二、申报和推荐

（一）申报单位须为在中华人民共和国(guo)境内注(zhu)册、具有(you)独立法人资格、具有(you)较强技术创新和产业化应用能力的企事业单位。申报单位根据《算力强基(ji)揭榜行动任(ren)务榜单》（见(jian)附件）选(xuan)择揭榜任(ren)务，并需承诺揭榜后能够在指定期限内完(wan)成相应任(ren)务，每个(ge)单位申报不超(chao)过(guo)3个(ge)项目。有(you)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(chao)过(guo)4家。

（二）各省、自治区(qu)、直辖市工业和信息化主管部门、通信管理(li)局以及有(you)关中央企业按照政(zheng)府(fu)引导、企业自愿的原则，组织有(you)关单位积极(ji)申报揭榜，并作为推荐单位，遵循公开、公平、公正的原则，审核遴选(xuan)推荐创新能力突出、产业化前景(jing)好、行业带动作用明显的项目，报工业和信息化部（信息通信发展司(si)）。

三、工作程序和要求(qiu)

（一）申报单位通过(guo)申报系统进行申报，完(wan)成注(zhu)册后填写申报所需材料。申报截止时间为2025年3月15日。

（二）各省、自治区(qu)、直辖市工业和信息化主管部门、通信管理(li)局以及有(you)关中央企业作为推荐单位，应于2025年3月31日前登录系统并确认推荐名单（账号密码请通过(guo)联系人获取）。推荐单位在每个(ge)方向推荐项目数(shu)量原则上不超(chao)过(guo)3个(ge)，所有(you)方向累(lei)计推荐项目总量不超(chao)过(guo)20个(ge)。鼓励(li)各推荐单位结合实际情况，对(dui)推荐项目单位在政(zheng)策、资金、资源(yuan)配套等方面加大扶持(chi)力度。

（三）工业和信息化部组织遴选(xuan)并公布入围揭榜单位名单。入围揭榜单位完(wan)成攻关任(ren)务后（名单公布之(zhi)日起不超(chao)过(guo)2年），工业和信息化部委托第三方专业机构开展测评工作，择优确定揭榜优胜单位（每个(ge)揭榜方向原则上不超(chao)过(guo)3家）。工业和信息化部将统筹利用各类(lei)资源(yuan)对(dui)揭榜入围、优胜单位予以支持(chi)，推动优秀成果示范应用推广。

工业和信息化部办公厅

2025年2月21日

附件

算力强基(ji)揭榜行动任(ren)务榜单

一 计算

（一）云边端算网协同管理(li)系统

揭榜任(ren)务：面向云边端多层级算力环境，研发算网协同应用管理(li)系统，设计面向不同应用软件架构的管理(li)机制，支持(chi)对(dui)不同架构应用软件的统一管理(li)；研发应用软件在算网协同中的自动化构建部署能力，支持(chi)应用软件的自动构建和分发部署；研究算网协同应用系统的一体化观测能力，降(jiang)低(di)运维(wei)复杂度，提高复杂应用软件运行的稳定性和可靠性。

预期目标：到2026年，研制应用软件管理(li)系统，支持(chi)对(dui)传统应用软件、云原生应用软件、AI应用软件、大数(shu)据应用软件等不少于5种应用软件的全(quan)生命周期管理(li)。研究基(ji)于算网协同的分布式构建和部署技术，支持(chi)上述应用软件的自动分发和跨算力节(jie)点部署，实现零人工介入。研发算网应用一体化观测功能，具备白盒(he)化动态分析以及智能故障根因定位能力。在不少于3个(ge)行业完(wan)成试点验证。

（二）支持(chi)超(chao)大规(gui)模参数(shu)模型的训推一体化异(yi)构智算平台

揭榜任(ren)务：面向人工智能大模型训练和推理(li)对(dui)计算资源(yuan)的需求(qiu)，研发支持(chi)超(chao)大规(gui)模参数(shu)模型的训练、推理(li)一体化智算平台，包括资源(yuan)调度策略、训推加速套件等，并可支持(chi)多种硬件架构，屏蔽底层硬件差异(yi)，提升超(chao)大规(gui)模模型在训练、推理(li)过(guo)程中稳定性、资源(yuan)利用率(lu)和运行效率(lu)。

预期目标：到2026年，研发一套支持(chi)万亿参数(shu)模型的超(chao)大规(gui)模训推一体化智算平台，万卡环境下稳定训练时间不低(di)于30天，有(you)效训练时长不低(di)于95%，训练效率(lu)较当前主流水平提升不低(di)于30%，推理(li)效率(lu)提升不低(di)于50%。支持(chi)主流深度学习框架，兼容多种硬件架构，并提供统一的编程接口和开发环境，实现不低(di)于10个(ge)行业用户的落地验证。

（三）异(yi)构算力跨域任(ren)务编排(pai)系统

揭榜任(ren)务：针对(dui)跨域异(yi)构算力协同，研发跨域异(yi)构算力管理(li)系统，实现跨域异(yi)构算力的管理(li)和应用。研发针对(dui)多样性算力的规(gui)范化开放互联功能，支持(chi)对(dui)不同类(lei)型的异(yi)构算力模型统一抽(chou)象封装；研发跨域异(yi)构算力的管理(li)功能，支持(chi)对(dui)跨域异(yi)构算力的统一管理(li)和协同；研究跨域多主体算力的安(an)全(quan)认证和控制方法，保(bao)障跨域协同安(an)全(quan)。

预期目标：到2026年，研发不少于6种跨域协同调度算法，支持(chi)数(shu)据处理(li)、函数(shu)计算、机器学习等不少于3个(ge)场景(jing)的计算任(ren)务部署，完(wan)成不少于5个(ge)跨域算力中心的统一管理(li)。研发跨域多主体算力的安(an)全(quan)认证方法，支持(chi)云边端等不同层级算力协同的安(an)全(quan)要求(qiu)。在不少于2个(ge)行业完(wan)成试点验证。

（四）训推算力一体机

揭榜任(ren)务：面向人工智能训练、推理(li)场景(jing)，研发基(ji)于基(ji)础设施即(ji)服务（IaaS）和平台即(ji)服务（PaaS）的高性能训推一体化解决方案，覆(fu)盖对(dui)大模型开发训练和部署推理(li)的全(quan)流程，包括数(shu)据准备、模型训练、模型评测和模型部署。同时，支持(chi)大模型加密、攻击防御等能力，解决针对(dui)大模型数(shu)据泄露、指令攻击等安(an)全(quan)问题和风险。

预期目标：到2026年，研发支持(chi)至少3种指令集芯片的训推一体机，针对(dui)至少5个(ge)行业开展人工智能训推一体机应用，为用户提供多元化训推一体化服务，并在至少10种不同的场景(jing)进行人工智能训推一体机落地。

（五）大规(gui)模异(yi)构算力集群(qun)推理(li)加速技术

揭榜任(ren)务：研发存储、网络、计算的协同优化技术，通过(guo)模型加速、调度加速等方法实现大规(gui)模异(yi)构算力集群(qun)在大模型推理(li)方面的加速，从而支持(chi)更大的模型、更长的上下文、更高的性能及更低(di)的能耗，促进算力芯片在大模型推理(li)方面的更好应用。

预期目标：到2026年，实现集群(qun)有(you)效吞吐量5倍以上提升，实际应用场景(jing)中可处理(li)的请求(qiu)数(shu)提升1倍以上，首字延迟性能提升1倍以上，芯片利用率(lu)提升50%以上。通过(guo)优化算力中心计算、存储、网络的配比以及拓扑结构和系统调度策略，实现千卡以上异(yi)构集群(qun)在推理(li)加速领域的突破(po)。

二 存储

（六）磁光电融合存储系统

揭榜任(ren)务：针对(dui)单一存储介质难以满(man)足多样化数(shu)据存储需求(qiu)的现状，依托磁、光、电存储在性能、寿命、功耗等方面的差异(yi)化特性，将磁、光、电存储技术进行融合，研发磁光电融合存储系统，构建基(ji)于固态硬盘(pan)（SSD）、机械硬盘(pan)（HDD）和光存储的多级存储架构。根据业务特征，将数(shu)据保(bao)存在不同级别的存储设备中，实现海量数(shu)据的集中、统一存储管理(li)，支撑(cheng)算力中心高效、低(di)碳、安(an)全(quan)持(chi)续发展。

预期目标：到2026年，研发磁、光、电融合存储系统，支持(chi)适(shi)配分布式文件、分布式块(kuai)和分布式对(dui)象等至少3种存储类(lei)型，系统可以根据数(shu)据的访问时间、访问频率(lu)、文件属性等自定义分级策略，根据业务负载动态调整迁(qian)移。系统可通过(guo)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(guo)防勒索、加密算法、远程监控、光存储预警检测等增强数(shu)据安(an)全(quan)能力。打造磁光电融合存储应用示范，完(wan)成至少20个(ge)业务系统应用，实现至少4个(ge)东部地区(qu)数(shu)据流动至西(xi)部磁光电存储系统，且数(shu)据存储量不少于10PB。

（七）存储调度管理(li)及应用技术

揭榜任(ren)务：针对(dui)海量数(shu)据存储和算力孤(gu)岛问题，研发跨域多算的存力调度、存网编排(pai)和存算网一体化系统，实现数(shu)据的智能冷(leng)热分级、应用的跨域无感访问等能力，有(you)效降(jiang)低(di)成本、提高性能和支撑(cheng)业务。系统具备资源(yuan)规(gui)划、策略调整能力，可优化和调整全(quan)网数(shu)据存储布局，实现对(dui)不断变化的需求(qiu)的适(shi)应。

预期目标：到2026年，研制具备高效、可扩展性的存储系统，基(ji)于智能算法，对(dui)数(shu)据进行分析和调度，实现应用无感访问和智能流动。研究存力调度策略，使数(shu)据召回率(lu)控制在30%以下；研究基(ji)于潮汐网络调度算法，实现网络带宽利用率(lu)提升50%以上，达到存网一体的目标。集成存储、计算和网络的能力，支持(chi)存算网一体化调度，在算力中心资源(yuan)池落地应用。

三 网络

（八）高性能数(shu)据处理(li)器（DPU）

揭榜任(ren)务：开展基(ji)于芯粒（Chiplet）和第五代精简指令集（RISC-V）技术的软硬件一体DPU芯片技术研究，支持(chi)算力中心、智算中心、超(chao)算中心场景(jing)所需的超(chao)高带宽和超(chao)低(di)时延，突破(po)Chiplet异(yi)构芯片封装技术、高速Serdes通信、大规(gui)模无损网络拥塞算法、硬件密码算法、高性能虚(xu)拟(ni)化、硬件可编程等技术，实现基(ji)于ARM、X86、RISC-V等异(yi)构核心的DPU应用，提升算力中心基(ji)础设施处理(li)能力和数(shu)据传输能效比。

预期目标：到2026年，完(wan)成超(chao)高性能DPU芯片研发工作，吞吐能力达到400Gbps，单向流量时延不高于30us，支持(chi)与国(guo)内外主流CPU、GPU芯片平台的适(shi)配，支持(chi)主流操作系统兼容，支持(chi)数(shu)据报文硬件处理(li)逻辑可编程。

（九(jiu)）基(ji)于RoCE的智算网络

揭榜任(ren)务：面向RoCE网络开展设备及管控系统研发，通过(guo)提高设备带宽、优化负载均衡算法、强化网络流量规(gui)划及运维(wei)能力等方式，提升RoCE网络的吞吐量和时延性能。研制新一代智能化管控工具，引入AI大模型能力，简化RoCE网络的部署和配置工作，实现全(quan)局、多维(wei)度的可视化运维(wei)。在网络波动、业务变更、故障等情况下，网络参数(shu)自动调整，流量快速切换，从而达到提升网络效率(lu)和降(jiang)低(di)运维(wei)成本的目标。

预期目标：到2026年，实现新型RoCE网络整体方案的商用部署，网络性能提升10%以上。通过(guo)智能化管控及运维(wei)工具，网络部署难度大幅降(jiang)低(di)，运维(wei)效率(lu)提升50%以上，可支撑(cheng)更大规(gui)模部署和应用。

（十）光交换智算网络技术研究与验证

揭榜任(ren)务：面向智算集群(qun)低(di)功耗、高带宽、低(di)延迟技术需求(qiu)，开展智算集群(qun)光交换组网关键技术研究与验证，重点突破(po)智算集群(qun)光交换组网、路由协议适(shi)配等关键技术。针对(dui)智算集群(qun)的功能、性能、可靠性和扩展性等要求(qiu)，研究光拓扑映(ying)射、光电混合路由、多路径负载均衡等技术。

预期目标：到2026年，实现支持(chi)智算集群(qun)的易操作、高可靠、可平滑过(guo)渡升级的光网络，支持(chi)人工智能等关键业务承载；光交换设备单端口速率(lu)支持(chi)100GE/400GE/800GE，交换容量弹性可扩展，可支持(chi)不少于3种异(yi)构算力资源(yuan)互联，在不少于2个(ge)智算集群(qun)完(wan)成验证，并完(wan)成不少于3种智算业务承载验证。

（十一）面向分布式智算中心的网络关键技术研究与验证

揭榜任(ren)务：针对(dui)智算集群(qun)从集中式向分布式部署探索的趋势，攻关算力中心间网络技术，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(chao)大容量、超(chao)低(di)时延、超(chao)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，突破(po)智算中心间超(chao)大容量、超(chao)高可靠网络传输关键技术，研制面向智算中心间网络的传输设备，单波速率(lu)不低(di)于1.6Tbps，设备时延不超(chao)过(guo)30us，支撑(cheng)分布式智算中心间业务的高可靠传输。

四 应用

（十二）智算中心跨域互联应用

揭榜任(ren)务：优化人工智能算力基(ji)础设施布局，构建跨地域互补、协同算力调度的超(chao)大规(gui)模人工智能算力服务能力。加强与人工智能芯片厂商的兼容适(shi)配，构筑大规(gui)模高性能异(yi)构算力池，提供面向大模型训推场景(jing)深度优化的弹性调度、弹性容错、高资源(yuan)利用率(lu)的人工智能算力服务。

预期目标：到2026年，形成覆(fu)盖5个(ge)以上全(quan)国(guo)重点算力枢纽节(jie)点的人工智能算力中心，支持(chi)跨地域、跨云的算力需求(qiu)感知和动态调度，完(wan)成3款以上算力芯片适(shi)配，聚焦大模型训练和推理(li)场景(jing)，构建大规(gui)模、高性能、弹性调度、高容错的训推一体算力资源(yuan)池，具备分钟级断点续训能力，支持(chi)万卡级别并行训练。

（十三）算力电力协同应用

揭榜任(ren)务：研发基(ji)于算力调度技术与能源(yuan)大模型的多云异(yi)构算电协同管理(li)平台，构建基(ji)于数(shu)据驱动的算力集群(qun)用电负荷特性模型、基(ji)于计算任(ren)务的时空转移特性的能源(yuan)大模型，推动算力预测与调度技术在智算中心应用落地，提升整体资源(yuan)利用率(lu)，基(ji)于新能源(yuan)、新型储能系统开展算力负荷与电力系统的协同优化，实现精准、动态、实时的能源(yuan)调度与交易，实现算力与电力等能源(yuan)的深度协同。

预期目标：到2026年，实现智算场景(jing)下能源(yuan)与算力全(quan)链路的数(shu)据穿透及流程整合，构建“算”随“电”动的直接控制及间接引导机制，实现算力需求(qiu)预测精准度达到70%、集群(qun)有(you)效负载率(lu)提升25%以上，智算中心整体集群(qun)资源(yuan)利用率(lu)提高10%。结合算力集群(qun)用电数(shu)据、时间周期、气象数(shu)据、工作负载等多种因素，实现“电”随“算”用的能源(yuan)效率(lu)优化与算效提升，实现基(ji)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，智算中心整体算力能效水平提升30%，算力中心用电成本降(jiang)低(di)5%以上。

（十四）大规(gui)模通信业务场景(jing)中的算力应用

揭榜任(ren)务：围绕网络功能虚(xu)拟(ni)化（NFV）系统架构，针对(dui)NFV中网络性能、资源(yuan)利用和灵活(huo)展性等方面的挑战(zhan)，研发面向NFV架构的高性能虚(xu)拟(ni)化、智能化网络管理(li)和资源(yuan)编排(pai)算法等技术和系统，突破(po)虚(xu)拟(ni)化层与硬件加速器（如FPGA、DPU、GPU）之(zhi)间的协同能力。

预期目标：到2026年，NFV算力平台系统中实现对(dui)虚(xu)拟(ni)化网络功能的智能调度，支持(chi)异(yi)构集群(qun)部署、动态扩展，资源(yuan)动态分配，虚(xu)拟(ni)化资源(yuan)利用率(lu)提升20%以上；支持(chi)GPU、FPGA等硬件加速器的虚(xu)拟(ni)化调度，加速网络处理(li)性能至Tbps以上；支持(chi)智能化网络虚(xu)拟(ni)化功能管理(li)，提升NFV系统的自动化运维(wei)能力和管理(li)效能，故障修复时间缩减不低(di)于30%。

五 绿色低(di)碳

（十五）绿色算力技术研究及应用

揭榜任(ren)务：围绕算力的绿色节(jie)能技术突破(po)，面向算力中的任(ren)务调度特性、能源(yuan)使用模式、负载均衡要求(qiu)等关键要素，研发适(shi)应于绿色计算的动态资源(yuan)调度算法、能耗优化管理(li)系统，以及面向多场景(jing)的协同节(jie)能机制，突破(po)节(jie)能算法的智能化程度，提升算力网络中多节(jie)点的能源(yuan)利用效率(lu)。

预期目标：到2026年，能耗管理(li)系统实现对(dui)算力中心和网络节(jie)点的实时监控与节(jie)能调度，通过(guo)计算节(jie)点支持(chi)动态调频、动态电压调节(jie)，单节(jie)点平均能耗降(jiang)低(di)30%以上，满(man)足AI推理(li)等应用需求(qiu)。

（十六）企业绿色计算碳感知平台

揭榜任(ren)务：建立企业算力中心碳排(pai)放度量体系，能够实时、精准地统计企业各个(ge)算力中心碳排(pai)放，并能将碳排(pai)放量分摊到不同的业务部门、应用场景(jing)和工作负载，实现精细化的碳排(pai)放的管理(li)。同时，基(ji)于碳排(pai)放的数(shu)据，实现碳感知调度能力，通过(guo)在保(bao)证业务体验和连(lian)续性的情况下将工作负载调度到更加低(di)碳的算力中心，进一步降(jiang)低(di)碳排(pai)放。

预期目标：到2026年，围绕千万核级别跨域的算力中心，构建企业级绿色计算碳感知平台，形成一套行业通用的、可精确度量不同类(lei)型工作负载碳排(pai)放的技术方法和指标体系，通过(guo)生态共建形成绿色度量衡标准体系。构建碳感知调度能力，达到算力中心可再生能源(yuan)比例30%的目标。

（十七）冷(leng)板式液冷(leng)原生整机柜服务器

揭榜任(ren)务：面向新一代液冷(leng)算力中心，研发冷(leng)板式液冷(leng)整机柜，包括液冷(leng)服务器节(jie)点、无源(yuan)液冷(leng)门等，突破(po)高密算力、多样性算力的散热技术及架构要求(qiu)，实现支持(chi)供电总线(xian)、网络互联总线(xian)、液冷(leng)管路可盲(mang)插运维(wei)的液冷(leng)设备，具备液冷(leng)机柜及液冷(leng)服务器等多级漏液检测能力，有(you)效降(jiang)低(di)业务中断范围与损失。

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(di)于1.15。整机柜服务器内部实现全(quan)盲(mang)插设计，管理(li)模块(kuai)可实现整机柜功耗管理(li)、漏液检测、资产管理(li)等功能；通用算力单柜功率(lu)不低(di)于20kW，智能算力单机柜功率(lu)不低(di)于30kW，实现不少于500台液冷(leng)节(jie)点的规(gui)模落地应用。

（十八）算力中心节(jie)能调优平台

揭榜任(ren)务：研制高精确度、高仿真效率(lu)、多场景(jing)覆(fu)盖的算力中心PUE仿真平台，突破(po)物理(li)机理(li)模型构建、仿真引擎集群(qun)、模型自动生成等关键技术，实现对(dui)算力中心不同运行状态下细分时间颗粒度PUE的快速、精准评估(gu)。研发基(ji)于大数(shu)据分析技术的算力中心制冷(leng)系统AI节(jie)能优化系统，通过(guo)自动化数(shu)据治理(li)、自动推理(li)等关键技术，准确匹配制冷(leng)需求(qiu)，在满(man)足可靠性要求(qiu)条件下实现算力中心制冷(leng)系统整体动态实时优化，优化算力中心PUE。

预期目标：到2026年，支持(chi)液冷(leng)、水冷(leng)等至少2类(lei)典型制冷(leng)场景(jing)进行能效优化，支持(chi)制冷(leng)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(xian)、系统设备运行模拟(ni)工况等参数(shu)，PUE仿真精度达到97%以上。基(ji)于能效优化平台，支持(chi)AI自动推理(li)，小(xiao)时级策略自动下发，实现对(dui)算力中心能耗的可视、可管、可控。通过(guo)AI能效优化，实现算力中心PUE降(jiang)低(di)5%以上，通过(guo)算力中心基(ji)础设施与IT联动节(jie)能，实现总能耗降(jiang)低(di)5%以上，在5个(ge)以上算力中心落地应用。

（十九(jiu)）新型制冷(leng)系统

揭榜任(ren)务：研发人工智能节(jie)能系统，针对(dui)算力中心基(ji)础设施的运行调控和环境监测。提出全(quan)新自适(shi)应算法，突破(po)原有(you)常见(jian)算法的局限性，提升数(shu)据的分析和处理(li)效果，搭建基(ji)于专家经验的人工智能算法数(shu)据库，提升包括能耗管理(li)、能源(yuan)调度、安(an)全(quan)监测、故障诊断、辅助运维(wei)等功能的节(jie)能性、可靠性、经济性。

预期目标：到2026年，在满(man)足制冷(leng)要求(qiu)的基(ji)础上，提高冷(leng)却系统的可靠性和自适(shi)应性，提高能源(yuan)使用效率(lu)、水资源(yuan)使用效率(lu)和运维(wei)效率(lu)，其中节(jie)电率(lu)提升10%以上。支持(chi)冷(leng)却系统数(shu)据采集、标注(zhu)、治理(li)、存储，具备系统运行异(yi)常告警、告警收敛、自动诊断、远程通信、自动控制等功能，支持(chi)冷(leng)却系统智能化调优、智能化控制的核心能力，并开展不少于5个(ge)实际业务场景(jing)所提供的AI节(jie)能调优案例。

六 安(an)全(quan)可靠

（二十）算力中心智能运维(wei)机器人

揭榜任(ren)务：研发算力中心智能运维(wei)机器人以及智能机器人管理(li)平台，基(ji)于云边端三层架构，实现智能机器人在多层、多房间楼宇(yu)机房内的设备设施识别、多模态环境感知、精准空间定位、智能人机协同、多任(ren)务联合调度等方面的技术与算法优化。支撑(cheng)机器人在算力中心设施运维(wei)和IT运营等典型场景(jing)的应用，提升巡检质量，促进算力中心运维(wei)、运营的降(jiang)本增效。

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、多楼层协同应用部署；机器人巡检任(ren)务成功率(lu)不低(di)于95%，设备识别准确率(lu)达到97%，环境巡检召回率(lu)不低(di)于90%，保(bao)障算力中心巡检业务持(chi)续运行。实现云边端协同调度，支持(chi)不同场景(jing)下的自主作业，提高任(ren)务并发执行效率(lu)，促进稳定、安(an)全(quan)、可靠、可控的算力中心智能运维(wei)体系建设。

（二十一）云边端一体化智能监测平台

揭榜任(ren)务：开发高性能云边端一体化系统，研发以智能化终端或机器人为硬件载体、以多算法模型融合和平台工具为软件载体的软硬结合的集中监测管理(li)与运维(wei)巡检方案。突破(po)多层级自动化运维(wei)、多维(wei)度诊断、多平台覆(fu)盖、多模型量化等关键技术。构建综合运维(wei)健康度数(shu)字化评估(gu)体系与模型，实现算力设施从规(gui)划、设计、建设、部署、运行、维(wei)护的全(quan)生命周期数(shu)字化管理(li)。

预期目标：到2026年，建立大规(gui)模集群(qun)的智能化运维(wei)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，结构化告警收敛推送(song)，准确率(lu)超(chao)过(guo)98%。算力设施全(quan)生命周期数(shu)字化联动，平台自动化流程推进，实现云端直控覆(fu)盖超(chao)10栋算力中心，落地数(shu)字化算力中心健康度评估(gu)，智能化终端或机器人的自驱动巡检，视频流识别与告警的联动，系统的智能化运维(wei)问答，并保(bao)障业务服务级别协议（SLA）达标率(lu)99%以上。

七 其他(ta)

（二十二）其他(ta)算力领域的特色化技术、产品、服务和平台等，应具有(you)技术先进性，技术成熟(shu)度较高，产业化前景(jing)较好。

责编:史健 | 审核:李震 | 监审:万军伟

【免(mian)责声明】本文仅代表(biao)作者本人观点，与和讯(xun)网无关。和讯(xun)网站对(dui)文中陈述、观点判断保(bao)持(chi)中立，不对(dui)所包含内容的准确性、可靠性或完(wan)整性提供任(ren)何明示或暗(an)示的保(bao)证。请读者仅作参考，并请自行承担(dan)全(quan)部责任(ren)。邮箱：news_center@staff.hexun.com