英特尔工业控制白皮书 2026 版 负载整合特刊 软件定义自动化 驱动产业数智转型 前言 智能制造正步入一个全新的发展阶段。传统工业自动化以提升生产效率和质量控制 为核心目标，而今天的制造业正面临着更加复杂和动态的挑战。市场个性化需求的 激增、供应链的不确定性，以及劳动力结构的深刻变化，都在推动制造企业寻求更 加智能和自适应的解决方案。 具身智能技术的突破性进展为这一转型提供了新的可能性。通过将感知、认知和执 的深度融合不再是概念验证，而是成为了提升竞争力的关键技术路径。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， 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 不仅消除了传统多系统架构的延迟和同步问题，更通过智能负载调度和资源动态 分配，显著提升了系统的整体性能和可靠性。从智能质检到自适应加工，从协作 机器人到柔性产线，负载整合技术正在成为 AI 与控制融合的核心使能技术。 本白皮书将深入探讨这些技术趋势如何重塑制造业格局，特别是负载整合技术在 推动 AI 与控制系统融合中的关键价值，以及英特尔如何携手产业伙伴，通过创新

网关.......................................................................................171 4.3.9 负载均衡........................................................................................176 4.3.10 SDN。网络资源池可以为应用提供功能至 少包括：  基于租户概念的网络分配  软件防火墙  软件路由器 采用网络虚拟化 VXLAN 协议进行设计，包含虚拟网络和物理网络的设计， 包括软件路由器、软件交换机、软件负载均衡、软件防火墙、物理网络架构、 网络部署、网络容量规划等设计内容，边界为数据中心核心物理交换机的内网 网络接口到物理机或虚拟机的网络接口。 3.3.4.1 整体架构设计 在本次项目中我们将 3)为提高链路可靠性，需支持手工链路聚合及 LACP 链路聚合，提 供不少于 11 种的负载分担算法，灵活实现对聚合组内业务流量的负 载分担。 4)支持智能 DNS 及 DNS Doctoring 功能，能够将来自内部网络的域 名解析请求定向到真实内网资源，提高访问效率，同时支持通过配 置多条 DNS Doctoring，实现内网资源服务器的负载均衡； 5)支持在一台物理设备上划分出 128 个相互独立的虚拟系统，可根

AI 智算网建 设演进划分为打造底座、构建系统、完善生态 3 个阶段，并给出 了新技术发展及创新方向，为金融机构开展 AI 大模型智算网络 规划及建设提供参考。 关键词：大模型训练、智算网络、负载均衡、流控技术、拥 塞管理 IV 目 录 一、研究背景 ................................................. 1 （一）AI 大模型发展趋势及挑战 堵点，从而导致训练效率下降。以GPT3-175B大模型千卡并行训 练为例，训练期间网络中同时存在的流数目千条以内，ECMP选路 方式下，高负载链路利用率：低负载链路利用率达7:1，即流量 无法有效hash，高负载链路堵点概率极大。因此对网络负载均衡 4 调优、无损传输等提出了更高要求。同时大模型的训练和推理也 对网络的可靠性提出了更高要求，任何网络中断都可能导致训练 失败或推理错误，降低集群算力的效率。 一是以英伟达、华为为代表的AI芯片提供商通过网络和计算 联合调优，有效避免通信拥塞。英伟达在AI以太互联解决方案中， 通过Spectrum交换机和BlueField网卡的协同，完成逐包均衡以 缓解流量拥塞。华为提出网络级逐流负载均衡，通过网络控制器 的全局视角获取全网拓扑，与端侧配合获得计算任务信息，通过 对流量的主动干预、主动调度，从而达到近乎满吞吐的目标。此 外，英伟达在超节点组网中引入了超高速互联通信机制。以英伟

安全）等维度激烈竞争，全球ICT产业技术生态与市场格局 正在加速重构。 生成式人工智能基于海量数据训练、推理生成新的输出，并能以文本、音频和图像等形式创建新内容。 智算中心是支持生成式AI工作负载的新型数据计算中心，基于AI计算架构，提供AI应用所需算力服务、数据 服务和算法服务的算力基础设施，它融合高性能计算设备、高速网络以及先进的软件系统，为人工智能训练 和推理提供高效、稳定的计算环 侧重点发生转变，预计未来几年推理算力占比将远超训练部分。 1.2 技术破局：从GPU集群到分布式协同一体 建设和运营智算中心需要巨大的资本投入，包括购买昂贵的AI芯片、建设高密度机房等。AI工作负载对 网络带宽和存储性能有极高的要求。AIDC需要优化网络架构，例如采用高吞吐量的以太网或InfiniBand，并 部署高速、大容量的存储系统。互联网公司通常具备强大的云计算、大数据、人工智能等核心技术积累和研 语言模型的参数、训练量指数级提升，算力 卡互联规模从千卡提升到万卡，目前行业已经开始部署10 万卡集群。 在云计算阶段，云服务器主要是CPU服务器，每台服务器配置1-2颗CPU芯片即可。AI工作负载分为两 大类 — AI训练以及AI推理。人工智能训练过程将首先创建AI模型。它包括数据集合，模型选择，模型训练， 模型评估，模型部署和模型监控，涉及密集使用GPU。模型开发完成后启动推理业务，为最终用户提供业务

S0980523050002 S0980524030002 S0980524070002 请务必阅读正文之后的免责声明及其项下所有内容 摘要 u 人工智能迎来应用拐点，23-28年数据中心新增IT负载CAGR高达24% 算力是数字经济时代的核心生产力，是继热力、电力之后重要的新生产力。2020年以来全球大模型快速发展迭代，以DeepSeek为代表的开源模型大幅降低AI门槛，根据杰文斯悖论推理和 算力将超过16ZFlops，2023-2030CAGR达42%，其中智能算力占比超过90%。根据Semi Analysis，2023年全球数据中心IT负载规模约为49GW，预计 2028年达到140GW，23-28年CAGR高达24%；其中，AI负载有望达到80-85GW，五年时间增长约20倍。AI革命背景下，全球主要云服务商资本开支快速放量，美国四大云厂2025年资本开支预计超过3100亿美元，同比增长43%；国 、技术和质量稳定性提出较高要求，且往往采用冗余配置方式提供备用。根据相关数据，数据中心IT负载约为芯片功率的1.4-1.5倍，总功率约为IT负 载的1.2-1.3倍，考虑UPS/HVDC实际负载率和冗余配置，数据中心配套电力设备容量可达算力芯片的3-5倍。我们预计，2024-2026年全球数据中心新增IT负载分别为7.7/12.3/16.9GW，CAGR为48%，2026年配套变压器、开关柜、 U

增长表现亮眼。协作机器人可以自动完成上下料、螺丝锁付、组装、焊接、封装、质量检测、 搬运、清扫等工作。 负载方面，市场对大负载协作机器人需求有所增长，众多厂商推出大负载协作机器人产 品，在协作码垛场景中逐渐形成现象级应用，其他行业领域渗透率持续提升，如科研教育等 细分市场均同比増长。值得注意的是，随着负载的逐渐扩大，协作机器人与工业机器人的边 界正逐渐模糊。 当前，协作机器人行业仍处于发展初期阶 中国协作机器人市场发展分析 .............................. 31 第三节 中国协作机器人市场竞争分析 .............................. 33 第四节 超大负载协作机器人发展概况分析 .......................... 34 第四章 协作机器人技术发展分析 ...................................... .............. 121 2025 年协作机器人产业发展蓝皮书 图表目录 图表 1 主要协作机器人厂商产品负载范围对比 ............................... 2 图表 2 协作机器人按轴数分类 .........................................

眼。协作机器人可以自动完成上下料、螺 丝锁付、组装、焊接、封装、质量检测、搬运、清扫等工作。 负载方面，市场对大负载协作机器人需求有所增长，众多厂商推出大负载协作机器人产品，在协作码垛场景中逐渐 形成现象级应用，其他行业领域渗透率持续提升，如科研教育等细分市场均同比増长。值得注意的是，随着负载的逐 渐扩大，协作机器人与工业机器人的边界正逐渐模糊。 当前，协作机器人行业仍处于发展初期阶段， 28 第一节 全球协作机器人市场发展分析 28 第二节 中国协作机器人市场发展分析 31 第三节 中国协作机器人市场竞争分析 33 第四节 超大负载协作机器人发展概况分析 34 第四章 协作机器人技术发展分析 36 第一节 协作机器人技术发展现状分析 36 第二节 协作机器人核心技术分析 117 附录 1 中国协作机器人市场代表企业 118 附录 2 协作机器人产业链及周边配套厂商 121 图表目录 图表 1 主要协作机器人厂商产品负载范围对比 2 图表 2 协作机器人按轴数分类 3 图表 3 协作机器人主要厂商产品轴数范围对比 4 图表 4 协作机器人与传统工业机器人产品特点对比

基于分布式数据库的交管数据查询索引处理方案..................................41 2.6 交管数据处理集群的可靠性与负载均衡设计................................................42 2.6.1 负载均衡处理机的单点失效容错处理....................................................42 ...46 2.7 计算与存储集群的可靠性与负载均衡设计....................................................47 2.7.1 计算与存储集群 Master 单点失效容错处理...........................................47 2.7.2 计算与存储集群的负载均衡处理................... ..................................60 2.8 查询统计计算可靠性与负载均衡设计...........................................................62 2.8.1 基于 Zookeeper 的单点失效和负载均衡设计........................................62 2.9 系统安全性设计

.....................................................................................51 2.3.8.3. 高负载设备定位.....................................................................................52 2.3.8.4 智慧运维平台建设方案 于正常和故障两种状态。然而事实上，阀值管理很难对实际的运维管理工作有指导意义。这是因 为由于各类设备都承载了各种业务，由于每个用户实际业务不同，即便完全相同的设备的运行指 标也呈现出不同的负载变化。另外运维管理系统的核心价值体现是“防患于未然”，采用固定阈值的 结果是走向两个极端，要么设备故障了才告警，要么一堆告警而设备完全正常。这两种极端会导 致用户被动处理各种故障或者对故障提醒麻 的收集，经验积累，自动反 馈到相同故障的处置过程中。 通过系统提供的智能策略机制，将用户对于某些异常分析的人工方式自动化，比如对于主机 高负载原因的排查，一般的操作逻辑是确定主机负载超过风险阈值情况是偶发事件还是一直存在， 然后分析每一次出现高负载的进程是否一致，通过人工智能找到具体的异常进程，关闭该进程或 者卸载相关软件，同时对于该进程的设定预警，达到事前预警；智慧运维平台通过策略实现这一

首款采用高性能混合架构的英特尔® 酷睿™ 处理器 创新的芯片设计将专注于主要工作负载的 P-core（性能核）与专为多任务处理而建构的 E-core（能效核）相结合。英特尔® 硬件线程调度器可智能指示操作系统将适当的工作负载与合适的内核相匹配。 硬件加速核英特尔® 锐炬® X 显卡成就出色的 AI 功能 大量的图形 EU 同样便于 AI 推理，可提高 AI 工作负载常用数学运算的并行程度。该平台还通过英特尔® 深度学习加速技术 技术方案 主要特性 性能和效率 • 英特尔® 7 制程工艺 • 多达 14 个核心和 20 个线程，具有高性能混合架构 • Intel® Thread Director6 使您的核心与工作负载相匹配 • 高达 24 MB Intel® 智能缓存 确定性实时性 • 利用英特尔® TCC 进行实时计算 • 支持时间敏感型网络 (TSN) • 通过英特尔® PLL 锁相环技术，可锁单 个执行单元 (EU)，便 于视觉识别、测量以及视觉引导等应用中高度并行的 AI 工作负载处理 • 通过在 CPU 上运行包含 VNNI 指令的英特尔® DLBoost 在 GPU 上运行 DP4a (int8) 指令，以及采用英特尔® 发 行版 OpenVINO™ 工具套件，加速 AI 推理工作负载 管理与安全 • 英特尔® vPro 平台适用于特定 SKU • 英特尔® 融合安全管理引擎