二、申(shen)报和推荐

（一）申(shen)报单(dan)位须(xu)为在中华人民共和国境内(nei)注册、具(ju)有独立法人资格(ge)、具(ju)有较强技术创新和产(chan)业(ye)化应用能力的(de)企事业(ye)单(dan)位。申(shen)报单(dan)位根(gen)据(ju)《算力强基揭榜行动(dong)任务榜单(dan)》（见附件）选(xuan)择揭榜任务，并(bing)需承诺(nuo)揭榜后能够在指定期限内(nei)完成相应任务，每个单(dan)位申(shen)报不超(chao)过3个项目。有关企业(ye)、高校、科研机构等以联合体方式(shi)申(shen)报的(de)，牵头单(dan)位为1家，联合参与(yu)单(dan)位不超(chao)过4家。

（二）各省、自治区(qu)、直辖市工业(ye)和信息化主管(guan)部门、通信管(guan)理局以及有关中央企业(ye)按照政府引导、企业(ye)自愿(yuan)的(de)原则，组织有关单(dan)位积极申(shen)报揭榜，并(bing)作为推荐单(dan)位，遵循公开、公平、公正的(de)原则，审核遴选(xuan)推荐创新能力突出、产(chan)业(ye)化前景(jing)好、行业(ye)带动(dong)作用明显的(de)项目，报工业(ye)和信息化部（信息通信发展司）。

三、工作程序和要求

（一）申(shen)报单(dan)位通过申(shen)报系(xi)统进行申(shen)报，完成注册后填写申(shen)报所需材料(liao)。申(shen)报截止时间为2025年3月15日。

（二）各省、自治区(qu)、直辖市工业(ye)和信息化主管(guan)部门、通信管(guan)理局以及有关中央企业(ye)作为推荐单(dan)位，应于2025年3月31日前登录系(xi)统并(bing)确认(ren)推荐名单(dan)（账号密码请通过联系(xi)人获取(qu)）。推荐单(dan)位在每个方向推荐项目数量(liang)原则上不超(chao)过3个，所有方向累计推荐项目总量(liang)不超(chao)过20个。鼓励各推荐单(dan)位结合实际情况，对推荐项目单(dan)位在政策、资金、资源(yuan)配套等方面加(jia)大扶持力度。

（三）工业(ye)和信息化部组织遴选(xuan)并(bing)公布入围揭榜单(dan)位名单(dan)。入围揭榜单(dan)位完成攻关任务后（名单(dan)公布之日起不超(chao)过2年），工业(ye)和信息化部委托第三方专业(ye)机构开展测评工作，择优确定揭榜优胜单(dan)位（每个揭榜方向原则上不超(chao)过3家）。工业(ye)和信息化部将统筹利用各类资源(yuan)对揭榜入围、优胜单(dan)位予以支持，推动(dong)优秀成果示范应用推广。

工业(ye)和信息化部办(ban)公厅

2025年2月21日

附件

算力强基揭榜行动(dong)任务榜单(dan)

一 计算

（一）云边端(duan)算网协同管(guan)理系(xi)统

揭榜任务：面向云边端(duan)多层(ceng)级算力环境，研发算网协同应用管(guan)理系(xi)统，设计面向不同应用软件架构的(de)管(guan)理机制(zhi)，支持对不同架构应用软件的(de)统一管(guan)理；研发应用软件在算网协同中的(de)自动(dong)化构建部署能力，支持应用软件的(de)自动(dong)构建和分发部署；研究算网协同应用系(xi)统的(de)一体化观测能力，降(jiang)低运维(wei)复杂度，提高复杂应用软件运行的(de)稳(wen)定性和可靠性。

预期目标：到(dao)2026年，研制(zhi)应用软件管(guan)理系(xi)统，支持对传统应用软件、云原生应用软件、AI应用软件、大数据(ju)应用软件等不少于5种应用软件的(de)全生命周期管(guan)理。研究基于算网协同的(de)分布式(shi)构建和部署技术，支持上述(shu)应用软件的(de)自动(dong)分发和跨算力节点部署，实现零人工介入。研发算网应用一体化观测功能，具(ju)备白盒(he)化动(dong)态分析以及智能故(gu)障根(gen)因定位能力。在不少于3个行业(ye)完成试点验证。

（二）支持超(chao)大规模参数模型的(de)训推一体化异构智算平台

揭榜任务：面向人工智能大模型训练和推理对计算资源(yuan)的(de)需求，研发支持超(chao)大规模参数模型的(de)训练、推理一体化智算平台，包括资源(yuan)调度策略、训推加(jia)速套件等，并(bing)可支持多种硬件架构，屏蔽底层(ceng)硬件差异，提升超(chao)大规模模型在训练、推理过程中稳(wen)定性、资源(yuan)利用率和运行效率。

预期目标：到(dao)2026年，研发一套支持万亿参数模型的(de)超(chao)大规模训推一体化智算平台，万卡(ka)环境下(xia)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(shui)平提升不低于30%，推理效率提升不低于50%。支持主流深(shen)度学习框(kuang)架，兼容多种硬件架构，并(bing)提供(gong)统一的(de)编程接口和开发环境，实现不低于10个行业(ye)用户的(de)落地验证。

（三）异构算力跨域任务编排系(xi)统

揭榜任务：针对跨域异构算力协同，研发跨域异构算力管(guan)理系(xi)统，实现跨域异构算力的(de)管(guan)理和应用。研发针对多样性算力的(de)规范化开放互联功能，支持对不同类型的(de)异构算力模型统一抽象封(feng)装；研发跨域异构算力的(de)管(guan)理功能，支持对跨域异构算力的(de)统一管(guan)理和协同；研究跨域多主体算力的(de)安(an)全认(ren)证和控制(zhi)方法，保障跨域协同安(an)全。

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(ju)处理、函数计算、机器学习等不少于3个场(chang)景(jing)的(de)计算任务部署，完成不少于5个跨域算力中心的(de)统一管(guan)理。研发跨域多主体算力的(de)安(an)全认(ren)证方法，支持云边端(duan)等不同层(ceng)级算力协同的(de)安(an)全要求。在不少于2个行业(ye)完成试点验证。

（四）训推算力一体机

揭榜任务：面向人工智能训练、推理场(chang)景(jing)，研发基于基础设施即(ji)服务（IaaS）和平台即(ji)服务（PaaS）的(de)高性能训推一体化解决方案(an)，覆盖对大模型开发训练和部署推理的(de)全流程，包括数据(ju)准备、模型训练、模型评测和模型部署。同时，支持大模型加(jia)密、攻击防御等能力，解决针对大模型数据(ju)泄(xie)露、指令攻击等安(an)全问(wen)题和风险(xian)。

预期目标：到(dao)2026年，研发支持至(zhi)少3种指令集芯片(pian)的(de)训推一体机，针对至(zhi)少5个行业(ye)开展人工智能训推一体机应用，为用户提供(gong)多元化训推一体化服务，并(bing)在至(zhi)少10种不同的(de)场(chang)景(jing)进行人工智能训推一体机落地。

（五(wu)）大规模异构算力集群推理加(jia)速技术

揭榜任务：研发存(cun)储、网络、计算的(de)协同优化技术，通过模型加(jia)速、调度加(jia)速等方法实现大规模异构算力集群在大模型推理方面的(de)加(jia)速，从而支持更大的(de)模型、更长的(de)上下(xia)文、更高的(de)性能及更低的(de)能耗，促进算力芯片(pian)在大模型推理方面的(de)更好应用。

预期目标：到(dao)2026年，实现集群有效吞(tun)吐量(liang)5倍以上提升，实际应用场(chang)景(jing)中可处理的(de)请求数提升1倍以上，首字延迟性能提升1倍以上，芯片(pian)利用率提升50%以上。通过优化算力中心计算、存(cun)储、网络的(de)配比以及拓扑结构和系(xi)统调度策略，实现千(qian)卡(ka)以上异构集群在推理加(jia)速领域的(de)突破。

二 存(cun)储

（六）磁光电融合存(cun)储系(xi)统

揭榜任务：针对单(dan)一存(cun)储介质难以满足(zu)多样化数据(ju)存(cun)储需求的(de)现状，依托磁、光、电存(cun)储在性能、寿命、功耗等方面的(de)差异化特性，将磁、光、电存(cun)储技术进行融合，研发磁光电融合存(cun)储系(xi)统，构建基于固态硬盘（SSD）、机械硬盘（HDD）和光存(cun)储的(de)多级存(cun)储架构。根(gen)据(ju)业(ye)务特征，将数据(ju)保存(cun)在不同级别的(de)存(cun)储设备中，实现海量(liang)数据(ju)的(de)集中、统一存(cun)储管(guan)理，支撑算力中心高效、低碳、安(an)全持续(xu)发展。

预期目标：到(dao)2026年，研发磁、光、电融合存(cun)储系(xi)统，支持适配分布式(shi)文件、分布式(shi)块和分布式(shi)对象等至(zhi)少3种存(cun)储类型，系(xi)统可以根(gen)据(ju)数据(ju)的(de)访问(wen)时间、访问(wen)频率、文件属性等自定义分级策略，根(gen)据(ju)业(ye)务负载动(dong)态调整迁移。系(xi)统可通过介质安(an)全、系(xi)统安(an)全、软件安(an)全等夯实底层(ceng)安(an)全能力，通过防勒索、加(jia)密算法、远程监控、光存(cun)储预警检测等增强数据(ju)安(an)全能力。打(da)造(zao)磁光电融合存(cun)储应用示范，完成至(zhi)少20个业(ye)务系(xi)统应用，实现至(zhi)少4个东部地区(qu)数据(ju)流动(dong)至(zhi)西部磁光电存(cun)储系(xi)统，且数据(ju)存(cun)储量(liang)不少于10PB。

（七）存(cun)储调度管(guan)理及应用技术

揭榜任务：针对海量(liang)数据(ju)存(cun)储和算力孤(gu)岛问(wen)题，研发跨域多算的(de)存(cun)力调度、存(cun)网编排和存(cun)算网一体化系(xi)统，实现数据(ju)的(de)智能冷(leng)热分级、应用的(de)跨域无感访问(wen)等能力，有效降(jiang)低成本、提高性能和支撑业(ye)务。系(xi)统具(ju)备资源(yuan)规划(hua)、策略调整能力，可优化和调整全网数据(ju)存(cun)储布局，实现对不断变化的(de)需求的(de)适应。

预期目标：到(dao)2026年，研制(zhi)具(ju)备高效、可扩展性的(de)存(cun)储系(xi)统，基于智能算法，对数据(ju)进行分析和调度，实现应用无感访问(wen)和智能流动(dong)。研究存(cun)力调度策略，使数据(ju)召回率控制(zhi)在30%以下(xia)；研究基于潮汐网络调度算法，实现网络带宽利用率提升50%以上，达到(dao)存(cun)网一体的(de)目标。集成存(cun)储、计算和网络的(de)能力，支持存(cun)算网一体化调度，在算力中心资源(yuan)池落地应用。

三 网络

（八(ba)）高性能数据(ju)处理器（DPU）

揭榜任务：开展基于芯粒（Chiplet）和第五(wu)代精简(jian)指令集（RISC-V）技术的(de)软硬件一体DPU芯片(pian)技术研究，支持算力中心、智算中心、超(chao)算中心场(chang)景(jing)所需的(de)超(chao)高带宽和超(chao)低时延，突破Chiplet异构芯片(pian)封(feng)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(ni)化、硬件可编程等技术，实现基于ARM、X86、RISC-V等异构核心的(de)DPU应用，提升算力中心基础设施处理能力和数据(ju)传输能效比。

预期目标：到(dao)2026年，完成超(chao)高性能DPU芯片(pian)研发工作，吞(tun)吐能力达到(dao)400Gbps，单(dan)向流量(liang)时延不高于30us，支持与(yu)国内(nei)外主流CPU、GPU芯片(pian)平台的(de)适配，支持主流操作系(xi)统兼容，支持数据(ju)报文硬件处理逻辑可编程。

（九）基于RoCE的(de)智算网络

揭榜任务：面向RoCE网络开展设备及管(guan)控系(xi)统研发，通过提高设备带宽、优化负载均衡算法、强化网络流量(liang)规划(hua)及运维(wei)能力等方式(shi)，提升RoCE网络的(de)吞(tun)吐量(liang)和时延性能。研制(zhi)新一代智能化管(guan)控工具(ju)，引入AI大模型能力，简(jian)化RoCE网络的(de)部署和配置工作，实现全局、多维(wei)度的(de)可视化运维(wei)。在网络波动(dong)、业(ye)务变更、故(gu)障等情况下(xia)，网络参数自动(dong)调整，流量(liang)快速切换，从而达到(dao)提升网络效率和降(jiang)低运维(wei)成本的(de)目标。

预期目标：到(dao)2026年，实现新型RoCE网络整体方案(an)的(de)商用部署，网络性能提升10%以上。通过智能化管(guan)控及运维(wei)工具(ju)，网络部署难度大幅降(jiang)低，运维(wei)效率提升50%以上，可支撑更大规模部署和应用。

（十）光交换智算网络技术研究与(yu)验证

揭榜任务：面向智算集群低功耗、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(yu)验证，重(zhong)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(de)功能、性能、可靠性和扩展性等要求，研究光拓扑映射、光电混合路由、多路径负载均衡等技术。

预期目标：到(dao)2026年，实现支持智算集群的(de)易操作、高可靠、可平滑过渡升级的(de)光网络，支持人工智能等关键业(ye)务承载；光交换设备单(dan)端(duan)口速率支持100GE/400GE/800GE，交换容量(liang)弹性可扩展，可支持不少于3种异构算力资源(yuan)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)务承载验证。

（十一）面向分布式(shi)智算中心的(de)网络关键技术研究与(yu)验证

揭榜任务：针对智算集群从集中式(shi)向分布式(shi)部署探索的(de)趋(qu)势，攻关算力中心间网络技术，研发面向智算中心间的(de)高可靠传输设备，构建智算中心间超(chao)大容量(liang)、超(chao)低时延、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(dao)2026年，突破智算中心间超(chao)大容量(liang)、超(chao)高可靠网络传输关键技术，研制(zhi)面向智算中心间网络的(de)传输设备，单(dan)波速率不低于1.6Tbps，设备时延不超(chao)过30us，支撑分布式(shi)智算中心间业(ye)务的(de)高可靠传输。

四 应用

（十二）智算中心跨域互联应用

揭榜任务：优化人工智能算力基础设施布局，构建跨地域互补、协同算力调度的(de)超(chao)大规模人工智能算力服务能力。加(jia)强与(yu)人工智能芯片(pian)厂商的(de)兼容适配，构筑大规模高性能异构算力池，提供(gong)面向大模型训推场(chang)景(jing)深(shen)度优化的(de)弹性调度、弹性容错、高资源(yuan)利用率的(de)人工智能算力服务。

预期目标：到(dao)2026年，形成覆盖5个以上全国重(zhong)点算力枢纽节点的(de)人工智能算力中心，支持跨地域、跨云的(de)算力需求感知和动(dong)态调度，完成3款以上算力芯片(pian)适配，聚焦大模型训练和推理场(chang)景(jing)，构建大规模、高性能、弹性调度、高容错的(de)训推一体算力资源(yuan)池，具(ju)备分钟级断点续(xu)训能力，支持万卡(ka)级别并(bing)行训练。

（十三）算力电力协同应用

揭榜任务：研发基于算力调度技术与(yu)能源(yuan)大模型的(de)多云异构算电协同管(guan)理平台，构建基于数据(ju)驱动(dong)的(de)算力集群用电负荷特性模型、基于计算任务的(de)时空转(zhuan)移特性的(de)能源(yuan)大模型，推动(dong)算力预测与(yu)调度技术在智算中心应用落地，提升整体资源(yuan)利用率，基于新能源(yuan)、新型储能系(xi)统开展算力负荷与(yu)电力系(xi)统的(de)协同优化，实现精准、动(dong)态、实时的(de)能源(yuan)调度与(yu)交易，实现算力与(yu)电力等能源(yuan)的(de)深(shen)度协同。

预期目标：到(dao)2026年，实现智算场(chang)景(jing)下(xia)能源(yuan)与(yu)算力全链路的(de)数据(ju)穿透及流程整合，构建“算”随“电”动(dong)的(de)直接控制(zhi)及间接引导机制(zhi)，实现算力需求预测精准度达到(dao)70%、集群有效负载率提升25%以上，智算中心整体集群资源(yuan)利用率提高10%。结合算力集群用电数据(ju)、时间周期、气象数据(ju)、工作负载等多种因素，实现“电”随“算”用的(de)能源(yuan)效率优化与(yu)算效提升，实现基础设施用能决策精准度85%以上，响应时效性达到(dao)提前15分钟响应级别，智算中心整体算力能效水(shui)平提升30%，算力中心用电成本降(jiang)低5%以上。

（十四）大规模通信业(ye)务场(chang)景(jing)中的(de)算力应用

揭榜任务：围绕网络功能虚拟(ni)化（NFV）系(xi)统架构，针对NFV中网络性能、资源(yuan)利用和灵活展性等方面的(de)挑战(zhan)，研发面向NFV架构的(de)高性能虚拟(ni)化、智能化网络管(guan)理和资源(yuan)编排算法等技术和系(xi)统，突破虚拟(ni)化层(ceng)与(yu)硬件加(jia)速器（如FPGA、DPU、GPU）之间的(de)协同能力。

预期目标：到(dao)2026年，NFV算力平台系(xi)统中实现对虚拟(ni)化网络功能的(de)智能调度，支持异构集群部署、动(dong)态扩展，资源(yuan)动(dong)态分配，虚拟(ni)化资源(yuan)利用率提升20%以上；支持GPU、FPGA等硬件加(jia)速器的(de)虚拟(ni)化调度，加(jia)速网络处理性能至(zhi)Tbps以上；支持智能化网络虚拟(ni)化功能管(guan)理，提升NFV系(xi)统的(de)自动(dong)化运维(wei)能力和管(guan)理效能，故(gu)障修(xiu)复时间缩(suo)减不低于30%。

五(wu) 绿(lu)色低碳

（十五(wu)）绿(lu)色算力技术研究及应用

揭榜任务：围绕算力的(de)绿(lu)色节能技术突破，面向算力中的(de)任务调度特性、能源(yuan)使用模式(shi)、负载均衡要求等关键要素，研发适应于绿(lu)色计算的(de)动(dong)态资源(yuan)调度算法、能耗优化管(guan)理系(xi)统，以及面向多场(chang)景(jing)的(de)协同节能机制(zhi)，突破节能算法的(de)智能化程度，提升算力网络中多节点的(de)能源(yuan)利用效率。

预期目标：到(dao)2026年，能耗管(guan)理系(xi)统实现对算力中心和网络节点的(de)实时监控与(yu)节能调度，通过计算节点支持动(dong)态调频、动(dong)态电压调节，单(dan)节点平均能耗降(jiang)低30%以上，满足(zu)AI推理等应用需求。

（十六）企业(ye)绿(lu)色计算碳感知平台

揭榜任务：建立企业(ye)算力中心碳排放度量(liang)体系(xi)，能够实时、精准地统计企业(ye)各个算力中心碳排放，并(bing)能将碳排放量(liang)分摊(tan)到(dao)不同的(de)业(ye)务部门、应用场(chang)景(jing)和工作负载，实现精细化的(de)碳排放的(de)管(guan)理。同时，基于碳排放的(de)数据(ju)，实现碳感知调度能力，通过在保证业(ye)务体验和连(lian)续(xu)性的(de)情况下(xia)将工作负载调度到(dao)更加(jia)低碳的(de)算力中心，进一步降(jiang)低碳排放。

预期目标：到(dao)2026年，围绕千(qian)万核级别跨域的(de)算力中心，构建企业(ye)级绿(lu)色计算碳感知平台，形成一套行业(ye)通用的(de)、可精确度量(liang)不同类型工作负载碳排放的(de)技术方法和指标体系(xi)，通过生态共建形成绿(lu)色度量(liang)衡标准体系(xi)。构建碳感知调度能力，达到(dao)算力中心可再生能源(yuan)比例(li)30%的(de)目标。

（十七）冷(leng)板式(shi)液(ye)冷(leng)原生整机柜服务器

揭榜任务：面向新一代液(ye)冷(leng)算力中心，研发冷(leng)板式(shi)液(ye)冷(leng)整机柜，包括液(ye)冷(leng)服务器节点、无源(yuan)液(ye)冷(leng)门等，突破高密算力、多样性算力的(de)散热技术及架构要求，实现支持供(gong)电总线、网络互联总线、液(ye)冷(leng)管(guan)路可盲插运维(wei)的(de)液(ye)冷(leng)设备，具(ju)备液(ye)冷(leng)机柜及液(ye)冷(leng)服务器等多级漏液(ye)检测能力，有效降(jiang)低业(ye)务中断范围与(yu)损失。

预期目标：到(dao)2026年，液(ye)冷(leng)整机柜实现100%液(ye)冷(leng)散热，制(zhi)冷(leng)PUE低于1.15。整机柜服务器内(nei)部实现全盲插设计，管(guan)理模块可实现整机柜功耗管(guan)理、漏液(ye)检测、资产(chan)管(guan)理等功能；通用算力单(dan)柜功率不低于20kW，智能算力单(dan)机柜功率不低于30kW，实现不少于500台液(ye)冷(leng)节点的(de)规模落地应用。

（十八(ba)）算力中心节能调优平台

揭榜任务：研制(zhi)高精确度、高仿真效率、多场(chang)景(jing)覆盖的(de)算力中心PUE仿真平台，突破物理机理模型构建、仿真引擎集群、模型自动(dong)生成等关键技术，实现对算力中心不同运行状态下(xia)细分时间颗粒度PUE的(de)快速、精准评估。研发基于大数据(ju)分析技术的(de)算力中心制(zhi)冷(leng)系(xi)统AI节能优化系(xi)统，通过自动(dong)化数据(ju)治理、自动(dong)推理等关键技术，准确匹(pi)配制(zhi)冷(leng)需求，在满足(zu)可靠性要求条(tiao)件下(xia)实现算力中心制(zhi)冷(leng)系(xi)统整体动(dong)态实时优化，优化算力中心PUE。

预期目标：到(dao)2026年，支持液(ye)冷(leng)、水(shui)冷(leng)等至(zhi)少2类典型制(zhi)冷(leng)场(chang)景(jing)进行能效优化，支持制(zhi)冷(leng)系(xi)统和配电系(xi)统联合仿真，系(xi)统可输出不同负载及运行工况条(tiao)件下(xia)的(de)PUE运行曲线、系(xi)统设备运行模拟(ni)工况等参数，PUE仿真精度达到(dao)97%以上。基于能效优化平台，支持AI自动(dong)推理，小(xiao)时级策略自动(dong)下(xia)发，实现对算力中心能耗的(de)可视、可管(guan)、可控。通过AI能效优化，实现算力中心PUE降(jiang)低5%以上，通过算力中心基础设施与(yu)IT联动(dong)节能，实现总能耗降(jiang)低5%以上，在5个以上算力中心落地应用。

（十九）新型制(zhi)冷(leng)系(xi)统

揭榜任务：研发人工智能节能系(xi)统，针对算力中心基础设施的(de)运行调控和环境监测。提出全新自适应算法，突破原有常见算法的(de)局限性，提升数据(ju)的(de)分析和处理效果，搭建基于专家经验的(de)人工智能算法数据(ju)库，提升包括能耗管(guan)理、能源(yuan)调度、安(an)全监测、故(gu)障诊断、辅助运维(wei)等功能的(de)节能性、可靠性、经济性。

预期目标：到(dao)2026年，在满足(zu)制(zhi)冷(leng)要求的(de)基础上，提高冷(leng)却系(xi)统的(de)可靠性和自适应性，提高能源(yuan)使用效率、水(shui)资源(yuan)使用效率和运维(wei)效率，其中节电率提升10%以上。支持冷(leng)却系(xi)统数据(ju)采集、标注、治理、存(cun)储，具(ju)备系(xi)统运行异常告(gao)警、告(gao)警收敛(lian)、自动(dong)诊断、远程通信、自动(dong)控制(zhi)等功能，支持冷(leng)却系(xi)统智能化调优、智能化控制(zhi)的(de)核心能力，并(bing)开展不少于5个实际业(ye)务场(chang)景(jing)所提供(gong)的(de)AI节能调优案(an)例(li)。

六 安(an)全可靠

（二十）算力中心智能运维(wei)机器人

揭榜任务：研发算力中心智能运维(wei)机器人以及智能机器人管(guan)理平台，基于云边端(duan)三层(ceng)架构，实现智能机器人在多层(ceng)、多房间楼宇机房内(nei)的(de)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、多任务联合调度等方面的(de)技术与(yu)算法优化。支撑机器人在算力中心设施运维(wei)和IT运营等典型场(chang)景(jing)的(de)应用，提升巡检质量(liang)，促进算力中心运维(wei)、运营的(de)降(jiang)本增效。

预期目标：到(dao)2026年，实现大型算力中心内(nei)智能机器人的(de)多机房、多楼层(ceng)协同应用部署；机器人巡检任务成功率不低于95%，设备识别准确率达到(dao)97%，环境巡检召回率不低于90%，保障算力中心巡检业(ye)务持续(xu)运行。实现云边端(duan)协同调度，支持不同场(chang)景(jing)下(xia)的(de)自主作业(ye)，提高任务并(bing)发执(zhi)行效率，促进稳(wen)定、安(an)全、可靠、可控的(de)算力中心智能运维(wei)体系(xi)建设。

（二十一）云边端(duan)一体化智能监测平台

揭榜任务：开发高性能云边端(duan)一体化系(xi)统，研发以智能化终(zhong)端(duan)或机器人为硬件载体、以多算法模型融合和平台工具(ju)为软件载体的(de)软硬结合的(de)集中监测管(guan)理与(yu)运维(wei)巡检方案(an)。突破多层(ceng)级自动(dong)化运维(wei)、多维(wei)度诊断、多平台覆盖、多模型量(liang)化等关键技术。构建综合运维(wei)健康度数字化评估体系(xi)与(yu)模型，实现算力设施从规划(hua)、设计、建设、部署、运行、维(wei)护的(de)全生命周期数字化管(guan)理。

预期目标：到(dao)2026年，建立大规模集群的(de)智能化运维(wei)能力，设备实现跨平台及系(xi)统稳(wen)定性风险(xian)和安(an)全风险(xian)识别能力，综合视频识别技术等，结构化告(gao)警收敛(lian)推送，准确率超(chao)过98%。算力设施全生命周期数字化联动(dong)，平台自动(dong)化流程推进，实现云端(duan)直控覆盖超(chao)10栋(dong)算力中心，落地数字化算力中心健康度评估，智能化终(zhong)端(duan)或机器人的(de)自驱动(dong)巡检，视频流识别与(yu)告(gao)警的(de)联动(dong)，系(xi)统的(de)智能化运维(wei)问(wen)答，并(bing)保障业(ye)务服务级别协议（SLA）达标率99%以上。

七 其他(ta)

（二十二）其他(ta)算力领域的(de)特色化技术、产(chan)品、服务和平台等，应具(ju)有技术先进性，技术成熟度较高，产(chan)业(ye)化前景(jing)较好。

责编:史健 | 审核:李震 | 监审:万军伟(wei)

【免责声明】本文仅代表作者本人观点，与(yu)和讯网无关。和讯网站对文中陈述(shu)、观点判断保持中立，不对所包含内(nei)容的(de)准确性、可靠性或完整性提供(gong)任何明示或暗示的(de)保证。请读者仅作参考(kao)，并(bing)请自行承担全部责任。邮箱：news_center@staff.hexun.com