二(er)、申报和(he)推荐

（一(yi)）申报单位须为在(zai)中华人民共和(he)国境内注册、具有独立法(fa)人资格、具有较强技术创新(xin)和(he)产业化(hua)应用能力(li)的企事业单位。申报单位根据(ju)《算力(li)强基揭榜(bang)行动任务榜(bang)单》（见附件）选择揭榜(bang)任务，并需(xu)承诺揭榜(bang)后(hou)能够在(zai)指定期限内完成相应任务，每个单位申报不超过3个项目。有关企业、高校、科研机构等以联合体方式申报的，牵头单位为1家，联合参与单位不超过4家。

（二(er)）各省、自治区、直辖市工业和(he)信息化(hua)主管部(bu)门、通信管理局以及(ji)有关中央企业按照政府引导、企业自愿的原则，组织有关单位积极申报揭榜(bang)，并作为推荐单位，遵循(xun)公开、公平、公正的原则，审核遴选推荐创新(xin)能力(li)突出、产业化(hua)前景好、行业带动作用明显(xian)的项目，报工业和(he)信息化(hua)部(bu)（信息通信发展司(si)）。

三、工作程序和(he)要(yao)求

（一(yi)）申报单位通过申报系统（https://gs.hcp.ac.cn）进行申报，完成注册后(hou)填写申报所需(xu)材料。申报截(jie)止时间为2025年3月15日(ri)。

（二(er)）各省、自治区、直辖市工业和(he)信息化(hua)主管部(bu)门、通信管理局以及(ji)有关中央企业作为推荐单位，应于2025年3月31日(ri)前登录系统并确认推荐名单（账号密码请通过联系人获取(qu)）。推荐单位在(zai)每个方向推荐项目数(shu)量原则上不超过3个，所有方向累计推荐项目总量不超过20个。鼓励各推荐单位结(jie)合实际情(qing)况，对(dui)推荐项目单位在(zai)政策、资金、资源(yuan)配套等方面加大扶持力(li)度。

（三）工业和(he)信息化(hua)部(bu)组织遴选并公布入围揭榜(bang)单位名单。入围揭榜(bang)单位完成攻关任务后(hou)（名单公布之日(ri)起不超过2年），工业和(he)信息化(hua)部(bu)委托第三方专业机构开展测评工作，择优确定揭榜(bang)优胜单位（每个揭榜(bang)方向原则上不超过3家）。工业和(he)信息化(hua)部(bu)将统筹利(li)用各类资源(yuan)对(dui)揭榜(bang)入围、优胜单位予以支持，推动优秀成果示范应用推广。

附件：算力(li)强基揭榜(bang)行动任务榜(bang)单

工业和(he)信息化(hua)部(bu)办公厅

2025年2月21日(ri)

附件

算力(li)强基揭榜(bang)行动任务榜(bang)单

一(yi)、计算

（一(yi)）云边端算网协同管理系统

揭榜(bang)任务：面向云边端多层级(ji)算力(li)环境，研发算网协同应用管理系统，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(yi)管理；研发应用软件在(zai)算网协同中的自动化(hua)构建部(bu)署能力(li)，支持应用软件的自动构建和(he)分发部(bu)署；研究算网协同应用系统的一(yi)体化(hua)观测能力(li)，降低运(yun)维复杂度，提(ti)高复杂应用软件运(yun)行的稳(wen)定性(xing)和(he)可靠性(xing)。

预期目标：到2026年，研制应用软件管理系统，支持对(dui)传统应用软件、云原生应用软件、AI应用软件、大数(shu)据(ju)应用软件等不少于5种应用软件的全生命周期管理。研究基于算网协同的分布式构建和(he)部(bu)署技术，支持上述应用软件的自动分发和(he)跨算力(li)节(jie)点部(bu)署，实现零人工介(jie)入。研发算网应用一(yi)体化(hua)观测功能，具备白盒化(hua)动态分析以及(ji)智能故障根因定位能力(li)。在(zai)不少于3个行业完成试点验(yan)证。

（二(er)）支持超大规模参数(shu)模型的训推一(yi)体化(hua)异构智算平台

揭榜(bang)任务：面向人工智能大模型训练和(he)推理对(dui)计算资源(yuan)的需(xu)求，研发支持超大规模参数(shu)模型的训练、推理一(yi)体化(hua)智算平台，包括资源(yuan)调度策略、训推加速套件等，并可支持多种硬件架构，屏(ping)蔽底(di)层硬件差异，提(ti)升(sheng)超大规模模型在(zai)训练、推理过程中稳(wen)定性(xing)、资源(yuan)利(li)用率和(he)运(yun)行效率。

预期目标：到2026年，研发一(yi)套支持万亿参数(shu)模型的超大规模训推一(yi)体化(hua)智算平台，万卡环境下稳(wen)定训练时间不低于30天，有效训练时长不低于95%，训练效率较当(dang)前主流(liu)水平提(ti)升(sheng)不低于30%，推理效率提(ti)升(sheng)不低于50%。支持主流(liu)深度学习框(kuang)架，兼容多种硬件架构，并提(ti)供统一(yi)的编程接口和(he)开发环境，实现不低于10个行业用户的落地验(yan)证。

（三）异构算力(li)跨域任务编排系统

揭榜(bang)任务：针对(dui)跨域异构算力(li)协同，研发跨域异构算力(li)管理系统，实现跨域异构算力(li)的管理和(he)应用。研发针对(dui)多样性(xing)算力(li)的规范化(hua)开放(fang)互联功能，支持对(dui)不同类型的异构算力(li)模型统一(yi)抽象封装；研发跨域异构算力(li)的管理功能，支持对(dui)跨域异构算力(li)的统一(yi)管理和(he)协同；研究跨域多主体算力(li)的安全认证和(he)控制方法(fa)，保(bao)障跨域协同安全。

预期目标：到2026年，研发不少于6种跨域协同调度算法(fa)，支持数(shu)据(ju)处理、函数(shu)计算、机器(qi)学习等不少于3个场景的计算任务部(bu)署，完成不少于5个跨域算力(li)中心的统一(yi)管理。研发跨域多主体算力(li)的安全认证方法(fa)，支持云边端等不同层级(ji)算力(li)协同的安全要(yao)求。在(zai)不少于2个行业完成试点验(yan)证。

（四）训推算力(li)一(yi)体机

揭榜(bang)任务：面向人工智能训练、推理场景，研发基于基础(chu)设施即服务（IaaS）和(he)平台即服务（PaaS）的高性(xing)能训推一(yi)体化(hua)解决方案，覆盖对(dui)大模型开发训练和(he)部(bu)署推理的全流(liu)程，包括数(shu)据(ju)准备、模型训练、模型评测和(he)模型部(bu)署。同时，支持大模型加密、攻击防御等能力(li)，解决针对(dui)大模型数(shu)据(ju)泄露、指令攻击等安全问题和(he)风险。

预期目标：到2026年，研发支持至(zhi)少3种指令集(ji)芯片的训推一(yi)体机，针对(dui)至(zhi)少5个行业开展人工智能训推一(yi)体机应用，为用户提(ti)供多元化(hua)训推一(yi)体化(hua)服务，并在(zai)至(zhi)少10种不同的场景进行人工智能训推一(yi)体机落地。

（五）大规模异构算力(li)集(ji)群推理加速技术

揭榜(bang)任务：研发存储(chu)、网络、计算的协同优化(hua)技术，通过模型加速、调度加速等方法(fa)实现大规模异构算力(li)集(ji)群在(zai)大模型推理方面的加速，从而支持更大的模型、更长的上下文、更高的性(xing)能及(ji)更低的能耗，促进算力(li)芯片在(zai)大模型推理方面的更好应用。

预期目标：到2026年，实现集(ji)群有效吞(tun)吐(tu)量5倍以上提(ti)升(sheng)，实际应用场景中可处理的请求数(shu)提(ti)升(sheng)1倍以上，首字延迟性(xing)能提(ti)升(sheng)1倍以上，芯片利(li)用率提(ti)升(sheng)50%以上。通过优化(hua)算力(li)中心计算、存储(chu)、网络的配比以及(ji)拓(tuo)扑结(jie)构和(he)系统调度策略，实现千卡以上异构集(ji)群在(zai)推理加速领域的突破。

二(er)、存储(chu)

（六）磁光(guang)电融合存储(chu)系统

揭榜(bang)任务：针对(dui)单一(yi)存储(chu)介(jie)质难以满足多样化(hua)数(shu)据(ju)存储(chu)需(xu)求的现状，依托磁、光(guang)、电存储(chu)在(zai)性(xing)能、寿命、功耗等方面的差异化(hua)特性(xing)，将磁、光(guang)、电存储(chu)技术进行融合，研发磁光(guang)电融合存储(chu)系统，构建基于固(gu)态硬盘（SSD）、机械硬盘（HDD）和(he)光(guang)存储(chu)的多级(ji)存储(chu)架构。根据(ju)业务特征(zheng)，将数(shu)据(ju)保(bao)存在(zai)不同级(ji)别的存储(chu)设备中，实现海量数(shu)据(ju)的集(ji)中、统一(yi)存储(chu)管理，支撑算力(li)中心高效、低碳、安全持续发展。

预期目标：到2026年，研发磁、光(guang)、电融合存储(chu)系统，支持适配分布式文件、分布式块和(he)分布式对(dui)象等至(zhi)少3种存储(chu)类型，系统可以根据(ju)数(shu)据(ju)的访问时间、访问频率、文件属性(xing)等自定义分级(ji)策略，根据(ju)业务负(fu)载动态调整迁(qian)移。系统可通过介(jie)质安全、系统安全、软件安全等夯实底(di)层安全能力(li)，通过防勒索(suo)、加密算法(fa)、远程监控、光(guang)存储(chu)预警检测等增强数(shu)据(ju)安全能力(li)。打(da)造(zao)磁光(guang)电融合存储(chu)应用示范，完成至(zhi)少20个业务系统应用，实现至(zhi)少4个东部(bu)地区数(shu)据(ju)流(liu)动至(zhi)西部(bu)磁光(guang)电存储(chu)系统，且数(shu)据(ju)存储(chu)量不少于10PB。

（七）存储(chu)调度管理及(ji)应用技术

揭榜(bang)任务：针对(dui)海量数(shu)据(ju)存储(chu)和(he)算力(li)孤岛问题，研发跨域多算的存力(li)调度、存网编排和(he)存算网一(yi)体化(hua)系统，实现数(shu)据(ju)的智能冷(leng)热分级(ji)、应用的跨域无感访问等能力(li)，有效降低成本、提(ti)高性(xing)能和(he)支撑业务。系统具备资源(yuan)规划、策略调整能力(li)，可优化(hua)和(he)调整全网数(shu)据(ju)存储(chu)布局，实现对(dui)不断(duan)变化(hua)的需(xu)求的适应。

预期目标：到2026年，研制具备高效、可扩展性(xing)的存储(chu)系统，基于智能算法(fa)，对(dui)数(shu)据(ju)进行分析和(he)调度，实现应用无感访问和(he)智能流(liu)动。研究存力(li)调度策略，使数(shu)据(ju)召回率控制在(zai)30%以下；研究基于潮汐(xi)网络调度算法(fa)，实现网络带宽利(li)用率提(ti)升(sheng)50%以上，达(da)到存网一(yi)体的目标。集(ji)成存储(chu)、计算和(he)网络的能力(li)，支持存算网一(yi)体化(hua)调度，在(zai)算力(li)中心资源(yuan)池落地应用。

三、网络

（八）高性(xing)能数(shu)据(ju)处理器(qi)（DPU）

揭榜(bang)任务：开展基于芯粒（Chiplet）和(he)第五代精简指令集(ji)（RISC-V）技术的软硬件一(yi)体DPU芯片技术研究，支持算力(li)中心、智算中心、超算中心场景所需(xu)的超高带宽和(he)超低时延，突破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(fa)、硬件密码算法(fa)、高性(xing)能虚拟化(hua)、硬件可编程等技术，实现基于ARM、X86、RISC-V等异构核心的DPU应用，提(ti)升(sheng)算力(li)中心基础(chu)设施处理能力(li)和(he)数(shu)据(ju)传输能效比。

预期目标：到2026年，完成超高性(xing)能DPU芯片研发工作，吞(tun)吐(tu)能力(li)达(da)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)操作系统兼容，支持数(shu)据(ju)报文硬件处理逻辑可编程。

（九）基于RoCE的智算网络

揭榜(bang)任务：面向RoCE网络开展设备及(ji)管控系统研发，通过提(ti)高设备带宽、优化(hua)负(fu)载均衡算法(fa)、强化(hua)网络流(liu)量规划及(ji)运(yun)维能力(li)等方式，提(ti)升(sheng)RoCE网络的吞(tun)吐(tu)量和(he)时延性(xing)能。研制新(xin)一(yi)代智能化(hua)管控工具，引入AI大模型能力(li)，简化(hua)RoCE网络的部(bu)署和(he)配置工作，实现全局、多维度的可视化(hua)运(yun)维。在(zai)网络波(bo)动、业务变更、故障等情(qing)况下，网络参数(shu)自动调整，流(liu)量快速切换，从而达(da)到提(ti)升(sheng)网络效率和(he)降低运(yun)维成本的目标。

预期目标：到2026年，实现新(xin)型RoCE网络整体方案的商(shang)用部(bu)署，网络性(xing)能提(ti)升(sheng)10%以上。通过智能化(hua)管控及(ji)运(yun)维工具，网络部(bu)署难度大幅降低，运(yun)维效率提(ti)升(sheng)50%以上，可支撑更大规模部(bu)署和(he)应用。

（十(shi)）光(guang)交换智算网络技术研究与验(yan)证

揭榜(bang)任务：面向智算集(ji)群低功耗、高带宽、低延迟技术需(xu)求，开展智算集(ji)群光(guang)交换组网关键(jian)技术研究与验(yan)证，重点突破智算集(ji)群光(guang)交换组网、路由协议适配等关键(jian)技术。针对(dui)智算集(ji)群的功能、性(xing)能、可靠性(xing)和(he)扩展性(xing)等要(yao)求，研究光(guang)拓(tuo)扑映射、光(guang)电混合路由、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、可平滑过渡升(sheng)级(ji)的光(guang)网络，支持人工智能等关键(jian)业务承载；光(guang)交换设备单端口速率支持100GE/400GE/800GE，交换容量弹性(xing)可扩展，可支持不少于3种异构算力(li)资源(yuan)互联，在(zai)不少于2个智算集(ji)群完成验(yan)证，并完成不少于3种智算业务承载验(yan)证。

（十(shi)一(yi)）面向分布式智算中心的网络关键(jian)技术研究与验(yan)证

揭榜(bang)任务：针对(dui)智算集(ji)群从集(ji)中式向分布式部(bu)署探索(suo)的趋势，攻关算力(li)中心间网络技术，研发面向智算中心间的高可靠传输设备，构建智算中心间超大容量、超低时延、超高可靠光(guang)电协同网络，实现智算中心高速、可靠互联。

预期目标：到2026年，突破智算中心间超大容量、超高可靠网络传输关键(jian)技术，研制面向智算中心间网络的传输设备，单波(bo)速率不低于1.6Tbps，设备时延不超过30us，支撑分布式智算中心间业务的高可靠传输。

四、应用

（十(shi)二(er)）智算中心跨域互联应用

揭榜(bang)任务：优化(hua)人工智能算力(li)基础(chu)设施布局，构建跨地域互补(bu)、协同算力(li)调度的超大规模人工智能算力(li)服务能力(li)。加强与人工智能芯片厂商(shang)的兼容适配，构筑大规模高性(xing)能异构算力(li)池，提(ti)供面向大模型训推场景深度优化(hua)的弹性(xing)调度、弹性(xing)容错、高资源(yuan)利(li)用率的人工智能算力(li)服务。

预期目标：到2026年，形成覆盖5个以上全国重点算力(li)枢(shu)纽节(jie)点的人工智能算力(li)中心，支持跨地域、跨云的算力(li)需(xu)求感知和(he)动态调度，完成3款以上算力(li)芯片适配，聚焦大模型训练和(he)推理场景，构建大规模、高性(xing)能、弹性(xing)调度、高容错的训推一(yi)体算力(li)资源(yuan)池，具备分钟级(ji)断(duan)点续训能力(li)，支持万卡级(ji)别并行训练。

（十(shi)三）算力(li)电力(li)协同应用

揭榜(bang)任务：研发基于算力(li)调度技术与能源(yuan)大模型的多云异构算电协同管理平台，构建基于数(shu)据(ju)驱动的算力(li)集(ji)群用电负(fu)荷特性(xing)模型、基于计算任务的时空(kong)转移特性(xing)的能源(yuan)大模型，推动算力(li)预测与调度技术在(zai)智算中心应用落地，提(ti)升(sheng)整体资源(yuan)利(li)用率，基于新(xin)能源(yuan)、新(xin)型储(chu)能系统开展算力(li)负(fu)荷与电力(li)系统的协同优化(hua)，实现精准、动态、实时的能源(yuan)调度与交易，实现算力(li)与电力(li)等能源(yuan)的深度协同。

预期目标：到2026年，实现智算场景下能源(yuan)与算力(li)全链路的数(shu)据(ju)穿透及(ji)流(liu)程整合，构建“算”随“电”动的直接控制及(ji)间接引导机制，实现算力(li)需(xu)求预测精准度达(da)到70%、集(ji)群有效负(fu)载率提(ti)升(sheng)25%以上，智算中心整体集(ji)群资源(yuan)利(li)用率提(ti)高10%。结(jie)合算力(li)集(ji)群用电数(shu)据(ju)、时间周期、气象数(shu)据(ju)、工作负(fu)载等多种因素(su)，实现“电”随“算”用的能源(yuan)效率优化(hua)与算效提(ti)升(sheng)，实现基础(chu)设施用能决策精准度85%以上，响应时效性(xing)达(da)到提(ti)前15分钟响应级(ji)别，智算中心整体算力(li)能效水平提(ti)升(sheng)30%，算力(li)中心用电成本降低5%以上。

（十(shi)四）大规模通信业务场景中的算力(li)应用

揭榜(bang)任务：围绕网络功能虚拟化(hua)（NFV）系统架构，针对(dui)NFV中网络性(xing)能、资源(yuan)利(li)用和(he)灵(ling)活(huo)展性(xing)等方面的挑战(zhan)，研发面向NFV架构的高性(xing)能虚拟化(hua)、智能化(hua)网络管理和(he)资源(yuan)编排算法(fa)等技术和(he)系统，突破虚拟化(hua)层与硬件加速器(qi)（如FPGA、DPU、GPU）之间的协同能力(li)。

预期目标：到2026年，NFV算力(li)平台系统中实现对(dui)虚拟化(hua)网络功能的智能调度，支持异构集(ji)群部(bu)署、动态扩展，资源(yuan)动态分配，虚拟化(hua)资源(yuan)利(li)用率提(ti)升(sheng)20%以上；支持GPU、FPGA等硬件加速器(qi)的虚拟化(hua)调度，加速网络处理性(xing)能至(zhi)Tbps以上；支持智能化(hua)网络虚拟化(hua)功能管理，提(ti)升(sheng)NFV系统的自动化(hua)运(yun)维能力(li)和(he)管理效能，故障修复时间缩(suo)减不低于30%。

五、绿色低碳

（十(shi)五）绿色算力(li)技术研究及(ji)应用

揭榜(bang)任务：围绕算力(li)的绿色节(jie)能技术突破，面向算力(li)中的任务调度特性(xing)、能源(yuan)使用模式、负(fu)载均衡要(yao)求等关键(jian)要(yao)素(su)，研发适应于绿色计算的动态资源(yuan)调度算法(fa)、能耗优化(hua)管理系统，以及(ji)面向多场景的协同节(jie)能机制，突破节(jie)能算法(fa)的智能化(hua)程度，提(ti)升(sheng)算力(li)网络中多节(jie)点的能源(yuan)利(li)用效率。

预期目标：到2026年，能耗管理系统实现对(dui)算力(li)中心和(he)网络节(jie)点的实时监控与节(jie)能调度，通过计算节(jie)点支持动态调频、动态电压调节(jie)，单节(jie)点平均能耗降低30%以上，满足AI推理等应用需(xu)求。

（十(shi)六）企业绿色计算碳感知平台

揭榜(bang)任务：建立企业算力(li)中心碳排放(fang)度量体系，能够实时、精准地统计企业各个算力(li)中心碳排放(fang)，并能将碳排放(fang)量分摊(tan)到不同的业务部(bu)门、应用场景和(he)工作负(fu)载，实现精细化(hua)的碳排放(fang)的管理。同时，基于碳排放(fang)的数(shu)据(ju)，实现碳感知调度能力(li)，通过在(zai)保(bao)证业务体验(yan)和(he)连续性(xing)的情(qing)况下将工作负(fu)载调度到更加低碳的算力(li)中心，进一(yi)步降低碳排放(fang)。

预期目标：到2026年，围绕千万核级(ji)别跨域的算力(li)中心，构建企业级(ji)绿色计算碳感知平台，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(fang)的技术方法(fa)和(he)指标体系，通过生态共建形成绿色度量衡标准体系。构建碳感知调度能力(li)，达(da)到算力(li)中心可再生能源(yuan)比例(li)30%的目标。

（十(shi)七）冷(leng)板式液冷(leng)原生整机柜服务器(qi)

揭榜(bang)任务：面向新(xin)一(yi)代液冷(leng)算力(li)中心，研发冷(leng)板式液冷(leng)整机柜，包括液冷(leng)服务器(qi)节(jie)点、无源(yuan)液冷(leng)门等，突破高密算力(li)、多样性(xing)算力(li)的散热技术及(ji)架构要(yao)求，实现支持供电总线、网络互联总线、液冷(leng)管路可盲插运(yun)维的液冷(leng)设备，具备液冷(leng)机柜及(ji)液冷(leng)服务器(qi)等多级(ji)漏液检测能力(li)，有效降低业务中断(duan)范围与损失。

预期目标：到2026年，液冷(leng)整机柜实现100%液冷(leng)散热，制冷(leng)PUE低于1.15。整机柜服务器(qi)内部(bu)实现全盲插设计，管理模块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(li)单柜功率不低于20kW，智能算力(li)单机柜功率不低于30kW，实现不少于500台液冷(leng)节(jie)点的规模落地应用。

（十(shi)八）算力(li)中心节(jie)能调优平台

揭榜(bang)任务：研制高精确度、高仿真效率、多场景覆盖的算力(li)中心PUE仿真平台，突破物(wu)理机理模型构建、仿真引擎集(ji)群、模型自动生成等关键(jian)技术，实现对(dui)算力(li)中心不同运(yun)行状态下细分时间颗粒度PUE的快速、精准评估。研发基于大数(shu)据(ju)分析技术的算力(li)中心制冷(leng)系统AI节(jie)能优化(hua)系统，通过自动化(hua)数(shu)据(ju)治理、自动推理等关键(jian)技术，准确匹配制冷(leng)需(xu)求，在(zai)满足可靠性(xing)要(yao)求条件下实现算力(li)中心制冷(leng)系统整体动态实时优化(hua)，优化(hua)算力(li)中心PUE。

预期目标：到2026年，支持液冷(leng)、水冷(leng)等至(zhi)少2类典型制冷(leng)场景进行能效优化(hua)，支持制冷(leng)系统和(he)配电系统联合仿真，系统可输出不同负(fu)载及(ji)运(yun)行工况条件下的PUE运(yun)行曲线、系统设备运(yun)行模拟工况等参数(shu)，PUE仿真精度达(da)到97%以上。基于能效优化(hua)平台，支持AI自动推理，小时级(ji)策略自动下发，实现对(dui)算力(li)中心能耗的可视、可管、可控。通过AI能效优化(hua)，实现算力(li)中心PUE降低5%以上，通过算力(li)中心基础(chu)设施与IT联动节(jie)能，实现总能耗降低5%以上，在(zai)5个以上算力(li)中心落地应用。

（十(shi)九）新(xin)型制冷(leng)系统

揭榜(bang)任务：研发人工智能节(jie)能系统，针对(dui)算力(li)中心基础(chu)设施的运(yun)行调控和(he)环境监测。提(ti)出全新(xin)自适应算法(fa)，突破原有常见算法(fa)的局限性(xing)，提(ti)升(sheng)数(shu)据(ju)的分析和(he)处理效果，搭建基于专家经验(yan)的人工智能算法(fa)数(shu)据(ju)库(ku)，提(ti)升(sheng)包括能耗管理、能源(yuan)调度、安全监测、故障诊断(duan)、辅助运(yun)维等功能的节(jie)能性(xing)、可靠性(xing)、经济性(xing)。

预期目标：到2026年，在(zai)满足制冷(leng)要(yao)求的基础(chu)上，提(ti)高冷(leng)却(que)系统的可靠性(xing)和(he)自适应性(xing)，提(ti)高能源(yuan)使用效率、水资源(yuan)使用效率和(he)运(yun)维效率，其中节(jie)电率提(ti)升(sheng)10%以上。支持冷(leng)却(que)系统数(shu)据(ju)采集(ji)、标注、治理、存储(chu)，具备系统运(yun)行异常告警、告警收敛、自动诊断(duan)、远程通信、自动控制等功能，支持冷(leng)却(que)系统智能化(hua)调优、智能化(hua)控制的核心能力(li)，并开展不少于5个实际业务场景所提(ti)供的AI节(jie)能调优案例(li)。

六、安全可靠

（二(er)十(shi)）算力(li)中心智能运(yun)维机器(qi)人

揭榜(bang)任务：研发算力(li)中心智能运(yun)维机器(qi)人以及(ji)智能机器(qi)人管理平台，基于云边端三层架构，实现智能机器(qi)人在(zai)多层、多房间楼宇机房内的设备设施识别、多模态环境感知、精准空(kong)间定位、智能人机协同、多任务联合调度等方面的技术与算法(fa)优化(hua)。支撑机器(qi)人在(zai)算力(li)中心设施运(yun)维和(he)IT运(yun)营等典型场景的应用，提(ti)升(sheng)巡检质量，促进算力(li)中心运(yun)维、运(yun)营的降本增效。

预期目标：到2026年，实现大型算力(li)中心内智能机器(qi)人的多机房、多楼层协同应用部(bu)署；机器(qi)人巡检任务成功率不低于95%，设备识别准确率达(da)到97%，环境巡检召回率不低于90%，保(bao)障算力(li)中心巡检业务持续运(yun)行。实现云边端协同调度，支持不同场景下的自主作业，提(ti)高任务并发执行效率，促进稳(wen)定、安全、可靠、可控的算力(li)中心智能运(yun)维体系建设。

（二(er)十(shi)一(yi)）云边端一(yi)体化(hua)智能监测平台

揭榜(bang)任务：开发高性(xing)能云边端一(yi)体化(hua)系统，研发以智能化(hua)终端或机器(qi)人为硬件载体、以多算法(fa)模型融合和(he)平台工具为软件载体的软硬结(jie)合的集(ji)中监测管理与运(yun)维巡检方案。突破多层级(ji)自动化(hua)运(yun)维、多维度诊断(duan)、多平台覆盖、多模型量化(hua)等关键(jian)技术。构建综(zong)合运(yun)维健康度数(shu)字化(hua)评估体系与模型，实现算力(li)设施从规划、设计、建设、部(bu)署、运(yun)行、维护的全生命周期数(shu)字化(hua)管理。

预期目标：到2026年，建立大规模集(ji)群的智能化(hua)运(yun)维能力(li)，设备实现跨平台及(ji)系统稳(wen)定性(xing)风险和(he)安全风险识别能力(li)，综(zong)合视频识别技术等，结(jie)构化(hua)告警收敛推送，准确率超过98%。算力(li)设施全生命周期数(shu)字化(hua)联动，平台自动化(hua)流(liu)程推进，实现云端直控覆盖超10栋算力(li)中心，落地数(shu)字化(hua)算力(li)中心健康度评估，智能化(hua)终端或机器(qi)人的自驱动巡检，视频流(liu)识别与告警的联动，系统的智能化(hua)运(yun)维问答，并保(bao)障业务服务级(ji)别协议（SLA）达(da)标率99%以上。