跨岗位的自动协作与 闭环，将依赖人工或 规则的低效工作流程 转化为智能化业务流 程 。 四域 融合 知识 资产 智能化 岗位 技能 智能化 信息系统 与业务 全链条 本白皮书核心内容摘要： AI原生 • 基于大语言模型、多模态与多智能体架构，从底层 具备“智能内生性”；不仅能处理语言、视觉、音 频等多模态信息，还能在跨岗位、跨流程中自动协 同，形成覆盖知识—人才—业务—治理的智能化工 作流。 撑长期运营，产生对KPI（人效、时效、质效与现 金流）的可量化贡献。 术语与名词表 数据来源：沙利文研究 企业级智能生产力 知识域 人才域 业务域 治理域 多模态模型 LLM RAG ROI 以AI原生能力为核心驱动力，将企业的私域知识资产、岗位技能和业务流程深度智能化，并与现有信息系统打通，在可信治理下运行。 企业内部外部的知识资产（文档、流程、经验、客户数据、市场信息等）的数字化、结构化与智能化管理域。 人才赋能与治理优化， 有效面对企业发展痛点： 信息系统与业务链条全面打通： 组织能够实现端到端业务可视化、智能化协作和持续优化，形成从知识、人才到业务流程的完整闭环。 企业级智能生产力指以AI原生能力为核心驱动力，将企业的私域知识资产、岗位技能和业务流程深度智 能化，并与现有信息系统打通，在可信治理下运行 数据来源：沙利文研究 企业级智能生产力 知识资产智能化 • 将企业内部分散的知识、经验、文档

避实现自愈。 安全与隐私保护 • 数据加密：在传输层采用TLS 或MACsec协议，防止中间人攻击。 • 访问控制：基于零信任架构实现细粒度权限管理。 2.2 技术体系重构：全光互联+AI原生网络颠覆传统架构 1）智算网络技术体系 图2-1是智算中心组网的逻辑架构和物理架构。智算中心逻辑上分为AI计算集群区、通用计算区、存储区 以及管理区，在网络层面，划分为参数面、样本面、业务面及 基于遥测数据驱动、端网协同和信用授权的主动预防式拥塞控制技术将成为高性能无损智算网络的主流； • 逐流、逐包和信元多粒度均衡以及本地/全局的层次化调度，提供流量调度的全面解决方案。 AI原生赋能 • 网络与AI原生融合，全栈赋能智算网络，如流量模型、算法优化等成为性能优化的关键，也是差异 化竞争的重点； • 自动化、智能化的算网一体化运维及服务开放。 交换容量翻倍 • 交换芯片每两年容量翻倍，从目前的51 拥塞控制技术 网络拥塞控制是保障智算网络高吞吐、低时延、无损传输的核心技术，是网络系统从"尽力而为"向"确定性 服务"演进转变的重要基础，主要包括被动响应型机制、主动预防型机制以及端网协同和AI智能原生重构等。 智算网络核心技术 13 被动响应型机制 被动响应机制通过对链路拥塞状态相关信息的监控、采集和分析，触发相应的拥塞控制机制如流量降 速、暂停等，其包括： 基于RTT的拥塞控制，以T

价值和愿景 “全光网 3.0”是推动新型工业化与数字基础设施融合发展的关 键支撑。通过能力升级、架构重构、服务模式创新，光网络向数智融 合、多维感知与天地协同转型，并具备超大带宽、极低时延、原生智 能、弹性敏捷等核心能力。促进区域资源协同共享，支撑算力资源灵 活配置、数据要素高效流通，加速智慧工厂、智慧办公等产业数字化 升级，推动远程教育、远程医疗等城乡数字鸿沟弥合，带动实体经济 间（FTTR）等边端算力，满足 AI 智能体及应用对于本地存算资源的 弹性部署及调度编排要求。 4、多层原生的全流程光智能（原生光智能） 原生光智能基于原生在网络各层次中的 AI 技术，构建“三层原 生智能”网络架构，全面赋能光网络“规、建、维、优、营”全流程。 在新一代云网运营系统框架下，光网络以原生光智能为根基，深 度融合通感一体、数字孪生和人工智能等新技术，为千行百业提供“自 配置、自修 护更快速 地处理故障、网络优化更及时地发现隐患和调优、网络运营更敏捷地 满足多样性业务诉求，从而实现 AI 时代的智能光网络。 8 Ⓒ中国电信版权所有 基于 AI 构建的光网络原生智能包括网络层、运营层和业务层智 能，其中网络层智能包括多参量精确感知、快速采集、基于小模型的 网元数字孪生（实现“入网即孪生”）和健康度分析等，运营层智能 包括基于智能体的光网络运维大模型、开放管控、故障溯源、性能评

双轮驱动” ( 业务 + 技术 ) 平台 + 共享 大平台支撑精兵作战 业务 IT 一体化 统一数字平台 对象 + 过程 + 规则数字化 完善数字化场景和方案 存量应用：双模驱动 新增应用：云原生 数据：统一入湖 以客户 为中心 回归 业务 架构 牵引 智能化 大数据 云平台 C B A A B C 总部 Sponsor 下的 业务驱动式 数字化 执行委员会 总部 驱动业务改进和模式创新 业务对象 业务过程 业务规则 1. 存量应用采用 Bi-Model 方式：传统软件包延续瀑 布模式，服务化应用转为 采用 DevOps 敏捷开发模 式 2. 新增应用采用云原生方式 构建：直接构建在云平台 之上，采用微服务架构， DevOps 敏捷开发模式 3. 数据统一入湖：实现数据 同源共享 华为云数字化转型顶层设计咨询 Offering 总览 客户收益 数据标准 数据模型 数据指标 数据算法 数据是企业的战略资产 数据共享交换 数据资产质量评估 数据架构 数据分类 运营指标体系 数据服务 数据分析领域技术架构进入第三阶段 - 云原生数据湖 BI Reports Data Warehouse Structured Data ETL Structured, Semi-structured & Unstructured Data

终，容灾方案（如按业务模块拆分部署、按数 据分片分布）因缺乏明确的拆分依据而难以决 策，成为多活落地的第一道障碍。 ·分布式技术平台难以直接实现多活：多数分 布式技术平台的原生架构并未针对跨地域多活 场景设计协同机制，因此难以直接支撑多活能 力。如果直接按原生架构部署，应用与平台 间、平台内部模块间都可能存在跨地域的结构 性依赖，造成“分而不断、多而不活”需要通 过集群解耦，架构优化减少跨地域的服务调用 系，提高生存底线、降低恢复时间。 面对智能化演进、数据跨域流通、云原生架构普及及 高级攻击向内网渗透等新趋势，数据中心安全需在 巩固传统“五横”（应用、数据、主机、网络、物 理环境安全）基础上，重点关注以下新安全领域。 1、应用安全：关注生成式人工智能（GenAI）安全 数据中心应用安全的发展与信息技术架构的迭代深 度绑定，整体可划分为单机应用安全、Web应用安 全、云原生应用安全和生成式人工智能（GenAI） 为 关键挑战。 五横：夯实基础 图 3 - 3 3 应 用 安 全 发 展 历 程 图 3 - 3 2 “ 五 横 三 纵 ” 安 全 防 护 单机应 用安全 Web应 用安全 云原生 应用安全 生 成 式 人 工 智 能 （GenAI）安全 -1990s 2000s 2010s 2020s- 攻击技术有限、扩散慢， 已知威胁单点防御为主 典型攻击： ·本地病毒/恶意脚本等

的自动化技术架构，支撑海量 对 象接入 充分发挥“云一边”协同系统优 势 ， 充分消纳海量异构信息和业 务应用请求 构建边缘计算终端的分区自治机 制 ，实现采集数据实时处理和就 地分析 构建基于云原生技术的边缘计算 终端架构，实现终端功能软件定 义、业务应用快速部署 建立资源弹性分配机制，在不同 时空尺度满足各类业务应用的实 时性需求 建立适用于并发场景的数据读写 微 网 控 制 器 √ 云 原 生 (Cloud Native ) 架构：资源池化、数据平台化、应用 APP 化，功能软件定义。 √OS 原生 (OS Native ) 平台：资源、数据、服务、应用全面 OS 化。 √AI 原生 (Al Native) 应用：行业垂直模型、 Al 即服务。 配 电 网 保 护 控 制 边 缘 计 算 终 端 — — ● ● ● 35● 电网调度 + 电力市场 调节能力资源池 ( 聚合平台 EMS 操作系 统 ) 资源设施层 微网 / 配用电网 分布式源网荷储资源 虚拟电厂的“云原生”模型： Cloud Native 华南理工大学 South China University of Technology 虚拟机 3 APP

工作坊进行 热点 、重点场景的筛选和服务设计，打造和沉淀中台能力，推动集省专能力的拉通、共享、 复用。 能力沉淀：服务上架、服务治理 业务中台能力 数据中台能力 技术中台能力 统一云原生架构 容器云门户 容器云平台 微服务体系 弹性调度能力 市场 • 实时营销 • 网格运营 客服 • 投诉全程 可视化 管理 务 … … 服 务 … … 服 4 2 方案 3 场景 5 云原生架构助力中台能力高效迭代 • 以容器化、微服务、 DevOps 、持续交付为核心的云原生技术（上层 应用“ 因云而生” ），具有快速、灵活、弹性、扩展性强等优势， 使中台能力更便 捷地在云上开发、测试、部署、发布及迭代运营。 • 快速推进统一标准的磐基 普元数据中台解决方案，包括主数据与元数 据管理、数据资产管理、数据资源目录、数 据共享交换 • 重点是将数据治理与数据运营融合连接 云原生是一套指导应用软件架构设计思想。基于这种思想设计的应用，天然“ 生在云中，长在云上” 。 中台能力从构建就基于 统一云原生架构，形成共平台、共能力、共研发的技术体系，降低应用能力开发难度，缩短技术研发交付周期，最大化发挥出 阿里： Dataphin 数据中台

足相互干扰，均无法实现“一 网千面”的精准供给；运维管理“治而不智”，仍依赖人工经验进行被动响应，缺乏预测性维护与主 动优化能力，智能化水平滞后；网络能力“连而无感”，仅能提供基础连接服务，无法原生支撑定位、 感知等融合应用，制约了智能化的深度与广度。 融合技术拐点催生架构协同：下沉核心网虽解决了集中式核心网难以快速处理边缘侧海量数据的问 题，契合企业专网本地化、实时化诉求，但“网算分离 5G-AxAI 算网智一体化技术体系以智能 5G-A 网络为根基，使其成为可感知业务意图、动态调优的神 经脉络；以异构融合的算力平台为引擎，打破资源壁垒，实现算力随业务需求智能流动与弹性供给； 并以原生内嵌的 AI 能力为大脑，贯通感知、决策与执行闭环，将复杂运维与业务优化转化为“业务 目标驱动”的自主过程。三者深度融合，互为支撑，共同推动基础设施从标准化供给迈向场景化赋能， 为产业数字化注入全新活力。 网络成功构建了从控制域到连接域再到感知域的完整服务体系， 为工业企业提供了一张真正实现“能力可按需部署、业务可跨层协同”的融合网络基础设施。 3.2.4 内生智能 内生智能融合 5G-A 核心网原生 AI 架构与智能体（Agent）技术，构建深度推理、编排与知识检索的 智能化网络内核，实现意图精准识别、资源动态分配与运维自动化，显著提升网络自优化、自决策 与自适应能力。 系统集成推理框架、Agent

22 年全球协作办公软件市场规 模为 274.0 亿美元，预计 2030 年将达 566.7 亿美元，期间 CAGR 约 9.5%。Slack 在 2021 年在全 球市场占有率约为 5.1%。通过原生集成 AI，Slack 可以集成其他模型，有望通过降低使用门槛 增加客户数，缩小与竞争对手的份额差距。公司还于 5 月 9 日推出 Tableau GPT，基于 Einstein GPT 在 Tableau Zoom（19.0%）和 Google Workspace（11.3%）。通过原生集成 AI，Slack 可以更 紧密地与 AI 厂商合作，集成其他模型到平台中，打通 AI 技术的瓶颈，有望通过 降低使用门槛并增加客户数，缩小与竞争对手的份额差距。 图 3、2021 年全球协同办公软件市场份额 图 4、Slack GPT 原生集成 AI 模型 资料来源：Statista，兴业证券经济与金融研究院整理

许 可协议的依赖。现代化工作负载还可以利用自动扩展、容器化和无服 务器计算，减少因过度配置而产生的不必要基础设施成本。 亚马逊云科技云服务通过按需付费定价模式、杜绝过度配置以及利用 开源和云原生技术优化资源利用率，助力企业实现上述成本节约。 这些技术将帮助您通过以下方式精减 IT 预算： 基础设施成本降低 2 IDC，《VMware Cloud on Amazon 在构建 VMware 传统工作负载需要手动配置和维护，这使得员工无法专注于 更具战略意义的工作。例如，采购、部署和维护物理服务器 会消耗团队大量资源。 简化流程和提升生产力的关键，在于部署传统系统所不具备 的先进、数据驱动型能力。例如，云原生架构使用无服务器 计算、自动扩展和自我修复能力，消除了手动管理基础设施 的需求。 数据库管理团队效率提高 4 22% 每位管理员可管理的虚拟机数量增加 5 86% 亚马逊云科技通过以下方式实现更快速、更高效的流程: