二、申报和(he)推荐

（一(yi)）申报单位(wei)须为在中华人民共和(he)国境内注册、具有独(du)立法人资格、具有较强(qiang)技术创新和(he)产(chan)业化应(ying)用能力的企(qi)事业单位(wei)。申报单位(wei)根据《算力强(qiang)基揭榜行动任务榜单》（见附件(jian)）选择揭榜任务，并需承诺揭榜后能够(gou)在指定期限内完成相应(ying)任务，每个(ge)单位(wei)申报不超过3个(ge)项目。有关企(qi)业、高校(xiao)、科研机构等以联合体(ti)方(fang)式申报的，牵头单位(wei)为1家，联合参与单位(wei)不超过4家。

（二）各省、自治区、直辖市工业和(he)信息化主管部门、通信管理(li)局以及有关中央企(qi)业按照政府引导、企(qi)业自愿的原则，组织有关单位(wei)积极申报揭榜，并作为推荐单位(wei)，遵循公开、公平(ping)、公正的原则，审核遴选推荐创新能力突(tu)出、产(chan)业化前景好、行业带动作用明显的项目，报工业和(he)信息化部（信息通信发(fa)展司）。

三、工作程序和(he)要求

（一(yi)）申报单位(wei)通过申报系统(tong)进行申报，完成注册后填写申报所需材料。申报截止时间(jian)为2025年3月15日。

（二）各省、自治区、直辖市工业和(he)信息化主管部门、通信管理(li)局以及有关中央企(qi)业作为推荐单位(wei)，应(ying)于2025年3月31日前登录(lu)系统(tong)并确认推荐名单（账号密码请通过联系人获取）。推荐单位(wei)在每个(ge)方(fang)向推荐项目数量原则上不超过3个(ge)，所有方(fang)向累计(ji)推荐项目总量不超过20个(ge)。鼓励各推荐单位(wei)结合实际情况，对推荐项目单位(wei)在政策、资金、资源配套等方(fang)面加大扶持力度。

（三）工业和(he)信息化部组织遴选并公布入围(wei)揭榜单位(wei)名单。入围(wei)揭榜单位(wei)完成攻关任务后（名单公布之日起不超过2年），工业和(he)信息化部委托第三方(fang)专(zhuan)业机构开展测评工作，择优确定揭榜优胜(sheng)单位(wei)（每个(ge)揭榜方(fang)向原则上不超过3家）。工业和(he)信息化部将(jiang)统(tong)筹(chou)利用各类资源对揭榜入围(wei)、优胜(sheng)单位(wei)予以支持，推动优秀成果示范应(ying)用推广。

工业和(he)信息化部办公厅

2025年2月21日

附件(jian)

算力强(qiang)基揭榜行动任务榜单

一(yi) 计(ji)算

（一(yi)）云边端算网协同管理(li)系统(tong)

揭榜任务：面向云边端多层级算力环境，研发(fa)算网协同应(ying)用管理(li)系统(tong)，设计(ji)面向不同应(ying)用软件(jian)架构的管理(li)机制(zhi)，支持对不同架构应(ying)用软件(jian)的统(tong)一(yi)管理(li)；研发(fa)应(ying)用软件(jian)在算网协同中的自动化构建部署能力，支持应(ying)用软件(jian)的自动构建和(he)分(fen)发(fa)部署；研究算网协同应(ying)用系统(tong)的一(yi)体(ti)化观测能力，降(jiang)低运维复杂度，提高复杂应(ying)用软件(jian)运行的稳定性和(he)可靠性。

预期目标：到2026年，研制(zhi)应(ying)用软件(jian)管理(li)系统(tong)，支持对传(chuan)统(tong)应(ying)用软件(jian)、云原生应(ying)用软件(jian)、AI应(ying)用软件(jian)、大数据应(ying)用软件(jian)等不少于5种应(ying)用软件(jian)的全生命周(zhou)期管理(li)。研究基于算网协同的分(fen)布式构建和(he)部署技术，支持上述应(ying)用软件(jian)的自动分(fen)发(fa)和(he)跨(kua)算力节点部署，实现零(ling)人工介入。研发(fa)算网应(ying)用一(yi)体(ti)化观测功能，具备白盒化动态分(fen)析以及智能故障根因定位(wei)能力。在不少于3个(ge)行业完成试点验证。

（二）支持超大规模参数模型的训推一(yi)体(ti)化异构智算平(ping)台

揭榜任务：面向人工智能大模型训练和(he)推理(li)对计(ji)算资源的需求，研发(fa)支持超大规模参数模型的训练、推理(li)一(yi)体(ti)化智算平(ping)台，包括资源调度策略、训推加速套件(jian)等，并可支持多种硬件(jian)架构，屏蔽底层硬件(jian)差异，提升(sheng)超大规模模型在训练、推理(li)过程中稳定性、资源利用率和(he)运行效(xiao)率。

预期目标：到2026年，研发(fa)一(yi)套支持万亿(yi)参数模型的超大规模训推一(yi)体(ti)化智算平(ping)台，万卡环境下稳定训练时间(jian)不低于30天，有效(xiao)训练时长不低于95%，训练效(xiao)率较当前主流水平(ping)提升(sheng)不低于30%，推理(li)效(xiao)率提升(sheng)不低于50%。支持主流深(shen)度学习框架，兼容多种硬件(jian)架构，并提供统(tong)一(yi)的编(bian)程接口和(he)开发(fa)环境，实现不低于10个(ge)行业用户的落地验证。

（三）异构算力跨(kua)域任务编(bian)排系统(tong)

揭榜任务：针对跨(kua)域异构算力协同，研发(fa)跨(kua)域异构算力管理(li)系统(tong)，实现跨(kua)域异构算力的管理(li)和(he)应(ying)用。研发(fa)针对多样性算力的规范化开放互联功能，支持对不同类型的异构算力模型统(tong)一(yi)抽象封装；研发(fa)跨(kua)域异构算力的管理(li)功能，支持对跨(kua)域异构算力的统(tong)一(yi)管理(li)和(he)协同；研究跨(kua)域多主体(ti)算力的安全认证和(he)控制(zhi)方(fang)法，保障跨(kua)域协同安全。

预期目标：到2026年，研发(fa)不少于6种跨(kua)域协同调度算法，支持数据处理(li)、函数计(ji)算、机器学习等不少于3个(ge)场景的计(ji)算任务部署，完成不少于5个(ge)跨(kua)域算力中心的统(tong)一(yi)管理(li)。研发(fa)跨(kua)域多主体(ti)算力的安全认证方(fang)法，支持云边端等不同层级算力协同的安全要求。在不少于2个(ge)行业完成试点验证。

（四）训推算力一(yi)体(ti)机

揭榜任务：面向人工智能训练、推理(li)场景，研发(fa)基于基础设施即服务（IaaS）和(he)平(ping)台即服务（PaaS）的高性能训推一(yi)体(ti)化解决方(fang)案，覆盖对大模型开发(fa)训练和(he)部署推理(li)的全流程，包括数据准(zhun)备、模型训练、模型评测和(he)模型部署。同时，支持大模型加密、攻击防御等能力，解决针对大模型数据泄露(lu)、指令攻击等安全问题和(he)风险。

预期目标：到2026年，研发(fa)支持至少3种指令集(ji)芯片的训推一(yi)体(ti)机，针对至少5个(ge)行业开展人工智能训推一(yi)体(ti)机应(ying)用，为用户提供多元化训推一(yi)体(ti)化服务，并在至少10种不同的场景进行人工智能训推一(yi)体(ti)机落地。

（五）大规模异构算力集(ji)群推理(li)加速技术

揭榜任务：研发(fa)存储、网络、计(ji)算的协同优化技术，通过模型加速、调度加速等方(fang)法实现大规模异构算力集(ji)群在大模型推理(li)方(fang)面的加速，从而支持更大的模型、更长的上下文、更高的性能及更低的能耗，促进算力芯片在大模型推理(li)方(fang)面的更好应(ying)用。

预期目标：到2026年，实现集(ji)群有效(xiao)吞吐(tu)量5倍以上提升(sheng)，实际应(ying)用场景中可处理(li)的请求数提升(sheng)1倍以上，首字延迟性能提升(sheng)1倍以上，芯片利用率提升(sheng)50%以上。通过优化算力中心计(ji)算、存储、网络的配比(bi)以及拓扑结构和(he)系统(tong)调度策略，实现千卡以上异构集(ji)群在推理(li)加速领域的突(tu)破。

二 存储

（六）磁光电融合存储系统(tong)

揭榜任务：针对单一(yi)存储介质难以满足(zu)多样化数据存储需求的现状，依(yi)托磁、光、电存储在性能、寿命、功耗等方(fang)面的差异化特(te)性，将(jiang)磁、光、电存储技术进行融合，研发(fa)磁光电融合存储系统(tong)，构建基于固态硬盘（SSD）、机械硬盘（HDD）和(he)光存储的多级存储架构。根据业务特(te)征，将(jiang)数据保存在不同级别的存储设备中，实现海量数据的集(ji)中、统(tong)一(yi)存储管理(li)，支撑算力中心高效(xiao)、低碳、安全持续发(fa)展。

预期目标：到2026年，研发(fa)磁、光、电融合存储系统(tong)，支持适配分(fen)布式文件(jian)、分(fen)布式块(kuai)和(he)分(fen)布式对象等至少3种存储类型，系统(tong)可以根据数据的访问时间(jian)、访问频率、文件(jian)属性等自定义分(fen)级策略，根据业务负(fu)载动态调整迁移。系统(tong)可通过介质安全、系统(tong)安全、软件(jian)安全等夯实底层安全能力，通过防勒索、加密算法、远程监控、光存储预警检(jian)测等增强(qiang)数据安全能力。打造(zao)磁光电融合存储应(ying)用示范，完成至少20个(ge)业务系统(tong)应(ying)用，实现至少4个(ge)东部地区数据流动至西部磁光电存储系统(tong)，且数据存储量不少于10PB。

（七）存储调度管理(li)及应(ying)用技术

揭榜任务：针对海量数据存储和(he)算力孤(gu)岛问题，研发(fa)跨(kua)域多算的存力调度、存网编(bian)排和(he)存算网一(yi)体(ti)化系统(tong)，实现数据的智能冷热分(fen)级、应(ying)用的跨(kua)域无感访问等能力，有效(xiao)降(jiang)低成本、提高性能和(he)支撑业务。系统(tong)具备资源规划、策略调整能力，可优化和(he)调整全网数据存储布局，实现对不断变化的需求的适应(ying)。

预期目标：到2026年，研制(zhi)具备高效(xiao)、可扩展性的存储系统(tong)，基于智能算法，对数据进行分(fen)析和(he)调度，实现应(ying)用无感访问和(he)智能流动。研究存力调度策略，使数据召(zhao)回率控制(zhi)在30%以下；研究基于潮(chao)汐网络调度算法，实现网络带宽利用率提升(sheng)50%以上，达到存网一(yi)体(ti)的目标。集(ji)成存储、计(ji)算和(he)网络的能力，支持存算网一(yi)体(ti)化调度，在算力中心资源池落地应(ying)用。

三 网络

（八）高性能数据处理(li)器（DPU）

揭榜任务：开展基于芯粒(li)（Chiplet）和(he)第五代精简指令集(ji)（RISC-V）技术的软硬件(jian)一(yi)体(ti)DPU芯片技术研究，支持算力中心、智算中心、超算中心场景所需的超高带宽和(he)超低时延，突(tu)破Chiplet异构芯片封装技术、高速Serdes通信、大规模无损网络拥塞算法、硬件(jian)密码算法、高性能虚拟化、硬件(jian)可编(bian)程等技术，实现基于ARM、X86、RISC-V等异构核心的DPU应(ying)用，提升(sheng)算力中心基础设施处理(li)能力和(he)数据传(chuan)输能效(xiao)比(bi)。

预期目标：到2026年，完成超高性能DPU芯片研发(fa)工作，吞吐(tu)能力达到400Gbps，单向流量时延不高于30us，支持与国内外主流CPU、GPU芯片平(ping)台的适配，支持主流操作系统(tong)兼容，支持数据报文硬件(jian)处理(li)逻辑可编(bian)程。

（九(jiu)）基于RoCE的智算网络

揭榜任务：面向RoCE网络开展设备及管控系统(tong)研发(fa)，通过提高设备带宽、优化负(fu)载均衡算法、强(qiang)化网络流量规划及运维能力等方(fang)式，提升(sheng)RoCE网络的吞吐(tu)量和(he)时延性能。研制(zhi)新一(yi)代智能化管控工具，引入AI大模型能力，简化RoCE网络的部署和(he)配置工作，实现全局、多维度的可视化运维。在网络波动、业务变更、故障等情况下，网络参数自动调整，流量快速切换，从而达到提升(sheng)网络效(xiao)率和(he)降(jiang)低运维成本的目标。

预期目标：到2026年，实现新型RoCE网络整体(ti)方(fang)案的商用部署，网络性能提升(sheng)10%以上。通过智能化管控及运维工具，网络部署难度大幅降(jiang)低，运维效(xiao)率提升(sheng)50%以上，可支撑更大规模部署和(he)应(ying)用。

（十）光交换智算网络技术研究与验证

揭榜任务：面向智算集(ji)群低功耗、高带宽、低延迟技术需求，开展智算集(ji)群光交换组网关键技术研究与验证，重点突(tu)破智算集(ji)群光交换组网、路由(you)协议适配等关键技术。针对智算集(ji)群的功能、性能、可靠性和(he)扩展性等要求，研究光拓扑映射、光电混合路由(you)、多路径负(fu)载均衡等技术。

预期目标：到2026年，实现支持智算集(ji)群的易操作、高可靠、可平(ping)滑(hua)过渡升(sheng)级的光网络，支持人工智能等关键业务承载；光交换设备单端口速率支持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(ge)智算集(ji)群完成验证，并完成不少于3种智算业务承载验证。

（十一(yi)）面向分(fen)布式智算中心的网络关键技术研究与验证

揭榜任务：针对智算集(ji)群从集(ji)中式向分(fen)布式部署探索的趋(qu)势，攻关算力中心间(jian)网络技术，研发(fa)面向智算中心间(jian)的高可靠传(chuan)输设备，构建智算中心间(jian)超大容量、超低时延、超高可靠光电协同网络，实现智算中心高速、可靠互联。

预期目标：到2026年，突(tu)破智算中心间(jian)超大容量、超高可靠网络传(chuan)输关键技术，研制(zhi)面向智算中心间(jian)网络的传(chuan)输设备，单波速率不低于1.6Tbps，设备时延不超过30us，支撑分(fen)布式智算中心间(jian)业务的高可靠传(chuan)输。

四 应(ying)用

（十二）智算中心跨(kua)域互联应(ying)用

揭榜任务：优化人工智能算力基础设施布局，构建跨(kua)地域互补、协同算力调度的超大规模人工智能算力服务能力。加强(qiang)与人工智能芯片厂商的兼容适配，构筑大规模高性能异构算力池，提供面向大模型训推场景深(shen)度优化的弹性调度、弹性容错、高资源利用率的人工智能算力服务。

预期目标：到2026年，形成覆盖5个(ge)以上全国重点算力枢纽节点的人工智能算力中心，支持跨(kua)地域、跨(kua)云的算力需求感知和(he)动态调度，完成3款以上算力芯片适配，聚焦大模型训练和(he)推理(li)场景，构建大规模、高性能、弹性调度、高容错的训推一(yi)体(ti)算力资源池，具备分(fen)钟级断点续训能力，支持万卡级别并行训练。

（十三）算力电力协同应(ying)用

揭榜任务：研发(fa)基于算力调度技术与能源大模型的多云异构算电协同管理(li)平(ping)台，构建基于数据驱动的算力集(ji)群用电负(fu)荷特(te)性模型、基于计(ji)算任务的时空转(zhuan)移特(te)性的能源大模型，推动算力预测与调度技术在智算中心应(ying)用落地，提升(sheng)整体(ti)资源利用率，基于新能源、新型储能系统(tong)开展算力负(fu)荷与电力系统(tong)的协同优化，实现精准(zhun)、动态、实时的能源调度与交易，实现算力与电力等能源的深(shen)度协同。

预期目标：到2026年，实现智算场景下能源与算力全链路的数据穿透及流程整合，构建“算”随“电”动的直接控制(zhi)及间(jian)接引导机制(zhi)，实现算力需求预测精准(zhun)度达到70%、集(ji)群有效(xiao)负(fu)载率提升(sheng)25%以上，智算中心整体(ti)集(ji)群资源利用率提高10%。结合算力集(ji)群用电数据、时间(jian)周(zhou)期、气象数据、工作负(fu)载等多种因素，实现“电”随“算”用的能源效(xiao)率优化与算效(xiao)提升(sheng)，实现基础设施用能决策精准(zhun)度85%以上，响应(ying)时效(xiao)性达到提前15分(fen)钟响应(ying)级别，智算中心整体(ti)算力能效(xiao)水平(ping)提升(sheng)30%，算力中心用电成本降(jiang)低5%以上。

（十四）大规模通信业务场景中的算力应(ying)用

揭榜任务：围(wei)绕网络功能虚拟化（NFV）系统(tong)架构，针对NFV中网络性能、资源利用和(he)灵活展性等方(fang)面的挑战，研发(fa)面向NFV架构的高性能虚拟化、智能化网络管理(li)和(he)资源编(bian)排算法等技术和(he)系统(tong)，突(tu)破虚拟化层与硬件(jian)加速器（如FPGA、DPU、GPU）之间(jian)的协同能力。

预期目标：到2026年，NFV算力平(ping)台系统(tong)中实现对虚拟化网络功能的智能调度，支持异构集(ji)群部署、动态扩展，资源动态分(fen)配，虚拟化资源利用率提升(sheng)20%以上；支持GPU、FPGA等硬件(jian)加速器的虚拟化调度，加速网络处理(li)性能至Tbps以上；支持智能化网络虚拟化功能管理(li)，提升(sheng)NFV系统(tong)的自动化运维能力和(he)管理(li)效(xiao)能，故障修复时间(jian)缩减(jian)不低于30%。

五 绿色低碳

（十五）绿色算力技术研究及应(ying)用

揭榜任务：围(wei)绕算力的绿色节能技术突(tu)破，面向算力中的任务调度特(te)性、能源使用模式、负(fu)载均衡要求等关键要素，研发(fa)适应(ying)于绿色计(ji)算的动态资源调度算法、能耗优化管理(li)系统(tong)，以及面向多场景的协同节能机制(zhi)，突(tu)破节能算法的智能化程度，提升(sheng)算力网络中多节点的能源利用效(xiao)率。

预期目标：到2026年，能耗管理(li)系统(tong)实现对算力中心和(he)网络节点的实时监控与节能调度，通过计(ji)算节点支持动态调频、动态电压调节，单节点平(ping)均能耗降(jiang)低30%以上，满足(zu)AI推理(li)等应(ying)用需求。

（十六）企(qi)业绿色计(ji)算碳感知平(ping)台

揭榜任务：建立企(qi)业算力中心碳排放度量体(ti)系，能够(gou)实时、精准(zhun)地统(tong)计(ji)企(qi)业各个(ge)算力中心碳排放，并能将(jiang)碳排放量分(fen)摊到不同的业务部门、应(ying)用场景和(he)工作负(fu)载，实现精细化的碳排放的管理(li)。同时，基于碳排放的数据，实现碳感知调度能力，通过在保证业务体(ti)验和(he)连续性的情况下将(jiang)工作负(fu)载调度到更加低碳的算力中心，进一(yi)步降(jiang)低碳排放。

预期目标：到2026年，围(wei)绕千万核级别跨(kua)域的算力中心，构建企(qi)业级绿色计(ji)算碳感知平(ping)台，形成一(yi)套行业通用的、可精确度量不同类型工作负(fu)载碳排放的技术方(fang)法和(he)指标体(ti)系，通过生态共建形成绿色度量衡标准(zhun)体(ti)系。构建碳感知调度能力，达到算力中心可再生能源比(bi)例(li)30%的目标。

（十七）冷板式液冷原生整机柜服务器

揭榜任务：面向新一(yi)代液冷算力中心，研发(fa)冷板式液冷整机柜，包括液冷服务器节点、无源液冷门等，突(tu)破高密算力、多样性算力的散热技术及架构要求，实现支持供电总线、网络互联总线、液冷管路可盲(mang)插运维的液冷设备，具备液冷机柜及液冷服务器等多级漏(lou)液检(jian)测能力，有效(xiao)降(jiang)低业务中断范围(wei)与损失。

预期目标：到2026年，液冷整机柜实现100%液冷散热，制(zhi)冷PUE低于1.15。整机柜服务器内部实现全盲(mang)插设计(ji)，管理(li)模块(kuai)可实现整机柜功耗管理(li)、漏(lou)液检(jian)测、资产(chan)管理(li)等功能；通用算力单柜功率不低于20kW，智能算力单机柜功率不低于30kW，实现不少于500台液冷节点的规模落地应(ying)用。

（十八）算力中心节能调优平(ping)台

揭榜任务：研制(zhi)高精确度、高仿真效(xiao)率、多场景覆盖的算力中心PUE仿真平(ping)台，突(tu)破物(wu)理(li)机理(li)模型构建、仿真引擎集(ji)群、模型自动生成等关键技术，实现对算力中心不同运行状态下细分(fen)时间(jian)颗(ke)粒(li)度PUE的快速、精准(zhun)评估。研发(fa)基于大数据分(fen)析技术的算力中心制(zhi)冷系统(tong)AI节能优化系统(tong)，通过自动化数据治理(li)、自动推理(li)等关键技术，准(zhun)确匹配制(zhi)冷需求，在满足(zu)可靠性要求条件(jian)下实现算力中心制(zhi)冷系统(tong)整体(ti)动态实时优化，优化算力中心PUE。

预期目标：到2026年，支持液冷、水冷等至少2类典型制(zhi)冷场景进行能效(xiao)优化，支持制(zhi)冷系统(tong)和(he)配电系统(tong)联合仿真，系统(tong)可输出不同负(fu)载及运行工况条件(jian)下的PUE运行曲线、系统(tong)设备运行模拟工况等参数，PUE仿真精度达到97%以上。基于能效(xiao)优化平(ping)台，支持AI自动推理(li)，小时级策略自动下发(fa)，实现对算力中心能耗的可视、可管、可控。通过AI能效(xiao)优化，实现算力中心PUE降(jiang)低5%以上，通过算力中心基础设施与IT联动节能，实现总能耗降(jiang)低5%以上，在5个(ge)以上算力中心落地应(ying)用。

（十九(jiu)）新型制(zhi)冷系统(tong)

揭榜任务：研发(fa)人工智能节能系统(tong)，针对算力中心基础设施的运行调控和(he)环境监测。提出全新自适应(ying)算法，突(tu)破原有常见算法的局限性，提升(sheng)数据的分(fen)析和(he)处理(li)效(xiao)果，搭建基于专(zhuan)家经(jing)验的人工智能算法数据库，提升(sheng)包括能耗管理(li)、能源调度、安全监测、故障诊断、辅助运维等功能的节能性、可靠性、经(jing)济性。

预期目标：到2026年，在满足(zu)制(zhi)冷要求的基础上，提高冷却系统(tong)的可靠性和(he)自适应(ying)性，提高能源使用效(xiao)率、水资源使用效(xiao)率和(he)运维效(xiao)率，其中节电率提升(sheng)10%以上。支持冷却系统(tong)数据采集(ji)、标注、治理(li)、存储，具备系统(tong)运行异常告警、告警收(shou)敛、自动诊断、远程通信、自动控制(zhi)等功能，支持冷却系统(tong)智能化调优、智能化控制(zhi)的核心能力，并开展不少于5个(ge)实际业务场景所提供的AI节能调优案例(li)。

六 安全可靠

（二十）算力中心智能运维机器人

揭榜任务：研发(fa)算力中心智能运维机器人以及智能机器人管理(li)平(ping)台，基于云边端三层架构，实现智能机器人在多层、多房(fang)间(jian)楼宇机房(fang)内的设备设施识别、多模态环境感知、精准(zhun)空间(jian)定位(wei)、智能人机协同、多任务联合调度等方(fang)面的技术与算法优化。支撑机器人在算力中心设施运维和(he)IT运营等典型场景的应(ying)用，提升(sheng)巡检(jian)质量，促进算力中心运维、运营的降(jiang)本增效(xiao)。

预期目标：到2026年，实现大型算力中心内智能机器人的多机房(fang)、多楼层协同应(ying)用部署；机器人巡检(jian)任务成功率不低于95%，设备识别准(zhun)确率达到97%，环境巡检(jian)召(zhao)回率不低于90%，保障算力中心巡检(jian)业务持续运行。实现云边端协同调度，支持不同场景下的自主作业，提高任务并发(fa)执行效(xiao)率，促进稳定、安全、可靠、可控的算力中心智能运维体(ti)系建设。

（二十一(yi)）云边端一(yi)体(ti)化智能监测平(ping)台

揭榜任务：开发(fa)高性能云边端一(yi)体(ti)化系统(tong)，研发(fa)以智能化终端或机器人为硬件(jian)载体(ti)、以多算法模型融合和(he)平(ping)台工具为软件(jian)载体(ti)的软硬结合的集(ji)中监测管理(li)与运维巡检(jian)方(fang)案。突(tu)破多层级自动化运维、多维度诊断、多平(ping)台覆盖、多模型量化等关键技术。构建综合运维健康度数字化评估体(ti)系与模型，实现算力设施从规划、设计(ji)、建设、部署、运行、维护的全生命周(zhou)期数字化管理(li)。

预期目标：到2026年，建立大规模集(ji)群的智能化运维能力，设备实现跨(kua)平(ping)台及系统(tong)稳定性风险和(he)安全风险识别能力，综合视频识别技术等，结构化告警收(shou)敛推送，准(zhun)确率超过98%。算力设施全生命周(zhou)期数字化联动，平(ping)台自动化流程推进，实现云端直控覆盖超10栋(dong)算力中心，落地数字化算力中心健康度评估，智能化终端或机器人的自驱动巡检(jian)，视频流识别与告警的联动，系统(tong)的智能化运维问答，并保障业务服务级别协议（SLA）达标率99%以上。

七 其他

（二十二）其他算力领域的特(te)色化技术、产(chan)品、服务和(he)平(ping)台等，应(ying)具有技术先进性，技术成熟度较高，产(chan)业化前景较好。

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(zhe)本人观点，与和(he)讯网无关。和(he)讯网站对文中陈述、观点判(pan)断保持中立，不对所包含内容的准(zhun)确性、可靠性或完整性提供任何明示或暗示的保证。请读者(zhe)仅作参考，并请自行承担全部责任。邮箱(xiang)：news_center@staff.hexun.com