二、申报和(he)推荐

（一）申报单位须(xu)为在中华(hua)人民共(gong)和(he)国境内注册(ce)、具有独立法人资格、具有较强技术创新和(he)产业化应用能力的企事业单位。申报单位根据《算力强基揭榜(bang)行动任务(wu)榜(bang)单》（见附件）选择揭榜(bang)任务(wu)，并需承诺揭榜(bang)后能够在指定期限内完(wan)成相应任务(wu)，每个单位申报不超过3个项(xiang)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）各省、自(zi)治区、直辖市(shi)工(gong)业和(he)信息化主(zhu)管部门、通信管理局以及有关中央企业按照政府引导、企业自(zi)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(ping)、公正的原则，审核遴选推荐创新能力突出、产业化前景好、行业带动作用明显的项(xiang)目，报工(gong)业和(he)信息化部（信息通信发展司）。

三、工(gong)作程序和(he)要求

（一）申报单位通过申报系统(tong)进(jin)行申报，完(wan)成注册(ce)后填写申报所需材料(liao)。申报截止时间为2025年3月15日。

（二）各省、自(zi)治区、直辖市(shi)工(gong)业和(he)信息化主(zhu)管部门、通信管理局以及有关中央企业作为推荐单位，应于2025年3月31日前登录系统(tong)并确认推荐名单（账(zhang)号密码请通过联系人获取）。推荐单位在每个方向推荐项(xiang)目数量原则上不超过3个，所有方向累计推荐项(xiang)目总量不超过20个。鼓励各推荐单位结合实际情况，对推荐项(xiang)目单位在政策(ce)、资金、资源配套等方面加大扶持力度。

（三）工(gong)业和(he)信息化部组织遴选并公布入围揭榜(bang)单位名单。入围揭榜(bang)单位完(wan)成攻关任务(wu)后（名单公布之日起不超过2年），工(gong)业和(he)信息化部委托第三方专业机构开展测评工(gong)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(gong)业和(he)信息化部将统(tong)筹利用各类资源对揭榜(bang)入围、优胜单位予以支持，推动优秀成果示范应用推广。

工(gong)业和(he)信息化部办公厅

2025年2月21日

附件

算力强基揭榜(bang)行动任务(wu)榜(bang)单

一 计算

（一）云边端算网协同管理系统(tong)

揭榜(bang)任务(wu)：面向云边端多层级算力环境，研发算网协同应用管理系统(tong)，设(she)计面向不同应用软(ruan)件架构的管理机制，支持对不同架构应用软(ruan)件的统(tong)一管理；研发应用软(ruan)件在算网协同中的自(zi)动化构建部署能力，支持应用软(ruan)件的自(zi)动构建和(he)分发部署；研究算网协同应用系统(tong)的一体化观测能力，降低运(yun)维复杂度，提(ti)高复杂应用软(ruan)件运(yun)行的稳(wen)定性和(he)可靠(kao)性。

预期目标：到(dao)2026年，研制应用软(ruan)件管理系统(tong)，支持对传统(tong)应用软(ruan)件、云原生应用软(ruan)件、AI应用软(ruan)件、大数据应用软(ruan)件等不少于5种应用软(ruan)件的全(quan)生命周期管理。研究基于算网协同的分布式构建和(he)部署技术，支持上述应用软(ruan)件的自(zi)动分发和(he)跨算力节点部署，实现零人工(gong)介入。研发算网应用一体化观测功(gong)能，具备(bei)白盒化动态(tai)分析以及智能故障根因定位能力。在不少于3个行业完(wan)成试点验(yan)证。

（二）支持超大规模参数模型的训推一体化异构智算平(ping)台

揭榜(bang)任务(wu)：面向人工(gong)智能大模型训练和(he)推理对计算资源的需求，研发支持超大规模参数模型的训练、推理一体化智算平(ping)台，包括资源调度策(ce)略、训推加速套件等，并可支持多种硬件架构，屏(ping)蔽底层硬件差异，提(ti)升超大规模模型在训练、推理过程中稳(wen)定性、资源利用率和(he)运(yun)行效率。

预期目标：到(dao)2026年，研发一套支持万亿参数模型的超大规模训推一体化智算平(ping)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%，训练效率较当前主(zhu)流水平(ping)提(ti)升不低于30%，推理效率提(ti)升不低于50%。支持主(zhu)流深度学(xue)习框(kuang)架，兼容(rong)多种硬件架构，并提(ti)供统(tong)一的编程接口和(he)开发环境，实现不低于10个行业用户的落地验(yan)证。

（三）异构算力跨域任务(wu)编排系统(tong)

揭榜(bang)任务(wu)：针对跨域异构算力协同，研发跨域异构算力管理系统(tong)，实现跨域异构算力的管理和(he)应用。研发针对多样性算力的规范化开放互联功(gong)能，支持对不同类型的异构算力模型统(tong)一抽象封装；研发跨域异构算力的管理功(gong)能，支持对跨域异构算力的统(tong)一管理和(he)协同；研究跨域多主(zhu)体算力的安全(quan)认证和(he)控制方法，保障跨域协同安全(quan)。

预期目标：到(dao)2026年，研发不少于6种跨域协同调度算法，支持数据处理、函数计算、机器学(xue)习等不少于3个场景的计算任务(wu)部署，完(wan)成不少于5个跨域算力中心(xin)的统(tong)一管理。研发跨域多主(zhu)体算力的安全(quan)认证方法，支持云边端等不同层级算力协同的安全(quan)要求。在不少于2个行业完(wan)成试点验(yan)证。

（四）训推算力一体机

揭榜(bang)任务(wu)：面向人工(gong)智能训练、推理场景，研发基于基础设(she)施即服务(wu)（IaaS）和(he)平(ping)台即服务(wu)（PaaS）的高性能训推一体化解决方案，覆盖对大模型开发训练和(he)部署推理的全(quan)流程，包括数据准备(bei)、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(yu)等能力，解决针对大模型数据泄露、指令攻击等安全(quan)问题和(he)风险。

预期目标：到(dao)2026年，研发支持至少3种指令集芯片(pian)的训推一体机，针对至少5个行业开展人工(gong)智能训推一体机应用，为用户提(ti)供多元化训推一体化服务(wu)，并在至少10种不同的场景进(jin)行人工(gong)智能训推一体机落地。

（五）大规模异构算力集群推理加速技术

揭榜(bang)任务(wu)：研发存储(chu)、网络、计算的协同优化技术，通过模型加速、调度加速等方法实现大规模异构算力集群在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、更高的性能及更低的能耗，促进(jin)算力芯片(pian)在大模型推理方面的更好应用。

预期目标：到(dao)2026年，实现集群有效吞吐量5倍(bei)以上提(ti)升，实际应用场景中可处理的请求数提(ti)升1倍(bei)以上，首字延迟性能提(ti)升1倍(bei)以上，芯片(pian)利用率提(ti)升50%以上。通过优化算力中心(xin)计算、存储(chu)、网络的配比以及拓扑结构和(he)系统(tong)调度策(ce)略，实现千卡以上异构集群在推理加速领域的突破。

二 存储(chu)

（六）磁(ci)光电融合存储(chu)系统(tong)

揭榜(bang)任务(wu)：针对单一存储(chu)介质难以满足多样化数据存储(chu)需求的现状，依托磁(ci)、光、电存储(chu)在性能、寿命、功(gong)耗等方面的差异化特性，将磁(ci)、光、电存储(chu)技术进(jin)行融合，研发磁(ci)光电融合存储(chu)系统(tong)，构建基于固态(tai)硬盘(pan)（SSD）、机械硬盘(pan)（HDD）和(he)光存储(chu)的多级存储(chu)架构。根据业务(wu)特征，将数据保存在不同级别(bie)的存储(chu)设(she)备(bei)中，实现海量数据的集中、统(tong)一存储(chu)管理，支撑算力中心(xin)高效、低碳、安全(quan)持续(xu)发展。

预期目标：到(dao)2026年，研发磁(ci)、光、电融合存储(chu)系统(tong)，支持适配分布式文件、分布式块和(he)分布式对象等至少3种存储(chu)类型，系统(tong)可以根据数据的访问时间、访问频率、文件属性等自(zi)定义分级策(ce)略，根据业务(wu)负载(zai)动态(tai)调整迁移(yi)。系统(tong)可通过介质安全(quan)、系统(tong)安全(quan)、软(ruan)件安全(quan)等夯实底层安全(quan)能力，通过防勒索、加密算法、远程监控、光存储(chu)预警检测等增强数据安全(quan)能力。打造磁(ci)光电融合存储(chu)应用示范，完(wan)成至少20个业务(wu)系统(tong)应用，实现至少4个东(dong)部地区数据流动至西部磁(ci)光电存储(chu)系统(tong)，且数据存储(chu)量不少于10PB。

（七）存储(chu)调度管理及应用技术

揭榜(bang)任务(wu)：针对海量数据存储(chu)和(he)算力孤(gu)岛问题，研发跨域多算的存力调度、存网编排和(he)存算网一体化系统(tong)，实现数据的智能冷热(re)分级、应用的跨域无感访问等能力，有效降低成本、提(ti)高性能和(he)支撑业务(wu)。系统(tong)具备(bei)资源规划、策(ce)略调整能力，可优化和(he)调整全(quan)网数据存储(chu)布局，实现对不断变化的需求的适应。

预期目标：到(dao)2026年，研制具备(bei)高效、可扩展性的存储(chu)系统(tong)，基于智能算法，对数据进(jin)行分析和(he)调度，实现应用无感访问和(he)智能流动。研究存力调度策(ce)略，使数据召回率控制在30%以下；研究基于潮汐网络调度算法，实现网络带宽利用率提(ti)升50%以上，达到(dao)存网一体的目标。集成存储(chu)、计算和(he)网络的能力，支持存算网一体化调度，在算力中心(xin)资源池落地应用。

三 网络

（八）高性能数据处理器（DPU）

揭榜(bang)任务(wu)：开展基于芯粒（Chiplet）和(he)第五代(dai)精简指令集（RISC-V）技术的软(ruan)硬件一体DPU芯片(pian)技术研究，支持算力中心(xin)、智算中心(xin)、超算中心(xin)场景所需的超高带宽和(he)超低时延，突破Chiplet异构芯片(pian)封装技术、高速Serdes通信、大规模无损网络拥塞算法、硬件密码算法、高性能虚拟化、硬件可编程等技术，实现基于ARM、X86、RISC-V等异构核心(xin)的DPU应用，提(ti)升算力中心(xin)基础设(she)施处理能力和(he)数据传输能效比。

预期目标：到(dao)2026年，完(wan)成超高性能DPU芯片(pian)研发工(gong)作，吞吐能力达到(dao)400Gbps，单向流量时延不高于30us，支持与国内外主(zhu)流CPU、GPU芯片(pian)平(ping)台的适配，支持主(zhu)流操作系统(tong)兼容(rong)，支持数据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(wu)：面向RoCE网络开展设(she)备(bei)及管控系统(tong)研发，通过提(ti)高设(she)备(bei)带宽、优化负载(zai)均衡算法、强化网络流量规划及运(yun)维能力等方式，提(ti)升RoCE网络的吞吐量和(he)时延性能。研制新一代(dai)智能化管控工(gong)具，引入AI大模型能力，简化RoCE网络的部署和(he)配置(zhi)工(gong)作，实现全(quan)局、多维度的可视化运(yun)维。在网络波动、业务(wu)变更、故障等情况下，网络参数自(zi)动调整，流量快(kuai)速切换，从而达到(dao)提(ti)升网络效率和(he)降低运(yun)维成本的目标。

预期目标：到(dao)2026年，实现新型RoCE网络整体方案的商用部署，网络性能提(ti)升10%以上。通过智能化管控及运(yun)维工(gong)具，网络部署难度大幅降低，运(yun)维效率提(ti)升50%以上，可支撑更大规模部署和(he)应用。

（十）光交换智算网络技术研究与验(yan)证

揭榜(bang)任务(wu)：面向智算集群低功(gong)耗、高带宽、低延迟技术需求，开展智算集群光交换组网关键技术研究与验(yan)证，重点突破智算集群光交换组网、路由协议适配等关键技术。针对智算集群的功(gong)能、性能、可靠(kao)性和(he)扩展性等要求，研究光拓扑映射、光电混合路由、多路径负载(zai)均衡等技术。

预期目标：到(dao)2026年，实现支持智算集群的易操作、高可靠(kao)、可平(ping)滑过渡升级的光网络，支持人工(gong)智能等关键业务(wu)承载(zai)；光交换设(she)备(bei)单端口速率支持100GE/400GE/800GE，交换容(rong)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(wan)成验(yan)证，并完(wan)成不少于3种智算业务(wu)承载(zai)验(yan)证。

（十一）面向分布式智算中心(xin)的网络关键技术研究与验(yan)证

揭榜(bang)任务(wu)：针对智算集群从集中式向分布式部署探索的趋势，攻关算力中心(xin)间网络技术，研发面向智算中心(xin)间的高可靠(kao)传输设(she)备(bei)，构建智算中心(xin)间超大容(rong)量、超低时延、超高可靠(kao)光电协同网络，实现智算中心(xin)高速、可靠(kao)互联。

预期目标：到(dao)2026年，突破智算中心(xin)间超大容(rong)量、超高可靠(kao)网络传输关键技术，研制面向智算中心(xin)间网络的传输设(she)备(bei)，单波速率不低于1.6Tbps，设(she)备(bei)时延不超过30us，支撑分布式智算中心(xin)间业务(wu)的高可靠(kao)传输。

四 应用

（十二）智算中心(xin)跨域互联应用

揭榜(bang)任务(wu)：优化人工(gong)智能算力基础设(she)施布局，构建跨地域互补、协同算力调度的超大规模人工(gong)智能算力服务(wu)能力。加强与人工(gong)智能芯片(pian)厂商的兼容(rong)适配，构筑大规模高性能异构算力池，提(ti)供面向大模型训推场景深度优化的弹性调度、弹性容(rong)错、高资源利用率的人工(gong)智能算力服务(wu)。

预期目标：到(dao)2026年，形成覆盖5个以上全(quan)国重点算力枢纽节点的人工(gong)智能算力中心(xin)，支持跨地域、跨云的算力需求感知和(he)动态(tai)调度，完(wan)成3款(kuan)以上算力芯片(pian)适配，聚焦(jiao)大模型训练和(he)推理场景，构建大规模、高性能、弹性调度、高容(rong)错的训推一体算力资源池，具备(bei)分钟级断点续(xu)训能力，支持万卡级别(bie)并行训练。

（十三）算力电力协同应用

揭榜(bang)任务(wu)：研发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平(ping)台，构建基于数据驱动的算力集群用电负荷特性模型、基于计算任务(wu)的时空转(zhuan)移(yi)特性的能源大模型，推动算力预测与调度技术在智算中心(xin)应用落地，提(ti)升整体资源利用率，基于新能源、新型储(chu)能系统(tong)开展算力负荷与电力系统(tong)的协同优化，实现精准、动态(tai)、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：到(dao)2026年，实现智算场景下能源与算力全(quan)链路的数据穿透(tou)及流程整合，构建“算”随“电”动的直接控制及间接引导机制，实现算力需求预测精准度达到(dao)70%、集群有效负载(zai)率提(ti)升25%以上，智算中心(xin)整体集群资源利用率提(ti)高10%。结合算力集群用电数据、时间周期、气象数据、工(gong)作负载(zai)等多种因素，实现“电”随“算”用的能源效率优化与算效提(ti)升，实现基础设(she)施用能决策(ce)精准度85%以上，响应时效性达到(dao)提(ti)前15分钟响应级别(bie)，智算中心(xin)整体算力能效水平(ping)提(ti)升30%，算力中心(xin)用电成本降低5%以上。

（十四）大规模通信业务(wu)场景中的算力应用

揭榜(bang)任务(wu)：围绕网络功(gong)能虚拟化（NFV）系统(tong)架构，针对NFV中网络性能、资源利用和(he)灵活展性等方面的挑战(zhan)，研发面向NFV架构的高性能虚拟化、智能化网络管理和(he)资源编排算法等技术和(he)系统(tong)，突破虚拟化层与硬件加速器（如FPGA、DPU、GPU）之间的协同能力。

预期目标：到(dao)2026年，NFV算力平(ping)台系统(tong)中实现对虚拟化网络功(gong)能的智能调度，支持异构集群部署、动态(tai)扩展，资源动态(tai)分配，虚拟化资源利用率提(ti)升20%以上；支持GPU、FPGA等硬件加速器的虚拟化调度，加速网络处理性能至Tbps以上；支持智能化网络虚拟化功(gong)能管理，提(ti)升NFV系统(tong)的自(zi)动化运(yun)维能力和(he)管理效能，故障修复时间缩(suo)减不低于30%。

五 绿色(se)低碳

（十五）绿色(se)算力技术研究及应用

揭榜(bang)任务(wu)：围绕算力的绿色(se)节能技术突破，面向算力中的任务(wu)调度特性、能源使用模式、负载(zai)均衡要求等关键要素，研发适应于绿色(se)计算的动态(tai)资源调度算法、能耗优化管理系统(tong)，以及面向多场景的协同节能机制，突破节能算法的智能化程度，提(ti)升算力网络中多节点的能源利用效率。

预期目标：到(dao)2026年，能耗管理系统(tong)实现对算力中心(xin)和(he)网络节点的实时监控与节能调度，通过计算节点支持动态(tai)调频、动态(tai)电压调节，单节点平(ping)均能耗降低30%以上，满足AI推理等应用需求。

（十六）企业绿色(se)计算碳感知平(ping)台

揭榜(bang)任务(wu)：建立企业算力中心(xin)碳排放度量体系，能够实时、精准地统(tong)计企业各个算力中心(xin)碳排放，并能将碳排放量分摊到(dao)不同的业务(wu)部门、应用场景和(he)工(gong)作负载(zai)，实现精细化的碳排放的管理。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(wu)体验(yan)和(he)连续(xu)性的情况下将工(gong)作负载(zai)调度到(dao)更加低碳的算力中心(xin)，进(jin)一步(bu)降低碳排放。

预期目标：到(dao)2026年，围绕千万核级别(bie)跨域的算力中心(xin)，构建企业级绿色(se)计算碳感知平(ping)台，形成一套行业通用的、可精确度量不同类型工(gong)作负载(zai)碳排放的技术方法和(he)指标体系，通过生态(tai)共(gong)建形成绿色(se)度量衡标准体系。构建碳感知调度能力，达到(dao)算力中心(xin)可再生能源比例30%的目标。

（十七）冷板式液冷原生整机柜服务(wu)器

揭榜(bang)任务(wu)：面向新一代(dai)液冷算力中心(xin)，研发冷板式液冷整机柜，包括液冷服务(wu)器节点、无源液冷门等，突破高密算力、多样性算力的散热(re)技术及架构要求，实现支持供电总线(xian)、网络互联总线(xian)、液冷管路可盲插(cha)运(yun)维的液冷设(she)备(bei)，具备(bei)液冷机柜及液冷服务(wu)器等多级漏液检测能力，有效降低业务(wu)中断范围与损失。

预期目标：到(dao)2026年，液冷整机柜实现100%液冷散热(re)，制冷PUE低于1.15。整机柜服务(wu)器内部实现全(quan)盲插(cha)设(she)计，管理模块可实现整机柜功(gong)耗管理、漏液检测、资产管理等功(gong)能；通用算力单柜功(gong)率不低于20kW，智能算力单机柜功(gong)率不低于30kW，实现不少于500台液冷节点的规模落地应用。

（十八）算力中心(xin)节能调优平(ping)台

揭榜(bang)任务(wu)：研制高精确度、高仿真效率、多场景覆盖的算力中心(xin)PUE仿真平(ping)台，突破物理机理模型构建、仿真引擎集群、模型自(zi)动生成等关键技术，实现对算力中心(xin)不同运(yun)行状态(tai)下细分时间颗粒度PUE的快(kuai)速、精准评估。研发基于大数据分析技术的算力中心(xin)制冷系统(tong)AI节能优化系统(tong)，通过自(zi)动化数据治理、自(zi)动推理等关键技术，准确匹配制冷需求，在满足可靠(kao)性要求条件下实现算力中心(xin)制冷系统(tong)整体动态(tai)实时优化，优化算力中心(xin)PUE。

预期目标：到(dao)2026年，支持液冷、水冷等至少2类典(dian)型制冷场景进(jin)行能效优化，支持制冷系统(tong)和(he)配电系统(tong)联合仿真，系统(tong)可输出不同负载(zai)及运(yun)行工(gong)况条件下的PUE运(yun)行曲线(xian)、系统(tong)设(she)备(bei)运(yun)行模拟工(gong)况等参数，PUE仿真精度达到(dao)97%以上。基于能效优化平(ping)台，支持AI自(zi)动推理，小(xiao)时级策(ce)略自(zi)动下发，实现对算力中心(xin)能耗的可视、可管、可控。通过AI能效优化，实现算力中心(xin)PUE降低5%以上，通过算力中心(xin)基础设(she)施与IT联动节能，实现总能耗降低5%以上，在5个以上算力中心(xin)落地应用。

（十九）新型制冷系统(tong)

揭榜(bang)任务(wu)：研发人工(gong)智能节能系统(tong)，针对算力中心(xin)基础设(she)施的运(yun)行调控和(he)环境监测。提(ti)出全(quan)新自(zi)适应算法，突破原有常见算法的局限性，提(ti)升数据的分析和(he)处理效果，搭(da)建基于专家经验(yan)的人工(gong)智能算法数据库，提(ti)升包括能耗管理、能源调度、安全(quan)监测、故障诊断、辅助运(yun)维等功(gong)能的节能性、可靠(kao)性、经济性。

预期目标：到(dao)2026年，在满足制冷要求的基础上，提(ti)高冷却系统(tong)的可靠(kao)性和(he)自(zi)适应性，提(ti)高能源使用效率、水资源使用效率和(he)运(yun)维效率，其中节电率提(ti)升10%以上。支持冷却系统(tong)数据采集、标注、治理、存储(chu)，具备(bei)系统(tong)运(yun)行异常告(gao)警、告(gao)警收敛、自(zi)动诊断、远程通信、自(zi)动控制等功(gong)能，支持冷却系统(tong)智能化调优、智能化控制的核心(xin)能力，并开展不少于5个实际业务(wu)场景所提(ti)供的AI节能调优案例。

六 安全(quan)可靠(kao)

（二十）算力中心(xin)智能运(yun)维机器人

揭榜(bang)任务(wu)：研发算力中心(xin)智能运(yun)维机器人以及智能机器人管理平(ping)台，基于云边端三层架构，实现智能机器人在多层、多房间楼宇机房内的设(she)备(bei)设(she)施识别(bie)、多模态(tai)环境感知、精准空间定位、智能人机协同、多任务(wu)联合调度等方面的技术与算法优化。支撑机器人在算力中心(xin)设(she)施运(yun)维和(he)IT运(yun)营等典(dian)型场景的应用，提(ti)升巡检质量，促进(jin)算力中心(xin)运(yun)维、运(yun)营的降本增效。

预期目标：到(dao)2026年，实现大型算力中心(xin)内智能机器人的多机房、多楼层协同应用部署；机器人巡检任务(wu)成功(gong)率不低于95%，设(she)备(bei)识别(bie)准确率达到(dao)97%，环境巡检召回率不低于90%，保障算力中心(xin)巡检业务(wu)持续(xu)运(yun)行。实现云边端协同调度，支持不同场景下的自(zi)主(zhu)作业，提(ti)高任务(wu)并发执行效率，促进(jin)稳(wen)定、安全(quan)、可靠(kao)、可控的算力中心(xin)智能运(yun)维体系建设(she)。

（二十一）云边端一体化智能监测平(ping)台

揭榜(bang)任务(wu)：开发高性能云边端一体化系统(tong)，研发以智能化终端或机器人为硬件载(zai)体、以多算法模型融合和(he)平(ping)台工(gong)具为软(ruan)件载(zai)体的软(ruan)硬结合的集中监测管理与运(yun)维巡检方案。突破多层级自(zi)动化运(yun)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(yun)维健康度数字化评估体系与模型，实现算力设(she)施从规划、设(she)计、建设(she)、部署、运(yun)行、维护的全(quan)生命周期数字化管理。

预期目标：到(dao)2026年，建立大规模集群的智能化运(yun)维能力，设(she)备(bei)实现跨平(ping)台及系统(tong)稳(wen)定性风险和(he)安全(quan)风险识别(bie)能力，综合视频识别(bie)技术等，结构化告(gao)警收敛推送，准确率超过98%。算力设(she)施全(quan)生命周期数字化联动，平(ping)台自(zi)动化流程推进(jin)，实现云端直控覆盖超10栋算力中心(xin)，落地数字化算力中心(xin)健康度评估，智能化终端或机器人的自(zi)驱动巡检，视频流识别(bie)与告(gao)警的联动，系统(tong)的智能化运(yun)维问答，并保障业务(wu)服务(wu)级别(bie)协议（SLA）达标率99%以上。

七 其他

（二十二）其他算力领域的特色(se)化技术、产品、服务(wu)和(he)平(ping)台等，应具有技术先进(jin)性，技术成熟(shu)度较高，产业化前景较好。

责编:史健 | 审核:李震(zhen) | 监审:万军伟(wei)

【免(mian)责声明】本文仅代(dai)表作者本人观点，与和(he)讯网无关。和(he)讯网站(zhan)对文中陈述、观点判断保持中立，不对所包含内容(rong)的准确性、可靠(kao)性或完(wan)整性提(ti)供任何(he)明示或暗示的保证。请读者仅作参考，并请自(zi)行承担全(quan)部责任。邮箱：news_center@staff.hexun.com