二、申(shen)报和推(tui)荐

（一）申(shen)报单(dan)位须为(wei)在中(zhong)华人民共和国境内(nei)注册、具有独立法(fa)人资格、具有较强技术创新(xin)和产业(ye)化应用能(neng)力的企(qi)事业(ye)单(dan)位。申(shen)报单(dan)位根据《算力强基(ji)揭榜(bang)行(xing)动任务(wu)榜(bang)单(dan)》（见附件）选择揭榜(bang)任务(wu)，并(bing)需承诺揭榜(bang)后能(neng)够在指定期限内(nei)完成相应任务(wu)，每个单(dan)位申(shen)报不超过3个项目。有关企(qi)业(ye)、高校、科研机构(gou)等以(yi)联合体方式申(shen)报的，牵头(tou)单(dan)位为(wei)1家，联合参(can)与单(dan)位不超过4家。

（二）各省、自治(zhi)区(qu)、直辖(xia)市工业(ye)和信息(xi)化主管部门、通信管理局以(yi)及有关中(zhong)央企(qi)业(ye)按照政府引(yin)导、企(qi)业(ye)自愿的原则，组织有关单(dan)位积极申(shen)报揭榜(bang)，并(bing)作(zuo)为(wei)推(tui)荐单(dan)位，遵循公开、公平、公正的原则，审核遴选推(tui)荐创新(xin)能(neng)力突出、产业(ye)化前景(jing)好(hao)、行(xing)业(ye)带动作(zuo)用明显的项目，报工业(ye)和信息(xi)化部（信息(xi)通信发展司）。

三、工作(zuo)程序和要求(qiu)

（一）申(shen)报单(dan)位通过申(shen)报系统(tong)（https://gs.hcp.ac.cn）进行(xing)申(shen)报，完成注册后填写申(shen)报所需材料。申(shen)报截止(zhi)时间为(wei)2025年3月15日。

（二）各省、自治(zhi)区(qu)、直辖(xia)市工业(ye)和信息(xi)化主管部门、通信管理局以(yi)及有关中(zhong)央企(qi)业(ye)作(zuo)为(wei)推(tui)荐单(dan)位，应于2025年3月31日前登(deng)录(lu)系统(tong)并(bing)确认推(tui)荐名单(dan)（账号密码请通过联系人获取）。推(tui)荐单(dan)位在每个方向推(tui)荐项目数(shu)量原则上不超过3个，所有方向累计(ji)推(tui)荐项目总量不超过20个。鼓励各推(tui)荐单(dan)位结合实际(ji)情(qing)况，对推(tui)荐项目单(dan)位在政策、资金、资源配套等方面加大扶持(chi)力度。

（三）工业(ye)和信息(xi)化部组织遴选并(bing)公布入围揭榜(bang)单(dan)位名单(dan)。入围揭榜(bang)单(dan)位完成攻关任务(wu)后（名单(dan)公布之日起不超过2年），工业(ye)和信息(xi)化部委托第三方专业(ye)机构(gou)开展测(ce)评工作(zuo)，择优确定揭榜(bang)优胜(sheng)单(dan)位（每个揭榜(bang)方向原则上不超过3家）。工业(ye)和信息(xi)化部将统(tong)筹利用各类资源对揭榜(bang)入围、优胜(sheng)单(dan)位予以(yi)支(zhi)持(chi)，推(tui)动优秀成果示(shi)范应用推(tui)广。

附件：算力强基(ji)揭榜(bang)行(xing)动任务(wu)榜(bang)单(dan)

工业(ye)和信息(xi)化部办公厅

2025年2月21日

附件

算力强基(ji)揭榜(bang)行(xing)动任务(wu)榜(bang)单(dan)

一、计(ji)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(ceng)级算力环境，研发算网协同应用管理系统(tong)，设计(ji)面向不同应用软件架构(gou)的管理机制，支(zhi)持(chi)对不同架构(gou)应用软件的统(tong)一管理；研发应用软件在算网协同中(zhong)的自动化构(gou)建部署能(neng)力，支(zhi)持(chi)应用软件的自动构(gou)建和分发部署；研究算网协同应用系统(tong)的一体化观测(ce)能(neng)力，降低运维复杂度，提高复杂应用软件运行(xing)的稳(wen)定性和可靠性。

预期目标：到2026年，研制应用软件管理系统(tong)，支(zhi)持(chi)对传统(tong)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种应用软件的全生命周期管理。研究基(ji)于算网协同的分布式构(gou)建和部署技术，支(zhi)持(chi)上述应用软件的自动分发和跨算力节点部署，实现(xian)零人工介入。研发算网应用一体化观测(ce)功能(neng)，具备白(bai)盒化动态分析以(yi)及智能(neng)故障根因(yin)定位能(neng)力。在不少于3个行(xing)业(ye)完成试点验证。

（二）支(zhi)持(chi)超大规模参(can)数(shu)模型的训推(tui)一体化异构(gou)智算平台

揭榜(bang)任务(wu)：面向人工智能(neng)大模型训练和推(tui)理对计(ji)算资源的需求(qiu)，研发支(zhi)持(chi)超大规模参(can)数(shu)模型的训练、推(tui)理一体化智算平台，包括资源调度策略、训推(tui)加速套件等，并(bing)可支(zhi)持(chi)多种硬件架构(gou)，屏蔽底(di)层(ceng)硬件差异，提升超大规模模型在训练、推(tui)理过程中(zhong)稳(wen)定性、资源利用率和运行(xing)效率。

预期目标：到2026年，研发一套支(zhi)持(chi)万(wan)亿参(can)数(shu)模型的超大规模训推(tui)一体化智算平台，万(wan)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%，训练效率较当前主流水平提升不低于30%，推(tui)理效率提升不低于50%。支(zhi)持(chi)主流深(shen)度学习框架，兼容多种硬件架构(gou)，并(bing)提供统(tong)一的编程接口和开发环境，实现(xian)不低于10个行(xing)业(ye)用户的落地验证。

（三）异构(gou)算力跨域任务(wu)编排系统(tong)

揭榜(bang)任务(wu)：针对跨域异构(gou)算力协同，研发跨域异构(gou)算力管理系统(tong)，实现(xian)跨域异构(gou)算力的管理和应用。研发针对多样性算力的规范化开放(fang)互联功能(neng)，支(zhi)持(chi)对不同类型的异构(gou)算力模型统(tong)一抽象封(feng)装(zhuang)；研发跨域异构(gou)算力的管理功能(neng)，支(zhi)持(chi)对跨域异构(gou)算力的统(tong)一管理和协同；研究跨域多主体算力的安(an)全认证和控制方法(fa)，保障跨域协同安(an)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(zhi)持(chi)数(shu)据处理、函数(shu)计(ji)算、机器学习等不少于3个场景(jing)的计(ji)算任务(wu)部署，完成不少于5个跨域算力中(zhong)心的统(tong)一管理。研发跨域多主体算力的安(an)全认证方法(fa)，支(zhi)持(chi)云边端等不同层(ceng)级算力协同的安(an)全要求(qiu)。在不少于2个行(xing)业(ye)完成试点验证。

（四）训推(tui)算力一体机

揭榜(bang)任务(wu)：面向人工智能(neng)训练、推(tui)理场景(jing)，研发基(ji)于基(ji)础设施(shi)即服(fu)务(wu)（IaaS）和平台即服(fu)务(wu)（PaaS）的高性能(neng)训推(tui)一体化解决方案，覆盖对大模型开发训练和部署推(tui)理的全流程，包括数(shu)据准备、模型训练、模型评测(ce)和模型部署。同时，支(zhi)持(chi)大模型加密、攻击防御等能(neng)力，解决针对大模型数(shu)据泄露、指令攻击等安(an)全问题和风险。

预期目标：到2026年，研发支(zhi)持(chi)至少3种指令集芯片的训推(tui)一体机，针对至少5个行(xing)业(ye)开展人工智能(neng)训推(tui)一体机应用，为(wei)用户提供多元化训推(tui)一体化服(fu)务(wu)，并(bing)在至少10种不同的场景(jing)进行(xing)人工智能(neng)训推(tui)一体机落地。

（五）大规模异构(gou)算力集群推(tui)理加速技术

揭榜(bang)任务(wu)：研发存储、网络、计(ji)算的协同优化技术，通过模型加速、调度加速等方法(fa)实现(xian)大规模异构(gou)算力集群在大模型推(tui)理方面的加速，从而支(zhi)持(chi)更大的模型、更长的上下文(wen)、更高的性能(neng)及更低的能(neng)耗，促进算力芯片在大模型推(tui)理方面的更好(hao)应用。

预期目标：到2026年，实现(xian)集群有效吞吐量5倍以(yi)上提升，实际(ji)应用场景(jing)中(zhong)可处理的请求(qiu)数(shu)提升1倍以(yi)上，首字延迟性能(neng)提升1倍以(yi)上，芯片利用率提升50%以(yi)上。通过优化算力中(zhong)心计(ji)算、存储、网络的配比以(yi)及拓扑结构(gou)和系统(tong)调度策略，实现(xian)千卡以(yi)上异构(gou)集群在推(tui)理加速领域的突破。

二、存储

（六）磁光电融合存储系统(tong)

揭榜(bang)任务(wu)：针对单(dan)一存储介质难以(yi)满足多样化数(shu)据存储需求(qiu)的现(xian)状，依(yi)托磁、光、电存储在性能(neng)、寿(shou)命、功耗等方面的差异化特性，将磁、光、电存储技术进行(xing)融合，研发磁光电融合存储系统(tong)，构(gou)建基(ji)于固(gu)态硬盘(pan)（SSD）、机械硬盘(pan)（HDD）和光存储的多级存储架构(gou)。根据业(ye)务(wu)特征，将数(shu)据保存在不同级别的存储设备中(zhong)，实现(xian)海量数(shu)据的集中(zhong)、统(tong)一存储管理，支(zhi)撑算力中(zhong)心高效、低碳(tan)、安(an)全持(chi)续(xu)发展。

预期目标：到2026年，研发磁、光、电融合存储系统(tong)，支(zhi)持(chi)适配分布式文(wen)件、分布式块(kuai)和分布式对象等至少3种存储类型，系统(tong)可以(yi)根据数(shu)据的访问时间、访问频率、文(wen)件属性等自定义分级策略，根据业(ye)务(wu)负载动态调整迁移。系统(tong)可通过介质安(an)全、系统(tong)安(an)全、软件安(an)全等夯(hang)实底(di)层(ceng)安(an)全能(neng)力，通过防勒索、加密算法(fa)、远程监(jian)控、光存储预警(jing)检测(ce)等增强数(shu)据安(an)全能(neng)力。打(da)造磁光电融合存储应用示(shi)范，完成至少20个业(ye)务(wu)系统(tong)应用，实现(xian)至少4个东部地区(qu)数(shu)据流动至西部磁光电存储系统(tong)，且数(shu)据存储量不少于10PB。

（七）存储调度管理及应用技术

揭榜(bang)任务(wu)：针对海量数(shu)据存储和算力孤岛(dao)问题，研发跨域多算的存力调度、存网编排和存算网一体化系统(tong)，实现(xian)数(shu)据的智能(neng)冷热分级、应用的跨域无感访问等能(neng)力，有效降低成本、提高性能(neng)和支(zhi)撑业(ye)务(wu)。系统(tong)具备资源规划、策略调整能(neng)力，可优化和调整全网数(shu)据存储布局，实现(xian)对不断变化的需求(qiu)的适应。

预期目标：到2026年，研制具备高效、可扩展性的存储系统(tong)，基(ji)于智能(neng)算法(fa)，对数(shu)据进行(xing)分析和调度，实现(xian)应用无感访问和智能(neng)流动。研究存力调度策略，使数(shu)据召回率控制在30%以(yi)下；研究基(ji)于潮汐网络调度算法(fa)，实现(xian)网络带宽利用率提升50%以(yi)上，达(da)到存网一体的目标。集成存储、计(ji)算和网络的能(neng)力，支(zhi)持(chi)存算网一体化调度，在算力中(zhong)心资源池落地应用。

三、网络

（八）高性能(neng)数(shu)据处理器（DPU）

揭榜(bang)任务(wu)：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(zhi)持(chi)算力中(zhong)心、智算中(zhong)心、超算中(zhong)心场景(jing)所需的超高带宽和超低时延，突破Chiplet异构(gou)芯片封(feng)装(zhuang)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)、高性能(neng)虚拟化、硬件可编程等技术，实现(xian)基(ji)于ARM、X86、RISC-V等异构(gou)核心的DPU应用，提升算力中(zhong)心基(ji)础设施(shi)处理能(neng)力和数(shu)据传输(shu)能(neng)效比。

预期目标：到2026年，完成超高性能(neng)DPU芯片研发工作(zuo)，吞吐能(neng)力达(da)到400Gbps，单(dan)向流量时延不高于30us，支(zhi)持(chi)与国内(nei)外(wai)主流CPU、GPU芯片平台的适配，支(zhi)持(chi)主流操(cao)作(zuo)系统(tong)兼容，支(zhi)持(chi)数(shu)据报文(wen)硬件处理逻辑可编程。

（九）基(ji)于RoCE的智算网络

揭榜(bang)任务(wu)：面向RoCE网络开展设备及管控系统(tong)研发，通过提高设备带宽、优化负载均衡算法(fa)、强化网络流量规划及运维能(neng)力等方式，提升RoCE网络的吞吐量和时延性能(neng)。研制新(xin)一代智能(neng)化管控工具，引(yin)入AI大模型能(neng)力，简化RoCE网络的部署和配置工作(zuo)，实现(xian)全局、多维度的可视化运维。在网络波动、业(ye)务(wu)变更、故障等情(qing)况下，网络参(can)数(shu)自动调整，流量快速切换，从而达(da)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(xin)型RoCE网络整体方案的商用部署，网络性能(neng)提升10%以(yi)上。通过智能(neng)化管控及运维工具，网络部署难度大幅降低，运维效率提升50%以(yi)上，可支(zhi)撑更大规模部署和应用。

（十）光交换智算网络技术研究与验证

揭榜(bang)任务(wu)：面向智算集群低功耗、高带宽、低延迟技术需求(qiu)，开展智算集群光交换组网关键(jian)技术研究与验证，重点突破智算集群光交换组网、路由协议(yi)适配等关键(jian)技术。针对智算集群的功能(neng)、性能(neng)、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(xian)支(zhi)持(chi)智算集群的易操(cao)作(zuo)、高可靠、可平滑过渡升级的光网络，支(zhi)持(chi)人工智能(neng)等关键(jian)业(ye)务(wu)承载；光交换设备单(dan)端口速率支(zhi)持(chi)100GE/400GE/800GE，交换容量弹性可扩展，可支(zhi)持(chi)不少于3种异构(gou)算力资源互联，在不少于2个智算集群完成验证，并(bing)完成不少于3种智算业(ye)务(wu)承载验证。

（十一）面向分布式智算中(zhong)心的网络关键(jian)技术研究与验证

揭榜(bang)任务(wu)：针对智算集群从集中(zhong)式向分布式部署探索的趋(qu)势(shi)，攻关算力中(zhong)心间网络技术，研发面向智算中(zhong)心间的高可靠传输(shu)设备，构(gou)建智算中(zhong)心间超大容量、超低时延、超高可靠光电协同网络，实现(xian)智算中(zhong)心高速、可靠互联。

预期目标：到2026年，突破智算中(zhong)心间超大容量、超高可靠网络传输(shu)关键(jian)技术，研制面向智算中(zhong)心间网络的传输(shu)设备，单(dan)波速率不低于1.6Tbps，设备时延不超过30us，支(zhi)撑分布式智算中(zhong)心间业(ye)务(wu)的高可靠传输(shu)。

四、应用

（十二）智算中(zhong)心跨域互联应用

揭榜(bang)任务(wu)：优化人工智能(neng)算力基(ji)础设施(shi)布局，构(gou)建跨地域互补、协同算力调度的超大规模人工智能(neng)算力服(fu)务(wu)能(neng)力。加强与人工智能(neng)芯片厂商的兼容适配，构(gou)筑大规模高性能(neng)异构(gou)算力池，提供面向大模型训推(tui)场景(jing)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(neng)算力服(fu)务(wu)。

预期目标：到2026年，形(xing)成覆盖5个以(yi)上全国重点算力枢纽节点的人工智能(neng)算力中(zhong)心，支(zhi)持(chi)跨地域、跨云的算力需求(qiu)感知和动态调度，完成3款以(yi)上算力芯片适配，聚焦大模型训练和推(tui)理场景(jing)，构(gou)建大规模、高性能(neng)、弹性调度、高容错的训推(tui)一体算力资源池，具备分钟级断点续(xu)训能(neng)力，支(zhi)持(chi)万(wan)卡级别并(bing)行(xing)训练。

（十三）算力电力协同应用

揭榜(bang)任务(wu)：研发基(ji)于算力调度技术与能(neng)源大模型的多云异构(gou)算电协同管理平台，构(gou)建基(ji)于数(shu)据驱动的算力集群用电负荷特性模型、基(ji)于计(ji)算任务(wu)的时空转移特性的能(neng)源大模型，推(tui)动算力预测(ce)与调度技术在智算中(zhong)心应用落地，提升整体资源利用率，基(ji)于新(xin)能(neng)源、新(xin)型储能(neng)系统(tong)开展算力负荷与电力系统(tong)的协同优化，实现(xian)精准、动态、实时的能(neng)源调度与交易，实现(xian)算力与电力等能(neng)源的深(shen)度协同。

预期目标：到2026年，实现(xian)智算场景(jing)下能(neng)源与算力全链路的数(shu)据穿透及流程整合，构(gou)建“算”随“电”动的直接控制及间接引(yin)导机制，实现(xian)算力需求(qiu)预测(ce)精准度达(da)到70%、集群有效负载率提升25%以(yi)上，智算中(zhong)心整体集群资源利用率提高10%。结合算力集群用电数(shu)据、时间周期、气象数(shu)据、工作(zuo)负载等多种因(yin)素，实现(xian)“电”随“算”用的能(neng)源效率优化与算效提升，实现(xian)基(ji)础设施(shi)用能(neng)决策精准度85%以(yi)上，响应时效性达(da)到提前15分钟响应级别，智算中(zhong)心整体算力能(neng)效水平提升30%，算力中(zhong)心用电成本降低5%以(yi)上。

（十四）大规模通信业(ye)务(wu)场景(jing)中(zhong)的算力应用

揭榜(bang)任务(wu)：围绕网络功能(neng)虚拟化（NFV）系统(tong)架构(gou)，针对NFV中(zhong)网络性能(neng)、资源利用和灵活展性等方面的挑战，研发面向NFV架构(gou)的高性能(neng)虚拟化、智能(neng)化网络管理和资源编排算法(fa)等技术和系统(tong)，突破虚拟化层(ceng)与硬件加速器（如FPGA、DPU、GPU）之间的协同能(neng)力。

预期目标：到2026年，NFV算力平台系统(tong)中(zhong)实现(xian)对虚拟化网络功能(neng)的智能(neng)调度，支(zhi)持(chi)异构(gou)集群部署、动态扩展，资源动态分配，虚拟化资源利用率提升20%以(yi)上；支(zhi)持(chi)GPU、FPGA等硬件加速器的虚拟化调度，加速网络处理性能(neng)至Tbps以(yi)上；支(zhi)持(chi)智能(neng)化网络虚拟化功能(neng)管理，提升NFV系统(tong)的自动化运维能(neng)力和管理效能(neng)，故障修复时间缩减不低于30%。

五、绿(lu)色低碳(tan)

（十五）绿(lu)色算力技术研究及应用

揭榜(bang)任务(wu)：围绕算力的绿(lu)色节能(neng)技术突破，面向算力中(zhong)的任务(wu)调度特性、能(neng)源使用模式、负载均衡要求(qiu)等关键(jian)要素，研发适应于绿(lu)色计(ji)算的动态资源调度算法(fa)、能(neng)耗优化管理系统(tong)，以(yi)及面向多场景(jing)的协同节能(neng)机制，突破节能(neng)算法(fa)的智能(neng)化程度，提升算力网络中(zhong)多节点的能(neng)源利用效率。

预期目标：到2026年，能(neng)耗管理系统(tong)实现(xian)对算力中(zhong)心和网络节点的实时监(jian)控与节能(neng)调度，通过计(ji)算节点支(zhi)持(chi)动态调频、动态电压调节，单(dan)节点平均能(neng)耗降低30%以(yi)上，满足AI推(tui)理等应用需求(qiu)。

（十六）企(qi)业(ye)绿(lu)色计(ji)算碳(tan)感知平台

揭榜(bang)任务(wu)：建立企(qi)业(ye)算力中(zhong)心碳(tan)排放(fang)度量体系，能(neng)够实时、精准地统(tong)计(ji)企(qi)业(ye)各个算力中(zhong)心碳(tan)排放(fang)，并(bing)能(neng)将碳(tan)排放(fang)量分摊到不同的业(ye)务(wu)部门、应用场景(jing)和工作(zuo)负载，实现(xian)精细化的碳(tan)排放(fang)的管理。同时，基(ji)于碳(tan)排放(fang)的数(shu)据，实现(xian)碳(tan)感知调度能(neng)力，通过在保证业(ye)务(wu)体验和连续(xu)性的情(qing)况下将工作(zuo)负载调度到更加低碳(tan)的算力中(zhong)心，进一步降低碳(tan)排放(fang)。

预期目标：到2026年，围绕千万(wan)核级别跨域的算力中(zhong)心，构(gou)建企(qi)业(ye)级绿(lu)色计(ji)算碳(tan)感知平台，形(xing)成一套行(xing)业(ye)通用的、可精确度量不同类型工作(zuo)负载碳(tan)排放(fang)的技术方法(fa)和指标体系，通过生态共建形(xing)成绿(lu)色度量衡标准体系。构(gou)建碳(tan)感知调度能(neng)力，达(da)到算力中(zhong)心可再生能(neng)源比例30%的目标。

（十七）冷板(ban)式液冷原生整机柜(gui)服(fu)务(wu)器

揭榜(bang)任务(wu)：面向新(xin)一代液冷算力中(zhong)心，研发冷板(ban)式液冷整机柜(gui)，包括液冷服(fu)务(wu)器节点、无源液冷门等，突破高密算力、多样性算力的散热技术及架构(gou)要求(qiu)，实现(xian)支(zhi)持(chi)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(gui)及液冷服(fu)务(wu)器等多级漏液检测(ce)能(neng)力，有效降低业(ye)务(wu)中(zhong)断范围与损失。

预期目标：到2026年，液冷整机柜(gui)实现(xian)100%液冷散热，制冷PUE低于1.15。整机柜(gui)服(fu)务(wu)器内(nei)部实现(xian)全盲插设计(ji)，管理模块(kuai)可实现(xian)整机柜(gui)功耗管理、漏液检测(ce)、资产管理等功能(neng)；通用算力单(dan)柜(gui)功率不低于20kW，智能(neng)算力单(dan)机柜(gui)功率不低于30kW，实现(xian)不少于500台液冷节点的规模落地应用。

（十八）算力中(zhong)心节能(neng)调优平台

揭榜(bang)任务(wu)：研制高精确度、高仿真效率、多场景(jing)覆盖的算力中(zhong)心PUE仿真平台，突破物(wu)理机理模型构(gou)建、仿真引(yin)擎(qing)集群、模型自动生成等关键(jian)技术，实现(xian)对算力中(zhong)心不同运行(xing)状态下细分时间颗粒度PUE的快速、精准评估。研发基(ji)于大数(shu)据分析技术的算力中(zhong)心制冷系统(tong)AI节能(neng)优化系统(tong)，通过自动化数(shu)据治(zhi)理、自动推(tui)理等关键(jian)技术，准确匹配制冷需求(qiu)，在满足可靠性要求(qiu)条件下实现(xian)算力中(zhong)心制冷系统(tong)整体动态实时优化，优化算力中(zhong)心PUE。

预期目标：到2026年，支(zhi)持(chi)液冷、水冷等至少2类典型制冷场景(jing)进行(xing)能(neng)效优化，支(zhi)持(chi)制冷系统(tong)和配电系统(tong)联合仿真，系统(tong)可输(shu)出不同负载及运行(xing)工况条件下的PUE运行(xing)曲线、系统(tong)设备运行(xing)模拟工况等参(can)数(shu)，PUE仿真精度达(da)到97%以(yi)上。基(ji)于能(neng)效优化平台，支(zhi)持(chi)AI自动推(tui)理，小时级策略自动下发，实现(xian)对算力中(zhong)心能(neng)耗的可视、可管、可控。通过AI能(neng)效优化，实现(xian)算力中(zhong)心PUE降低5%以(yi)上，通过算力中(zhong)心基(ji)础设施(shi)与IT联动节能(neng)，实现(xian)总能(neng)耗降低5%以(yi)上，在5个以(yi)上算力中(zhong)心落地应用。

（十九）新(xin)型制冷系统(tong)

揭榜(bang)任务(wu)：研发人工智能(neng)节能(neng)系统(tong)，针对算力中(zhong)心基(ji)础设施(shi)的运行(xing)调控和环境监(jian)测(ce)。提出全新(xin)自适应算法(fa)，突破原有常(chang)见算法(fa)的局限性，提升数(shu)据的分析和处理效果，搭建基(ji)于专家经(jing)验的人工智能(neng)算法(fa)数(shu)据库，提升包括能(neng)耗管理、能(neng)源调度、安(an)全监(jian)测(ce)、故障诊断、辅助运维等功能(neng)的节能(neng)性、可靠性、经(jing)济性。

预期目标：到2026年，在满足制冷要求(qiu)的基(ji)础上，提高冷却系统(tong)的可靠性和自适应性，提高能(neng)源使用效率、水资源使用效率和运维效率，其中(zhong)节电率提升10%以(yi)上。支(zhi)持(chi)冷却系统(tong)数(shu)据采集、标注、治(zhi)理、存储，具备系统(tong)运行(xing)异常(chang)告警(jing)、告警(jing)收敛、自动诊断、远程通信、自动控制等功能(neng)，支(zhi)持(chi)冷却系统(tong)智能(neng)化调优、智能(neng)化控制的核心能(neng)力，并(bing)开展不少于5个实际(ji)业(ye)务(wu)场景(jing)所提供的AI节能(neng)调优案例。

六、安(an)全可靠

（二十）算力中(zhong)心智能(neng)运维机器人

揭榜(bang)任务(wu)：研发算力中(zhong)心智能(neng)运维机器人以(yi)及智能(neng)机器人管理平台，基(ji)于云边端三层(ceng)架构(gou)，实现(xian)智能(neng)机器人在多层(ceng)、多房间楼宇机房内(nei)的设备设施(shi)识别、多模态环境感知、精准空间定位、智能(neng)人机协同、多任务(wu)联合调度等方面的技术与算法(fa)优化。支(zhi)撑机器人在算力中(zhong)心设施(shi)运维和IT运营等典型场景(jing)的应用，提升巡(xun)检质量，促进算力中(zhong)心运维、运营的降本增效。

预期目标：到2026年，实现(xian)大型算力中(zhong)心内(nei)智能(neng)机器人的多机房、多楼层(ceng)协同应用部署；机器人巡(xun)检任务(wu)成功率不低于95%，设备识别准确率达(da)到97%，环境巡(xun)检召回率不低于90%，保障算力中(zhong)心巡(xun)检业(ye)务(wu)持(chi)续(xu)运行(xing)。实现(xian)云边端协同调度，支(zhi)持(chi)不同场景(jing)下的自主作(zuo)业(ye)，提高任务(wu)并(bing)发执行(xing)效率，促进稳(wen)定、安(an)全、可靠、可控的算力中(zhong)心智能(neng)运维体系建设。

（二十一）云边端一体化智能(neng)监(jian)测(ce)平台

揭榜(bang)任务(wu)：开发高性能(neng)云边端一体化系统(tong)，研发以(yi)智能(neng)化终端或机器人为(wei)硬件载体、以(yi)多算法(fa)模型融合和平台工具为(wei)软件载体的软硬结合的集中(zhong)监(jian)测(ce)管理与运维巡(xun)检方案。突破多层(ceng)级自动化运维、多维度诊断、多平台覆盖、多模型量化等关键(jian)技术。构(gou)建综(zong)合运维健(jian)康度数(shu)字化评估体系与模型，实现(xian)算力设施(shi)从规划、设计(ji)、建设、部署、运行(xing)、维护(hu)的全生命周期数(shu)字化管理。

预期目标：到2026年，建立大规模集群的智能(neng)化运维能(neng)力，设备实现(xian)跨平台及系统(tong)稳(wen)定性风险和安(an)全风险识别能(neng)力，综(zong)合视频识别技术等，结构(gou)化告警(jing)收敛推(tui)送(song)，准确率超过98%。算力设施(shi)全生命周期数(shu)字化联动，平台自动化流程推(tui)进，实现(xian)云端直控覆盖超10栋算力中(zhong)心，落地数(shu)字化算力中(zhong)心健(jian)康度评估，智能(neng)化终端或机器人的自驱动巡(xun)检，视频流识别与告警(jing)的联动，系统(tong)的智能(neng)化运维问答，并(bing)保障业(ye)务(wu)服(fu)务(wu)级别协议(yi)（SLA）达(da)标率99%以(yi)上。