会 2 0 1 9 · 上 海 站 G O P S 全 球 运 维 大 会 2 0 1 9 · 上 海 站 京东物流超大规模仓储系统智能监控揭秘 付正全 架构师 G O P S 全 球 运 维 大 会 2 0 1 9 · 上 海 站 目录 问题及挑战 1 超大规模监控系统解决方案 2 面向AIOPS的智能监控最佳实践 3 规划&展望 4 G O P S 全 球 运 维 大 会 2 频繁变化的资产，不可靠的CMDB  运维专家匮乏  复合型人才匮乏：AI和算法工程师+运维开发 G O P S 全 球 运 维 大 会 2 0 1 9 · 上 海 站 目录 问题及挑战 1 超大规模监控系统解决方案 2 面向AIOPS的智能监控最佳实践 3 规划&展望 4 G O P S 全 球 运 维 大 会 2 0 1 9 · 上 海 站 对监控的认识  什么是监控？  为什么需要监控？ 异常 G O P S 全 球 运 维 大 会 2 0 1 9 · 上 海 站 调用链  分布式事物跟踪，跟踪分布式应用消息  自动检测应用拓扑，帮你搞清楚应用的架构  水平扩展支持大规模服务器集群  提供代码级别的可见性以便轻松定位失败点和瓶颈  使用字节码增强技术，添加新功能无需改动代码  集成SQLAdvisor  智能化采样率 G O P S 全 球 运 维

面向大规模智算集群场景光互连技术白皮书 (2025) I 面向大规模智算集群场景 光互连技术白皮书 （2025年） 发布单位：中国移动 编制单位：中移智库、中国移动通信研究院、中国移动云能力中心、中国移动设计院 II 前 言 当前，智算集群已成为支撑人工智能大模型训练、自动驾驶算法 迭代等前沿领域的核心基础设施，并以惊人的速度从万卡向十万卡级 规模演进。随着单节点算力突破每秒百亿亿次，这类超大规模集群的 规模演进。随着单节点算力突破每秒百亿亿次，这类超大规模集群的 极致计算能力对互连链路带宽、延迟和功耗提出了极其严苛的要求。 传统基于铜介质的电互连方案，正面临 “带宽墙”、“延迟墙”及 “功耗墙”等三重严峻挑战：单通道速率难以突破400Gbps，传输延 迟高达数微秒，单机架互连功耗占比更是超过40%，这一系列瓶颈已 成为制约超大规模智算集群算力释放的核心障碍。 相较于传统可插拔光模块等设备级光互连技术，芯片级光互连正 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 型走向规模化商用落地，推动我国智算基础设施在硬件架构层面实现 跨越式升级，为数字经济的高质量发展筑牢坚实的算力基石。 面向大规模智算集群场景光互连技术白皮书 (2025) III 编写说明 牵头编写单位： 中国移动通信集团有限公司 联合编写单位（排名不分先后，按汉语拼音排序）： 北京凌云光通信技术有限责任公司 烽火通信科技股份有限公司

... ..........................................................................................12 超大规模主导地位....................................... ....................................................... 经达到或接近容量，迫使租户将电力可用性和可扩 展性置于传统市场偏好之上。尽管需要大量资本投 资，二级和三级市场仍吸引了越来越多的关注。 数据中心行业在2024年经历了前所未有的变革， 这是由超大规模运营商的历史性吸纳率和人工智能 （AI）的快速发展所推动的。各大市场的空置率下 降至历史最低水平，加剧了对空间和电力的竞争， 并要求在土地、开发和基础设施方面进行重大投资 。 投资者渴望参与到该行业的发展，但成功需要不只 4吉瓦增加到2024年的超过18吉瓦——还不包 括另外30吉瓦的计划产能。 1 这种增长是由数字化转型的加速步伐以及人工智能在各个行业的日 益普及所驱动，亚马逊、谷歌、Meta、微软和甲骨文等超大规模企业领导了这一需求增长。 平衡前所未有的机会与战略风险 0 2,000 4,000 6,000 8,000 10,000 12,000

加速人工智能科学计算，服务算法创新 助力行业企业智能化升级 系统特征 AI 技术从单点能力突破迈向系统能力创新 超节点技术产业生态发展格局 基础特征：大带宽、低时延、内存统一编址 超大规模 扩展特征：多级缓存池化、资源灵活配比 超高可靠 灵活切分 大模型计算基础设施的挑战 小结 小结 CONTENTS 目录 超节点发展报告 02 当我们站在人工智能大模型技术飞速发展 阻塞的高带宽 互联，将数百上千个 AI 处理器编织为一个逻辑统一的高密度计算体，为高效计算提供了底层支撑。 系统能力则是超节点高效运转的保障，它需要具备大规模、高可靠、多场景等系统特征。大规模的 组网能力突破了单机扩展的硬件限制，为大规模算力聚合提供架构支撑；高可靠的运行特性化解了 网络、计算、存储等子系统的故障风险，保障集群作业的连续性；多场景的适配能力则能通过精细 化资源调度等机制，满足不同业务需求，最大化释放算力价值。 化资源调度等机制，满足不同业务需求，最大化释放算力价值。 本文系统性地提出并论证了 “超节点将成为 AI 时代的核心计算单元” 这一重要观点，清晰地呈 现了超节点的基础定义与特征，包括技术层面的基础特征和扩展特征，以及系统层面的大规模、高 可靠、多场景特征。同时，通过分析全球产业的演进路线、超节点稳定性的核心挑战以及技术产业 生态发展格局，为产业界指明了超节点的发展方向。 在未来计算的下一个十年，超节点无疑将成为推动 AI

2 万亿蓝海，新从旧来——中国设备更新战略与实践 企业实践：新引擎、新模式、新价值呼唤新质服务体系与生态构建 01 引言 / 01 1 政策引导： 政策助力与经济回升 2024年中国大规模设备更新行动启幕 / 02 1.1 设备升级的核心路径：高端化、数智化、绿色化 / 03 1.2 重点推进领域 / 05 1.3 政策加码与优化空间 / 08 2 宏观市场: 面向2027 / 18 3.2 石油化工：走向绿色化、高端化、电气化 / 19 3.3 电子产业温和复苏期：新技术催生新机遇 / 21 3.4 交通：迈入存量发展阶段 / 23 3.5 商业建筑：大规模设备换新叠加绿色低碳发展 / 25 3.6 数据中心走到新旧转换节点：能耗与绿色平衡术 / 27 3.7 大健康：行业高速发展 / 29 3.8 教育：绿色教育进行时 / 31 4 企业实践： 的发展机遇与挑 战。2023年中国经济展现出回暖复苏势头，2024年则被视为进一步巩固经济回升态势的关键一年。在 这一背景下，大规模的设备更新行动不仅成为扩大内需、促进产业升级的重要途径，更是推动经济高质 量发展的关键举措。 本报告将深入探讨中国2024年大规模设备更新行动的战略意义、政策措施、实施路径以及预期的 市场影响。通过对政策、市场、行业和生态等方面进行多维度分析，揭示这一行动如何助力中国经济实

......................................................................................3 3.1.1 支持超大规模组网是基础....................................................................................3 3.1.2 超高稳定性是前提 ............................. 12 5.1 超大规模组网关键技术.................................................................................................. 12 5.1.1 大规模组网交换机：硬件基础，容量速率双升....................... .......................12 5.1.2 大规模组网路由协议：可扩展快速部署，组播能力提供..............................13 5.2 超高稳定性关键技术................................................................................................

的 均 衡 模 式 被 动 式 均 衡 对 大 容 量 储 能 系 统 的 调 制 无 能 为 力 从 根 本 上 解 决 困 扰 GEMS 优 于 其 它 同 类 产 品 的特点 用于大规模储能 ， 物美价廉 主 动 式 均 衡 与 被 动 式 均 衡 的 比较 BMS 精 准 度 出 类 拔 萃 BMS 对 电 池 寿 命 的 优 化 07 08 09 10 11 12 电芯串调制效 果并不好。 主动式均衡 - 成本较高 ， 调制效果好 ， 应 该是≥ 50A h 的电池包的首选。 均衡模式 PART 06 被动式均衡对大容 量储能系统的调制 无能为力 大规模储能系统的挑战 储能系统挑战 重型矿山车、港口机械油改电需 200KWh 以上储能， LFP 电 芯 安全但被动均衡难调模块 ，弱模块加速衰减 ，存储电能下降， 输出电能缩水 ，安全隐患。 了电池模组的更换频率。 系统效率 主动式均衡技术显著提高系统整 体效率 ，减少能量损耗 ，延长 电 池使用寿命 ，降低维护成本。 主动式均衡的重要性 储能系统公司的困境 储能挑战 大规模储能系统如海辰每簇达 384 节电芯 ， 维修难 题浮现 ， 被动式均衡 BMS 虽控初投 ， 维保成本却 成隐患。 维修困境 时间推移 ， 储能系统维保负担直线攀升 ， A 123 曾 遇问题重现

算力中心供给分析 IV. 算力中心供需研判及未来展望 V. 附录 报告研究背景与主要研究结论 4 报告研究背景 • 纵观算力中心发展历程，移动互联网时代与云计算时代的技术革命催生了集约化、超大规模化的数据中心需求，由此孕育出了算力中心定制批发的业 务模式，并且该业务模式在2015-2020年间实现了快速增长。然而，伴随着移动互联网用户红利见顶、新基建边际效应递减及后疫情时代经济周期波动， 从算力中心的定制批发业务发展现状来看，需求端和供给端均展现出积极的发展态势。 ➢ 需求端，随着 AI 大模型的迅猛发展，市场对算力资源的需求呈现出快速增长。这一增长主要源于互联网大厂、云厂商、短视频厂商等行业头部企业 对高性能、大规模算力资源的投入持续增长，这一趋势推动了算力中心定制批发业务的高速发展。 ➢ 供给端，受益于新一轮技术升级，算力中心市场迎来更多整合契机。头部企业凭借在技术、资金、资源等方面的领先优势，能够更迅速地适应市场 云服务商 注：1.算力中心即数据中心，数据中心自2020年开始逐步向算力中心演变。 UPS电源 柴油发动机 … … 算力中心作为算力资源的关键载体，通过集成高性能计算、大规模存储、高速网络等基础设施，提供提供大规模、 高效率、低成本的算力服务。确保算力资源的集中部署、高效运行。 8 算力中心的定义与概览 中央监控 电源配电柜 消防减压系统 机柜及其附件 气体灭火系统 UPS不间断电

o1 路上的核心理念，并且效果还好到受到了 OpenAI 的认可 如何通过有效的 Test-Time Scaling 和 Train-Time Scaling 提升模型的推理能力？ 得益于纯大规模强化学习 ， DeepSeek-R1 具备强大推理能力与长文本思考能力，继开源来备受关注。 DeepSeek R1-Zero 和 R1 的出现再次证明了强化学习的潜力所在： R1-Zero 8 大规模推理为中心的强化学习，提升模型数学代码能力 RL 驱动下自然涌现长文本推理能力 基于规则的奖励 Rule-Based Reward 推理为中心的大规模强化学习 Large-Scale Reasoning-Oriented RL DeepSeek-R1-Zero 9 基于规则的奖励 (Rule-Based Reward) : 准确率奖励 + 格式奖 励 推理为中心大规模强化学习：组相对策略优化（ GRPO ） + 瞄准 Reasoning 推理任务 自我迭代提升 Self-Evolution ： 随着训练步数的增长，模型的 thinking response