智算賦能算網(wǎng)新應(yīng)用白皮書2023

中國信通院中國信通院智算賦能算網(wǎng)新應(yīng)用白皮書2023年9月目錄/CONTENTS1.智算服務(wù)賦能算網(wǎng)應(yīng)用創(chuàng)新發(fā)展態(tài)勢1.1智算成科技發(fā)展新驅(qū)動，各國搶抓智算服務(wù)1.2算網(wǎng)應(yīng)用連接技術(shù)與用戶，多樣產(chǎn)業(yè)角色入局共建1.3智算服務(wù)“內(nèi)修外治”，助力算網(wǎng)應(yīng)用賦能千行百業(yè)1.3.2智算服務(wù)助力算網(wǎng)應(yīng)用推陳出新、由淺入深2.智算服務(wù)關(guān)鍵技術(shù)062.1智算服務(wù)發(fā)展聚焦綠色、多模態(tài)與泛在2.1.1綠色：用“連接”引領(lǐng)低2.1.2多模態(tài)：AIGC技術(shù)大爆發(fā)，成為數(shù)智發(fā)展新引擎2.1.3泛在：讓智能算力像水一樣流動，隨時隨地按需取用2.2資源全面感知、精準(zhǔn)調(diào)度，提升智能算力利用率2.2.1智能算力感知：構(gòu)建智算感知能力體系，為資源細粒度優(yōu)化提供依據(jù)2.2.2智能算力共享：精準(zhǔn)隔離，有效提升智算應(yīng)用部署密度2.2.3混合部署：智算應(yīng)用分級QoS，削峰填谷，充分利用空閑算力2.2.4智能算力調(diào)度：一體化精準(zhǔn)調(diào)度，最大化算力價值2.3提升智算生產(chǎn)率，推動算力泛在化發(fā)展2.3.1高性能計算：提升單節(jié)點計算能力，并向分布式、混合并行模式演進2.3.2高性能網(wǎng)絡(luò)：建設(shè)高性能通信網(wǎng)絡(luò)，有效提升智能算力集群性能2.3.3高性能存儲：提升緩存命中率，降低數(shù)據(jù)讀取耗時2.3.4計算加速框架：集成模型工具箱，大幅提升大模型生產(chǎn)效率3.智算服務(wù)賦能算網(wǎng)應(yīng)用創(chuàng)新升級3.1算網(wǎng)應(yīng)用呈現(xiàn)場景化、多樣化、個性化特點3.2技術(shù)演進，驅(qū)動傳統(tǒng)算網(wǎng)應(yīng)用萌生新活力3.2.1交通出行應(yīng)用3.2.2汽車產(chǎn)業(yè)應(yīng)用3.2.3制造行業(yè)應(yīng)用3.3場景創(chuàng)新，激發(fā)創(chuàng)新算網(wǎng)應(yīng)用打開新局面3.3.1東N西M應(yīng)用3.3.2生成式應(yīng)用3.3.3制造行業(yè)應(yīng)用3.3.4數(shù)字人應(yīng)用4.算網(wǎng)應(yīng)用未來發(fā)展趨勢前言/FOREWORD智算服務(wù)賦能算網(wǎng)應(yīng)用創(chuàng)新發(fā)展態(tài)勢1.1智算成科技發(fā)展新驅(qū)動，各國搶抓智算服務(wù)發(fā)展機遇AI研發(fā)關(guān)鍵領(lǐng)域、投資重點領(lǐng)域等內(nèi)容進行規(guī)范，以確保美國在AI領(lǐng)域的領(lǐng)先地位；2023年，歐盟議會成員就《人工智能系統(tǒng)。算力規(guī)模上，根據(jù)中國信息通信研究院《中國算力發(fā)展指數(shù)白皮書（232EFLOPS，2030年預(yù)計達到52.5ZFLOPS，平均年增速超過80%，占全球算力總規(guī)模的93%以上，智算算力將成為全球算力規(guī)模增長的主要驅(qū)動力。研發(fā)投入上，2020年美國《無盡前沿法案》中提出擬在未來5年投入1000億美元研發(fā)包括芯片、人工智能在內(nèi)的10大關(guān)鍵技術(shù)；2021年4月，歐盟以條例的形式通過“數(shù)字歐洲計劃”，對包括人工智能在內(nèi)的政策上，《新型數(shù)據(jù)中心發(fā)展三年行動計劃（2021-2023年）》指出，引導(dǎo)新型數(shù)據(jù)中心智能化建設(shè)，加快高性能智能計用算法和開發(fā)平臺一體化的新型智能基礎(chǔ)設(shè)施，提供體系化的人工智能服務(wù)。算力規(guī)模上，2021年我國智能算力規(guī)模達到104EFLOPS，在我國算力總規(guī)模中占比超過50%，增速為85%，成為算力規(guī)模增長的主要驅(qū)動。2022年中國人工智能核心產(chǎn)業(yè)規(guī)模已達5080億元人民幣。研發(fā)投入上，北京、上海、廣東、山東等地設(shè)立專項基金用于人工智能相關(guān)技術(shù)、標(biāo)準(zhǔn)1.2算網(wǎng)應(yīng)用連接技術(shù)與用戶，多樣產(chǎn)業(yè)角色入局共建.1打破網(wǎng)絡(luò)與算力應(yīng)用的邊界，支撐算力服務(wù)下算與網(wǎng)的深度融合，打造堅實算力網(wǎng)絡(luò)。NVIDIA推出NVLink技術(shù)，支持GPU之間業(yè)務(wù)數(shù)據(jù)高速互通，良好支撐大模型訓(xùn)練場景。融合調(diào)度方面，確定性提供高質(zhì)量調(diào)度保障。算力調(diào)度領(lǐng)域發(fā)展出了同時考慮算力節(jié)點與網(wǎng)絡(luò)傳輸性能的算網(wǎng)融合技術(shù)，提供兼具低時延與高可靠特性的算力服務(wù)。例如在智能制造場景的《2021年離散制造業(yè)上云調(diào)查》報告顯示：云的IT價值在敏捷性、彈性和經(jīng)濟性幾個方面的充分呈現(xiàn)加上同5G技術(shù)和應(yīng)用的結(jié)合，在制造、供應(yīng)鏈和采購等價值鏈關(guān)鍵環(huán)節(jié)賦能作用明顯，也催生出如車聯(lián)網(wǎng)/車路協(xié)同、超高清視頻流媒體、遠中國信息通信研究院《中國算力服務(wù)研究報告（2023年）》指出，算力應(yīng)用依托有效算力進行計算并輸出結(jié)果從而實現(xiàn)應(yīng)集約與統(tǒng)一供給。智算平臺圍繞人工智能及其衍生技術(shù)建設(shè)，向下深度適配CPU、GPU、FPGA、MLU、NPU、TPU等.2如元宇宙，大模型等應(yīng)用場景，通常具有發(fā)展年限較短、智能算力規(guī)模需求大、性能要求高的特性。如GPT-3.5在微軟AzureAI超算基礎(chǔ)設(shè)施（由V100GPU組成的高帶寬集群）上進行訓(xùn)練，總算力消耗約3640PF-days（即每秒一千萬億次云、專用服務(wù)統(tǒng)一輸出等方式支撐傳統(tǒng)算網(wǎng)應(yīng)用平滑、穩(wěn)定地升級。以智慧交通為例，2020年，高通推出可擴展的自動駕駛平臺SnapdragonRide，包括安全系統(tǒng)級芯片、安全加速器和自動駕駛軟件棧，滿足從L1-L3級駕駛輔助以及L4-L5級自動駕駛運算需求；華為MDC智能駕駛計算平臺集成智能駕駛操作系統(tǒng)、配套工具鏈及車路云協(xié)同系統(tǒng)，可支持400TOPS算力及200ms時延，助力傳統(tǒng)算網(wǎng)應(yīng)用場景煥發(fā)新活力。智算服務(wù)基于云計算、大數(shù)據(jù)、人工智能等技術(shù)，提供計算資源、算法模型以及一系列場景應(yīng)用。通過智算服務(wù)，用戶可以快速獲取高性能計算資源、優(yōu)化算法模型、提高計算效率，滿足不同場景下的算力應(yīng)用需求。智算服務(wù)通常包括算力資源、算法模型、算力應(yīng)用等多種服務(wù)，用戶可以根據(jù)需要靈活選擇和組合使用。智算服務(wù)廣泛應(yīng)用于機器學(xué)習(xí)、大數(shù)據(jù)分析、科學(xué)計算、圖像處理等領(lǐng)域，在朝著綠色、2.1智算服務(wù)發(fā)展聚焦綠色、多模態(tài)與泛在在數(shù)字經(jīng)濟時代，計算力即生產(chǎn)力。但隨著算力的增長，數(shù)據(jù)中心的能耗也在增加。在碳達峰和碳中和的背景下，提高效大型數(shù)據(jù)中心、邊緣數(shù)據(jù)中心和5G基站等更多信息化基礎(chǔ)設(shè)施建設(shè)進一步使得電信運營商的能耗成本支出和碳排放快速增司單位電信業(yè)務(wù)總量綜合能耗、單位電信業(yè)務(wù)總量碳排放下降率均不低于20%，企業(yè)自身節(jié)電量較“十三五”翻兩番、超過400億度，企業(yè)2025年自身碳排放控制在5600萬噸以內(nèi)，助力經(jīng)濟社會減排量較“十三五”聯(lián)通發(fā)布《“碳達峰、碳中和”十四五行動規(guī)劃》，聚焦碳排放下降23%。在“十四五”期間，實現(xiàn)4/5G網(wǎng)絡(luò)共建共享節(jié)電量超過450億度，新建5G基站節(jié)電比例不型、超大型數(shù)據(jù)中心占比超過80%，新建數(shù)據(jù)中心PUE低于1.3。另外，下一步中國電信將重點從三個方面推進“雙碳”工作：一是建設(shè)綠色新云網(wǎng)，打造綠色新運營;二是構(gòu)建綠色新生態(tài)，賦能綠色新發(fā)展;三是催生綠色新科技，筑牢綠色新支提效、可再生能源替代、碳抵消等，提出“不晚于2030年,實現(xiàn)自身運營及供應(yīng)鏈的全面碳中和?！睆墓?jié)能提效.2AIGC作為新的生產(chǎn)力引擎，讓我們從過去的PGC、UGC，已經(jīng)不可避免地進入AIGC時代。AIGC代表著AI技術(shù)從感知、比如為人熟知的GAN、Transformer、擴散模型等，這些模型的性能、穩(wěn)定性、生成內(nèi)容質(zhì)量等不斷提升。得益于生成算預(yù)訓(xùn)練模型，也即基礎(chǔ)模型、大模型，引發(fā)了AIGC技術(shù)能力的質(zhì)變。景中的靈活多變、高精度、高質(zhì)量等需求。而預(yù)訓(xùn)練模型能夠適用于多任務(wù)、多場景、多功能需求，能夠解決以上諸多痛點。預(yù)訓(xùn)練模型技術(shù)也顯著提升了AIGC模型的通用化能力和工業(yè)化水平，同一個AIGC模型可以高質(zhì)量地完成多種多樣的多模態(tài)技術(shù)推動了AIGC的內(nèi)容多樣性，進一步增強了AIGC模型的通用化能力。多模態(tài)技術(shù)使得語言文字、圖像、音視頻等多種類型數(shù)據(jù)可以互相轉(zhuǎn)化和生成。比如CLIP模型，它能夠?qū)⑽淖趾蛨D像進行AIAI輔助修復(fù)耗時長（2-3月/幅）基于GAN的多尺度生成模型和損失函數(shù)自動修復(fù)、上色利用AIGC技術(shù)手段修復(fù)古壁畫.3的環(huán)境下，如何保持通信的流暢度？智能駕駛場景中，如何將音視頻的傳輸時延從300ms優(yōu)化到100ms以內(nèi)？不同場景在音視頻、數(shù)字孿生、3D引擎及空間計算的細節(jié)追蹤支持下，能夠讓數(shù)字世界全細節(jié)化還原或超寫實呈現(xiàn)?？蔀槿恕⑽?、環(huán)境創(chuàng)建1:1還原的全面信息孿生體，讓數(shù)字世界和真實世界相互連接、映射與耦合，實現(xiàn)數(shù)實世界之間的實時同步，是全在碰到復(fù)雜問題時可以通過輕便的AR眼鏡連線專家，專家隨即可以即時全息通信為例，必然離不開實時音視頻、人機交互、XR、數(shù)字人、多模態(tài)感知、數(shù)字孿生等多種智算服務(wù)的場景化和高效流通；通過算力虛擬化、算力的分級SLA、混部等關(guān)鍵技術(shù)來充分提升算力的利用率；依靠高性能算力集群、框架2.2資源全面感知、精準(zhǔn)調(diào)度，提升智能算力利用率當(dāng)前算力資源的使用還處于粗放式的發(fā)展，從目前的統(tǒng)計數(shù)據(jù)來看，算力的使用率低于30%，造成了大量的計算資源和能易造成算力資源大量浪費或無法滿足業(yè)務(wù)需求的兩種極端情況。因此在提升算力利用率的同時，需要保障算力服務(wù)的可用容器容器SLIQoS指標(biāo)與精細化運營GPUGPU共享資源QoSCPUQoSCPUQoSIOIOQoS內(nèi)存內(nèi)存QoS網(wǎng)絡(luò)網(wǎng)絡(luò)QoSCPUCPUNPUNPUCOSCOSESSDESSDRDMARDMAGPUGPUFPGA/ASICFPGA/ASICTurboCFSTurboCFS100G100G.1絡(luò)時延等，另一方面定義算力運行的可觀測性指標(biāo)，包括全維度硬件力節(jié)點，保障算力服務(wù)在各個算力節(jié)點的合理負載。并對其進行可視化展示和分析，了解資源的實際利用率以及周期性規(guī).2隨著機器學(xué)習(xí)的不斷發(fā)展，GPU的性能越來越強，提供并行算力已非常普遍。在實際的使用過程中，通常將完整的GPU卡分配給一個容器，對于模型開發(fā)和模型推理等場景資源浪費嚴(yán)重。因此通過GPU共享技術(shù)，可有效的提升算力應(yīng)用的部署密度，提升GPU的利用率。GPU共享需要解決容器間算力和顯存精細隔離的問題，支持算力和顯存的靈活配置，從而在精細切分GPU資源，最大程度保證業(yè)務(wù)穩(wěn)定的前提下，大幅提升GPU利用率，以達到節(jié)約GPU資源成本的目的。同時需具備良好的兼容性和云原生的支K8K8SKubernetesscheduler集群調(diào)度算法Kubernetes+GPUschedulerpluginpodO1/nGPUAPPpodO1/nGPUAPPCUDAruntimepod1?GPUAPPCUDAruntimepod1?GPUAPPCUDAruntimepod1GPUAPPCUDAruntimeqGPUqGPUcontainerruntimeQGPUdriverGPUGPU/vGPU實例GPU0GPU1GPU...GPUnQoSGPU容器共享技術(shù)框架.3gGPUKubernetesScheduler spreadbinpackPod1Pod2Pod1Pod2殆GPUPod3殆GPUGPU0高優(yōu)任務(wù)GPU0高優(yōu)任務(wù)低優(yōu)任務(wù)高優(yōu)任務(wù)低優(yōu)任務(wù)GPU1QoSGPU容器混部技術(shù)框架.4通過算力感知，可分析算力的整體效率，提供可靠、便利、智能的算力調(diào)度優(yōu)化技術(shù)方案，以滿足算力應(yīng)用的分級QoS和SLA要求，實現(xiàn)算力的調(diào)度優(yōu)化。AI計算場景科學(xué)計算場景視覺計算場景人臉識別OCR量子計算基因加速云游戲多媒體創(chuàng)作搜廣推NLP工業(yè)仿真自動駕駛云渲染AR/VR/MR業(yè)務(wù)特性調(diào)度作TKE容器集群計算存儲CPUNPUCOSESSDRDMAGPUFPGA/ASICTurboCFS玄靈100G2.3提升智算生產(chǎn)率，推動算力泛在化發(fā)展以大模型生產(chǎn)為例，近幾年NLP預(yù)訓(xùn)練模型規(guī)模的發(fā)展，模型已經(jīng)從億級發(fā)展到了萬億級參數(shù)規(guī)模。2018年BERT模型最大參數(shù)量為3.4億，2019年GPT-2為十億級參數(shù)的模型。2020年發(fā)布的百億級規(guī)模有T5和T-NLG，以及千億參數(shù)規(guī)模的GPT-3。在2021年末，Google發(fā)布了SwitchTransformer，首次將模型規(guī)模提升至萬億。型號:TeslaP100顯存:16GB型號:TeslaP100顯存:16GB型號:TeslaV100顯存:32GB型號:TitanV顯存:12GB型號:TitanRTX顯存:24GB型號:AmpereA100顯存:40/80GB型號:HopperH100顯存:80GB2016.42017.52017.122018.112020.62022.3GLaMGLaM1T100B1B(1.2T)1T100B1B(1.2T)●SwitchTransformer(1.6T)●HunYuan-1TPaLM(1T)(540B)●GPT-3(175B)●T5(11B)BERT-L(340M)FMegatron(8B)●Pangu(200B)ERNIE-3(260B)T-NLG(17B)GPT-2(1.5B)2019202020212022時間線模型框架層:AI加速套件TACO模型編譯加速，2Dallreduce，梯度融合，最高40%業(yè)務(wù)性能提升數(shù)據(jù)緩存加速，充分利用VPC網(wǎng)絡(luò)及本地磁盤軟件庫:通訊集合通信加速庫TCCL網(wǎng)絡(luò)拓撲感知，動態(tài)規(guī)劃最佳RingAlIReduce路徑，可預(yù)期的網(wǎng)絡(luò)性能規(guī)避哈希沖突，多租戶擁塞場景下網(wǎng)絡(luò)吞吐對比NCCL提升100%網(wǎng)絡(luò)鏈路層:自研擁塞控制算法為大規(guī)模組網(wǎng)消除PFC隱患，提升網(wǎng)絡(luò)可用性動態(tài)時延降低50%-90%算力底座:高性能計算集群HCC星脈網(wǎng)絡(luò)提供大型RDMA網(wǎng)絡(luò)組網(wǎng)能力，硬件層面帶來平均20%性能提升基于自研交換機的RoCE網(wǎng)絡(luò)，網(wǎng)絡(luò)成本僅為IB的20%2.3.1CPU預(yù)處理、CPU/GPU數(shù)據(jù)通信、GPU計算等方面的性能開銷，另一方面需要解決大模型場景下多節(jié)點協(xié)作的性能損耗.2數(shù)西算”寧夏樞紐搭建的智算無損網(wǎng)絡(luò)，實現(xiàn)單GPU服務(wù)器之間800G的大帶寬；“星脈”網(wǎng)絡(luò)搭載了3.2T的超高通信帶寬，在同樣的GPU卡上星脈網(wǎng)絡(luò)相較前一代網(wǎng)絡(luò)，將集群整體算力提升20%。高性能通信網(wǎng)絡(luò)使得超大算力集群能保持優(yōu)另外面對定制設(shè)計的高性能組網(wǎng)架構(gòu)，開源的集合.3大量計算節(jié)點同時讀取一批數(shù)據(jù)集，需要盡可能縮短加載時長。對于文件存儲、對象存儲架構(gòu)，需要具備TB級吞吐能力和千萬級IOPS，充分滿足大模型訓(xùn)練的大數(shù)據(jù)量存儲要求。超大帶寬：可以提供超大的內(nèi)網(wǎng)帶寬，滿足機器學(xué)習(xí)場景大帶寬級加速服務(wù)，實現(xiàn)超越本地HDFS的性能?？梢岳脭?shù)據(jù)加速器結(jié)合對象存儲作為數(shù)據(jù)網(wǎng)絡(luò)FRAMEWORKS網(wǎng)絡(luò)FRAMEWORKSCUDA.4），DEPLOYMENTCLOUDMLSERVICES拿databricksDAGRAPHMLDLTRAINDLINFERENCECloud2AlibabaGroupDEPLOYMENTCLOUDMLSERVICES拿databricksDAGRAPHMLDLTRAINDLINFERENCECloud2AlibabaGroupWorkstationServerWorkstationServer以NVIDIA為例，推出軟件加速庫的集合CUDA-XAI來加速計算。這些庫建立在CUDA（NVIDIA的開創(chuàng)性并行編程模型）cuML（用于加速數(shù)據(jù)科學(xué)工作流程和機器學(xué)習(xí)算法）、NVIDIATensorRT（用于優(yōu)化受訓(xùn)模型的推理性能）、cuDF（用但隨著模型參數(shù)的快速增長，萬億參數(shù)的模型訓(xùn)練僅參數(shù)和優(yōu)化器狀態(tài)便需要1.7TB以上的存儲模型訓(xùn)練時的模型狀態(tài)存儲于CPU中，在模型訓(xùn)練過程中會不斷拷貝到GPU，這就導(dǎo)致模型狀態(tài)同時存儲于CPU和GPU如在存儲優(yōu)化方面，可采用顯存、內(nèi)存統(tǒng)一存儲視角，來擴充存儲容量的上限。如太極AngelPT型的參數(shù)、梯度、優(yōu)化器狀態(tài)以模型并行的方式切分到所有GPU，自研ZeRO-Cache框架把內(nèi)存作為二級存儲offload參數(shù)、梯度、優(yōu)化器狀態(tài)到CPU內(nèi)存，同時也支持把SSD作為第三級存儲。OptimizerstepCPUPersistentstorageGPUWhenWhencompleteTorchtensorOptimizerstepCPUPersistentstorageGPUWhenWhencompleteTorchtensorPipelineOptimizerCPUupdatepartCPUGPUupdateCPUGPUupdateGPU Asynccopy remainRuntimetemporarystorageContiguousMemoryContiguousMemoryGPU太極AngeIPTM同時將多流異步化做到了極致，在GPU計算的同時進行數(shù)據(jù)IO和NCCL通信，使用異構(gòu)流水線均衡設(shè)備間的負載，最大化提升整個系統(tǒng)的吞吐。通過將GPU顯存、CPU內(nèi)存統(tǒng)一視角管理，減少了冗余存儲和內(nèi)存碎片，增加了內(nèi)太極AngeIPTM可采用大模型訓(xùn)練框架ZERO-Cache，高性能MOE組件，以及數(shù)據(jù)并行、流水并行、張量并行、專家并化器，可穩(wěn)定MOE半精度訓(xùn)練loss的Z_loss組件，選擇性重計算組件和降低通信代價的PowerSGD組件。通過PowerS-GD梯度壓縮技術(shù)，對梯度進行低秩矩陣分解后進行通信，降低通信量，提升通信效率。通過提高算力的生產(chǎn)率，可大幅降力互補，在算力優(yōu)化方面，采用驅(qū)動層的GPU共享技術(shù)、基于內(nèi)核層的算力感知和隔離技術(shù)、基于調(diào)度層的成本優(yōu)化組件，來提升整體算力利用率；在智算生產(chǎn)方面，采用基于網(wǎng)絡(luò)層的高性能RDMA網(wǎng)絡(luò)通信加速庫，基于框架層輸出統(tǒng)一視角存儲管理、高性能MoE、自動流水并行等框架加速能力，基于模型層的算子、編譯、計算圖等模型優(yōu)化能力，全面提升智算服務(wù)賦能算網(wǎng)應(yīng)用創(chuàng)新升級隨著5G、大數(shù)據(jù)、人工智能、區(qū)塊鏈等信息通信技術(shù)的推廣應(yīng)用，經(jīng)濟社會向數(shù)字化轉(zhuǎn)型升級的趨勢愈發(fā)明顯。2020年以來，國家發(fā)布了以“新基建”為導(dǎo)向的一系列政策，旨在通過加快建設(shè)數(shù)字化基礎(chǔ)設(shè)施，引領(lǐng)重大科技創(chuàng)新、重塑產(chǎn)業(yè)升級模式，為社會發(fā)展注入更算力服務(wù)作為“新基建”的重要組成部分，已經(jīng)成為整個社會發(fā)展的基礎(chǔ)，正推動各行業(yè)向數(shù)字化轉(zhuǎn)型、再造的深水區(qū)進軍，為各行業(yè)帶來了紅利。算網(wǎng)應(yīng)用面向垂直行業(yè)和具體客戶提供適配多樣場景的服云服務(wù)與電信運營商行業(yè)有較大合作空間。一方面是利用云服務(wù)公司司在解決方案、生態(tài)能力方面的優(yōu)勢，協(xié)同電信運營商推動各個行業(yè)的數(shù)字化轉(zhuǎn)型。例如同電信運營商共同承建文旅、政務(wù)等數(shù)字化能力3.1算網(wǎng)應(yīng)用呈現(xiàn)場景化、多樣化、個性化特點##分類應(yīng)用適用場景應(yīng)用行業(yè)11數(shù)字孿生、交通0S、渲染引擎、仿真HPC能力、自動云駕駛能力等數(shù)字孿生、5G遠控、渲染引擎、2233445566773.2技術(shù)演進，驅(qū)動傳統(tǒng)算網(wǎng)應(yīng)用萌生新活力.1交通領(lǐng)域，需要提供覆蓋多種交通方式的運營、管理、服務(wù)集成整體解決方案。交通OS是面向行業(yè)提供的數(shù)字交通基礎(chǔ)設(shè)關(guān)鍵能力：交通OS借助交通OS，智慧交通各系統(tǒng)將業(yè)務(wù)應(yīng)用與關(guān)鍵功能模塊進行解耦，可復(fù)用的功能以組件形式沉淀至平臺，幫助應(yīng)用實現(xiàn)PaaS...PaaS...外部服務(wù)流程，數(shù)據(jù)、應(yīng)用輕開發(fā)開放協(xié)同交通外部服務(wù)流程，數(shù)據(jù)、應(yīng)用輕開發(fā)開放協(xié)同......鏈路雙話、高性能發(fā)布訂閱、優(yōu)先級控制、消息生命周期管理、外部服務(wù)外部服務(wù)流程、數(shù)據(jù)、應(yīng)用輕開發(fā)開放協(xié)同服務(wù)...服務(wù)...智慧交通操作系統(tǒng)交通OS功能架構(gòu)具。面向企業(yè)應(yīng)用、系統(tǒng)、服務(wù)、API、設(shè)備等資源，提供安全、高可用、輕量化的連接器能力，為汽車產(chǎn)業(yè)應(yīng)用3.2.2汽車產(chǎn)業(yè)應(yīng)用3.2.2型的初心所在。云服務(wù)商積極參與產(chǎn)業(yè)生態(tài)共建，持續(xù)以數(shù)字化技術(shù)賦能汽車產(chǎn)業(yè)轉(zhuǎn)型升級，旨在通過加快云計算、大數(shù)智能化的新物種。轉(zhuǎn)變二用戶需求之變，Z世代和“她”經(jīng)濟崛起為代表的新消費。轉(zhuǎn)變?nèi)a(chǎn)業(yè)價值之變，關(guān)鍵能力：仿真HPC要進行大量的CAE仿真模擬測試,根據(jù)行業(yè)趨勢觀察,近5年來,隨著中國CAE行業(yè)市場規(guī)模持續(xù)穩(wěn)定增長,CAE軟件風(fēng)電/風(fēng)機...CVMCVM并行存儲CFS-TurboRoCERoCEGPUGPU文件存儲文件存儲CFS對象存儲對象存儲COSVPCVPC5D-5D-WAN/VPNHPC仿真云架構(gòu)圖已經(jīng)能滿足較高性價比、適配不同類型CAE軟件、支持多類GPU數(shù)據(jù)采集數(shù)據(jù)管理數(shù)據(jù)和訪問合規(guī)管理數(shù)據(jù)標(biāo)注仿真評測仿真評測模擬仿真資源調(diào)度、數(shù)據(jù)服務(wù)、標(biāo)準(zhǔn)化算法迭代3.2.3制造行業(yè)應(yīng)用3.2.3當(dāng)前，越來越多從工業(yè)時代成長起來的企業(yè)，開始不滿足于舊有模式與規(guī)則下的改良，而是寄希望于借助數(shù)字化手段實現(xiàn)倍增創(chuàng)新。通過創(chuàng)新，在更短時間內(nèi)，以更少的人力與資源投入，實現(xiàn)業(yè)務(wù)的倍速增長、極致的運營效率以及卓越的用戶盡管不同企業(yè)在數(shù)字化轉(zhuǎn)型中的側(cè)重點各不相同，但本質(zhì)上都是在做同一件事，即“破圈”:開辟一條新的思維途徑、引入電池缺陷率提升到十億分之一。這樣的極限效率，僅依賴傳統(tǒng)工具與固有經(jīng)驗絕非可能。因此，企業(yè)唯有將原有的生產(chǎn)方數(shù)字化研發(fā)數(shù)字化生產(chǎn)數(shù)字化供應(yīng)數(shù)字化銷售數(shù)字化服務(wù)數(shù)字化產(chǎn)品數(shù)字化研發(fā)數(shù)字化生產(chǎn)數(shù)字化供應(yīng)數(shù)字化銷售數(shù)字化服務(wù)數(shù)字化產(chǎn)品用友U9CloudSAP用友U9CloudSAP...工業(yè)AI引擎工業(yè)AI引擎工業(yè)數(shù)據(jù)中臺工業(yè)AI中臺工業(yè)安全中臺AIoT5G工業(yè)數(shù)據(jù)中臺工業(yè)AI中臺工業(yè)安全中臺AIoT5G3.3場景創(chuàng)新，激發(fā)創(chuàng)新算網(wǎng)應(yīng)用打開新局面3.3.1東N西M應(yīng)用3.3.1東部GDP占比高，是國家經(jīng)濟發(fā)展的發(fā)動機，西部需要東部的帶動和需求轉(zhuǎn)移，實現(xiàn)協(xié)東部能耗難以自給，西部產(chǎn)能多，滿足自用同時，可在本地承接?xùn)|部算力需求，實現(xiàn)資源、我國東部地區(qū)算力需求旺盛，但受土地、電力、能耗指標(biāo)等限制，算力供應(yīng)不足。西部地區(qū)資源豐富，可利用空間大。在西部部署算力資源，通過靈活調(diào)度，承接?xùn)|部地區(qū)算力外溢需求，推動?xùn)|西部資源和需求的再配置。東部GDP占比高，是國家經(jīng)濟發(fā)展的發(fā)動機，西部需要東部的帶動和需求轉(zhuǎn)移，實現(xiàn)協(xié)東部能耗難以自給，西部產(chǎn)能多，滿足自用同時，可在本地承接?xùn)|部算力需求，實現(xiàn)資源、東部人口密度大、資源緊張，西部地廣人稀、年均氣溫低，有先天資源優(yōu)勢，利于算力設(shè)施化能力，支持多個容器共享一張GPU卡的容器共享技術(shù)。以容器插件的方并發(fā)代表著一系列虛擬計算資源的集合，包含CPU、帶寬、磁盤、GPU等，一路并發(fā)支持一個用戶同時訪問。多媒體云高畫質(zhì)，保障用戶在使用時可以獲得優(yōu)質(zhì)的視覺體驗以及較低的流量消耗；三是弱網(wǎng)保障，結(jié)合RTC帶寬評估、丟包重傳以在不同的終端和網(wǎng)絡(luò)環(huán)境下播放，滿足不同場景的應(yīng)用需求。隨著人工智能相關(guān)技術(shù)的發(fā)展，音視頻編解碼可通過視頻AI算法，根據(jù)視頻場景分類實時識別結(jié)果，并結(jié)合視頻源碼率、幀率、分辨率、紋理、運動變化幅度以及機器負載和ROI升云渲染能力，支撐數(shù)字人智能服務(wù)、全真營業(yè)廳等場景，另一方面一同助力傳統(tǒng)行業(yè)的數(shù)字化轉(zhuǎn)型，應(yīng)用在影視動畫制生成式應(yīng)用3.3.2生成式應(yīng)用3.3.2來，生成式AI的發(fā)展一直不溫不火。2022年11月ChatGPT的橫空出世，引發(fā)了現(xiàn)象級熱潮，讓生成式人工智能走入了億萬用戶的視野。生成式人工智能無論是服務(wù)C端還是B端場景，都需要有多種技術(shù)為其賦能，例如：數(shù)據(jù)標(biāo)注、模型調(diào)優(yōu)、內(nèi)容生成、大語言模型、內(nèi)容安全等。生成式應(yīng)用需要行業(yè)大模型和AI能力結(jié)合，可以快速提升“對話理解”和“智能問另外，從用戶側(cè)類型劃分，生成式應(yīng)用在C端和BG端市場呈現(xiàn)出兩類路徑，其中C端已經(jīng)達到可用、甚至好用的臨界點，BG端將從高價值先導(dǎo)領(lǐng)域向模型即服務(wù)（MaaS）生態(tài)擴展。生成式應(yīng)用中，模型即服務(wù)（MaaS）、內(nèi)容安全等能力是關(guān)鍵能力：模型即服務(wù)（MaaS）聯(lián)合推進計劃，并率先在金融行業(yè)展開研究。云服務(wù)商加大在大模型領(lǐng)域的投入，2023年6月亞馬遜云宣布投資1億美元，PDF、WORD等）的安全檢測。防止生NLP模型NLP模型HTTPHTTP接入異步回調(diào)存儲系統(tǒng)接入音頻ASRTDWTDWMySQLMySQLCKV+CKV+ESESCOSCOS入內(nèi)容安全系統(tǒng)），間接方式（業(yè)務(wù)將數(shù)據(jù)圖片、視頻、音頻等內(nèi)容存儲到COS里面，內(nèi)容安全系統(tǒng)自動拉取內(nèi)容進行識別）；內(nèi)容預(yù)處理針對WORD文件、PDF文件等非文本、圖片、音頻的文件進行預(yù)處理，將里面的內(nèi)容拆解為文本、圖片策略層針對客戶不同業(yè)務(wù)系統(tǒng)接入支持不同的策略配置，策略配置包括黑白名單配置（支持針對文本、圖片、視頻的配數(shù)字孿生應(yīng)用3.3.3數(shù)字孿生應(yīng)用3.3.3在數(shù)實融合的大背景下，數(shù)字孿生作為產(chǎn)業(yè)數(shù)字化的重要技術(shù)，是促進數(shù)字經(jīng)濟發(fā)展的重要抓手，已經(jīng)進入一個產(chǎn)業(yè)爆發(fā)建筑、園區(qū)、能源、文旅、城市、制造、環(huán)境保護等行業(yè)，各行業(yè)的需求日益高漲，發(fā)展前景廣闊。PrecedenceResearch市場研究機構(gòu)公布的報告顯示,全球數(shù)字孿生市場規(guī)模在2022年已達到了115.5億美元，并預(yù)計在2022年至2030年期間以38.87%的復(fù)合年增長率增長，將達到約1597.7億美元。程進行數(shù)字化建模和仿真，實現(xiàn)對生產(chǎn)過程全方位監(jiān)測、優(yōu)化和管理，以提高生產(chǎn)效率、降低成本、提高產(chǎn)品質(zhì)量和靈活為保障工廠各種設(shè)備安全、有序運行，瑞泰馬鋼打造“數(shù)字孿生工廠”，以自動化裝備系統(tǒng)、信息化系統(tǒng)（PLM、ERP、PMS等）為基礎(chǔ)，以數(shù)字孿生底座為核心，利用數(shù)字孿生、動態(tài)3D大數(shù)據(jù)可視化、AI數(shù)據(jù)應(yīng)用分析及5G遠控等新技術(shù)，通過“數(shù)字孿生工廠”的操作平臺實現(xiàn)產(chǎn)品設(shè)計、工藝、制造、服務(wù)到退役全生命周期數(shù)據(jù)和商業(yè)智能分析（BI）的透明據(jù)的接入與治理，業(yè)務(wù)數(shù)據(jù)的接入與治理，業(yè)務(wù)數(shù)據(jù)、物聯(lián)網(wǎng)數(shù)據(jù)與空間數(shù)據(jù)的融合處理，AI算法的接入與調(diào)用，數(shù)據(jù)及數(shù)字孿生底座通過無代碼/低代碼的方式為用戶提供服務(wù)，以降低用戶使用平臺的技術(shù)門檻。物聯(lián)方面，提供無代碼的設(shè)備接入工具及標(biāo)準(zhǔn)化的物模型，用戶通過簡單的配置即可實現(xiàn)感知設(shè)備的快速接入、數(shù)據(jù)獲取與消費、設(shè)備反控等；空間數(shù)據(jù)管理方面，提供多類BIM文件的導(dǎo)入、數(shù)模分離、輕量化、坐標(biāo)的管理和應(yīng)用；數(shù)據(jù)融合處理方面，提供可視化的數(shù)據(jù)編排畫布及豐富的原子節(jié)點，可實現(xiàn)對數(shù)據(jù)的采集、處理、消費的無代碼編排，滿足各類大數(shù)據(jù)治理、數(shù)據(jù)融合處理、實時/離線數(shù)據(jù)運算、復(fù)雜數(shù)據(jù)聯(lián)動場景編排等；應(yīng)用編排方面，提供豐富的圖表組件和模版，可快速上手，無代碼編輯各類二三維一體的數(shù)據(jù)展示和分析場景，實現(xiàn)數(shù)字孿生應(yīng)用的即時創(chuàng)應(yīng)用層平臺能力層基礎(chǔ)設(shè)施設(shè)備數(shù)據(jù)模型（UPS/空調(diào)...）應(yīng)用層平臺能力層基礎(chǔ)設(shè)施設(shè)備數(shù)據(jù)模型（UPS/空調(diào)...）人員數(shù)據(jù)模型（值排班|交接班|...）統(tǒng)一體驗PCPC屏(統(tǒng)一Portal)IDCIDC運維運營APP集團/大區(qū)/省管理大屏集團/大區(qū)/省管理大屏數(shù)字化可視智能化運維智能化運營AI能效調(diào)優(yōu)安全可信間、制冷資源可視冷電鏈路冷電鏈路可視告警呈現(xiàn)統(tǒng)計鉀電健康度預(yù)測電力/設(shè)備變更仿真機房巡檢自動化開關(guān)健康度預(yù)測配電故障影響面