台 硬件：异构服务器 （Power,PowerLinux,x86)+支持 OpenStack的各类存储 特点 自行开发，安全可控 紧密结合企业实际需求 物理机也可纳入管理 功能丰富和强大 支持异构计算资源和存储资源 特点 特点 实现快速供给、快速部署 实现快速供给、快速部署 具弹性、易扩展 易资源回收 支持异构存储 适合开发测试、准生产环境、生产 环境 优点 全部自动化 管理简单 能够通过维保转嫁风险 实现快速供给、快速部署 具弹性、易扩展 易资源回收 支持x86平台 支持异构虚拟化 支持异构虚拟化管理平台 支持异构存储 适合开发测试、准生产环境、生产 环境 缺点

现空天地一体化协同服务. 在 LAIN 新范式驱动下, 低空网络管控体系正在经历从 “人工主导” 向 “智能自治” 的范式重构. 传统通信网络基于静态配置与人工干预的运维模式, 在应对低空场景特有的高动态性、异构性及跨域 协同需求时, 暴露出显著局限性. 首先, 全局态势感知能力缺失. 传统网元移动性管理机制难以捕捉低 空网络三维拓扑的秒级动态变化 [4], 且无法实时获取无人机节点的能源状态、三维坐标等关键参数 其建设与运行依赖多项前 沿技术支撑, 但通感算一体化、数字孪生、高精度定位导航、飞行器可信接入与监测等关键技术仍需 深化研究与创新. 与此同时, 低空网络的管控范式亟须系统性革新, 具体表现如下. 首先, 异构网络融 合困难, 5G-A 网络对 300 m 以上空域覆盖不足, 需卫星通信补充, 但空地网络协议转换、频谱干扰协 调缺乏标准化方案, 通感一体化技术成熟度不足. 其次, 现网对高动态环境适应性薄弱 将探索 6G 空口 AI 与通感一体技术. 1.3 无人机网络管控技术研究现状 以低空智联网为代表的新型通信网络的管控技术研究也是当前的研究热点. 目前通信网络面临 着异构制式和频段统一管控难, 商业和消费级用户业务需求各异, 海量异构终端的能力差异大等挑战, 导致网络运维难度指数级增长, 亟须改变以人工干预为主的传统范式, 引入 “规划、建设、维护、优 化、运营” 全生命周期的智能管控能力, 实现全流程自治

新型电力系统电力扰动 新型电力系统使电力扰动发生频率高、传播范围广、演变形态多、影响危害大，对电力扰 动分析、应用和应对提出了新要求、新挑战。 演变形态多 多元异构设备的扰动 响应特性差异大，扰 动时变形态多样。 发生频率高 多元异构电力电子设 备交互影响，原生、 次生扰动源增加。 14900 系 14700 统 14500 总 14300 14100 第 13900 13700 数据来源：《中国电力行业年度发展报告 2023 》 储 能 挑战 3: 异构设备时空分散，弹性 负荷难以协同精准调控 220kV 水泥制造 110kV 电压等级 220kV 110kV 35kV 10kV 0.4kV 10kV 电解铝厂 地区电网 芦 数 据 层 1. 非侵入式异构 设 备 感 知 ① 平稳 / 非平稳设备波 动特征提取 ② 自适应轻量化设备数 调度层”自下而上建立异构设备时序泛化模型、 提出弹性负荷量化 方法、创新“源 - 荷”协同调控策略，实现负荷弹性资源化利用。 03 负荷弹性资源化利总体思路 设备功率分解模型 W′=W×f×LR+L 自适应窗长 自适应双向滑动窗 (iled wnbow sue) pphoxcB mteli mddia ■■mn ■ S2PI 3.1 轻量化异构设备感知 利用计量、

的结构，运营商云和地方平台主导的供给仍占主体。 • 西北普惠智算市场已形成“独立智算云厂商 + 互联网云厂商 + AI公司自有云”三元供给：互联网云厂商以训练+推理+MaaS 一体化满足主流行业需求，独立智算云厂商立足第三方定位，以异构算力聚合、统一调度与算力包/按需计费切入长尾；AI公 司自有云以场景化方案+算力服务补齐行业落地。阿里云、九章智算云等领跑西北供给侧市场。 易观建议：省际差异定位， 分工协作，推动西北普惠 智算云规模化落地 撮合机制，提升存量利用率，避免重复建设； • 产业端：应加快把宁甘的资源池、新青的绿色/能源优势、陕西的高质量需求组织成一体化服务网络。平台与厂商层面，应围 绕工业、能源、政务、科研等高频场景沉淀可复用方案包，强化异构调度、绿色算力产品化、跨区域服务和生态连接能力， 推动西北普惠智算云形成“供给—运营—使用—开发—资本”相互促进的区域智算生态闭环。 01 • 西北不再只是承接东部需求外溢的算力腹地，而是正在同 ：一方面，用户通过按需付费、弹性扩缩容和多区域资源池降低一次性投入和闲 置风险；另一方面，把硬件采购、扩容替换、异构调度和供应链波动转移给平台层处理。对 AI 最终用户而言，在2026 年~2027 年打造AI算力 能力时，更稳妥的选择可能不再是一次性锁定大规模硬件，而是转向第三方云，以更轻量的采购方式获得弹性供给、异构调度和可控 SLA 。 存算上游供应链价格持续预警 TrendForce 价格预测 (-2026Q1

.............. 7 （一） 节点架构重构，驱动算力高效聚合.......................................................7 （二） 异构计算技术，实现算力密度突破.......................................................9 （三） 超低时延网络，破解数据传输瓶颈​ ....... 来源：中国信通院，ODCC 图 4 AI 计算节点组网架构 （二）异构计算技术，实现算力密度突破 “CPU+GPU+专用加速器”的异构架构是支撑多样化 AI 算力的 基础。当前，AI 工作负载已从单一训练任务演变为涵盖训练、微调、 推理及科学计算的多元混合体。CPU+GPU+XPU（专用 AI 加速器如 NPU、TPU、DPU）的异构架构成为选择。架构体系中，各计算单元 分工明确、协同高效。CPU 的全流程定制，实现能效比的提升。 芯片级定制与先进封装技术是突破算力瓶颈的核心路径。随着摩 尔定律放缓，传统单一通用大芯片的发展模式，正遭遇功耗持续攀升 与制造成本高的双重挑战。Chiplet（芯粒）技术作为模块化、异构集 成的芯片设计和制造方法，通过将大型 SoC 解耦为多个功能化、模 AI 计算节点发展研究报告（2026 年） 10 块化的小芯片，显著提升了产品良率并降低了制造成本。同时，技术 突破了

层 数 据 中 台 信用风险 控制 大数据 营销 投资收益 跟踪 数据资产体系 HANA 数据服务 基线告警 异构数据源 客户标签体系 企业标签体系 一键运维 智能调度 可视化配置 产品标签体系 异构网络 敏感数据脱敏 数据服务申请 数据权限 权限审批 用户管理 运维监控 发布部署 运维监控 发布部署 发布运维规范 数据研发规范 数据工具 / 服务管 理 数据服务引擎管理 用户角色管理 数据标准管理 数据资产管理 数据安全管理 开发角色管理 数据开发 数据同步 运维监控 数据开发平台：数据汇聚 支持 20 多种多源、异构数据的汇集、可以支持离线、实时的数据接入，支持以插件化、热插拔的方式对数据源 进 行扩充 数据源 Oracle Reader Oracle 备 库 MsSQL Reader MsSQL 数据平台 Hbase Hive Other 数据从业务库流向数仓的在线、离线存储，支持 BI 分析以及数据算法挖掘 业务人员操作控制 UI 端 多数据源同步 可视化界面 插件化扩展 异构网络同步 数 据 智 能 适 配 Hbase Writer Other Writer MySQL Reader Other Reader GP Writer Hive

人工智能辅助决策 人工智能技术平台 / 框架 CPU 集群 云平台 CPU 计算 IP 网络 GPU 集群 GPU 计算 IB 网络 FPGA 集群 FPGA 计算 IB 网络 异构计算 超参数自动化调 优 模型开发 模型训练 模型部署 分类算法 聚类算法 关联计算 回归算法 深度学习 强化学习 迁移学习 语音识别 文字识别 图像识别 虚拟现实 平 台 层 基 础 享。 02 区块链存证技术 利用分布式账本技术记录数据流转全过程，提供不可篡改的 审计追踪能力，增强跨部门协作的透明度和信任度。 03 异构数据融合 通过自然语言处理（ NLP ）和知识图谱技术，将文本、图像、 传感器数据等异构信息结构化整合，形成全局态势感知视图。 04 大数据算法仓库和分析引擎 内容 数据内容 提取 & 分级 数据分 级、组织 和管理 数据分析 & LoRa, NB IoT, WiFi, ZigBee EDGE 异构数据交换 实时流程互动 多活容灾可靠 通过 AI 大模型构建智能决策闭环，实现资源调配准确率提升 40% ，响应时效提升 60% 痛点一：资源信息孤岛 各部门数据标准不统一，资源状态更 新滞后，难以形成全局视图 部署 AI 资源调度中枢，实时聚合 多源异构数据 1 构建动态资源图谱，实现秒级状 态追踪与预测 2 痛点三：协同机制缺失

数据中台面向的客户“六大特征” 第 5 页 3 场景 4 方案优 螃 5 以数据湖为底座，利用元数据智能驱动技术，深化数据全流程治理，提供异构数据汇聚、海量数据处理以及全域数据 运营等服务。解决企业数据领域多源异构数据融合、数据资产集中治理以及数据共享安全可控等难点。面向各行业领 域提供数据中台建设、管理及数据服务能力，赋能数字化转型与运营。 资源标签化 数据中台定位 第 7 页 数据 3.0 时 代 数据 2.0 时 代 数据 1.0 时 代 数据资源化 业务数据化 数据 治理 平台 存储 计算 基于底座 IaaS 能力，实现多源异构数据汇聚、治理融合、数据模型可视化构建、离线 / 实时开发、多维分析和可视化、数据 服务可视化构建 ，解决数据中台建设过程中数据互通难、数据融合难、数据运营难等问题，实现数据资产价值化。 角色管理 数据挖掘应用 数据服务 应用管理 平台管理 服务市场 数据汇聚 离线采集 文件同步 人工数据填报 数据模型管理 数据开发 BC-Hadoop 生态组件 异构 数据 各类 应用 经营 分析 系统 数据湖生态组件 数据资产管理 标签管理 数据中台整体能力 数据中台 整体能力 统一 标签 系统 关系 型数 据库 领导 驾驶 舱 第