二、申报和推荐(jian)

（一）申报单(dan)位须为(wei)在中华人民共和国境内注册、具有(you)独立法人资格、具有(you)较强(qiang)技(ji)术创新和产业化应用(yong)能(neng)力的企事业单(dan)位。申报单(dan)位根据《算(suan)力强(qiang)基揭榜行(xing)动(dong)任务榜单(dan)》（见附件）选择揭榜任务，并需(xu)承诺揭榜后能(neng)够在指定期限内完成相应任务，每个单(dan)位申报不超过3个项目(mu)。有(you)关企业、高校、科研机构等以联合体方(fang)式申报的，牵头单(dan)位为(wei)1家，联合参与(yu)单(dan)位不超过4家。

（二）各省、自治区、直辖市工业和信息化主管部(bu)门、通信管理局以及(ji)有(you)关中央企业按照政府引(yin)导(dao)、企业自愿的原则，组织有(you)关单(dan)位积极申报揭榜，并作为(wei)推荐(jian)单(dan)位，遵循公开(kai)、公平、公正的原则，审核遴选推荐(jian)创新能(neng)力突出、产业化前景好、行(xing)业带(dai)动(dong)作用(yong)明显的项目(mu)，报工业和信息化部(bu)（信息通信发展司）。

三、工作程序和要求(qiu)

（一）申报单(dan)位通过申报系统进行(xing)申报，完成注册后填写申报所(suo)需(xu)材料。申报截止时间为(wei)2025年3月15日。

（二）各省、自治区、直辖市工业和信息化主管部(bu)门、通信管理局以及(ji)有(you)关中央企业作为(wei)推荐(jian)单(dan)位，应于2025年3月31日前登录系统并确认(ren)推荐(jian)名单(dan)（账号密码请通过联系人获(huo)取）。推荐(jian)单(dan)位在每个方(fang)向(xiang)推荐(jian)项目(mu)数量原则上不超过3个，所(suo)有(you)方(fang)向(xiang)累计推荐(jian)项目(mu)总量不超过20个。鼓励(li)各推荐(jian)单(dan)位结合实际(ji)情(qing)况，对推荐(jian)项目(mu)单(dan)位在政策、资金、资源配套等方(fang)面加(jia)大扶持力度。

（三）工业和信息化部(bu)组织遴选并公布入围揭榜单(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(qi)不超过2年），工业和信息化部(bu)委托第三方(fang)专业机构开(kai)展测评(ping)工作，择优确定揭榜优胜单(dan)位（每个揭榜方(fang)向(xiang)原则上不超过3家）。工业和信息化部(bu)将统筹(chou)利用(yong)各类资源对揭榜入围、优胜单(dan)位予以支(zhi)持，推动(dong)优秀成果示范应用(yong)推广。

工业和信息化部(bu)办公厅

2025年2月21日

附件

算(suan)力强(qiang)基揭榜行(xing)动(dong)任务榜单(dan)

一 计算(suan)

（一）云边端算(suan)网协同管理系统

揭榜任务：面向(xiang)云边端多层级算(suan)力环境，研发算(suan)网协同应用(yong)管理系统，设计面向(xiang)不同应用(yong)软件架(jia)构的管理机制，支(zhi)持对不同架(jia)构应用(yong)软件的统一管理；研发应用(yong)软件在算(suan)网协同中的自动(dong)化构建部(bu)署能(neng)力，支(zhi)持应用(yong)软件的自动(dong)构建和分(fen)发部(bu)署；研究算(suan)网协同应用(yong)系统的一体化观测能(neng)力，降低运维(wei)复杂度，提高复杂应用(yong)软件运行(xing)的稳定性和可靠性。

预期目(mu)标：到2026年，研制应用(yong)软件管理系统，支(zhi)持对传(chuan)统应用(yong)软件、云原生(sheng)应用(yong)软件、AI应用(yong)软件、大数据应用(yong)软件等不少于5种应用(yong)软件的全生(sheng)命周期管理。研究基于算(suan)网协同的分(fen)布式构建和部(bu)署技(ji)术，支(zhi)持上述应用(yong)软件的自动(dong)分(fen)发和跨算(suan)力节点(dian)部(bu)署，实现零(ling)人工介入。研发算(suan)网应用(yong)一体化观测功能(neng)，具备白盒化动(dong)态分(fen)析以及(ji)智能(neng)故障根因定位能(neng)力。在不少于3个行(xing)业完成试点(dian)验证。

（二）支(zhi)持超大规模参数模型的训推一体化异构智算(suan)平台

揭榜任务：面向(xiang)人工智能(neng)大模型训练和推理对计算(suan)资源的需(xu)求(qiu)，研发支(zhi)持超大规模参数模型的训练、推理一体化智算(suan)平台，包括资源调(diao)度策略、训推加(jia)速套件等，并可支(zhi)持多种硬件架(jia)构，屏蔽底层硬件差异，提升(sheng)超大规模模型在训练、推理过程中稳定性、资源利用(yong)率和运行(xing)效率。

预期目(mu)标：到2026年，研发一套支(zhi)持万亿参数模型的超大规模训推一体化智算(suan)平台，万卡环境下稳定训练时间不低于30天，有(you)效训练时长不低于95%，训练效率较当前主流水平提升(sheng)不低于30%，推理效率提升(sheng)不低于50%。支(zhi)持主流深(shen)度学习框架(jia)，兼容多种硬件架(jia)构，并提供统一的编程接口和开(kai)发环境，实现不低于10个行(xing)业用(yong)户的落地验证。

（三）异构算(suan)力跨域任务编排系统

揭榜任务：针对跨域异构算(suan)力协同，研发跨域异构算(suan)力管理系统，实现跨域异构算(suan)力的管理和应用(yong)。研发针对多样性算(suan)力的规范化开(kai)放互联功能(neng)，支(zhi)持对不同类型的异构算(suan)力模型统一抽象封(feng)装；研发跨域异构算(suan)力的管理功能(neng)，支(zhi)持对跨域异构算(suan)力的统一管理和协同；研究跨域多主体算(suan)力的安全认(ren)证和控(kong)制方(fang)法，保障跨域协同安全。

预期目(mu)标：到2026年，研发不少于6种跨域协同调(diao)度算(suan)法，支(zhi)持数据处理、函数计算(suan)、机器学习等不少于3个场景的计算(suan)任务部(bu)署，完成不少于5个跨域算(suan)力中心的统一管理。研发跨域多主体算(suan)力的安全认(ren)证方(fang)法，支(zhi)持云边端等不同层级算(suan)力协同的安全要求(qiu)。在不少于2个行(xing)业完成试点(dian)验证。

（四）训推算(suan)力一体机

揭榜任务：面向(xiang)人工智能(neng)训练、推理场景，研发基于基础设施即服务（IaaS）和平台即服务（PaaS）的高性能(neng)训推一体化解决方(fang)案，覆盖对大模型开(kai)发训练和部(bu)署推理的全流程，包括数据准(zhun)备、模型训练、模型评(ping)测和模型部(bu)署。同时，支(zhi)持大模型加(jia)密、攻击防御等能(neng)力，解决针对大模型数据泄露、指令攻击等安全问题和风险。

预期目(mu)标：到2026年，研发支(zhi)持至少3种指令集芯片的训推一体机，针对至少5个行(xing)业开(kai)展人工智能(neng)训推一体机应用(yong)，为(wei)用(yong)户提供多元化训推一体化服务，并在至少10种不同的场景进行(xing)人工智能(neng)训推一体机落地。

（五）大规模异构算(suan)力集群推理加(jia)速技(ji)术

揭榜任务：研发存储、网络、计算(suan)的协同优化技(ji)术，通过模型加(jia)速、调(diao)度加(jia)速等方(fang)法实现大规模异构算(suan)力集群在大模型推理方(fang)面的加(jia)速，从而(er)支(zhi)持更大的模型、更长的上下文、更高的性能(neng)及(ji)更低的能(neng)耗，促进算(suan)力芯片在大模型推理方(fang)面的更好应用(yong)。

预期目(mu)标：到2026年，实现集群有(you)效吞吐量5倍(bei)以上提升(sheng)，实际(ji)应用(yong)场景中可处理的请求(qiu)数提升(sheng)1倍(bei)以上，首(shou)字延迟性能(neng)提升(sheng)1倍(bei)以上，芯片利用(yong)率提升(sheng)50%以上。通过优化算(suan)力中心计算(suan)、存储、网络的配比以及(ji)拓扑结构和系统调(diao)度策略，实现千(qian)卡以上异构集群在推理加(jia)速领域的突破。

二 存储

（六）磁(ci)光电融合存储系统

揭榜任务：针对单(dan)一存储介质难以满足多样化数据存储需(xu)求(qiu)的现状，依托磁(ci)、光、电存储在性能(neng)、寿命、功耗等方(fang)面的差异化特(te)性，将磁(ci)、光、电存储技(ji)术进行(xing)融合，研发磁(ci)光电融合存储系统，构建基于固态硬盘（SSD）、机械(xie)硬盘（HDD）和光存储的多级存储架(jia)构。根据业务特(te)征，将数据保存在不同级别的存储设备中，实现海量数据的集中、统一存储管理，支(zhi)撑(cheng)算(suan)力中心高效、低碳、安全持续发展。

预期目(mu)标：到2026年，研发磁(ci)、光、电融合存储系统，支(zhi)持适配分(fen)布式文件、分(fen)布式块和分(fen)布式对象等至少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(shu)性等自定义分(fen)级策略，根据业务负载动(dong)态调(diao)整迁移。系统可通过介质安全、系统安全、软件安全等夯实底层安全能(neng)力，通过防勒索(suo)、加(jia)密算(suan)法、远(yuan)程监控(kong)、光存储预警检测等增强(qiang)数据安全能(neng)力。打造磁(ci)光电融合存储应用(yong)示范，完成至少20个业务系统应用(yong)，实现至少4个东部(bu)地区数据流动(dong)至西部(bu)磁(ci)光电存储系统，且数据存储量不少于10PB。

（七(qi)）存储调(diao)度管理及(ji)应用(yong)技(ji)术

揭榜任务：针对海量数据存储和算(suan)力孤岛问题，研发跨域多算(suan)的存力调(diao)度、存网编排和存算(suan)网一体化系统，实现数据的智能(neng)冷热分(fen)级、应用(yong)的跨域无感访问等能(neng)力，有(you)效降低成本(ben)、提高性能(neng)和支(zhi)撑(cheng)业务。系统具备资源规划、策略调(diao)整能(neng)力，可优化和调(diao)整全网数据存储布局，实现对不断变化的需(xu)求(qiu)的适应。

预期目(mu)标：到2026年，研制具备高效、可扩展性的存储系统，基于智能(neng)算(suan)法，对数据进行(xing)分(fen)析和调(diao)度，实现应用(yong)无感访问和智能(neng)流动(dong)。研究存力调(diao)度策略，使数据召回率控(kong)制在30%以下；研究基于潮汐网络调(diao)度算(suan)法，实现网络带(dai)宽(kuan)利用(yong)率提升(sheng)50%以上，达(da)到存网一体的目(mu)标。集成存储、计算(suan)和网络的能(neng)力，支(zhi)持存算(suan)网一体化调(diao)度，在算(suan)力中心资源池落地应用(yong)。

三 网络

（八）高性能(neng)数据处理器（DPU）

揭榜任务：开(kai)展基于芯粒（Chiplet）和第五代(dai)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(zhi)持算(suan)力中心、智算(suan)中心、超算(suan)中心场景所(suo)需(xu)的超高带(dai)宽(kuan)和超低时延，突破Chiplet异构芯片封(feng)装技(ji)术、高速Serdes通信、大规模无损网络拥塞算(suan)法、硬件密码算(suan)法、高性能(neng)虚拟化、硬件可编程等技(ji)术，实现基于ARM、X86、RISC-V等异构核心的DPU应用(yong)，提升(sheng)算(suan)力中心基础设施处理能(neng)力和数据传(chuan)输能(neng)效比。

预期目(mu)标：到2026年，完成超高性能(neng)DPU芯片研发工作，吞吐能(neng)力达(da)到400Gbps，单(dan)向(xiang)流量时延不高于30us，支(zhi)持与(yu)国内外(wai)主流CPU、GPU芯片平台的适配，支(zhi)持主流操作系统兼容，支(zhi)持数据报文硬件处理逻辑可编程。

（九）基于RoCE的智算(suan)网络

揭榜任务：面向(xiang)RoCE网络开(kai)展设备及(ji)管控(kong)系统研发，通过提高设备带(dai)宽(kuan)、优化负载均衡算(suan)法、强(qiang)化网络流量规划及(ji)运维(wei)能(neng)力等方(fang)式，提升(sheng)RoCE网络的吞吐量和时延性能(neng)。研制新一代(dai)智能(neng)化管控(kong)工具，引(yin)入AI大模型能(neng)力，简化RoCE网络的部(bu)署和配置工作，实现全局、多维(wei)度的可视(shi)化运维(wei)。在网络波(bo)动(dong)、业务变更、故障等情(qing)况下，网络参数自动(dong)调(diao)整，流量快速切换，从而(er)达(da)到提升(sheng)网络效率和降低运维(wei)成本(ben)的目(mu)标。

预期目(mu)标：到2026年，实现新型RoCE网络整体方(fang)案的商用(yong)部(bu)署，网络性能(neng)提升(sheng)10%以上。通过智能(neng)化管控(kong)及(ji)运维(wei)工具，网络部(bu)署难度大幅降低，运维(wei)效率提升(sheng)50%以上，可支(zhi)撑(cheng)更大规模部(bu)署和应用(yong)。

（十）光交换智算(suan)网络技(ji)术研究与(yu)验证

揭榜任务：面向(xiang)智算(suan)集群低功耗、高带(dai)宽(kuan)、低延迟技(ji)术需(xu)求(qiu)，开(kai)展智算(suan)集群光交换组网关键技(ji)术研究与(yu)验证，重点(dian)突破智算(suan)集群光交换组网、路由协议适配等关键技(ji)术。针对智算(suan)集群的功能(neng)、性能(neng)、可靠性和扩展性等要求(qiu)，研究光拓扑映射、光电混合路由、多路径负载均衡等技(ji)术。

预期目(mu)标：到2026年，实现支(zhi)持智算(suan)集群的易操作、高可靠、可平滑(hua)过渡升(sheng)级的光网络，支(zhi)持人工智能(neng)等关键业务承载；光交换设备单(dan)端口速率支(zhi)持100GE/400GE/800GE，交换容量弹性可扩展，可支(zhi)持不少于3种异构算(suan)力资源互联，在不少于2个智算(suan)集群完成验证，并完成不少于3种智算(suan)业务承载验证。

（十一）面向(xiang)分(fen)布式智算(suan)中心的网络关键技(ji)术研究与(yu)验证

揭榜任务：针对智算(suan)集群从集中式向(xiang)分(fen)布式部(bu)署探索(suo)的趋势，攻关算(suan)力中心间网络技(ji)术，研发面向(xiang)智算(suan)中心间的高可靠传(chuan)输设备，构建智算(suan)中心间超大容量、超低时延、超高可靠光电协同网络，实现智算(suan)中心高速、可靠互联。

预期目(mu)标：到2026年，突破智算(suan)中心间超大容量、超高可靠网络传(chuan)输关键技(ji)术，研制面向(xiang)智算(suan)中心间网络的传(chuan)输设备，单(dan)波(bo)速率不低于1.6Tbps，设备时延不超过30us，支(zhi)撑(cheng)分(fen)布式智算(suan)中心间业务的高可靠传(chuan)输。

四 应用(yong)

（十二）智算(suan)中心跨域互联应用(yong)

揭榜任务：优化人工智能(neng)算(suan)力基础设施布局，构建跨地域互补、协同算(suan)力调(diao)度的超大规模人工智能(neng)算(suan)力服务能(neng)力。加(jia)强(qiang)与(yu)人工智能(neng)芯片厂商的兼容适配，构筑大规模高性能(neng)异构算(suan)力池，提供面向(xiang)大模型训推场景深(shen)度优化的弹性调(diao)度、弹性容错、高资源利用(yong)率的人工智能(neng)算(suan)力服务。

预期目(mu)标：到2026年，形成覆盖5个以上全国重点(dian)算(suan)力枢纽节点(dian)的人工智能(neng)算(suan)力中心，支(zhi)持跨地域、跨云的算(suan)力需(xu)求(qiu)感知和动(dong)态调(diao)度，完成3款以上算(suan)力芯片适配，聚焦大模型训练和推理场景，构建大规模、高性能(neng)、弹性调(diao)度、高容错的训推一体算(suan)力资源池，具备分(fen)钟(zhong)级断点(dian)续训能(neng)力，支(zhi)持万卡级别并行(xing)训练。

（十三）算(suan)力电力协同应用(yong)

揭榜任务：研发基于算(suan)力调(diao)度技(ji)术与(yu)能(neng)源大模型的多云异构算(suan)电协同管理平台，构建基于数据驱动(dong)的算(suan)力集群用(yong)电负荷特(te)性模型、基于计算(suan)任务的时空转(zhuan)移特(te)性的能(neng)源大模型，推动(dong)算(suan)力预测与(yu)调(diao)度技(ji)术在智算(suan)中心应用(yong)落地，提升(sheng)整体资源利用(yong)率，基于新能(neng)源、新型储能(neng)系统开(kai)展算(suan)力负荷与(yu)电力系统的协同优化，实现精准(zhun)、动(dong)态、实时的能(neng)源调(diao)度与(yu)交易，实现算(suan)力与(yu)电力等能(neng)源的深(shen)度协同。

预期目(mu)标：到2026年，实现智算(suan)场景下能(neng)源与(yu)算(suan)力全链路的数据穿透(tou)及(ji)流程整合，构建“算(suan)”随“电”动(dong)的直接控(kong)制及(ji)间接引(yin)导(dao)机制，实现算(suan)力需(xu)求(qiu)预测精准(zhun)度达(da)到70%、集群有(you)效负载率提升(sheng)25%以上，智算(suan)中心整体集群资源利用(yong)率提高10%。结合算(suan)力集群用(yong)电数据、时间周期、气象数据、工作负载等多种因素，实现“电”随“算(suan)”用(yong)的能(neng)源效率优化与(yu)算(suan)效提升(sheng)，实现基础设施用(yong)能(neng)决策精准(zhun)度85%以上，响应时效性达(da)到提前15分(fen)钟(zhong)响应级别，智算(suan)中心整体算(suan)力能(neng)效水平提升(sheng)30%，算(suan)力中心用(yong)电成本(ben)降低5%以上。

（十四）大规模通信业务场景中的算(suan)力应用(yong)

揭榜任务：围绕网络功能(neng)虚拟化（NFV）系统架(jia)构，针对NFV中网络性能(neng)、资源利用(yong)和灵活展性等方(fang)面的挑战，研发面向(xiang)NFV架(jia)构的高性能(neng)虚拟化、智能(neng)化网络管理和资源编排算(suan)法等技(ji)术和系统，突破虚拟化层与(yu)硬件加(jia)速器（如(ru)FPGA、DPU、GPU）之间的协同能(neng)力。

预期目(mu)标：到2026年，NFV算(suan)力平台系统中实现对虚拟化网络功能(neng)的智能(neng)调(diao)度，支(zhi)持异构集群部(bu)署、动(dong)态扩展，资源动(dong)态分(fen)配，虚拟化资源利用(yong)率提升(sheng)20%以上；支(zhi)持GPU、FPGA等硬件加(jia)速器的虚拟化调(diao)度，加(jia)速网络处理性能(neng)至Tbps以上；支(zhi)持智能(neng)化网络虚拟化功能(neng)管理，提升(sheng)NFV系统的自动(dong)化运维(wei)能(neng)力和管理效能(neng)，故障修复时间缩减(jian)不低于30%。

五 绿色低碳

（十五）绿色算(suan)力技(ji)术研究及(ji)应用(yong)

揭榜任务：围绕算(suan)力的绿色节能(neng)技(ji)术突破，面向(xiang)算(suan)力中的任务调(diao)度特(te)性、能(neng)源使用(yong)模式、负载均衡要求(qiu)等关键要素，研发适应于绿色计算(suan)的动(dong)态资源调(diao)度算(suan)法、能(neng)耗优化管理系统，以及(ji)面向(xiang)多场景的协同节能(neng)机制，突破节能(neng)算(suan)法的智能(neng)化程度，提升(sheng)算(suan)力网络中多节点(dian)的能(neng)源利用(yong)效率。

预期目(mu)标：到2026年，能(neng)耗管理系统实现对算(suan)力中心和网络节点(dian)的实时监控(kong)与(yu)节能(neng)调(diao)度，通过计算(suan)节点(dian)支(zhi)持动(dong)态调(diao)频、动(dong)态电压调(diao)节，单(dan)节点(dian)平均能(neng)耗降低30%以上，满足AI推理等应用(yong)需(xu)求(qiu)。

（十六）企业绿色计算(suan)碳感知平台

揭榜任务：建立企业算(suan)力中心碳排放度量体系，能(neng)够实时、精准(zhun)地统计企业各个算(suan)力中心碳排放，并能(neng)将碳排放量分(fen)摊到不同的业务部(bu)门、应用(yong)场景和工作负载，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(diao)度能(neng)力，通过在保证业务体验和连续性的情(qing)况下将工作负载调(diao)度到更加(jia)低碳的算(suan)力中心，进一步降低碳排放。

预期目(mu)标：到2026年，围绕千(qian)万核级别跨域的算(suan)力中心，构建企业级绿色计算(suan)碳感知平台，形成一套行(xing)业通用(yong)的、可精确度量不同类型工作负载碳排放的技(ji)术方(fang)法和指标体系，通过生(sheng)态共建形成绿色度量衡标准(zhun)体系。构建碳感知调(diao)度能(neng)力，达(da)到算(suan)力中心可再生(sheng)能(neng)源比例30%的目(mu)标。

（十七(qi)）冷板式液冷原生(sheng)整机柜服务器

揭榜任务：面向(xiang)新一代(dai)液冷算(suan)力中心，研发冷板式液冷整机柜，包括液冷服务器节点(dian)、无源液冷门等，突破高密算(suan)力、多样性算(suan)力的散热技(ji)术及(ji)架(jia)构要求(qiu)，实现支(zhi)持供电总线、网络互联总线、液冷管路可盲插运维(wei)的液冷设备，具备液冷机柜及(ji)液冷服务器等多级漏液检测能(neng)力，有(you)效降低业务中断范围与(yu)损失。

预期目(mu)标：到2026年，液冷整机柜实现100%液冷散热，制冷PUE低于1.15。整机柜服务器内部(bu)实现全盲插设计，管理模块可实现整机柜功耗管理、漏液检测、资产管理等功能(neng)；通用(yong)算(suan)力单(dan)柜功率不低于20kW，智能(neng)算(suan)力单(dan)机柜功率不低于30kW，实现不少于500台液冷节点(dian)的规模落地应用(yong)。

（十八）算(suan)力中心节能(neng)调(diao)优平台

揭榜任务：研制高精确度、高仿真效率、多场景覆盖的算(suan)力中心PUE仿真平台，突破物理机理模型构建、仿真引(yin)擎集群、模型自动(dong)生(sheng)成等关键技(ji)术，实现对算(suan)力中心不同运行(xing)状态下细分(fen)时间颗粒度PUE的快速、精准(zhun)评(ping)估。研发基于大数据分(fen)析技(ji)术的算(suan)力中心制冷系统AI节能(neng)优化系统，通过自动(dong)化数据治理、自动(dong)推理等关键技(ji)术，准(zhun)确匹配制冷需(xu)求(qiu)，在满足可靠性要求(qiu)条件下实现算(suan)力中心制冷系统整体动(dong)态实时优化，优化算(suan)力中心PUE。

预期目(mu)标：到2026年，支(zhi)持液冷、水冷等至少2类典型制冷场景进行(xing)能(neng)效优化，支(zhi)持制冷系统和配电系统联合仿真，系统可输出不同负载及(ji)运行(xing)工况条件下的PUE运行(xing)曲线、系统设备运行(xing)模拟工况等参数，PUE仿真精度达(da)到97%以上。基于能(neng)效优化平台，支(zhi)持AI自动(dong)推理，小(xiao)时级策略自动(dong)下发，实现对算(suan)力中心能(neng)耗的可视(shi)、可管、可控(kong)。通过AI能(neng)效优化，实现算(suan)力中心PUE降低5%以上，通过算(suan)力中心基础设施与(yu)IT联动(dong)节能(neng)，实现总能(neng)耗降低5%以上，在5个以上算(suan)力中心落地应用(yong)。

（十九）新型制冷系统

揭榜任务：研发人工智能(neng)节能(neng)系统，针对算(suan)力中心基础设施的运行(xing)调(diao)控(kong)和环境监测。提出全新自适应算(suan)法，突破原有(you)常见算(suan)法的局限性，提升(sheng)数据的分(fen)析和处理效果，搭建基于专家经验的人工智能(neng)算(suan)法数据库，提升(sheng)包括能(neng)耗管理、能(neng)源调(diao)度、安全监测、故障诊断、辅助运维(wei)等功能(neng)的节能(neng)性、可靠性、经济性。

预期目(mu)标：到2026年，在满足制冷要求(qiu)的基础上，提高冷却系统的可靠性和自适应性，提高能(neng)源使用(yong)效率、水资源使用(yong)效率和运维(wei)效率，其中节电率提升(sheng)10%以上。支(zhi)持冷却系统数据采集、标注、治理、存储，具备系统运行(xing)异常告警、告警收敛、自动(dong)诊断、远(yuan)程通信、自动(dong)控(kong)制等功能(neng)，支(zhi)持冷却系统智能(neng)化调(diao)优、智能(neng)化控(kong)制的核心能(neng)力，并开(kai)展不少于5个实际(ji)业务场景所(suo)提供的AI节能(neng)调(diao)优案例。

六 安全可靠

（二十）算(suan)力中心智能(neng)运维(wei)机器人

揭榜任务：研发算(suan)力中心智能(neng)运维(wei)机器人以及(ji)智能(neng)机器人管理平台，基于云边端三层架(jia)构，实现智能(neng)机器人在多层、多房间楼宇机房内的设备设施识别、多模态环境感知、精准(zhun)空间定位、智能(neng)人机协同、多任务联合调(diao)度等方(fang)面的技(ji)术与(yu)算(suan)法优化。支(zhi)撑(cheng)机器人在算(suan)力中心设施运维(wei)和IT运营等典型场景的应用(yong)，提升(sheng)巡检质量，促进算(suan)力中心运维(wei)、运营的降本(ben)增效。

预期目(mu)标：到2026年，实现大型算(suan)力中心内智能(neng)机器人的多机房、多楼层协同应用(yong)部(bu)署；机器人巡检任务成功率不低于95%，设备识别准(zhun)确率达(da)到97%，环境巡检召回率不低于90%，保障算(suan)力中心巡检业务持续运行(xing)。实现云边端协同调(diao)度，支(zhi)持不同场景下的自主作业，提高任务并发执行(xing)效率，促进稳定、安全、可靠、可控(kong)的算(suan)力中心智能(neng)运维(wei)体系建设。

（二十一）云边端一体化智能(neng)监测平台

揭榜任务：开(kai)发高性能(neng)云边端一体化系统，研发以智能(neng)化终(zhong)端或机器人为(wei)硬件载体、以多算(suan)法模型融合和平台工具为(wei)软件载体的软硬结合的集中监测管理与(yu)运维(wei)巡检方(fang)案。突破多层级自动(dong)化运维(wei)、多维(wei)度诊断、多平台覆盖、多模型量化等关键技(ji)术。构建综合运维(wei)健康度数字化评(ping)估体系与(yu)模型，实现算(suan)力设施从规划、设计、建设、部(bu)署、运行(xing)、维(wei)护(hu)的全生(sheng)命周期数字化管理。

预期目(mu)标：到2026年，建立大规模集群的智能(neng)化运维(wei)能(neng)力，设备实现跨平台及(ji)系统稳定性风险和安全风险识别能(neng)力，综合视(shi)频识别技(ji)术等，结构化告警收敛推送，准(zhun)确率超过98%。算(suan)力设施全生(sheng)命周期数字化联动(dong)，平台自动(dong)化流程推进，实现云端直控(kong)覆盖超10栋算(suan)力中心，落地数字化算(suan)力中心健康度评(ping)估，智能(neng)化终(zhong)端或机器人的自驱动(dong)巡检，视(shi)频流识别与(yu)告警的联动(dong)，系统的智能(neng)化运维(wei)问答，并保障业务服务级别协议（SLA）达(da)标率99%以上。

七(qi) 其他

（二十二）其他算(suan)力领域的特(te)色化技(ji)术、产品、服务和平台等，应具有(you)技(ji)术先进性，技(ji)术成熟(shu)度较高，产业化前景较好。

责编:史健 | 审核:李震 | 监审:万军伟

【免责声明】本(ben)文仅代(dai)表作者本(ben)人观点(dian)，与(yu)和讯网无关。和讯网站对文中陈述、观点(dian)判断保持中立，不对所(suo)包含(han)内容的准(zhun)确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行(xing)承担全部(bu)责任。邮箱：news_center@staff.hexun.com