二、申报和推(tui)荐

（一）申报单位须为在中(zhong)华(hua)人民共(gong)和国境内注册、具有独立法人资格、具有较强(qiang)技术创新和产业(ye)化(hua)应用能力的企事业(ye)单位。申报单位根据《算力强(qiang)基揭榜行动任务(wu)榜单》（见附(fu)件）选择(ze)揭榜任务(wu)，并需承(cheng)诺揭榜后能够在指定期限内完成相应任务(wu)，每(mei)个单位申报不超(chao)过3个项目。有关企业(ye)、高校、科研机构等以联合体方(fang)式申报的，牵头单位为1家，联合参与单位不超(chao)过4家。

（二）各省、自治区、直(zhi)辖市工业(ye)和信(xin)息化(hua)主管部门、通信(xin)管理局以及有关中(zhong)央企业(ye)按照政府引导(dao)、企业(ye)自愿的原(yuan)则，组织有关单位积极申报揭榜，并作为推(tui)荐单位，遵循公开、公平、公正的原(yuan)则，审核遴选推(tui)荐创新能力突出、产业(ye)化(hua)前景(jing)好、行业(ye)带动作用明显的项目，报工业(ye)和信(xin)息化(hua)部（信(xin)息通信(xin)发展司）。

三、工作程序和要求

（一）申报单位通过申报系统进行申报，完成注册后填写申报所需材(cai)料。申报截止时间为2025年3月15日。

（二）各省、自治区、直(zhi)辖市工业(ye)和信(xin)息化(hua)主管部门、通信(xin)管理局以及有关中(zhong)央企业(ye)作为推(tui)荐单位，应于2025年3月31日前登(deng)录系统并确认推(tui)荐名单（账号密码请通过联系人获取）。推(tui)荐单位在每(mei)个方(fang)向推(tui)荐项目数量原(yuan)则上不超(chao)过3个，所有方(fang)向累计推(tui)荐项目总量不超(chao)过20个。鼓励(li)各推(tui)荐单位结合实际(ji)情况，对(dui)推(tui)荐项目单位在政策、资金、资源配套等方(fang)面加大(da)扶持力度。

（三）工业(ye)和信(xin)息化(hua)部组织遴选并公布入围(wei)揭榜单位名单。入围(wei)揭榜单位完成攻关任务(wu)后（名单公布之日起不超(chao)过2年），工业(ye)和信(xin)息化(hua)部委托第(di)三方(fang)专业(ye)机构开展测评工作，择(ze)优确定揭榜优胜单位（每(mei)个揭榜方(fang)向原(yuan)则上不超(chao)过3家）。工业(ye)和信(xin)息化(hua)部将(jiang)统筹利用各类(lei)资源对(dui)揭榜入围(wei)、优胜单位予以支持，推(tui)动优秀成果示范应用推(tui)广。

工业(ye)和信(xin)息化(hua)部办公厅

2025年2月21日

附(fu)件

算力强(qiang)基揭榜行动任务(wu)榜单

一 计算

（一）云边端算网(wang)协同管理系统

揭榜任务(wu)：面向云边端多层级算力环境，研发算网(wang)协同应用管理系统，设计面向不同应用软件架构的管理机制，支持对(dui)不同架构应用软件的统一管理；研发应用软件在算网(wang)协同中(zhong)的自动化(hua)构建部署(shu)能力，支持应用软件的自动构建和分发部署(shu)；研究算网(wang)协同应用系统的一体化(hua)观测能力，降低(di)运维复(fu)杂度，提高复(fu)杂应用软件运行的稳定性和可靠性。

预期目标(biao)：到2026年，研制应用软件管理系统，支持对(dui)传统应用软件、云原(yuan)生应用软件、AI应用软件、大(da)数据应用软件等不少于5种应用软件的全(quan)生命周期管理。研究基于算网(wang)协同的分布式构建和部署(shu)技术，支持上述应用软件的自动分发和跨算力节点部署(shu)，实现零人工介入。研发算网(wang)应用一体化(hua)观测功能，具备白盒化(hua)动态分析以及智能故(gu)障根因定位能力。在不少于3个行业(ye)完成试点验(yan)证(zheng)。

（二）支持超(chao)大(da)规模(mo)参数模(mo)型的训推(tui)一体化(hua)异构智算平台

揭榜任务(wu)：面向人工智能大(da)模(mo)型训练(lian)和推(tui)理对(dui)计算资源的需求，研发支持超(chao)大(da)规模(mo)参数模(mo)型的训练(lian)、推(tui)理一体化(hua)智算平台，包括资源调度策略、训推(tui)加速套件等，并可支持多种硬件架构，屏蔽底层硬件差异，提升超(chao)大(da)规模(mo)模(mo)型在训练(lian)、推(tui)理过程中(zhong)稳定性、资源利用率和运行效率。

预期目标(biao)：到2026年，研发一套支持万亿参数模(mo)型的超(chao)大(da)规模(mo)训推(tui)一体化(hua)智算平台，万卡环境下稳定训练(lian)时间不低(di)于30天(tian)，有效训练(lian)时长不低(di)于95%，训练(lian)效率较当前主流(liu)水平提升不低(di)于30%，推(tui)理效率提升不低(di)于50%。支持主流(liu)深度学习框架，兼容多种硬件架构，并提供统一的编(bian)程接口(kou)和开发环境，实现不低(di)于10个行业(ye)用户的落地验(yan)证(zheng)。

（三）异构算力跨域(yu)任务(wu)编(bian)排系统

揭榜任务(wu)：针(zhen)对(dui)跨域(yu)异构算力协同，研发跨域(yu)异构算力管理系统，实现跨域(yu)异构算力的管理和应用。研发针(zhen)对(dui)多样性算力的规范化(hua)开放互联功能，支持对(dui)不同类(lei)型的异构算力模(mo)型统一抽象封装；研发跨域(yu)异构算力的管理功能，支持对(dui)跨域(yu)异构算力的统一管理和协同；研究跨域(yu)多主体算力的安(an)全(quan)认证(zheng)和控制方(fang)法，保(bao)障跨域(yu)协同安(an)全(quan)。

预期目标(biao)：到2026年，研发不少于6种跨域(yu)协同调度算法，支持数据处理、函数计算、机器学习等不少于3个场(chang)景(jing)的计算任务(wu)部署(shu)，完成不少于5个跨域(yu)算力中(zhong)心(xin)的统一管理。研发跨域(yu)多主体算力的安(an)全(quan)认证(zheng)方(fang)法，支持云边端等不同层级算力协同的安(an)全(quan)要求。在不少于2个行业(ye)完成试点验(yan)证(zheng)。

（四）训推(tui)算力一体机

揭榜任务(wu)：面向人工智能训练(lian)、推(tui)理场(chang)景(jing)，研发基于基础设施即服务(wu)（IaaS）和平台即服务(wu)（PaaS）的高性能训推(tui)一体化(hua)解决方(fang)案(an)，覆盖对(dui)大(da)模(mo)型开发训练(lian)和部署(shu)推(tui)理的全(quan)流(liu)程，包括数据准备、模(mo)型训练(lian)、模(mo)型评测和模(mo)型部署(shu)。同时，支持大(da)模(mo)型加密、攻击防御等能力，解决针(zhen)对(dui)大(da)模(mo)型数据泄露(lu)、指令攻击等安(an)全(quan)问题和风险。

预期目标(biao)：到2026年，研发支持至(zhi)少3种指令集芯片的训推(tui)一体机，针(zhen)对(dui)至(zhi)少5个行业(ye)开展人工智能训推(tui)一体机应用，为用户提供多元化(hua)训推(tui)一体化(hua)服务(wu)，并在至(zhi)少10种不同的场(chang)景(jing)进行人工智能训推(tui)一体机落地。

（五）大(da)规模(mo)异构算力集群推(tui)理加速技术

揭榜任务(wu)：研发存储、网(wang)络、计算的协同优化(hua)技术，通过模(mo)型加速、调度加速等方(fang)法实现大(da)规模(mo)异构算力集群在大(da)模(mo)型推(tui)理方(fang)面的加速，从而支持更大(da)的模(mo)型、更长的上下文、更高的性能及更低(di)的能耗，促进算力芯片在大(da)模(mo)型推(tui)理方(fang)面的更好应用。

预期目标(biao)：到2026年，实现集群有效吞吐量5倍以上提升，实际(ji)应用场(chang)景(jing)中(zhong)可处理的请求数提升1倍以上，首字(zi)延迟(chi)性能提升1倍以上，芯片利用率提升50%以上。通过优化(hua)算力中(zhong)心(xin)计算、存储、网(wang)络的配比以及拓扑结构和系统调度策略，实现千卡以上异构集群在推(tui)理加速领域(yu)的突破(po)。

二 存储

（六(liu)）磁光电融合存储系统

揭榜任务(wu)：针(zhen)对(dui)单一存储介质难以满足多样化(hua)数据存储需求的现状，依托磁、光、电存储在性能、寿命、功耗等方(fang)面的差异化(hua)特(te)性，将(jiang)磁、光、电存储技术进行融合，研发磁光电融合存储系统，构建基于固态硬盘（SSD）、机械硬盘（HDD）和光存储的多级存储架构。根据业(ye)务(wu)特(te)征，将(jiang)数据保(bao)存在不同级别的存储设备中(zhong)，实现海量数据的集中(zhong)、统一存储管理，支撑算力中(zhong)心(xin)高效、低(di)碳(tan)、安(an)全(quan)持续发展。

预期目标(biao)：到2026年，研发磁、光、电融合存储系统，支持适配分布式文件、分布式块(kuai)和分布式对(dui)象等至(zhi)少3种存储类(lei)型，系统可以根据数据的访问时间、访问频率、文件属性等自定义分级策略，根据业(ye)务(wu)负载动态调整迁移。系统可通过介质安(an)全(quan)、系统安(an)全(quan)、软件安(an)全(quan)等夯实底层安(an)全(quan)能力，通过防勒索、加密算法、远程监控、光存储预警检测等增强(qiang)数据安(an)全(quan)能力。打造磁光电融合存储应用示范，完成至(zhi)少20个业(ye)务(wu)系统应用，实现至(zhi)少4个东部地区数据流(liu)动至(zhi)西部磁光电存储系统，且数据存储量不少于10PB。

（七）存储调度管理及应用技术

揭榜任务(wu)：针(zhen)对(dui)海量数据存储和算力孤岛问题，研发跨域(yu)多算的存力调度、存网(wang)编(bian)排和存算网(wang)一体化(hua)系统，实现数据的智能冷热分级、应用的跨域(yu)无(wu)感访问等能力，有效降低(di)成本、提高性能和支撑业(ye)务(wu)。系统具备资源规划、策略调整能力，可优化(hua)和调整全(quan)网(wang)数据存储布局，实现对(dui)不断变化(hua)的需求的适应。

预期目标(biao)：到2026年，研制具备高效、可扩展性的存储系统，基于智能算法，对(dui)数据进行分析和调度，实现应用无(wu)感访问和智能流(liu)动。研究存力调度策略，使数据召回率控制在30%以下；研究基于潮(chao)汐网(wang)络调度算法，实现网(wang)络带宽利用率提升50%以上，达到存网(wang)一体的目标(biao)。集成存储、计算和网(wang)络的能力，支持存算网(wang)一体化(hua)调度，在算力中(zhong)心(xin)资源池落地应用。

三 网(wang)络

（八）高性能数据处理器（DPU）

揭榜任务(wu)：开展基于芯粒(li)（Chiplet）和第(di)五代精简指令集（RISC-V）技术的软硬件一体DPU芯片技术研究，支持算力中(zhong)心(xin)、智算中(zhong)心(xin)、超(chao)算中(zhong)心(xin)场(chang)景(jing)所需的超(chao)高带宽和超(chao)低(di)时延，突破(po)Chiplet异构芯片封装技术、高速Serdes通信(xin)、大(da)规模(mo)无(wu)损网(wang)络拥塞(sai)算法、硬件密码算法、高性能虚拟化(hua)、硬件可编(bian)程等技术，实现基于ARM、X86、RISC-V等异构核心(xin)的DPU应用，提升算力中(zhong)心(xin)基础设施处理能力和数据传输能效比。

预期目标(biao)：到2026年，完成超(chao)高性能DPU芯片研发工作，吞吐能力达到400Gbps，单向流(liu)量时延不高于30us，支持与国内外主流(liu)CPU、GPU芯片平台的适配，支持主流(liu)操(cao)作系统兼容，支持数据报文硬件处理逻辑可编(bian)程。

（九(jiu)）基于RoCE的智算网(wang)络

揭榜任务(wu)：面向RoCE网(wang)络开展设备及管控系统研发，通过提高设备带宽、优化(hua)负载均(jun)衡算法、强(qiang)化(hua)网(wang)络流(liu)量规划及运维能力等方(fang)式，提升RoCE网(wang)络的吞吐量和时延性能。研制新一代智能化(hua)管控工具，引入AI大(da)模(mo)型能力，简化(hua)RoCE网(wang)络的部署(shu)和配置工作，实现全(quan)局、多维度的可视化(hua)运维。在网(wang)络波动、业(ye)务(wu)变更、故(gu)障等情况下，网(wang)络参数自动调整，流(liu)量快速切换，从而达到提升网(wang)络效率和降低(di)运维成本的目标(biao)。

预期目标(biao)：到2026年，实现新型RoCE网(wang)络整体方(fang)案(an)的商用部署(shu)，网(wang)络性能提升10%以上。通过智能化(hua)管控及运维工具，网(wang)络部署(shu)难度大(da)幅降低(di)，运维效率提升50%以上，可支撑更大(da)规模(mo)部署(shu)和应用。

（十）光交换智算网(wang)络技术研究与验(yan)证(zheng)

揭榜任务(wu)：面向智算集群低(di)功耗、高带宽、低(di)延迟(chi)技术需求，开展智算集群光交换组网(wang)关键技术研究与验(yan)证(zheng)，重点突破(po)智算集群光交换组网(wang)、路由协议适配等关键技术。针(zhen)对(dui)智算集群的功能、性能、可靠性和扩展性等要求，研究光拓扑映射、光电混合路由、多路径负载均(jun)衡等技术。

预期目标(biao)：到2026年，实现支持智算集群的易操(cao)作、高可靠、可平滑过渡升级的光网(wang)络，支持人工智能等关键业(ye)务(wu)承(cheng)载；光交换设备单端口(kou)速率支持100GE/400GE/800GE，交换容量弹性可扩展，可支持不少于3种异构算力资源互联，在不少于2个智算集群完成验(yan)证(zheng)，并完成不少于3种智算业(ye)务(wu)承(cheng)载验(yan)证(zheng)。

（十一）面向分布式智算中(zhong)心(xin)的网(wang)络关键技术研究与验(yan)证(zheng)

揭榜任务(wu)：针(zhen)对(dui)智算集群从集中(zhong)式向分布式部署(shu)探索的趋势，攻关算力中(zhong)心(xin)间网(wang)络技术，研发面向智算中(zhong)心(xin)间的高可靠传输设备，构建智算中(zhong)心(xin)间超(chao)大(da)容量、超(chao)低(di)时延、超(chao)高可靠光电协同网(wang)络，实现智算中(zhong)心(xin)高速、可靠互联。

预期目标(biao)：到2026年，突破(po)智算中(zhong)心(xin)间超(chao)大(da)容量、超(chao)高可靠网(wang)络传输关键技术，研制面向智算中(zhong)心(xin)间网(wang)络的传输设备，单波速率不低(di)于1.6Tbps，设备时延不超(chao)过30us，支撑分布式智算中(zhong)心(xin)间业(ye)务(wu)的高可靠传输。

四 应用

（十二）智算中(zhong)心(xin)跨域(yu)互联应用

揭榜任务(wu)：优化(hua)人工智能算力基础设施布局，构建跨地域(yu)互补、协同算力调度的超(chao)大(da)规模(mo)人工智能算力服务(wu)能力。加强(qiang)与人工智能芯片厂商的兼容适配，构筑大(da)规模(mo)高性能异构算力池，提供面向大(da)模(mo)型训推(tui)场(chang)景(jing)深度优化(hua)的弹性调度、弹性容错、高资源利用率的人工智能算力服务(wu)。

预期目标(biao)：到2026年，形成覆盖5个以上全(quan)国重点算力枢纽节点的人工智能算力中(zhong)心(xin)，支持跨地域(yu)、跨云的算力需求感知和动态调度，完成3款以上算力芯片适配，聚焦大(da)模(mo)型训练(lian)和推(tui)理场(chang)景(jing)，构建大(da)规模(mo)、高性能、弹性调度、高容错的训推(tui)一体算力资源池，具备分钟级断点续训能力，支持万卡级别并行训练(lian)。

（十三）算力电力协同应用

揭榜任务(wu)：研发基于算力调度技术与能源大(da)模(mo)型的多云异构算电协同管理平台，构建基于数据驱(qu)动的算力集群用电负荷特(te)性模(mo)型、基于计算任务(wu)的时空转移特(te)性的能源大(da)模(mo)型，推(tui)动算力预测与调度技术在智算中(zhong)心(xin)应用落地，提升整体资源利用率，基于新能源、新型储能系统开展算力负荷与电力系统的协同优化(hua)，实现精准、动态、实时的能源调度与交易，实现算力与电力等能源的深度协同。

预期目标(biao)：到2026年，实现智算场(chang)景(jing)下能源与算力全(quan)链路的数据穿透(tou)及流(liu)程整合，构建“算”随“电”动的直(zhi)接控制及间接引导(dao)机制，实现算力需求预测精准度达到70%、集群有效负载率提升25%以上，智算中(zhong)心(xin)整体集群资源利用率提高10%。结合算力集群用电数据、时间周期、气象数据、工作负载等多种因素，实现“电”随“算”用的能源效率优化(hua)与算效提升，实现基础设施用能决策精准度85%以上，响应时效性达到提前15分钟响应级别，智算中(zhong)心(xin)整体算力能效水平提升30%，算力中(zhong)心(xin)用电成本降低(di)5%以上。

（十四）大(da)规模(mo)通信(xin)业(ye)务(wu)场(chang)景(jing)中(zhong)的算力应用

揭榜任务(wu)：围(wei)绕网(wang)络功能虚拟化(hua)（NFV）系统架构，针(zhen)对(dui)NFV中(zhong)网(wang)络性能、资源利用和灵(ling)活展性等方(fang)面的挑战，研发面向NFV架构的高性能虚拟化(hua)、智能化(hua)网(wang)络管理和资源编(bian)排算法等技术和系统，突破(po)虚拟化(hua)层与硬件加速器（如FPGA、DPU、GPU）之间的协同能力。

预期目标(biao)：到2026年，NFV算力平台系统中(zhong)实现对(dui)虚拟化(hua)网(wang)络功能的智能调度，支持异构集群部署(shu)、动态扩展，资源动态分配，虚拟化(hua)资源利用率提升20%以上；支持GPU、FPGA等硬件加速器的虚拟化(hua)调度，加速网(wang)络处理性能至(zhi)Tbps以上；支持智能化(hua)网(wang)络虚拟化(hua)功能管理，提升NFV系统的自动化(hua)运维能力和管理效能，故(gu)障修复(fu)时间缩(suo)减不低(di)于30%。

五 绿色低(di)碳(tan)

（十五）绿色算力技术研究及应用

揭榜任务(wu)：围(wei)绕算力的绿色节能技术突破(po)，面向算力中(zhong)的任务(wu)调度特(te)性、能源使用模(mo)式、负载均(jun)衡要求等关键要素，研发适应于绿色计算的动态资源调度算法、能耗优化(hua)管理系统，以及面向多场(chang)景(jing)的协同节能机制，突破(po)节能算法的智能化(hua)程度，提升算力网(wang)络中(zhong)多节点的能源利用效率。

预期目标(biao)：到2026年，能耗管理系统实现对(dui)算力中(zhong)心(xin)和网(wang)络节点的实时监控与节能调度，通过计算节点支持动态调频、动态电压调节，单节点平均(jun)能耗降低(di)30%以上，满足AI推(tui)理等应用需求。

（十六(liu)）企业(ye)绿色计算碳(tan)感知平台

揭榜任务(wu)：建立企业(ye)算力中(zhong)心(xin)碳(tan)排放度量体系，能够实时、精准地统计企业(ye)各个算力中(zhong)心(xin)碳(tan)排放，并能将(jiang)碳(tan)排放量分摊到不同的业(ye)务(wu)部门、应用场(chang)景(jing)和工作负载，实现精细(xi)化(hua)的碳(tan)排放的管理。同时，基于碳(tan)排放的数据，实现碳(tan)感知调度能力，通过在保(bao)证(zheng)业(ye)务(wu)体验(yan)和连续性的情况下将(jiang)工作负载调度到更加低(di)碳(tan)的算力中(zhong)心(xin)，进一步降低(di)碳(tan)排放。

预期目标(biao)：到2026年，围(wei)绕千万核级别跨域(yu)的算力中(zhong)心(xin)，构建企业(ye)级绿色计算碳(tan)感知平台，形成一套行业(ye)通用的、可精确度量不同类(lei)型工作负载碳(tan)排放的技术方(fang)法和指标(biao)体系，通过生态共(gong)建形成绿色度量衡标(biao)准体系。构建碳(tan)感知调度能力，达到算力中(zhong)心(xin)可再生能源比例(li)30%的目标(biao)。

（十七）冷板式液冷原(yuan)生整机柜服务(wu)器

揭榜任务(wu)：面向新一代液冷算力中(zhong)心(xin)，研发冷板式液冷整机柜，包括液冷服务(wu)器节点、无(wu)源液冷门等，突破(po)高密算力、多样性算力的散热技术及架构要求，实现支持供电总线、网(wang)络互联总线、液冷管路可盲插运维的液冷设备，具备液冷机柜及液冷服务(wu)器等多级漏液检测能力，有效降低(di)业(ye)务(wu)中(zhong)断范围(wei)与损失。

预期目标(biao)：到2026年，液冷整机柜实现100%液冷散热，制冷PUE低(di)于1.15。整机柜服务(wu)器内部实现全(quan)盲插设计，管理模(mo)块(kuai)可实现整机柜功耗管理、漏液检测、资产管理等功能；通用算力单柜功率不低(di)于20kW，智能算力单机柜功率不低(di)于30kW，实现不少于500台液冷节点的规模(mo)落地应用。

（十八）算力中(zhong)心(xin)节能调优平台

揭榜任务(wu)：研制高精确度、高仿真效率、多场(chang)景(jing)覆盖的算力中(zhong)心(xin)PUE仿真平台，突破(po)物理机理模(mo)型构建、仿真引擎集群、模(mo)型自动生成等关键技术，实现对(dui)算力中(zhong)心(xin)不同运行状态下细(xi)分时间颗粒(li)度PUE的快速、精准评估。研发基于大(da)数据分析技术的算力中(zhong)心(xin)制冷系统AI节能优化(hua)系统，通过自动化(hua)数据治理、自动推(tui)理等关键技术，准确匹配制冷需求，在满足可靠性要求条件下实现算力中(zhong)心(xin)制冷系统整体动态实时优化(hua)，优化(hua)算力中(zhong)心(xin)PUE。

预期目标(biao)：到2026年，支持液冷、水冷等至(zhi)少2类(lei)典型制冷场(chang)景(jing)进行能效优化(hua)，支持制冷系统和配电系统联合仿真，系统可输出不同负载及运行工况条件下的PUE运行曲线、系统设备运行模(mo)拟工况等参数，PUE仿真精度达到97%以上。基于能效优化(hua)平台，支持AI自动推(tui)理，小时级策略自动下发，实现对(dui)算力中(zhong)心(xin)能耗的可视、可管、可控。通过AI能效优化(hua)，实现算力中(zhong)心(xin)PUE降低(di)5%以上，通过算力中(zhong)心(xin)基础设施与IT联动节能，实现总能耗降低(di)5%以上，在5个以上算力中(zhong)心(xin)落地应用。

（十九(jiu)）新型制冷系统

揭榜任务(wu)：研发人工智能节能系统，针(zhen)对(dui)算力中(zhong)心(xin)基础设施的运行调控和环境监测。提出全(quan)新自适应算法，突破(po)原(yuan)有常见算法的局限性，提升数据的分析和处理效果，搭建基于专家经验(yan)的人工智能算法数据库，提升包括能耗管理、能源调度、安(an)全(quan)监测、故(gu)障诊(zhen)断、辅助运维等功能的节能性、可靠性、经济性。

预期目标(biao)：到2026年，在满足制冷要求的基础上，提高冷却系统的可靠性和自适应性，提高能源使用效率、水资源使用效率和运维效率，其中(zhong)节电率提升10%以上。支持冷却系统数据采(cai)集、标(biao)注、治理、存储，具备系统运行异常告警、告警收敛、自动诊(zhen)断、远程通信(xin)、自动控制等功能，支持冷却系统智能化(hua)调优、智能化(hua)控制的核心(xin)能力，并开展不少于5个实际(ji)业(ye)务(wu)场(chang)景(jing)所提供的AI节能调优案(an)例(li)。

六(liu) 安(an)全(quan)可靠

（二十）算力中(zhong)心(xin)智能运维机器人

揭榜任务(wu)：研发算力中(zhong)心(xin)智能运维机器人以及智能机器人管理平台，基于云边端三层架构，实现智能机器人在多层、多房(fang)间楼宇机房(fang)内的设备设施识别、多模(mo)态环境感知、精准空间定位、智能人机协同、多任务(wu)联合调度等方(fang)面的技术与算法优化(hua)。支撑机器人在算力中(zhong)心(xin)设施运维和IT运营等典型场(chang)景(jing)的应用，提升巡检质量，促进算力中(zhong)心(xin)运维、运营的降本增效。

预期目标(biao)：到2026年，实现大(da)型算力中(zhong)心(xin)内智能机器人的多机房(fang)、多楼层协同应用部署(shu)；机器人巡检任务(wu)成功率不低(di)于95%，设备识别准确率达到97%，环境巡检召回率不低(di)于90%，保(bao)障算力中(zhong)心(xin)巡检业(ye)务(wu)持续运行。实现云边端协同调度，支持不同场(chang)景(jing)下的自主作业(ye)，提高任务(wu)并发执行效率，促进稳定、安(an)全(quan)、可靠、可控的算力中(zhong)心(xin)智能运维体系建设。

（二十一）云边端一体化(hua)智能监测平台

揭榜任务(wu)：开发高性能云边端一体化(hua)系统，研发以智能化(hua)终端或机器人为硬件载体、以多算法模(mo)型融合和平台工具为软件载体的软硬结合的集中(zhong)监测管理与运维巡检方(fang)案(an)。突破(po)多层级自动化(hua)运维、多维度诊(zhen)断、多平台覆盖、多模(mo)型量化(hua)等关键技术。构建综合运维健康度数字(zi)化(hua)评估体系与模(mo)型，实现算力设施从规划、设计、建设、部署(shu)、运行、维护的全(quan)生命周期数字(zi)化(hua)管理。

预期目标(biao)：到2026年，建立大(da)规模(mo)集群的智能化(hua)运维能力，设备实现跨平台及系统稳定性风险和安(an)全(quan)风险识别能力，综合视频识别技术等，结构化(hua)告警收敛推(tui)送，准确率超(chao)过98%。算力设施全(quan)生命周期数字(zi)化(hua)联动，平台自动化(hua)流(liu)程推(tui)进，实现云端直(zhi)控覆盖超(chao)10栋算力中(zhong)心(xin)，落地数字(zi)化(hua)算力中(zhong)心(xin)健康度评估，智能化(hua)终端或机器人的自驱(qu)动巡检，视频流(liu)识别与告警的联动，系统的智能化(hua)运维问答，并保(bao)障业(ye)务(wu)服务(wu)级别协议（SLA）达标(biao)率99%以上。

七 其他

（二十二）其他算力领域(yu)的特(te)色化(hua)技术、产品、服务(wu)和平台等，应具有技术先进性，技术成熟度较高，产业(ye)化(hua)前景(jing)较好。

责编(bian):史健 | 审核:李震 | 监审:万军伟

【免责声明】本文仅代表作者本人观点，与和讯网(wang)无(wu)关。和讯网(wang)站对(dui)文中(zhong)陈述、观点判断保(bao)持中(zhong)立，不对(dui)所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保(bao)证(zheng)。请读者仅作参考，并请自行承(cheng)担全(quan)部责任。邮箱：news_center@staff.hexun.com