二、申报和推荐

（一）申报单位须为在中华人民共和国境(jing)内注册、具有独立法(fa)人资格、具有较强技术(shu)创新和产业化应用能力的企事业单位。申报单位根据《算(suan)力强基揭榜行动任务榜单》（见附件）选择揭榜任务，并需承诺揭榜后能够在指(zhi)定(ding)期限内完成相应任务，每个单位申报不超过3个项目。有关企业、高校、科研机构等以联合体方式申报的，牵头单位为1家(jia)，联合参与单位不超过4家(jia)。

（二）各省、自治(zhi)区、直辖市工业和信息化主管(guan)部门、通信管(guan)理局以及有关中央企业按照政府引导、企业自愿(yuan)的原(yuan)则，组(zu)织有关单位积极申报揭榜，并作为推荐单位，遵循公开(kai)、公平、公正的原(yuan)则，审核(he)遴选推荐创新能力突出、产业化前景好、行业带(dai)动作用明显的项目，报工业和信息化部（信息通信发展司）。

三、工作程(cheng)序和要求

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

（二）各省、自治(zhi)区、直辖市工业和信息化主管(guan)部门、通信管(guan)理局以及有关中央企业作为推荐单位，应于2025年3月31日(ri)前登录系统并确认推荐名单（账号密码(ma)请(qing)通过联系人获取）。推荐单位在每个方向推荐项目数量原(yuan)则上不超过3个，所有方向累计推荐项目总量不超过20个。鼓励(li)各推荐单位结合实际情况，对(dui)推荐项目单位在政策(ce)、资金、资源配套等方面加大扶持力度。

（三）工业和信息化部组(zu)织遴选并公布入围揭榜单位名单。入围揭榜单位完成攻关任务后（名单公布之日(ri)起不超过2年），工业和信息化部委(wei)托第三方专业机构开(kai)展测评工作，择优确定(ding)揭榜优胜单位（每个揭榜方向原(yuan)则上不超过3家(jia)）。工业和信息化部将统筹利用各类资源对(dui)揭榜入围、优胜单位予以支持，推动优秀成果示范应用推广。

附件：算(suan)力强基揭榜行动任务榜单

工业和信息化部办公厅(ting)

2025年2月21日(ri)

附件

算(suan)力强基揭榜行动任务榜单

一、计算(suan)

（一）云边端算(suan)网协同管(guan)理系统

揭榜任务：面向云边端多层级(ji)算(suan)力环境(jing)，研发算(suan)网协同应用管(guan)理系统，设计面向不同应用软件架构的管(guan)理机制，支持对(dui)不同架构应用软件的统一管(guan)理；研发应用软件在算(suan)网协同中的自动化构建部署能力，支持应用软件的自动构建和分发部署；研究算(suan)网协同应用系统的一体化观测能力，降低运维复杂度，提高复杂应用软件运行的稳定(ding)性和可靠性。

预期目标(biao)：到2026年，研制应用软件管(guan)理系统，支持对(dui)传(chuan)统应用软件、云原(yuan)生应用软件、AI应用软件、大数据应用软件等不少于5种应用软件的全生命周期管(guan)理。研究基于算(suan)网协同的分布式构建和部署技术(shu)，支持上述应用软件的自动分发和跨算(suan)力节(jie)点部署，实现零人工介(jie)入。研发算(suan)网应用一体化观测功能，具备白盒化动态分析以及智能故障根因定(ding)位能力。在不少于3个行业完成试(shi)点验证。

（二）支持超大规模(mo)参数模(mo)型的训(xun)推一体化异构智算(suan)平台

揭榜任务：面向人工智能大模(mo)型训(xun)练和推理对(dui)计算(suan)资源的需求，研发支持超大规模(mo)参数模(mo)型的训(xun)练、推理一体化智算(suan)平台，包括(kuo)资源调度策(ce)略、训(xun)推加速套件等，并可支持多种硬件架构，屏蔽底(di)层硬件差异，提升超大规模(mo)模(mo)型在训(xun)练、推理过程(cheng)中稳定(ding)性、资源利用率和运行效率。

预期目标(biao)：到2026年，研发一套支持万亿参数模(mo)型的超大规模(mo)训(xun)推一体化智算(suan)平台，万卡环境(jing)下稳定(ding)训(xun)练时间不低于30天，有效训(xun)练时长(chang)不低于95%，训(xun)练效率较当前主流水平提升不低于30%，推理效率提升不低于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(kai)发环境(jing)，实现不低于10个行业用户的落地(di)验证。

（三）异构算(suan)力跨域任务编排系统

揭榜任务：针对(dui)跨域异构算(suan)力协同，研发跨域异构算(suan)力管(guan)理系统，实现跨域异构算(suan)力的管(guan)理和应用。研发针对(dui)多样(yang)性算(suan)力的规范化开(kai)放互联功能，支持对(dui)不同类型的异构算(suan)力模(mo)型统一抽象封装；研发跨域异构算(suan)力的管(guan)理功能，支持对(dui)跨域异构算(suan)力的统一管(guan)理和协同；研究跨域多主体算(suan)力的安全认证和控制方法(fa)，保障跨域协同安全。

预期目标(biao)：到2026年，研发不少于6种跨域协同调度算(suan)法(fa)，支持数据处(chu)理、函数计算(suan)、机器学习等不少于3个场景的计算(suan)任务部署，完成不少于5个跨域算(suan)力中心的统一管(guan)理。研发跨域多主体算(suan)力的安全认证方法(fa)，支持云边端等不同层级(ji)算(suan)力协同的安全要求。在不少于2个行业完成试(shi)点验证。

（四）训(xun)推算(suan)力一体机

揭榜任务：面向人工智能训(xun)练、推理场景，研发基于基础设施即服务（IaaS）和平台即服务（PaaS）的高性能训(xun)推一体化解决(jue)方案，覆盖对(dui)大模(mo)型开(kai)发训(xun)练和部署推理的全流程(cheng)，包括(kuo)数据准备、模(mo)型训(xun)练、模(mo)型评测和模(mo)型部署。同时，支持大模(mo)型加密、攻击防御等能力，解决(jue)针对(dui)大模(mo)型数据泄露、指(zhi)令攻击等安全问题(ti)和风(feng)险。

预期目标(biao)：到2026年，研发支持至(zhi)少3种指(zhi)令集芯(xin)片的训(xun)推一体机，针对(dui)至(zhi)少5个行业开(kai)展人工智能训(xun)推一体机应用，为用户提供多元化训(xun)推一体化服务，并在至(zhi)少10种不同的场景进行人工智能训(xun)推一体机落地(di)。

（五）大规模(mo)异构算(suan)力集群推理加速技术(shu)

揭榜任务：研发存储(chu)、网络、计算(suan)的协同优化技术(shu)，通过模(mo)型加速、调度加速等方法(fa)实现大规模(mo)异构算(suan)力集群在大模(mo)型推理方面的加速，从而支持更大的模(mo)型、更长(chang)的上下文、更高的性能及更低的能耗，促进算(suan)力芯(xin)片在大模(mo)型推理方面的更好应用。

预期目标(biao)：到2026年，实现集群有效吞吐量5倍以上提升，实际应用场景中可处(chu)理的请(qing)求数提升1倍以上，首字延迟性能提升1倍以上，芯(xin)片利用率提升50%以上。通过优化算(suan)力中心计算(suan)、存储(chu)、网络的配比(bi)以及拓扑(pu)结构和系统调度策(ce)略，实现千卡以上异构集群在推理加速领域的突破。

二、存储(chu)

（六）磁(ci)光电融合存储(chu)系统

揭榜任务：针对(dui)单一存储(chu)介(jie)质难以满足多样(yang)化数据存储(chu)需求的现状，依托磁(ci)、光、电存储(chu)在性能、寿命、功耗等方面的差异化特性，将磁(ci)、光、电存储(chu)技术(shu)进行融合，研发磁(ci)光电融合存储(chu)系统，构建基于固态硬盘（SSD）、机械硬盘（HDD）和光存储(chu)的多级(ji)存储(chu)架构。根据业务特征，将数据保存在不同级(ji)别的存储(chu)设备中，实现海量数据的集中、统一存储(chu)管(guan)理，支撑算(suan)力中心高效、低碳、安全持续发展。

预期目标(biao)：到2026年，研发磁(ci)、光、电融合存储(chu)系统，支持适(shi)配分布式文件、分布式块(kuai)和分布式对(dui)象等至(zhi)少3种存储(chu)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(ding)义分级(ji)策(ce)略，根据业务负载(zai)动态调整迁移。系统可通过介(jie)质安全、系统安全、软件安全等夯实底(di)层安全能力，通过防勒索(suo)、加密算(suan)法(fa)、远程(cheng)监控、光存储(chu)预警检测等增(zeng)强数据安全能力。打造磁(ci)光电融合存储(chu)应用示范，完成至(zhi)少20个业务系统应用，实现至(zhi)少4个东部地(di)区数据流动至(zhi)西(xi)部磁(ci)光电存储(chu)系统，且数据存储(chu)量不少于10PB。

（七）存储(chu)调度管(guan)理及应用技术(shu)

揭榜任务：针对(dui)海量数据存储(chu)和算(suan)力孤岛问题(ti)，研发跨域多算(suan)的存力调度、存网编排和存算(suan)网一体化系统，实现数据的智能冷热分级(ji)、应用的跨域无感访问等能力，有效降低成本(ben)、提高性能和支撑业务。系统具备资源规划、策(ce)略调整能力，可优化和调整全网数据存储(chu)布局，实现对(dui)不断变化的需求的适(shi)应。

预期目标(biao)：到2026年，研制具备高效、可扩展性的存储(chu)系统，基于智能算(suan)法(fa)，对(dui)数据进行分析和调度，实现应用无感访问和智能流动。研究存力调度策(ce)略，使数据召回率控制在30%以下；研究基于潮汐网络调度算(suan)法(fa)，实现网络带(dai)宽利用率提升50%以上，达到存网一体的目标(biao)。集成存储(chu)、计算(suan)和网络的能力，支持存算(suan)网一体化调度，在算(suan)力中心资源池落地(di)应用。

三、网络

（八）高性能数据处(chu)理器（DPU）

揭榜任务：开(kai)展基于芯(xin)粒（Chiplet）和第五代精简指(zhi)令集（RISC-V）技术(shu)的软硬件一体DPU芯(xin)片技术(shu)研究，支持算(suan)力中心、智算(suan)中心、超算(suan)中心场景所需的超高带(dai)宽和超低时延，突破Chiplet异构芯(xin)片封装技术(shu)、高速Serdes通信、大规模(mo)无损网络拥塞算(suan)法(fa)、硬件密码(ma)算(suan)法(fa)、高性能虚拟(ni)化、硬件可编程(cheng)等技术(shu)，实现基于ARM、X86、RISC-V等异构核(he)心的DPU应用，提升算(suan)力中心基础设施处(chu)理能力和数据传(chuan)输能效比(bi)。

预期目标(biao)：到2026年，完成超高性能DPU芯(xin)片研发工作，吞吐能力达到400Gbps，单向流量时延不高于30us，支持与国内外主流CPU、GPU芯(xin)片平台的适(shi)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(suan)网络

揭榜任务：面向RoCE网络开(kai)展设备及管(guan)控系统研发，通过提高设备带(dai)宽、优化负载(zai)均衡算(suan)法(fa)、强化网络流量规划及运维能力等方式，提升RoCE网络的吞吐量和时延性能。研制新一代智能化管(guan)控工具，引入AI大模(mo)型能力，简化RoCE网络的部署和配置工作，实现全局、多维度的可视(shi)化运维。在网络波动、业务变更、故障等情况下，网络参数自动调整，流量快速切换，从而达到提升网络效率和降低运维成本(ben)的目标(biao)。

预期目标(biao)：到2026年，实现新型RoCE网络整体方案的商用部署，网络性能提升10%以上。通过智能化管(guan)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(mo)部署和应用。

（十(shi)）光交换智算(suan)网络技术(shu)研究与验证

揭榜任务：面向智算(suan)集群低功耗、高带(dai)宽、低延迟技术(shu)需求，开(kai)展智算(suan)集群光交换组(zu)网关键技术(shu)研究与验证，重点突破智算(suan)集群光交换组(zu)网、路由协议适(shi)配等关键技术(shu)。针对(dui)智算(suan)集群的功能、性能、可靠性和扩展性等要求，研究光拓扑(pu)映射、光电混合路由、多路径负载(zai)均衡等技术(shu)。

预期目标(biao)：到2026年，实现支持智算(suan)集群的易(yi)操作、高可靠、可平滑(hua)过渡升级(ji)的光网络，支持人工智能等关键业务承载(zai)；光交换设备单端口速率支持100GE/400GE/800GE，交换容量弹(dan)性可扩展，可支持不少于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(zai)验证。

（十(shi)一）面向分布式智算(suan)中心的网络关键技术(shu)研究与验证

揭榜任务：针对(dui)智算(suan)集群从集中式向分布式部署探(tan)索(suo)的趋势，攻关算(suan)力中心间网络技术(shu)，研发面向智算(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。

预期目标(biao)：到2026年，突破智算(suan)中心间超大容量、超高可靠网络传(chuan)输关键技术(shu)，研制面向智算(suan)中心间网络的传(chuan)输设备，单波速率不低于1.6Tbps，设备时延不超过30us，支撑分布式智算(suan)中心间业务的高可靠传(chuan)输。

四、应用

（十(shi)二）智算(suan)中心跨域互联应用

揭榜任务：优化人工智能算(suan)力基础设施布局，构建跨地(di)域互补(bu)、协同算(suan)力调度的超大规模(mo)人工智能算(suan)力服务能力。加强与人工智能芯(xin)片厂商的兼容适(shi)配，构筑大规模(mo)高性能异构算(suan)力池，提供面向大模(mo)型训(xun)推场景深度优化的弹(dan)性调度、弹(dan)性容错(cuo)、高资源利用率的人工智能算(suan)力服务。

预期目标(biao)：到2026年，形成覆盖5个以上全国重点算(suan)力枢纽节(jie)点的人工智能算(suan)力中心，支持跨地(di)域、跨云的算(suan)力需求感知和动态调度，完成3款以上算(suan)力芯(xin)片适(shi)配，聚焦大模(mo)型训(xun)练和推理场景，构建大规模(mo)、高性能、弹(dan)性调度、高容错(cuo)的训(xun)推一体算(suan)力资源池，具备分钟级(ji)断点续训(xun)能力，支持万卡级(ji)别并行训(xun)练。

（十(shi)三）算(suan)力电力协同应用

揭榜任务：研发基于算(suan)力调度技术(shu)与能源大模(mo)型的多云异构算(suan)电协同管(guan)理平台，构建基于数据驱(qu)动的算(suan)力集群用电负荷特性模(mo)型、基于计算(suan)任务的时空转移特性的能源大模(mo)型，推动算(suan)力预测与调度技术(shu)在智算(suan)中心应用落地(di)，提升整体资源利用率，基于新能源、新型储(chu)能系统开(kai)展算(suan)力负荷与电力系统的协同优化，实现精准、动态、实时的能源调度与交易(yi)，实现算(suan)力与电力等能源的深度协同。

预期目标(biao)：到2026年，实现智算(suan)场景下能源与算(suan)力全链路的数据穿(chuan)透及流程(cheng)整合，构建“算(suan)”随“电”动的直接控制及间接引导机制，实现算(suan)力需求预测精准度达到70%、集群有效负载(zai)率提升25%以上，智算(suan)中心整体集群资源利用率提高10%。结合算(suan)力集群用电数据、时间周期、气象数据、工作负载(zai)等多种因素，实现“电”随“算(suan)”用的能源效率优化与算(suan)效提升，实现基础设施用能决(jue)策(ce)精准度85%以上，响(xiang)应时效性达到提前15分钟响(xiang)应级(ji)别，智算(suan)中心整体算(suan)力能效水平提升30%，算(suan)力中心用电成本(ben)降低5%以上。

（十(shi)四）大规模(mo)通信业务场景中的算(suan)力应用

揭榜任务：围绕网络功能虚拟(ni)化（NFV）系统架构，针对(dui)NFV中网络性能、资源利用和灵(ling)活展性等方面的挑战，研发面向NFV架构的高性能虚拟(ni)化、智能化网络管(guan)理和资源编排算(suan)法(fa)等技术(shu)和系统，突破虚拟(ni)化层与硬件加速器（如(ru)FPGA、DPU、GPU）之间的协同能力。

预期目标(biao)：到2026年，NFV算(suan)力平台系统中实现对(dui)虚拟(ni)化网络功能的智能调度，支持异构集群部署、动态扩展，资源动态分配，虚拟(ni)化资源利用率提升20%以上；支持GPU、FPGA等硬件加速器的虚拟(ni)化调度，加速网络处(chu)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系统的自动化运维能力和管(guan)理效能，故障修复时间缩减不低于30%。

五、绿色(se)低碳

（十(shi)五）绿色(se)算(suan)力技术(shu)研究及应用

揭榜任务：围绕算(suan)力的绿色(se)节(jie)能技术(shu)突破，面向算(suan)力中的任务调度特性、能源使用模(mo)式、负载(zai)均衡要求等关键要素，研发适(shi)应于绿色(se)计算(suan)的动态资源调度算(suan)法(fa)、能耗优化管(guan)理系统，以及面向多场景的协同节(jie)能机制，突破节(jie)能算(suan)法(fa)的智能化程(cheng)度，提升算(suan)力网络中多节(jie)点的能源利用效率。

预期目标(biao)：到2026年，能耗管(guan)理系统实现对(dui)算(suan)力中心和网络节(jie)点的实时监控与节(jie)能调度，通过计算(suan)节(jie)点支持动态调频、动态电压调节(jie)，单节(jie)点平均能耗降低30%以上，满足AI推理等应用需求。

（十(shi)六）企业绿色(se)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，能够实时、精准地(di)统计企业各个算(suan)力中心碳排放，并能将碳排放量分摊到不同的业务部门、应用场景和工作负载(zai)，实现精细化的碳排放的管(guan)理。同时，基于碳排放的数据，实现碳感知调度能力，通过在保证业务体验和连续性的情况下将工作负载(zai)调度到更加低碳的算(suan)力中心，进一步降低碳排放。

预期目标(biao)：到2026年，围绕千万核(he)级(ji)别跨域的算(suan)力中心，构建企业级(ji)绿色(se)计算(suan)碳感知平台，形成一套行业通用的、可精确度量不同类型工作负载(zai)碳排放的技术(shu)方法(fa)和指(zhi)标(biao)体系，通过生态共建形成绿色(se)度量衡标(biao)准体系。构建碳感知调度能力，达到算(suan)力中心可再生能源比(bi)例30%的目标(biao)。

（十(shi)七）冷板式液冷原(yuan)生整机柜(gui)服务器

揭榜任务：面向新一代液冷算(suan)力中心，研发冷板式液冷整机柜(gui)，包括(kuo)液冷服务器节(jie)点、无源液冷门等，突破高密算(suan)力、多样(yang)性算(suan)力的散热技术(shu)及架构要求，实现支持供电总线、网络互联总线、液冷管(guan)路可盲插运维的液冷设备，具备液冷机柜(gui)及液冷服务器等多级(ji)漏液检测能力，有效降低业务中断范围与损失。

预期目标(biao)：到2026年，液冷整机柜(gui)实现100%液冷散热，制冷PUE低于1.15。整机柜(gui)服务器内部实现全盲插设计，管(guan)理模(mo)块(kuai)可实现整机柜(gui)功耗管(guan)理、漏液检测、资产管(guan)理等功能；通用算(suan)力单柜(gui)功率不低于20kW，智能算(suan)力单机柜(gui)功率不低于30kW，实现不少于500台液冷节(jie)点的规模(mo)落地(di)应用。

（十(shi)八）算(suan)力中心节(jie)能调优平台

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(mo)型构建、仿真引擎(qing)集群、模(mo)型自动生成等关键技术(shu)，实现对(dui)算(suan)力中心不同运行状态下细分时间颗(ke)粒度PUE的快速、精准评估(gu)。研发基于大数据分析技术(shu)的算(suan)力中心制冷系统AI节(jie)能优化系统，通过自动化数据治(zhi)理、自动推理等关键技术(shu)，准确匹(pi)配制冷需求，在满足可靠性要求条件下实现算(suan)力中心制冷系统整体动态实时优化，优化算(suan)力中心PUE。

预期目标(biao)：到2026年，支持液冷、水冷等至(zhi)少2类典(dian)型制冷场景进行能效优化，支持制冷系统和配电系统联合仿真，系统可输出不同负载(zai)及运行工况条件下的PUE运行曲线、系统设备运行模(mo)拟(ni)工况等参数，PUE仿真精度达到97%以上。基于能效优化平台，支持AI自动推理，小时级(ji)策(ce)略自动下发，实现对(dui)算(suan)力中心能耗的可视(shi)、可管(guan)、可控。通过AI能效优化，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IT联动节(jie)能，实现总能耗降低5%以上，在5个以上算(suan)力中心落地(di)应用。

（十(shi)九）新型制冷系统

揭榜任务：研发人工智能节(jie)能系统，针对(dui)算(suan)力中心基础设施的运行调控和环境(jing)监测。提出全新自适(shi)应算(suan)法(fa)，突破原(yuan)有常见算(suan)法(fa)的局限性，提升数据的分析和处(chu)理效果，搭建基于专家(jia)经(jing)验的人工智能算(suan)法(fa)数据库，提升包括(kuo)能耗管(guan)理、能源调度、安全监测、故障诊(zhen)断、辅(fu)助运维等功能的节(jie)能性、可靠性、经(jing)济性。

预期目标(biao)：到2026年，在满足制冷要求的基础上，提高冷却系统的可靠性和自适(shi)应性，提高能源使用效率、水资源使用效率和运维效率，其中节(jie)电率提升10%以上。支持冷却系统数据采集、标(biao)注、治(zhi)理、存储(chu)，具备系统运行异常告警、告警收敛、自动诊(zhen)断、远程(cheng)通信、自动控制等功能，支持冷却系统智能化调优、智能化控制的核(he)心能力，并开(kai)展不少于5个实际业务场景所提供的AI节(jie)能调优案例。

六、安全可靠

（二十(shi)）算(suan)力中心智能运维机器人

揭榜任务：研发算(suan)力中心智能运维机器人以及智能机器人管(guan)理平台，基于云边端三层架构，实现智能机器人在多层、多房间楼宇(yu)机房内的设备设施识别、多模(mo)态环境(jing)感知、精准空间定(ding)位、智能人机协同、多任务联合调度等方面的技术(shu)与算(suan)法(fa)优化。支撑机器人在算(suan)力中心设施运维和IT运营等典(dian)型场景的应用，提升巡检质量，促进算(suan)力中心运维、运营的降本(ben)增(zeng)效。

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

（二十(shi)一）云边端一体化智能监测平台

揭榜任务：开(kai)发高性能云边端一体化系统，研发以智能化终端或机器人为硬件载(zai)体、以多算(suan)法(fa)模(mo)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(guan)理与运维巡检方案。突破多层级(ji)自动化运维、多维度诊(zhen)断、多平台覆盖、多模(mo)型量化等关键技术(shu)。构建综合运维健康度数字化评估(gu)体系与模(mo)型，实现算(suan)力设施从规划、设计、建设、部署、运行、维护的全生命周期数字化管(guan)理。

预期目标(biao)：到2026年，建立大规模(mo)集群的智能化运维能力，设备实现跨平台及系统稳定(ding)性风(feng)险和安全风(feng)险识别能力，综合视(shi)频识别技术(shu)等，结构化告警收敛推送，准确率超过98%。算(suan)力设施全生命周期数字化联动，平台自动化流程(cheng)推进，实现云端直控覆盖超10栋算(suan)力中心，落地(di)数字化算(suan)力中心健康度评估(gu)，智能化终端或机器人的自驱(qu)动巡检，视(shi)频流识别与告警的联动，系统的智能化运维问答，并保障业务服务级(ji)别协议（SLA）达标(biao)率99%以上。