二(er)、申报和推荐

（一）申报单(dan)位须为在中华人民(min)共和国境内注册、具有独立法人资格、具有较强技术创(chuang)新和产业化应用能力的企事业单(dan)位。申报单(dan)位根据《算力强基揭榜行动任务榜单(dan)》（见附件）选择揭榜任务，并需承诺揭榜后能够在指定期限内完成相应任务，每个单(dan)位申报不超过(guo)3个项目。有关企业、高校(xiao)、科研机构等以(yi)联合体方式申报的，牵(qian)头(tou)单(dan)位为1家，联合参与(yu)单(dan)位不超过(guo)4家。

（二(er)）各省、自治区、直辖市工业和信息化主管部门、通(tong)信管理局以(yi)及有关中央企业按照(zhao)政府引导、企业自愿(yuan)的原则，组织有关单(dan)位积极申报揭榜，并作为推荐单(dan)位，遵循(xun)公(gong)开、公(gong)平、公(gong)正的原则，审(shen)核遴选推荐创(chuang)新能力突(tu)出(chu)、产业化前景好、行业带动作用明显的项目，报工业和信息化部（信息通(tong)信发展司）。

三(san)、工作程序和要求

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

（二(er)）各省、自治区、直辖市工业和信息化主管部门、通(tong)信管理局以(yi)及有关中央企业作为推荐单(dan)位，应于2025年3月31日前登录系统并确认推荐名单(dan)（账(zhang)号密码请通(tong)过(guo)联系人获取）。推荐单(dan)位在每个方向(xiang)推荐项目数(shu)量原则上不超过(guo)3个，所有方向(xiang)累计(ji)推荐项目总量不超过(guo)20个。鼓励各推荐单(dan)位结合实际(ji)情况，对推荐项目单(dan)位在政策、资金、资源(yuan)配套等方面加大扶持(chi)力度(du)。

（三(san)）工业和信息化部组织遴选并公(gong)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(gong)布之日起不超过(guo)2年），工业和信息化部委(wei)托第三(san)方专业机构开展测评工作，择优确定揭榜优胜单(dan)位（每个揭榜方向(xiang)原则上不超过(guo)3家）。工业和信息化部将(jiang)统筹(chou)利用各类资源(yuan)对揭榜入围、优胜单(dan)位予以(yi)支持(chi)，推动优秀成果(guo)示范(fan)应用推广。

附件：算力强基揭榜行动任务榜单(dan)

工业和信息化部办公(gong)厅

2025年2月21日

附件

算力强基揭榜行动任务榜单(dan)

一、计(ji)算

（一）云边端算网协同管理系统

揭榜任务：面向(xiang)云边端多层级算力环(huan)境，研发算网协同应用管理系统，设计(ji)面向(xiang)不同应用软(ruan)件架(jia)构的管理机制，支持(chi)对不同架(jia)构应用软(ruan)件的统一管理；研发应用软(ruan)件在算网协同中的自动化构建(jian)部署(shu)能力，支持(chi)应用软(ruan)件的自动构建(jian)和分发部署(shu)；研究(jiu)算网协同应用系统的一体化观测能力，降低运维复杂度(du)，提高复杂应用软(ruan)件运行的稳定性和可靠(kao)性。

预期目标：到2026年，研制应用软(ruan)件管理系统，支持(chi)对传统应用软(ruan)件、云原生应用软(ruan)件、AI应用软(ruan)件、大数(shu)据应用软(ruan)件等不少于5种(zhong)应用软(ruan)件的全生命周期管理。研究(jiu)基于算网协同的分布式构建(jian)和部署(shu)技术，支持(chi)上述应用软(ruan)件的自动分发和跨算力节点部署(shu)，实现零人工介入。研发算网应用一体化观测功能，具备白盒化动态分析以(yi)及智能故障根因定位能力。在不少于3个行业完成试点验证。

（二(er)）支持(chi)超大规模参数(shu)模型的训推一体化异构智算平台(tai)

揭榜任务：面向(xiang)人工智能大模型训练和推理对计(ji)算资源(yuan)的需求，研发支持(chi)超大规模参数(shu)模型的训练、推理一体化智算平台(tai)，包括资源(yuan)调度(du)策略、训推加速套件等，并可支持(chi)多种(zhong)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(guo)程中稳定性、资源(yuan)利用率和运行效率。

预期目标：到2026年，研发一套支持(chi)万亿参数(shu)模型的超大规模训推一体化智算平台(tai)，万卡环(huan)境下稳定训练时间不低于30天，有效训练时长不低于95%，训练效率较当(dang)前主流水平提升(sheng)不低于30%，推理效率提升(sheng)不低于50%。支持(chi)主流深度(du)学习框架(jia)，兼容多种(zhong)硬件架(jia)构，并提供统一的编程接口和开发环(huan)境，实现不低于10个行业用户的落(luo)地验证。

（三(san)）异构算力跨域任务编排系统

揭榜任务：针对跨域异构算力协同，研发跨域异构算力管理系统，实现跨域异构算力的管理和应用。研发针对多样(yang)性算力的规范(fan)化开放互联功能，支持(chi)对不同类型的异构算力模型统一抽象(xiang)封装；研发跨域异构算力的管理功能，支持(chi)对跨域异构算力的统一管理和协同；研究(jiu)跨域多主体算力的安全认证和控制方法，保障跨域协同安全。

预期目标：到2026年，研发不少于6种(zhong)跨域协同调度(du)算法，支持(chi)数(shu)据处理、函(han)数(shu)计(ji)算、机器(qi)学习等不少于3个场景的计(ji)算任务部署(shu)，完成不少于5个跨域算力中心的统一管理。研发跨域多主体算力的安全认证方法，支持(chi)云边端等不同层级算力协同的安全要求。在不少于2个行业完成试点验证。

（四）训推算力一体机

揭榜任务：面向(xiang)人工智能训练、推理场景，研发基于基础设施即服(fu)务（IaaS）和平台(tai)即服(fu)务（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部署(shu)推理的全流程，包括数(shu)据准备、模型训练、模型评测和模型部署(shu)。同时，支持(chi)大模型加密、攻击防御等能力，解决针对大模型数(shu)据泄露、指令攻击等安全问题和风险。

预期目标：到2026年，研发支持(chi)至少3种(zhong)指令集(ji)芯片(pian)的训推一体机，针对至少5个行业开展人工智能训推一体机应用，为用户提供多元(yuan)化训推一体化服(fu)务，并在至少10种(zhong)不同的场景进行人工智能训推一体机落(luo)地。

（五）大规模异构算力集(ji)群推理加速技术

揭榜任务：研发存储、网络(luo)、计(ji)算的协同优化技术，通(tong)过(guo)模型加速、调度(du)加速等方法实现大规模异构算力集(ji)群在大模型推理方面的加速，从而支持(chi)更大的模型、更长的上下文、更高的性能及更低的能耗，促进算力芯片(pian)在大模型推理方面的更好应用。

预期目标：到2026年，实现集(ji)群有效吞吐量5倍(bei)以(yi)上提升(sheng)，实际(ji)应用场景中可处理的请求数(shu)提升(sheng)1倍(bei)以(yi)上，首字(zi)延(yan)迟性能提升(sheng)1倍(bei)以(yi)上，芯片(pian)利用率提升(sheng)50%以(yi)上。通(tong)过(guo)优化算力中心计(ji)算、存储、网络(luo)的配比(bi)以(yi)及拓扑(pu)结构和系统调度(du)策略，实现千卡以(yi)上异构集(ji)群在推理加速领域的突(tu)破。

二(er)、存储

（六）磁光电融合存储系统

揭榜任务：针对单(dan)一存储介质(zhi)难以(yi)满足多样(yang)化数(shu)据存储需求的现状，依托磁、光、电存储在性能、寿命、功耗等方面的差异化特性，将(jiang)磁、光、电存储技术进行融合，研发磁光电融合存储系统，构建(jian)基于固态硬盘（SSD）、机械硬盘（HDD）和光存储的多级存储架(jia)构。根据业务特征，将(jiang)数(shu)据保存在不同级别的存储设备中，实现海量数(shu)据的集(ji)中、统一存储管理，支撑(cheng)算力中心高效、低碳、安全持(chi)续发展。

预期目标：到2026年，研发磁、光、电融合存储系统，支持(chi)适(shi)配分布式文件、分布式块和分布式对象(xiang)等至少3种(zhong)存储类型，系统可以(yi)根据数(shu)据的访问时间、访问频(pin)率、文件属(shu)性等自定义分级策略，根据业务负(fu)载(zai)动态调整迁移。系统可通(tong)过(guo)介质(zhi)安全、系统安全、软(ruan)件安全等夯实底层安全能力，通(tong)过(guo)防勒索、加密算法、远(yuan)程监控、光存储预警检测等增强数(shu)据安全能力。打造磁光电融合存储应用示范(fan)，完成至少20个业务系统应用，实现至少4个东部地区数(shu)据流动至西(xi)部磁光电存储系统，且数(shu)据存储量不少于10PB。

（七）存储调度(du)管理及应用技术

揭榜任务：针对海量数(shu)据存储和算力孤(gu)岛问题，研发跨域多算的存力调度(du)、存网编排和存算网一体化系统，实现数(shu)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(cheng)业务。系统具备资源(yuan)规划(hua)、策略调整能力，可优化和调整全网数(shu)据存储布局，实现对不断变化的需求的适(shi)应。

预期目标：到2026年，研制具备高效、可扩展性的存储系统，基于智能算法，对数(shu)据进行分析和调度(du)，实现应用无感访问和智能流动。研究(jiu)存力调度(du)策略，使数(shu)据召回率控制在30%以(yi)下；研究(jiu)基于潮汐网络(luo)调度(du)算法，实现网络(luo)带宽利用率提升(sheng)50%以(yi)上，达到存网一体的目标。集(ji)成存储、计(ji)算和网络(luo)的能力，支持(chi)存算网一体化调度(du)，在算力中心资源(yuan)池(shi)落(luo)地应用。

三(san)、网络(luo)

（八）高性能数(shu)据处理器(qi)（DPU）

揭榜任务：开展基于芯粒（Chiplet）和第五代精简指令集(ji)（RISC-V）技术的软(ruan)硬件一体DPU芯片(pian)技术研究(jiu)，支持(chi)算力中心、智算中心、超算中心场景所需的超高带宽和超低时延(yan)，突(tu)破Chiplet异构芯片(pian)封装技术、高速Serdes通(tong)信、大规模无损网络(luo)拥塞(sai)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等异构核心的DPU应用，提升(sheng)算力中心基础设施处理能力和数(shu)据传输能效比(bi)。

预期目标：到2026年，完成超高性能DPU芯片(pian)研发工作，吞吐能力达到400Gbps，单(dan)向(xiang)流量时延(yan)不高于30us，支持(chi)与(yu)国内外主流CPU、GPU芯片(pian)平台(tai)的适(shi)配，支持(chi)主流操作系统兼容，支持(chi)数(shu)据报文硬件处理逻辑可编程。

（九）基于RoCE的智算网络(luo)

揭榜任务：面向(xiang)RoCE网络(luo)开展设备及管控系统研发，通(tong)过(guo)提高设备带宽、优化负(fu)载(zai)均(jun)衡算法、强化网络(luo)流量规划(hua)及运维能力等方式，提升(sheng)RoCE网络(luo)的吞吐量和时延(yan)性能。研制新一代智能化管控工具，引入AI大模型能力，简化RoCE网络(luo)的部署(shu)和配置工作，实现全局、多维度(du)的可视化运维。在网络(luo)波动、业务变更、故障等情况下，网络(luo)参数(shu)自动调整，流量快(kuai)速切换，从而达到提升(sheng)网络(luo)效率和降低运维成本的目标。

预期目标：到2026年，实现新型RoCE网络(luo)整体方案的商用部署(shu)，网络(luo)性能提升(sheng)10%以(yi)上。通(tong)过(guo)智能化管控及运维工具，网络(luo)部署(shu)难度(du)大幅(fu)降低，运维效率提升(sheng)50%以(yi)上，可支撑(cheng)更大规模部署(shu)和应用。

（十(shi)）光交换智算网络(luo)技术研究(jiu)与(yu)验证

揭榜任务：面向(xiang)智算集(ji)群低功耗、高带宽、低延(yan)迟技术需求，开展智算集(ji)群光交换组网关键(jian)技术研究(jiu)与(yu)验证，重点突(tu)破智算集(ji)群光交换组网、路由协议适(shi)配等关键(jian)技术。针对智算集(ji)群的功能、性能、可靠(kao)性和扩展性等要求，研究(jiu)光拓扑(pu)映射、光电混合路由、多路径负(fu)载(zai)均(jun)衡等技术。

预期目标：到2026年，实现支持(chi)智算集(ji)群的易操作、高可靠(kao)、可平滑过(guo)渡升(sheng)级的光网络(luo)，支持(chi)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(chi)100GE/400GE/800GE，交换容量弹性可扩展，可支持(chi)不少于3种(zhong)异构算力资源(yuan)互联，在不少于2个智算集(ji)群完成验证，并完成不少于3种(zhong)智算业务承载(zai)验证。

（十(shi)一）面向(xiang)分布式智算中心的网络(luo)关键(jian)技术研究(jiu)与(yu)验证

揭榜任务：针对智算集(ji)群从集(ji)中式向(xiang)分布式部署(shu)探索的趋势，攻关算力中心间网络(luo)技术，研发面向(xiang)智算中心间的高可靠(kao)传输设备，构建(jian)智算中心间超大容量、超低时延(yan)、超高可靠(kao)光电协同网络(luo)，实现智算中心高速、可靠(kao)互联。

预期目标：到2026年，突(tu)破智算中心间超大容量、超高可靠(kao)网络(luo)传输关键(jian)技术，研制面向(xiang)智算中心间网络(luo)的传输设备，单(dan)波速率不低于1.6Tbps，设备时延(yan)不超过(guo)30us，支撑(cheng)分布式智算中心间业务的高可靠(kao)传输。

四、应用

（十(shi)二(er)）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(jian)跨地域互补、协同算力调度(du)的超大规模人工智能算力服(fu)务能力。加强与(yu)人工智能芯片(pian)厂商的兼容适(shi)配，构筑大规模高性能异构算力池(shi)，提供面向(xiang)大模型训推场景深度(du)优化的弹性调度(du)、弹性容错(cuo)、高资源(yuan)利用率的人工智能算力服(fu)务。

预期目标：到2026年，形成覆盖5个以(yi)上全国重点算力枢纽节点的人工智能算力中心，支持(chi)跨地域、跨云的算力需求感知和动态调度(du)，完成3款以(yi)上算力芯片(pian)适(shi)配，聚焦大模型训练和推理场景，构建(jian)大规模、高性能、弹性调度(du)、高容错(cuo)的训推一体算力资源(yuan)池(shi)，具备分钟级断点续训能力，支持(chi)万卡级别并行训练。

（十(shi)三(san)）算力电力协同应用

揭榜任务：研发基于算力调度(du)技术与(yu)能源(yuan)大模型的多云异构算电协同管理平台(tai)，构建(jian)基于数(shu)据驱动的算力集(ji)群用电负(fu)荷特性模型、基于计(ji)算任务的时空转移特性的能源(yuan)大模型，推动算力预测与(yu)调度(du)技术在智算中心应用落(luo)地，提升(sheng)整体资源(yuan)利用率，基于新能源(yuan)、新型储能系统开展算力负(fu)荷与(yu)电力系统的协同优化，实现精准、动态、实时的能源(yuan)调度(du)与(yu)交易，实现算力与(yu)电力等能源(yuan)的深度(du)协同。

预期目标：到2026年，实现智算场景下能源(yuan)与(yu)算力全链路的数(shu)据穿透及流程整合，构建(jian)“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(du)达到70%、集(ji)群有效负(fu)载(zai)率提升(sheng)25%以(yi)上，智算中心整体集(ji)群资源(yuan)利用率提高10%。结合算力集(ji)群用电数(shu)据、时间周期、气象(xiang)数(shu)据、工作负(fu)载(zai)等多种(zhong)因素，实现“电”随“算”用的能源(yuan)效率优化与(yu)算效提升(sheng)，实现基础设施用能决策精准度(du)85%以(yi)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(sheng)30%，算力中心用电成本降低5%以(yi)上。

（十(shi)四）大规模通(tong)信业务场景中的算力应用

揭榜任务：围绕网络(luo)功能虚拟化（NFV）系统架(jia)构，针对NFV中网络(luo)性能、资源(yuan)利用和灵活展性等方面的挑战，研发面向(xiang)NFV架(jia)构的高性能虚拟化、智能化网络(luo)管理和资源(yuan)编排算法等技术和系统，突(tu)破虚拟化层与(yu)硬件加速器(qi)（如FPGA、DPU、GPU）之间的协同能力。

预期目标：到2026年，NFV算力平台(tai)系统中实现对虚拟化网络(luo)功能的智能调度(du)，支持(chi)异构集(ji)群部署(shu)、动态扩展，资源(yuan)动态分配，虚拟化资源(yuan)利用率提升(sheng)20%以(yi)上；支持(chi)GPU、FPGA等硬件加速器(qi)的虚拟化调度(du)，加速网络(luo)处理性能至Tbps以(yi)上；支持(chi)智能化网络(luo)虚拟化功能管理，提升(sheng)NFV系统的自动化运维能力和管理效能，故障修复时间缩减不低于30%。

五、绿色低碳

（十(shi)五）绿色算力技术研究(jiu)及应用

揭榜任务：围绕算力的绿色节能技术突(tu)破，面向(xiang)算力中的任务调度(du)特性、能源(yuan)使用模式、负(fu)载(zai)均(jun)衡要求等关键(jian)要素，研发适(shi)应于绿色计(ji)算的动态资源(yuan)调度(du)算法、能耗优化管理系统，以(yi)及面向(xiang)多场景的协同节能机制，突(tu)破节能算法的智能化程度(du)，提升(sheng)算力网络(luo)中多节点的能源(yuan)利用效率。

预期目标：到2026年，能耗管理系统实现对算力中心和网络(luo)节点的实时监控与(yu)节能调度(du)，通(tong)过(guo)计(ji)算节点支持(chi)动态调频(pin)、动态电压调节，单(dan)节点平均(jun)能耗降低30%以(yi)上，满足AI推理等应用需求。

（十(shi)六）企业绿色计(ji)算碳感知平台(tai)

揭榜任务：建(jian)立企业算力中心碳排放度(du)量体系，能够实时、精准地统计(ji)企业各个算力中心碳排放，并能将(jiang)碳排放量分摊(tan)到不同的业务部门、应用场景和工作负(fu)载(zai)，实现精细化的碳排放的管理。同时，基于碳排放的数(shu)据，实现碳感知调度(du)能力，通(tong)过(guo)在保证业务体验和连续性的情况下将(jiang)工作负(fu)载(zai)调度(du)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(jian)企业级绿色计(ji)算碳感知平台(tai)，形成一套行业通(tong)用的、可精确度(du)量不同类型工作负(fu)载(zai)碳排放的技术方法和指标体系，通(tong)过(guo)生态共建(jian)形成绿色度(du)量衡标准体系。构建(jian)碳感知调度(du)能力，达到算力中心可再(zai)生能源(yuan)比(bi)例30%的目标。

（十(shi)七）冷板式液冷原生整机柜服(fu)务器(qi)

揭榜任务：面向(xiang)新一代液冷算力中心，研发冷板式液冷整机柜，包括液冷服(fu)务器(qi)节点、无源(yuan)液冷门等，突(tu)破高密算力、多样(yang)性算力的散热技术及架(jia)构要求，实现支持(chi)供电总线、网络(luo)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(fu)务器(qi)等多级漏液检测能力，有效降低业务中断范(fan)围与(yu)损失。

预期目标：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(fu)务器(qi)内部实现全盲插设计(ji)，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；通(tong)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(tai)液冷节点的规模落(luo)地应用。

（十(shi)八）算力中心节能调优平台(tai)

揭榜任务：研制高精确度(du)、高仿真效率、多场景覆盖的算力中心PUE仿真平台(tai)，突(tu)破物理机理模型构建(jian)、仿真引擎集(ji)群、模型自动生成等关键(jian)技术，实现对算力中心不同运行状态下细分时间颗粒度(du)PUE的快(kuai)速、精准评估。研发基于大数(shu)据分析技术的算力中心制冷系统AI节能优化系统，通(tong)过(guo)自动化数(shu)据治理、自动推理等关键(jian)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制冷系统整体动态实时优化，优化算力中心PUE。

预期目标：到2026年，支持(chi)液冷、水冷等至少2类典型制冷场景进行能效优化，支持(chi)制冷系统和配电系统联合仿真，系统可输出(chu)不同负(fu)载(zai)及运行工况条件下的PUE运行曲线、系统设备运行模拟工况等参数(shu)，PUE仿真精度(du)达到97%以(yi)上。基于能效优化平台(tai)，支持(chi)AI自动推理，小时级策略自动下发，实现对算力中心能耗的可视、可管、可控。通(tong)过(guo)AI能效优化，实现算力中心PUE降低5%以(yi)上，通(tong)过(guo)算力中心基础设施与(yu)IT联动节能，实现总能耗降低5%以(yi)上，在5个以(yi)上算力中心落(luo)地应用。

（十(shi)九）新型制冷系统

揭榜任务：研发人工智能节能系统，针对算力中心基础设施的运行调控和环(huan)境监测。提出(chu)全新自适(shi)应算法，突(tu)破原有常(chang)见算法的局限性，提升(sheng)数(shu)据的分析和处理效果(guo)，搭建(jian)基于专家经验的人工智能算法数(shu)据库，提升(sheng)包括能耗管理、能源(yuan)调度(du)、安全监测、故障诊断、辅助运维等功能的节能性、可靠(kao)性、经济性。

预期目标：到2026年，在满足制冷要求的基础上，提高冷却(que)系统的可靠(kao)性和自适(shi)应性，提高能源(yuan)使用效率、水资源(yuan)使用效率和运维效率，其中节电率提升(sheng)10%以(yi)上。支持(chi)冷却(que)系统数(shu)据采集(ji)、标注、治理、存储，具备系统运行异常(chang)告警、告警收敛(lian)、自动诊断、远(yuan)程通(tong)信、自动控制等功能，支持(chi)冷却(que)系统智能化调优、智能化控制的核心能力，并开展不少于5个实际(ji)业务场景所提供的AI节能调优案例。

六、安全可靠(kao)

（二(er)十(shi)）算力中心智能运维机器(qi)人

揭榜任务：研发算力中心智能运维机器(qi)人以(yi)及智能机器(qi)人管理平台(tai)，基于云边端三(san)层架(jia)构，实现智能机器(qi)人在多层、多房间楼宇机房内的设备设施识别、多模态环(huan)境感知、精准空间定位、智能人机协同、多任务联合调度(du)等方面的技术与(yu)算法优化。支撑(cheng)机器(qi)人在算力中心设施运维和IT运营等典型场景的应用，提升(sheng)巡检质(zhi)量，促进算力中心运维、运营的降本增效。

预期目标：到2026年，实现大型算力中心内智能机器(qi)人的多机房、多楼层协同应用部署(shu)；机器(qi)人巡检任务成功率不低于95%，设备识别准确率达到97%，环(huan)境巡检召回率不低于90%，保障算力中心巡检业务持(chi)续运行。实现云边端协同调度(du)，支持(chi)不同场景下的自主作业，提高任务并发执行效率，促进稳定、安全、可靠(kao)、可控的算力中心智能运维体系建(jian)设。

（二(er)十(shi)一）云边端一体化智能监测平台(tai)

揭榜任务：开发高性能云边端一体化系统，研发以(yi)智能化终端或机器(qi)人为硬件载(zai)体、以(yi)多算法模型融合和平台(tai)工具为软(ruan)件载(zai)体的软(ruan)硬结合的集(ji)中监测管理与(yu)运维巡检方案。突(tu)破多层级自动化运维、多维度(du)诊断、多平台(tai)覆盖、多模型量化等关键(jian)技术。构建(jian)综合运维健康度(du)数(shu)字(zi)化评估体系与(yu)模型，实现算力设施从规划(hua)、设计(ji)、建(jian)设、部署(shu)、运行、维护的全生命周期数(shu)字(zi)化管理。

预期目标：到2026年，建(jian)立大规模集(ji)群的智能化运维能力，设备实现跨平台(tai)及系统稳定性风险和安全风险识别能力，综合视频(pin)识别技术等，结构化告警收敛(lian)推送，准确率超过(guo)98%。算力设施全生命周期数(shu)字(zi)化联动，平台(tai)自动化流程推进，实现云端直控覆盖超10栋(dong)算力中心，落(luo)地数(shu)字(zi)化算力中心健康度(du)评估，智能化终端或机器(qi)人的自驱动巡检，视频(pin)流识别与(yu)告警的联动，系统的智能化运维问答，并保障业务服(fu)务级别协议（SLA）达标率99%以(yi)上。