络虽在时延和带宽性能上实现显著突破，但商用部署中仍暴露出多重短板与 潜在风险，部分关键场景存在业务中断隐患。 6G 作为下一代移动通信技术，对网络稳定性与可靠性提出了更高要求。 本白皮书聚焦核心网领域，汇聚行业专家的研究成果与实践经验，深度剖析 4/5G 商用网络事故带来的启示、前瞻性预判 6G 网络面临的可靠性挑战， 提出6G “零中断”网络（Zero-Outage Network, 1. 4/5G网络商用事故启示及6G可靠性挑战 2 1.1 4/5G 商用事故统计分析 随着 4G 和 5G 技术在全球范围内的商用推广，通信网络的规模和复杂性急剧 增长。近年来，全球通信网络中的重大故障事件也屡屡发生，给运营商和用户带 来了严重的影响。根据互联网公开数据和行业报告不完全统计，在 2021 年至 2024 年期间，全球通信行业发生了超过 66 起重大网络事故，影响范围广、恢复时间长、 业务中断时间长。88%的事故中断时长超过2个小时，50%的事故中断时长超过 5个小时，主要因为发现异常耗时长、人工定界、诊断、恢复耗时长。 1.2 4/5G 商用事故启示 1.2.1 技术演进启示 5G网络在商用与能力演进过程中暴露出的问题和影响，要求在6G设计之初充 分考虑并规避。  降低网络复杂度，减少故障风险和定位时长：5G网元和接口数量增加， 长链路交互增加了故障诊断/定位的耗时和难度，当网络信令风暴发生 后需要E2E协同控制才能有效恢复。

动 通信网络以“连接”为核心，难以适配复杂场景下动态变化的互通任务需求。 本白皮书以“任务驱动式智能互联”为核心主线，系统梳理智能互联领域 的场景诉求与技术挑战。其中，船船互联场景聚焦内河航行中船舶动态目 标多、识别维度复杂的痛点，揭示“目标难识别”的核心矛盾；人车家互 联场景针对车辆移动性、家庭网络封闭性、个人终端多样性的特征，剖析 “通信链路跨域跨网难构建”的现实阻碍；智能体互联场景围绕机器人、 航向、航速、船舶类型、呼号等信息。基于这些信息共享帮助船舶驾驶员及时获取周围船舶的动态， 避免碰撞。同时，岸基管理部门可以通过 AIS 监控船舶交通，优化航道管理，提高港口效率。在搜救 行动中，AIS 信息有助于快速定位遇险船舶。此外，AIS 数据还可用于海事安全分析和环境保护，例 如监测船舶排放。 AIS 系统主要依托 VHF 频段的 161.975MHz（CH87B）和 162.0 保密性，为国内智能航运在内 河领域的深化发展提供有力保障。 在这个场景中，“通信目标识别难”成为亟待突破的重要难题。从当前船舶互通需求来看，每一艘 船舶需将自身的船舶信息（如位置、航向、航速等），以广播形式精准发送至以自身为中心 5 公里 范围之内的其他船舶，这一过程要求移动网络必须精准匹配互通目标。然而，内河航道中每一条船 舶的航行轨迹均具有随机性，以任意一艘船舶为中心的 5 公里广播范围内，接收信息的目标船舶始

中国移动 面向新型智算的光计算白皮书（2025） I 面向新型智算的光计算 技术白皮书 （2025 年） 发布单位：中国移动 牵头编制单位：中移智库、中国移动通信研究院 中国移动 面向新型智算的光计算白皮书（2025） II 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： 上海曦智科技有限公司 光本位智能科技（上海）有限公司 中国移动 面向新型智算的光计算白皮书（2025） 中心建设。重庆市出台 的《重庆市未来产业培育行动计划（2024-2027 年）》，聚焦硅基光电子技术， 大力支持光子技术发展，推动区域相关产业实现创新升级。湖北省在 2025 年政 府工作报告中，将超高速混合光子集成芯片列为攻关突破方向，推动湖北省科技 创新与产业创新。 从国家到地方，一系列政策举措形成了强大的政策合力，为光计算产业的蓬 勃发展营造了良好的政策环境，助力我国在光计算领域抢占国际竞争制高点。 光计算定义和关键技术 2.1 光计算的定义及分类 光计算技术是指利用光子作为信息载体，基于光的调制、干涉、衍射、传播 等物理特性，通过必要的光学操作实现信息处理的新型计算技术。其核心是替代 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。

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 OPS）约每两年3倍的提升， 需要至少百倍规模的集群演进速度来支撑大模型的发展，但芯片间的 互连能力提升缓慢，只有约每两年1.4倍，远落后于模型规模和算力的 演进速度。 图 1-1 智算场景中各技术领域扩展趋势[1] 超大模型的训练过程尤其是张量并行（TP, Tensor Parallelism）、 专家并行（EP, Expert Parallelism）等模式依赖集群内GPU芯片之间频 于光纤的传输方式。尽管铜缆作为目前的主流方案，相较于传统的可 插拔光模块与光纤组合，拥有技术成熟度、成本、可靠性以及部署维 护便捷性等多方面优势。通常在小于2米短距离和低于800Gbps的非超 高速组网场景中，铜缆凭借这些优势依然能满足绝大多数应用需求。 特别是无源直连铜缆（DAC, Direct Attach Cable），凭借其极低的成 本和超高的平均无故障时间（MTBF, Mean Time Between

任务驱动式 智能互联技术白皮书 任务驱动式 智能互联技术白皮书 2025年 发布单位：中移智库 编制单位：中国移动通信研究院 （2025年） 面向5G-A与AI融合驱动的算网智一体化 解决方案白皮书 发布单位：中移智库 编制单位：中国移动通信研究院 当前，全球正迎来以 5G-A 与人工智能为核心驱动的新一轮科技革命与产 业变革浪潮。我国已进入加速培育新质生产力、深入推进新型工业化的关 落地；此外，多部委联合推动的战略性新兴产业数字化转型方案，也强调以 5G-A 和 AI 为核心构建 工业大脑和数字孪生平台，实现生产全流程智能化。 产业多元化发展现状。在 5G-A 与 AI 融合发展的过程中，运营商、设备商和垂直行业参与者需打破 传统角色边界，联合探索“业务 + 连接 + 运维”三位一体的融合理念，释放企业 AI 算力与智能化结 合的潜力。运营商应突破“网络管道提供商”的定位，不仅要强化算网智一体化平台构建，推动自 政策导向和产业现状 5G-A与AI融合驱动发展 的背景 面向 5G-A 与 AI 融合驱动的算网智一体化解决方案白皮书 5G-A 与 AI 融合驱动发展的背景 在推进 5G-A×AI 算网智一体化的过程中，5G 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

01. 数据孤岛问题 公司中的各个部门都有自己的数据，无法有效 连接或整合，不仅导致信息隔阂，还会影响决 策效率和数据分析的准确性，进而 影响整个组 织的运营效率和竞争力。 02. 数据复用难题 由于系统的限制，相同的数据在不同的系统中 不能复用，导致需要进行数据重复加工，不仅 提高了工作量，也增加了出错的可 能性。 03. 高昂的系统集成成本 由于各个系统间的数据定义和存储方式不同， 也带来了巨大的数据治理成本。 04. 缺乏统一的开发和数据标准 由于缺乏统一的开发标准和数据标准，导致在 研发过程中需投入大量的时间和精力，造成了 资源浪费。 保险企业级数据中台解决方案 业务痛点 中电金信软件有限公司 扫码关注 微信公众号 产品简介 中电金信保险企业级数据中台解决方案方案基于中国电子金融级数字底座“源启”的核心平台之一“源启”数据资产平台”， 借鉴业内经典数据模型 以及双层主题域数仓模型的构建，搭建了 湖仓一体数据架构，全面整合内外部数据，实现全域数据统一管理，统一集中开发，统一融合分级共享，实现多个应用服务， 沉淀通用数据资产与专业数据资产，建立数据资产目录，提供全面的数据资产视图，推动数据高质量发展，快速释放数据要素 价值。 方案亮点 中电金信软件有限公司 扫码关注 微信公众号 典型案例 分布式架构，弹性扩容，安全可靠 全并行的

自阿里巴巴，当时在企业飞速的发展过程中，我们发 现数据使用面临着如下挑战： —各部门低水平重复开发数据集，浪费大量的 存储和计算资源； —数据资源缺乏沉淀机制，导致计算能力的提 升和进化非常低效； —数据割据，算法分离，带来混乱和质量的不 确定性； —业务变更时，数据及数据产品反应不及时； —组织架构制约了数据的共建和共享，缺乏标 建设数据中台，赋能创新改革 成本效应成为了企业及政府机构数据化的绊脚 Weekly / 新经济导刊 / 23 准及激励机制。 经过内部总结发现，数据的“汇 管用”过程中伴随着三个现象特点： 数字业务变化速度非常快、数据处理技 术及方法都很类似、数据及算法中间层能 产生巨大效能。因此，做好数据治理工作成 为当时笔者在阿里巴巴的主要任务，也随之 诞生了阿里数据中台。 无独有偶，企业内的一些数据治理问题，在 各地的政府机构内部也在重复发生。在缺乏顶层 设 加快生产速度及降低重复性。公共 层作为数据中台的核心部分，积累了 最关键的数据资源，同时也是最具备 品质保障的主数据。 简单地看，数据中台有点像一条生产 流水线，从原始数据收集，到提炼成稳定的 生产流程。在这个制作过程中，需要有一套生 产管理流程体系，用以保证数据品质、时效性、 一致性等关键点。但与生产流水线的差别在于， 数据中台不仅需要关注数据生产过程中的效率 问题，中台实际上还具备以下能力：1

智慧养老管理系统解决方案 金中软件有限公司 2017 年 4 月 智慧养老管理系统解决方案 目录 1 建设背景.....................................................................................................................................1 1.1 社会背景 .......................6 7 广西金中优势.............................................................................................................................7 7.1 金中简介.............................. 建设 公益性养老服务设施，支持面向失能老年人的老年养护院、社区日间照料中心等设施建设。 智慧养老管理系统解决方案 2 / 94 2 系统概述 针对 XX 养老院老人情况管理与监护的需求，金中公司设计一套软硬件结合的应用系统 ——养老服务平台，该平台是以互联网、物联网技术为核心，紧扣政府管理部门、XX 养老 院的管理者以及老人、亲属等各方用户的需求，以“云服务”的方式提供给 XX 养老院，达

艺、流程的标准化和现代化”的重要发展方向。 1. 智慧中医的产业场景 从《规划》来看，智慧中医应用可分为智慧医疗服务、智能辅助诊断设备和 智慧中医药产业三个大类，其下又可细分为①中医经验传承、②中医诊断、③中 医非药物治疗、④中医处方及药房、⑤中医药研究、⑥中医药监管场景、⑦中医 院外管理等七个具体场景。 2 图 1. 智慧中医全场景地图 （资料来源：公开资料整理） 辅助做出更精准全面的诊断。 中医非药物治疗场景是指借助机器人、AI 实现针灸、推拿、刮痧、拔罐、音 乐疗法等中医适宜技术。 中医处方及药房场景指的是在诊断后，借助大数据和 AI 辅助药方的开立， 并在智慧中药房中完成处方的审核、调剂、煎煮。 中医药研究场景指的是运用大数据挖掘、AI 图像识别、自动化技术，对组 方合理配伍、药物有效成分、中药材科学种植、质量稳定性等进行研究，用现代 科学解读中医药学原理 医专家花费大量精力进行手工 标注，构建成本非常高，不依赖标注的神经网络技术作为机器学习领域的一个重 要分支也同样受到了大量研究者的重视，模糊计算、粗糙集等一些数学方法也被 应用到中医诊断的研究中。 在早期，研究者一般采用一种或两种技术来解决中医的智能诊断问题，随着 研究的深入和问题复杂度的增加，研究者发现采用多种技术更加有利于诊断问题 的解决，多种智能技术混合开始用于问题解决。