二、申报和推(tui)荐

（一）申报单(dan)位须为在(zai)中华人民共和国境内注册、具有独立法人资格、具有较强技(ji)术创新和产业化(hua)应用能力的企事业单(dan)位。申报单(dan)位根据《算力强基揭(jie)榜行动任务榜单(dan)》（见附件）选择揭(jie)榜任务，并需承诺揭(jie)榜后能够(gou)在(zai)指定期限内完成相应任务，每个单(dan)位申报不(bu)超(chao)过3个项目。有关企业、高校、科研机构等以联合体方式(shi)申报的，牵头单(dan)位为1家，联合参与单(dan)位不(bu)超(chao)过4家。

（二）各省、自治区、直辖市工业和信(xin)息化(hua)主管部门、通信(xin)管理局以及有关中央(yang)企业按照政府引(yin)导、企业自愿的原则，组织有关单(dan)位积极(ji)申报揭(jie)榜，并作为推(tui)荐单(dan)位，遵(zun)循公开、公平、公正的原则，审核遴选推(tui)荐创新能力突出、产业化(hua)前景好、行业带动作用明显的项目，报工业和信(xin)息化(hua)部（信(xin)息通信(xin)发(fa)展司）。

三、工作程(cheng)序和要求

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

（二）各省、自治区、直辖市工业和信(xin)息化(hua)主管部门、通信(xin)管理局以及有关中央(yang)企业作为推(tui)荐单(dan)位，应于2025年3月31日前登录系统并确认(ren)推(tui)荐名单(dan)（账号密码请通过联系人获取）。推(tui)荐单(dan)位在(zai)每个方向推(tui)荐项目数量原则上不(bu)超(chao)过3个，所(suo)有方向累(lei)计推(tui)荐项目总量不(bu)超(chao)过20个。鼓励各推(tui)荐单(dan)位结合实际情况，对推(tui)荐项目单(dan)位在(zai)政策、资金(jin)、资源配套等方面(mian)加大扶持力度。

（三）工业和信(xin)息化(hua)部组织遴选并公布入围揭(jie)榜单(dan)位名单(dan)。入围揭(jie)榜单(dan)位完成攻关任务后（名单(dan)公布之日起不(bu)超(chao)过2年），工业和信(xin)息化(hua)部委托第三方专业机构开展测评工作，择优确定揭(jie)榜优胜单(dan)位（每个揭(jie)榜方向原则上不(bu)超(chao)过3家）。工业和信(xin)息化(hua)部将统筹利用各类资源对揭(jie)榜入围、优胜单(dan)位予以支持，推(tui)动优秀成果示范应用推(tui)广。

附件：算力强基揭(jie)榜行动任务榜单(dan)

工业和信(xin)息化(hua)部办公厅

2025年2月21日

附件

算力强基揭(jie)榜行动任务榜单(dan)

一、计算

（一）云边端算网协同(tong)管理系统

揭(jie)榜任务：面(mian)向云边端多层级算力环境，研发(fa)算网协同(tong)应用管理系统，设计面(mian)向不(bu)同(tong)应用软件架构的管理机制(zhi)，支持对不(bu)同(tong)架构应用软件的统一管理；研发(fa)应用软件在(zai)算网协同(tong)中的自动化(hua)构建部署能力，支持应用软件的自动构建和分发(fa)部署；研究算网协同(tong)应用系统的一体化(hua)观测能力，降低运维复杂度，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(zhi)应用软件管理系统，支持对传统应用软件、云原生(sheng)应用软件、AI应用软件、大数据应用软件等不(bu)少于5种应用软件的全(quan)生(sheng)命周期管理。研究基于算网协同(tong)的分布式(shi)构建和部署技(ji)术，支持上述应用软件的自动分发(fa)和跨算力节点部署，实现(xian)零(ling)人工介入。研发(fa)算网应用一体化(hua)观测功能，具备白盒化(hua)动态(tai)分析以及智能故障根因定位能力。在(zai)不(bu)少于3个行业完成试点验证。

（二）支持超(chao)大规模参数模型的训推(tui)一体化(hua)异构智算平台

揭(jie)榜任务：面(mian)向人工智能大模型训练和推(tui)理对计算资源的需求，研发(fa)支持超(chao)大规模参数模型的训练、推(tui)理一体化(hua)智算平台，包(bao)括资源调(diao)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)大规模模型在(zai)训练、推(tui)理过程(cheng)中稳定性、资源利用率和运行效率。

预期目标：到2026年，研发(fa)一套支持万亿参数模型的超(chao)大规模训推(tui)一体化(hua)智算平台，万卡环境下(xia)稳定训练时间不(bu)低于30天，有效训练时长不(bu)低于95%，训练效率较当前主流水平提升不(bu)低于30%，推(tui)理效率提升不(bu)低于50%。支持主流深度学习框架，兼容多种硬件架构，并提供统一的编程(cheng)接口和开发(fa)环境，实现(xian)不(bu)低于10个行业用户的落地验证。

（三）异构算力跨域任务编排系统

揭(jie)榜任务：针对跨域异构算力协同(tong)，研发(fa)跨域异构算力管理系统，实现(xian)跨域异构算力的管理和应用。研发(fa)针对多样性算力的规范化(hua)开放互联功能，支持对不(bu)同(tong)类型的异构算力模型统一抽象封装；研发(fa)跨域异构算力的管理功能，支持对跨域异构算力的统一管理和协同(tong)；研究跨域多主体算力的安全(quan)认(ren)证和控制(zhi)方法，保障跨域协同(tong)安全(quan)。

预期目标：到2026年，研发(fa)不(bu)少于6种跨域协同(tong)调(diao)度算法，支持数据处(chu)理、函数计算、机器学习等不(bu)少于3个场(chang)景的计算任务部署，完成不(bu)少于5个跨域算力中心的统一管理。研发(fa)跨域多主体算力的安全(quan)认(ren)证方法，支持云边端等不(bu)同(tong)层级算力协同(tong)的安全(quan)要求。在(zai)不(bu)少于2个行业完成试点验证。

（四）训推(tui)算力一体机

揭(jie)榜任务：面(mian)向人工智能训练、推(tui)理场(chang)景，研发(fa)基于基础设施即服务（IaaS）和平台即服务（PaaS）的高性能训推(tui)一体化(hua)解决方案，覆(fu)盖对大模型开发(fa)训练和部署推(tui)理的全(quan)流程(cheng)，包(bao)括数据准备、模型训练、模型评测和模型部署。同(tong)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、指令攻击等安全(quan)问题和风险。

预期目标：到2026年，研发(fa)支持至少3种指令集芯片的训推(tui)一体机，针对至少5个行业开展人工智能训推(tui)一体机应用，为用户提供多元化(hua)训推(tui)一体化(hua)服务，并在(zai)至少10种不(bu)同(tong)的场(chang)景进行人工智能训推(tui)一体机落地。

（五）大规模异构算力集群推(tui)理加速技(ji)术

揭(jie)榜任务：研发(fa)存储、网络、计算的协同(tong)优化(hua)技(ji)术，通过模型加速、调(diao)度加速等方法实现(xian)大规模异构算力集群在(zai)大模型推(tui)理方面(mian)的加速，从而支持更大的模型、更长的上下(xia)文、更高的性能及更低的能耗，促进算力芯片在(zai)大模型推(tui)理方面(mian)的更好应用。

预期目标：到2026年，实现(xian)集群有效吞吐量5倍(bei)以上提升，实际应用场(chang)景中可处(chu)理的请求数提升1倍(bei)以上，首字延迟性能提升1倍(bei)以上，芯片利用率提升50%以上。通过优化(hua)算力中心计算、存储、网络的配比以及拓扑(pu)结构和系统调(diao)度策略，实现(xian)千卡以上异构集群在(zai)推(tui)理加速领域的突破。

二、存储

（六）磁光电融合存储系统

揭(jie)榜任务：针对单(dan)一存储介质难以满足多样化(hua)数据存储需求的现(xian)状，依托磁、光、电存储在(zai)性能、寿命、功耗等方面(mian)的差异化(hua)特性，将磁、光、电存储技(ji)术进行融合，研发(fa)磁光电融合存储系统，构建基于固(gu)态(tai)硬盘（SSD）、机械硬盘（HDD）和光存储的多级存储架构。根据业务特征，将数据保存在(zai)不(bu)同(tong)级别的存储设备中，实现(xian)海量数据的集中、统一存储管理，支撑算力中心高效、低碳、安全(quan)持续发(fa)展。

预期目标：到2026年，研发(fa)磁、光、电融合存储系统，支持适配分布式(shi)文件、分布式(shi)块(kuai)和分布式(shi)对象等至少3种存储类型，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，根据业务负(fu)载(zai)动态(tai)调(diao)整迁移。系统可通过介质安全(quan)、系统安全(quan)、软件安全(quan)等夯实底层安全(quan)能力，通过防勒索、加密算法、远(yuan)程(cheng)监控、光存储预警检测等增强数据安全(quan)能力。打造磁光电融合存储应用示范，完成至少20个业务系统应用，实现(xian)至少4个东部地区数据流动至西部磁光电存储系统，且数据存储量不(bu)少于10PB。

（七）存储调(diao)度管理及应用技(ji)术

揭(jie)榜任务：针对海量数据存储和算力孤岛问题，研发(fa)跨域多算的存力调(diao)度、存网编排和存算网一体化(hua)系统，实现(xian)数据的智能冷热分级、应用的跨域无感访问等能力，有效降低成本、提高性能和支撑业务。系统具备资源规划、策略调(diao)整能力，可优化(hua)和调(diao)整全(quan)网数据存储布局，实现(xian)对不(bu)断(duan)变化(hua)的需求的适应。

预期目标：到2026年，研制(zhi)具备高效、可扩展性的存储系统，基于智能算法，对数据进行分析和调(diao)度，实现(xian)应用无感访问和智能流动。研究存力调(diao)度策略，使(shi)数据召回率控制(zhi)在(zai)30%以下(xia)；研究基于潮汐网络调(diao)度算法，实现(xian)网络带宽利用率提升50%以上，达到存网一体的目标。集成存储、计算和网络的能力，支持存算网一体化(hua)调(diao)度，在(zai)算力中心资源池落地应用。

三、网络

（八(ba)）高性能数据处(chu)理器（DPU）

揭(jie)榜任务：开展基于芯粒（Chiplet）和第五代精简指令集（RISC-V）技(ji)术的软硬件一体DPU芯片技(ji)术研究，支持算力中心、智算中心、超(chao)算中心场(chang)景所(suo)需的超(chao)高带宽和超(chao)低时延，突破Chiplet异构芯片封装技(ji)术、高速Serdes通信(xin)、大规模无损网络拥塞(sai)算法、硬件密码算法、高性能虚拟化(hua)、硬件可编程(cheng)等技(ji)术，实现(xian)基于ARM、X86、RISC-V等异构核心的DPU应用，提升算力中心基础设施处(chu)理能力和数据传输能效比。

预期目标：到2026年，完成超(chao)高性能DPU芯片研发(fa)工作，吞吐能力达到400Gbps，单(dan)向流量时延不(bu)高于30us，支持与国内外主流CPU、GPU芯片平台的适配，支持主流操作系统兼容，支持数据报文硬件处(chu)理逻辑可编程(cheng)。

（九）基于RoCE的智算网络

揭(jie)榜任务：面(mian)向RoCE网络开展设备及管控系统研发(fa)，通过提高设备带宽、优化(hua)负(fu)载(zai)均衡算法、强化(hua)网络流量规划及运维能力等方式(shi)，提升RoCE网络的吞吐量和时延性能。研制(zhi)新一代智能化(hua)管控工具，引(yin)入AI大模型能力，简化(hua)RoCE网络的部署和配置工作，实现(xian)全(quan)局、多维度的可视化(hua)运维。在(zai)网络波动、业务变更、故障等情况下(xia)，网络参数自动调(diao)整，流量快速切换，从而达到提升网络效率和降低运维成本的目标。

预期目标：到2026年，实现(xian)新型RoCE网络整体方案的商用部署，网络性能提升10%以上。通过智能化(hua)管控及运维工具，网络部署难度大幅降低，运维效率提升50%以上，可支撑更大规模部署和应用。

（十）光交换智算网络技(ji)术研究与验证

揭(jie)榜任务：面(mian)向智算集群低功耗、高带宽、低延迟技(ji)术需求，开展智算集群光交换组网关键(jian)技(ji)术研究与验证，重点突破智算集群光交换组网、路由协议适配等关键(jian)技(ji)术。针对智算集群的功能、性能、可靠性和扩展性等要求，研究光拓扑(pu)映(ying)射、光电混合路由、多路径负(fu)载(zai)均衡等技(ji)术。

预期目标：到2026年，实现(xian)支持智算集群的易操作、高可靠、可平滑过渡升级的光网络，支持人工智能等关键(jian)业务承载(zai)；光交换设备单(dan)端口速率支持100GE/400GE/800GE，交换容量弹(dan)性可扩展，可支持不(bu)少于3种异构算力资源互联，在(zai)不(bu)少于2个智算集群完成验证，并完成不(bu)少于3种智算业务承载(zai)验证。

（十一）面(mian)向分布式(shi)智算中心的网络关键(jian)技(ji)术研究与验证

揭(jie)榜任务：针对智算集群从集中式(shi)向分布式(shi)部署探索的趋势(shi)，攻关算力中心间网络技(ji)术，研发(fa)面(mian)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)低时延、超(chao)高可靠光电协同(tong)网络，实现(xian)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(chao)大容量、超(chao)高可靠网络传输关键(jian)技(ji)术，研制(zhi)面(mian)向智算中心间网络的传输设备，单(dan)波速率不(bu)低于1.6Tbps，设备时延不(bu)超(chao)过30us，支撑分布式(shi)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(jie)榜任务：优化(hua)人工智能算力基础设施布局，构建跨地域互补、协同(tong)算力调(diao)度的超(chao)大规模人工智能算力服务能力。加强与人工智能芯片厂(chang)商的兼容适配，构筑大规模高性能异构算力池，提供面(mian)向大模型训推(tui)场(chang)景深度优化(hua)的弹(dan)性调(diao)度、弹(dan)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(fu)盖5个以上全(quan)国重点算力枢纽节点的人工智能算力中心，支持跨地域、跨云的算力需求感知和动态(tai)调(diao)度，完成3款以上算力芯片适配，聚焦大模型训练和推(tui)理场(chang)景，构建大规模、高性能、弹(dan)性调(diao)度、高容错的训推(tui)一体算力资源池，具备分钟级断(duan)点续训能力，支持万卡级别并行训练。

（十三）算力电力协同(tong)应用

揭(jie)榜任务：研发(fa)基于算力调(diao)度技(ji)术与能源大模型的多云异构算电协同(tong)管理平台，构建基于数据驱动的算力集群用电负(fu)荷特性模型、基于计算任务的时空转移特性的能源大模型，推(tui)动算力预测与调(diao)度技(ji)术在(zai)智算中心应用落地，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(fu)荷与电力系统的协同(tong)优化(hua)，实现(xian)精准、动态(tai)、实时的能源调(diao)度与交易，实现(xian)算力与电力等能源的深度协同(tong)。

预期目标：到2026年，实现(xian)智算场(chang)景下(xia)能源与算力全(quan)链路的数据穿透(tou)及流程(cheng)整合，构建“算”随“电”动的直接控制(zhi)及间接引(yin)导机制(zhi)，实现(xian)算力需求预测精准度达到70%、集群有效负(fu)载(zai)率提升25%以上，智算中心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(fu)载(zai)等多种因素，实现(xian)“电”随“算”用的能源效率优化(hua)与算效提升，实现(xian)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，智算中心整体算力能效水平提升30%，算力中心用电成本降低5%以上。

（十四）大规模通信(xin)业务场(chang)景中的算力应用

揭(jie)榜任务：围绕网络功能虚拟化(hua)（NFV）系统架构，针对NFV中网络性能、资源利用和灵活展性等方面(mian)的挑战，研发(fa)面(mian)向NFV架构的高性能虚拟化(hua)、智能化(hua)网络管理和资源编排算法等技(ji)术和系统，突破虚拟化(hua)层与硬件加速器（如FPGA、DPU、GPU）之间的协同(tong)能力。

预期目标：到2026年，NFV算力平台系统中实现(xian)对虚拟化(hua)网络功能的智能调(diao)度，支持异构集群部署、动态(tai)扩展，资源动态(tai)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(diao)度，加速网络处(chu)理性能至Tbps以上；支持智能化(hua)网络虚拟化(hua)功能管理，提升NFV系统的自动化(hua)运维能力和管理效能，故障修(xiu)复时间缩(suo)减不(bu)低于30%。

五、绿色低碳

（十五）绿色算力技(ji)术研究及应用

揭(jie)榜任务：围绕算力的绿色节能技(ji)术突破，面(mian)向算力中的任务调(diao)度特性、能源使(shi)用模式(shi)、负(fu)载(zai)均衡要求等关键(jian)要素，研发(fa)适应于绿色计算的动态(tai)资源调(diao)度算法、能耗优化(hua)管理系统，以及面(mian)向多场(chang)景的协同(tong)节能机制(zhi)，突破节能算法的智能化(hua)程(cheng)度，提升算力网络中多节点的能源利用效率。

预期目标：到2026年，能耗管理系统实现(xian)对算力中心和网络节点的实时监控与节能调(diao)度，通过计算节点支持动态(tai)调(diao)频、动态(tai)电压调(diao)节，单(dan)节点平均能耗降低30%以上，满足AI推(tui)理等应用需求。

（十六）企业绿色计算碳感知平台

揭(jie)榜任务：建立企业算力中心碳排放度量体系，能够(gou)实时、精准地统计企业各个算力中心碳排放，并能将碳排放量分摊到不(bu)同(tong)的业务部门、应用场(chang)景和工作负(fu)载(zai)，实现(xian)精细化(hua)的碳排放的管理。同(tong)时，基于碳排放的数据，实现(xian)碳感知调(diao)度能力，通过在(zai)保证业务体验和连续性的情况下(xia)将工作负(fu)载(zai)调(diao)度到更加低碳的算力中心，进一步降低碳排放。

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(bu)同(tong)类型工作负(fu)载(zai)碳排放的技(ji)术方法和指标体系，通过生(sheng)态(tai)共建形成绿色度量衡标准体系。构建碳感知调(diao)度能力，达到算力中心可再生(sheng)能源比例30%的目标。

（十七）冷板式(shi)液冷原生(sheng)整机柜服务器

揭(jie)榜任务：面(mian)向新一代液冷算力中心，研发(fa)冷板式(shi)液冷整机柜，包(bao)括液冷服务器节点、无源液冷门等，突破高密算力、多样性算力的散(san)热技(ji)术及架构要求，实现(xian)支持供电总线、网络互联总线、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器等多级漏液检测能力，有效降低业务中断(duan)范围与损失。

预期目标：到2026年，液冷整机柜实现(xian)100%液冷散(san)热，制(zhi)冷PUE低于1.15。整机柜服务器内部实现(xian)全(quan)盲插设计，管理模块(kuai)可实现(xian)整机柜功耗管理、漏液检测、资产管理等功能；通用算力单(dan)柜功率不(bu)低于20kW，智能算力单(dan)机柜功率不(bu)低于30kW，实现(xian)不(bu)少于500台液冷节点的规模落地应用。

（十八(ba)）算力中心节能调(diao)优平台

揭(jie)榜任务：研制(zhi)高精确度、高仿真(zhen)效率、多场(chang)景覆(fu)盖的算力中心PUE仿真(zhen)平台，突破物(wu)理机理模型构建、仿真(zhen)引(yin)擎(qing)集群、模型自动生(sheng)成等关键(jian)技(ji)术，实现(xian)对算力中心不(bu)同(tong)运行状态(tai)下(xia)细分时间颗粒度PUE的快速、精准评估。研发(fa)基于大数据分析技(ji)术的算力中心制(zhi)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(jian)技(ji)术，准确匹配制(zhi)冷需求，在(zai)满足可靠性要求条件下(xia)实现(xian)算力中心制(zhi)冷系统整体动态(tai)实时优化(hua)，优化(hua)算力中心PUE。

预期目标：到2026年，支持液冷、水冷等至少2类典(dian)型制(zhi)冷场(chang)景进行能效优化(hua)，支持制(zhi)冷系统和配电系统联合仿真(zhen)，系统可输出不(bu)同(tong)负(fu)载(zai)及运行工况条件下(xia)的PUE运行曲线、系统设备运行模拟工况等参数，PUE仿真(zhen)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(xia)发(fa)，实现(xian)对算力中心能耗的可视、可管、可控。通过AI能效优化(hua)，实现(xian)算力中心PUE降低5%以上，通过算力中心基础设施与IT联动节能，实现(xian)总能耗降低5%以上，在(zai)5个以上算力中心落地应用。

（十九）新型制(zhi)冷系统

揭(jie)榜任务：研发(fa)人工智能节能系统，针对算力中心基础设施的运行调(diao)控和环境监测。提出全(quan)新自适应算法，突破原有常见算法的局限性，提升数据的分析和处(chu)理效果，搭建基于专家经验的人工智能算法数据库，提升包(bao)括能耗管理、能源调(diao)度、安全(quan)监测、故障诊断(duan)、辅助运维等功能的节能性、可靠性、经济性。

预期目标：到2026年，在(zai)满足制(zhi)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(shi)用效率、水资源使(shi)用效率和运维效率，其中节电率提升10%以上。支持冷却系统数据采集、标注、治理、存储，具备系统运行异常告警、告警收(shou)敛、自动诊断(duan)、远(yuan)程(cheng)通信(xin)、自动控制(zhi)等功能，支持冷却系统智能化(hua)调(diao)优、智能化(hua)控制(zhi)的核心能力，并开展不(bu)少于5个实际业务场(chang)景所(suo)提供的AI节能调(diao)优案例。

六、安全(quan)可靠

（二十）算力中心智能运维机器人

揭(jie)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平台，基于云边端三层架构，实现(xian)智能机器人在(zai)多层、多房间楼宇机房内的设备设施识(shi)别、多模态(tai)环境感知、精准空间定位、智能人机协同(tong)、多任务联合调(diao)度等方面(mian)的技(ji)术与算法优化(hua)。支撑机器人在(zai)算力中心设施运维和IT运营(ying)等典(dian)型场(chang)景的应用，提升巡(xun)检质量，促进算力中心运维、运营(ying)的降本增效。

预期目标：到2026年，实现(xian)大型算力中心内智能机器人的多机房、多楼层协同(tong)应用部署；机器人巡(xun)检任务成功率不(bu)低于95%，设备识(shi)别准确率达到97%，环境巡(xun)检召回率不(bu)低于90%，保障算力中心巡(xun)检业务持续运行。实现(xian)云边端协同(tong)调(diao)度，支持不(bu)同(tong)场(chang)景下(xia)的自主作业，提高任务并发(fa)执(zhi)行效率，促进稳定、安全(quan)、可靠、可控的算力中心智能运维体系建设。

（二十一）云边端一体化(hua)智能监测平台

揭(jie)榜任务：开发(fa)高性能云边端一体化(hua)系统，研发(fa)以智能化(hua)终端或机器人为硬件载(zai)体、以多算法模型融合和平台工具为软件载(zai)体的软硬结合的集中监测管理与运维巡(xun)检方案。突破多层级自动化(hua)运维、多维度诊断(duan)、多平台覆(fu)盖、多模型量化(hua)等关键(jian)技(ji)术。构建综合运维健康度数字化(hua)评估体系与模型，实现(xian)算力设施从规划、设计、建设、部署、运行、维护的全(quan)生(sheng)命周期数字化(hua)管理。

预期目标：到2026年，建立大规模集群的智能化(hua)运维能力，设备实现(xian)跨平台及系统稳定性风险和安全(quan)风险识(shi)别能力，综合视频识(shi)别技(ji)术等，结构化(hua)告警收(shou)敛推(tui)送，准确率超(chao)过98%。算力设施全(quan)生(sheng)命周期数字化(hua)联动，平台自动化(hua)流程(cheng)推(tui)进，实现(xian)云端直控覆(fu)盖超(chao)10栋算力中心，落地数字化(hua)算力中心健康度评估，智能化(hua)终端或机器人的自驱动巡(xun)检，视频流识(shi)别与告警的联动，系统的智能化(hua)运维问答，并保障业务服务级别协议（SLA）达标率99%以上。