二、申报和推荐

（一）申报单位须(xu)为在(zai)中华人民共和国境内(nei)注册、具有独立(li)法人资格、具有较强技术创新和产(chan)业化应(ying)用(yong)能力的企事业单位。申报单位根据(ju)《算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(zai)指(zhi)定(ding)期(qi)限内(nei)完成相应(ying)任务，每个单位申报不(bu)超过3个项目。有关(guan)企业、高校、科研机(ji)构等以联合体方式申报的，牵头单位为1家，联合参与单位不(bu)超过4家。

（二）各省(sheng)、自治区、直辖市工业和信息(xi)化主(zhu)管部(bu)门、通信管理局以及(ji)有关(guan)中央企业按照政府引导、企业自愿的原则，组织有关(guan)单位积极申报揭榜，并作为推荐单位，遵循公开、公平、公正的原则，审核遴选推荐创新能力突出、产(chan)业化前景(jing)好、行业带动作用(yong)明显的项目，报工业和信息(xi)化部(bu)（信息(xi)通信发展司）。

三、工作程序(xu)和要求

（一）申报单位通过申报系统进行申报，完成注册后填写(xie)申报所需材(cai)料。申报截止(zhi)时(shi)间为2025年3月15日。

（二）各省(sheng)、自治区、直辖市工业和信息(xi)化主(zhu)管部(bu)门、通信管理局以及(ji)有关(guan)中央企业作为推荐单位，应(ying)于2025年3月31日前登(deng)录系统并确认推荐名单（账号密码请通过联系人获(huo)取）。推荐单位在(zai)每个方向推荐项目数量原则上不(bu)超过3个，所有方向累计推荐项目总量不(bu)超过20个。鼓励(li)各推荐单位结合实际(ji)情况(kuang)，对推荐项目单位在(zai)政策、资金、资源配套等方面加大扶持力度。

（三）工业和信息(xi)化部(bu)组织遴选并公布入围揭榜单位名单。入围揭榜单位完成攻关(guan)任务后（名单公布之日起不(bu)超过2年），工业和信息(xi)化部(bu)委托第三方专业机(ji)构开展测评工作，择优(you)确定(ding)揭榜优(you)胜(sheng)单位（每个揭榜方向原则上不(bu)超过3家）。工业和信息(xi)化部(bu)将(jiang)统筹利用(yong)各类资源对揭榜入围、优(you)胜(sheng)单位予以支持，推动优(you)秀成果示范应(ying)用(yong)推广。

工业和信息(xi)化部(bu)办公厅(ting)

2025年2月21日

附件

算力强基揭榜行动任务榜单

一 计算

（一）云边端算网协同管理系统

揭榜任务：面向云边端多层级算力环境，研发算网协同应(ying)用(yong)管理系统，设(she)计面向不(bu)同应(ying)用(yong)软件架构的管理机(ji)制，支持对不(bu)同架构应(ying)用(yong)软件的统一管理；研发应(ying)用(yong)软件在(zai)算网协同中的自动化构建部(bu)署能力，支持应(ying)用(yong)软件的自动构建和分(fen)发部(bu)署；研究算网协同应(ying)用(yong)系统的一体化观测能力，降低运维复杂度，提高复杂应(ying)用(yong)软件运行的稳(wen)定(ding)性和可靠性。

预期(qi)目标：到2026年，研制应(ying)用(yong)软件管理系统，支持对传统应(ying)用(yong)软件、云原生应(ying)用(yong)软件、AI应(ying)用(yong)软件、大数据(ju)应(ying)用(yong)软件等不(bu)少于5种应(ying)用(yong)软件的全生命(ming)周期(qi)管理。研究基于算网协同的分(fen)布式构建和部(bu)署技术，支持上述应(ying)用(yong)软件的自动分(fen)发和跨算力节点部(bu)署，实现零人工介入。研发算网应(ying)用(yong)一体化观测功(gong)能，具备白盒化动态分(fen)析以及(ji)智能故障根因定(ding)位能力。在(zai)不(bu)少于3个行业完成试(shi)点验证。

（二）支持超大规模参数模型的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的需求，研发支持超大规模参数模型的训练、推理一体化智算平台，包括资源调度策略、训推加速(su)套件等，并可支持多种硬件架构，屏蔽底层硬件差异，提升超大规模模型在(zai)训练、推理过程中稳(wen)定(ding)性、资源利用(yong)率和运行效率。

预期(qi)目标：到2026年，研发一套支持万亿(yi)参数模型的超大规模训推一体化智算平台，万卡环境下(xia)稳(wen)定(ding)训练时(shi)间不(bu)低于30天，有效训练时(shi)长不(bu)低于95%，训练效率较当前主(zhu)流水平提升不(bu)低于30%，推理效率提升不(bu)低于50%。支持主(zhu)流深(shen)度学(xue)习框(kuang)架，兼容多种硬件架构，并提供(gong)统一的编程接口和开发环境，实现不(bu)低于10个行业用(yong)户的落地验证。

（三）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(ying)用(yong)。研发针对多样性算力的规范化开放互联功(gong)能，支持对不(bu)同类型的异构算力模型统一抽象封装；研发跨域异构算力的管理功(gong)能，支持对跨域异构算力的统一管理和协同；研究跨域多主(zhu)体算力的安全认证和控(kong)制方法，保障跨域协同安全。

预期(qi)目标：到2026年，研发不(bu)少于6种跨域协同调度算法，支持数据(ju)处理、函数计算、机(ji)器学(xue)习等不(bu)少于3个场景(jing)的计算任务部(bu)署，完成不(bu)少于5个跨域算力中心的统一管理。研发跨域多主(zhu)体算力的安全认证方法，支持云边端等不(bu)同层级算力协同的安全要求。在(zai)不(bu)少于2个行业完成试(shi)点验证。

（四(si)）训推算力一体机(ji)

揭榜任务：面向人工智能训练、推理场景(jing)，研发基于基础设(she)施即服务（IaaS）和平台即服务（PaaS）的高性能训推一体化解(jie)决方案，覆盖对大模型开发训练和部(bu)署推理的全流程，包括数据(ju)准备、模型训练、模型评测和模型部(bu)署。同时(shi)，支持大模型加密、攻击防御等能力，解(jie)决针对大模型数据(ju)泄露、指(zhi)令攻击等安全问题和风(feng)险。

预期(qi)目标：到2026年，研发支持至少3种指(zhi)令集芯(xin)片的训推一体机(ji)，针对至少5个行业开展人工智能训推一体机(ji)应(ying)用(yong)，为用(yong)户提供(gong)多元化训推一体化服务，并在(zai)至少10种不(bu)同的场景(jing)进行人工智能训推一体机(ji)落地。

（五）大规模异构算力集群推理加速(su)技术

揭榜任务：研发存储、网络、计算的协同优(you)化技术，通过模型加速(su)、调度加速(su)等方法实现大规模异构算力集群在(zai)大模型推理方面的加速(su)，从而支持更大的模型、更长的上下(xia)文、更高的性能及(ji)更低的能耗，促进算力芯(xin)片在(zai)大模型推理方面的更好应(ying)用(yong)。

预期(qi)目标：到2026年，实现集群有效吞(tun)吐(tu)量5倍以上提升，实际(ji)应(ying)用(yong)场景(jing)中可处理的请求数提升1倍以上，首字延迟性能提升1倍以上，芯(xin)片利用(yong)率提升50%以上。通过优(you)化算力中心计算、存储、网络的配比以及(ji)拓扑结构和系统调度策略，实现千卡以上异构集群在(zai)推理加速(su)领域的突破。

二 存储

（六）磁光电融(rong)合存储系统

揭榜任务：针对单一存储介质难以满足多样化数据(ju)存储需求的现状，依托磁、光、电存储在(zai)性能、寿命(ming)、功(gong)耗等方面的差异化特性，将(jiang)磁、光、电存储技术进行融(rong)合，研发磁光电融(rong)合存储系统，构建基于固态硬盘(pan)（SSD）、机(ji)械硬盘(pan)（HDD）和光存储的多级存储架构。根据(ju)业务特征，将(jiang)数据(ju)保存在(zai)不(bu)同级别的存储设(she)备中，实现海量数据(ju)的集中、统一存储管理，支撑算力中心高效、低碳、安全持续发展。

预期(qi)目标：到2026年，研发磁、光、电融(rong)合存储系统，支持适配分(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(ju)数据(ju)的访问时(shi)间、访问频率、文件属(shu)性等自定(ding)义分(fen)级策略，根据(ju)业务负载(zai)动态调整迁移。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力，通过防勒索、加密算法、远程监控(kong)、光存储预警检测等增(zeng)强数据(ju)安全能力。打造磁光电融(rong)合存储应(ying)用(yong)示范，完成至少20个业务系统应(ying)用(yong)，实现至少4个东部(bu)地区数据(ju)流动至西部(bu)磁光电存储系统，且(qie)数据(ju)存储量不(bu)少于10PB。

（七）存储调度管理及(ji)应(ying)用(yong)技术

揭榜任务：针对海量数据(ju)存储和算力孤岛问题，研发跨域多算的存力调度、存网编排和存算网一体化系统，实现数据(ju)的智能冷热分(fen)级、应(ying)用(yong)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(hua)、策略调整能力，可优(you)化和调整全网数据(ju)存储布局，实现对不(bu)断变化的需求的适应(ying)。

预期(qi)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，对数据(ju)进行分(fen)析和调度，实现应(ying)用(yong)无感访问和智能流动。研究存力调度策略，使数据(ju)召回(hui)率控(kong)制在(zai)30%以下(xia)；研究基于潮汐网络调度算法，实现网络带宽利用(yong)率提升50%以上，达到存网一体的目标。集成存储、计算和网络的能力，支持存算网一体化调度，在(zai)算力中心资源池落地应(ying)用(yong)。

三 网络

（八）高性能数据(ju)处理器（DPU）

揭榜任务：开展基于芯(xin)粒(li)（Chiplet）和第五代精(jing)简指(zhi)令集（RISC-V）技术的软硬件一体DPU芯(xin)片技术研究，支持算力中心、智算中心、超算中心场景(jing)所需的超高带宽和超低时(shi)延，突破Chiplet异构芯(xin)片封装技术、高速(su)Serdes通信、大规模无损网络拥塞算法、硬件密码算法、高性能虚(xu)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(ying)用(yong)，提升算力中心基础设(she)施处理能力和数据(ju)传输能效比。

预期(qi)目标：到2026年，完成超高性能DPU芯(xin)片研发工作，吞(tun)吐(tu)能力达到400Gbps，单向流量时(shi)延不(bu)高于30us，支持与国内(nei)外主(zhu)流CPU、GPU芯(xin)片平台的适配，支持主(zhu)流操作系统兼容，支持数据(ju)报文硬件处理逻辑可编程。

（九）基于RoCE的智算网络

揭榜任务：面向RoCE网络开展设(she)备及(ji)管控(kong)系统研发，通过提高设(she)备带宽、优(you)化负载(zai)均衡算法、强化网络流量规划(hua)及(ji)运维能力等方式，提升RoCE网络的吞(tun)吐(tu)量和时(shi)延性能。研制新一代智能化管控(kong)工具，引入AI大模型能力，简化RoCE网络的部(bu)署和配置工作，实现全局、多维度的可视化运维。在(zai)网络波动、业务变更、故障等情况(kuang)下(xia)，网络参数自动调整，流量快速(su)切换，从而达到提升网络效率和降低运维成本(ben)的目标。

预期(qi)目标：到2026年，实现新型RoCE网络整体方案的商用(yong)部(bu)署，网络性能提升10%以上。通过智能化管控(kong)及(ji)运维工具，网络部(bu)署难度大幅降低，运维效率提升50%以上，可支撑更大规模部(bu)署和应(ying)用(yong)。

（十(shi)）光交换智算网络技术研究与验证

揭榜任务：面向智算集群低功(gong)耗、高带宽、低延迟技术需求，开展智算集群光交换组网关(guan)键技术研究与验证，重点突破智算集群光交换组网、路由协议适配等关(guan)键技术。针对智算集群的功(gong)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(jing)负载(zai)均衡等技术。

预期(qi)目标：到2026年，实现支持智算集群的易操作、高可靠、可平滑过渡升级的光网络，支持人工智能等关(guan)键业务承载(zai)；光交换设(she)备单端口速(su)率支持100GE/400GE/800GE，交换容量弹(dan)性可扩展，可支持不(bu)少于3种异构算力资源互联，在(zai)不(bu)少于2个智算集群完成验证，并完成不(bu)少于3种智算业务承载(zai)验证。

（十(shi)一）面向分(fen)布式智算中心的网络关(guan)键技术研究与验证

揭榜任务：针对智算集群从集中式向分(fen)布式部(bu)署探索的趋(qu)势(shi)，攻关(guan)算力中心间网络技术，研发面向智算中心间的高可靠传输设(she)备，构建智算中心间超大容量、超低时(shi)延、超高可靠光电协同网络，实现智算中心高速(su)、可靠互联。

预期(qi)目标：到2026年，突破智算中心间超大容量、超高可靠网络传输关(guan)键技术，研制面向智算中心间网络的传输设(she)备，单波速(su)率不(bu)低于1.6Tbps，设(she)备时(shi)延不(bu)超过30us，支撑分(fen)布式智算中心间业务的高可靠传输。

四(si) 应(ying)用(yong)

（十(shi)二）智算中心跨域互联应(ying)用(yong)

揭榜任务：优(you)化人工智能算力基础设(she)施布局，构建跨地域互补、协同算力调度的超大规模人工智能算力服务能力。加强与人工智能芯(xin)片厂商的兼容适配，构筑(zhu)大规模高性能异构算力池，提供(gong)面向大模型训推场景(jing)深(shen)度优(you)化的弹(dan)性调度、弹(dan)性容错、高资源利用(yong)率的人工智能算力服务。

预期(qi)目标：到2026年，形成覆盖5个以上全国重点算力枢纽节点的人工智能算力中心，支持跨地域、跨云的算力需求感知和动态调度，完成3款以上算力芯(xin)片适配，聚焦大模型训练和推理场景(jing)，构建大规模、高性能、弹(dan)性调度、高容错的训推一体算力资源池，具备分(fen)钟级断点续训能力，支持万卡级别并行训练。

（十(shi)三）算力电力协同应(ying)用(yong)

揭榜任务：研发基于算力调度技术与能源大模型的多云异构算电协同管理平台，构建基于数据(ju)驱动的算力集群用(yong)电负荷特性模型、基于计算任务的时(shi)空转(zhuan)移特性的能源大模型，推动算力预测与调度技术在(zai)智算中心应(ying)用(yong)落地，提升整体资源利用(yong)率，基于新能源、新型储能系统开展算力负荷与电力系统的协同优(you)化，实现精(jing)准、动态、实时(shi)的能源调度与交易，实现算力与电力等能源的深(shen)度协同。

预期(qi)目标：到2026年，实现智算场景(jing)下(xia)能源与算力全链路的数据(ju)穿透(tou)及(ji)流程整合，构建“算”随(sui)“电”动的直接控(kong)制及(ji)间接引导机(ji)制，实现算力需求预测精(jing)准度达到70%、集群有效负载(zai)率提升25%以上，智算中心整体集群资源利用(yong)率提高10%。结合算力集群用(yong)电数据(ju)、时(shi)间周期(qi)、气象数据(ju)、工作负载(zai)等多种因素，实现“电”随(sui)“算”用(yong)的能源效率优(you)化与算效提升，实现基础设(she)施用(yong)能决策精(jing)准度85%以上，响应(ying)时(shi)效性达到提前15分(fen)钟响应(ying)级别，智算中心整体算力能效水平提升30%，算力中心用(yong)电成本(ben)降低5%以上。

（十(shi)四(si)）大规模通信业务场景(jing)中的算力应(ying)用(yong)

揭榜任务：围绕网络功(gong)能虚(xu)拟化（NFV）系统架构，针对NFV中网络性能、资源利用(yong)和灵活展性等方面的挑战，研发面向NFV架构的高性能虚(xu)拟化、智能化网络管理和资源编排算法等技术和系统，突破虚(xu)拟化层与硬件加速(su)器（如FPGA、DPU、GPU）之间的协同能力。

预期(qi)目标：到2026年，NFV算力平台系统中实现对虚(xu)拟化网络功(gong)能的智能调度，支持异构集群部(bu)署、动态扩展，资源动态分(fen)配，虚(xu)拟化资源利用(yong)率提升20%以上；支持GPU、FPGA等硬件加速(su)器的虚(xu)拟化调度，加速(su)网络处理性能至Tbps以上；支持智能化网络虚(xu)拟化功(gong)能管理，提升NFV系统的自动化运维能力和管理效能，故障修复时(shi)间缩减不(bu)低于30%。

五 绿(lu)色(se)低碳

（十(shi)五）绿(lu)色(se)算力技术研究及(ji)应(ying)用(yong)

揭榜任务：围绕算力的绿(lu)色(se)节能技术突破，面向算力中的任务调度特性、能源使用(yong)模式、负载(zai)均衡要求等关(guan)键要素，研发适应(ying)于绿(lu)色(se)计算的动态资源调度算法、能耗优(you)化管理系统，以及(ji)面向多场景(jing)的协同节能机(ji)制，突破节能算法的智能化程度，提升算力网络中多节点的能源利用(yong)效率。

预期(qi)目标：到2026年，能耗管理系统实现对算力中心和网络节点的实时(shi)监控(kong)与节能调度，通过计算节点支持动态调频、动态电压调节，单节点平均能耗降低30%以上，满足AI推理等应(ying)用(yong)需求。

（十(shi)六）企业绿(lu)色(se)计算碳感知平台

揭榜任务：建立(li)企业算力中心碳排放度量体系，能够实时(shi)、精(jing)准地统计企业各个算力中心碳排放，并能将(jiang)碳排放量分(fen)摊到不(bu)同的业务部(bu)门、应(ying)用(yong)场景(jing)和工作负载(zai)，实现精(jing)细化的碳排放的管理。同时(shi)，基于碳排放的数据(ju)，实现碳感知调度能力，通过在(zai)保证业务体验和连续性的情况(kuang)下(xia)将(jiang)工作负载(zai)调度到更加低碳的算力中心，进一步降低碳排放。

预期(qi)目标：到2026年，围绕千万核级别跨域的算力中心，构建企业级绿(lu)色(se)计算碳感知平台，形成一套行业通用(yong)的、可精(jing)确度量不(bu)同类型工作负载(zai)碳排放的技术方法和指(zhi)标体系，通过生态共建形成绿(lu)色(se)度量衡标准体系。构建碳感知调度能力，达到算力中心可再生能源比例30%的目标。

（十(shi)七）冷板式液(ye)冷原生整机(ji)柜服务器

揭榜任务：面向新一代液(ye)冷算力中心，研发冷板式液(ye)冷整机(ji)柜，包括液(ye)冷服务器节点、无源液(ye)冷门等，突破高密算力、多样性算力的散(san)热技术及(ji)架构要求，实现支持供(gong)电总线、网络互联总线、液(ye)冷管路可盲插运维的液(ye)冷设(she)备，具备液(ye)冷机(ji)柜及(ji)液(ye)冷服务器等多级漏(lou)液(ye)检测能力，有效降低业务中断范围与损失。

预期(qi)目标：到2026年，液(ye)冷整机(ji)柜实现100%液(ye)冷散(san)热，制冷PUE低于1.15。整机(ji)柜服务器内(nei)部(bu)实现全盲插设(she)计，管理模块可实现整机(ji)柜功(gong)耗管理、漏(lou)液(ye)检测、资产(chan)管理等功(gong)能；通用(yong)算力单柜功(gong)率不(bu)低于20kW，智能算力单机(ji)柜功(gong)率不(bu)低于30kW，实现不(bu)少于500台液(ye)冷节点的规模落地应(ying)用(yong)。

（十(shi)八）算力中心节能调优(you)平台

揭榜任务：研制高精(jing)确度、高仿真效率、多场景(jing)覆盖的算力中心PUE仿真平台，突破物理机(ji)理模型构建、仿真引擎集群、模型自动生成等关(guan)键技术，实现对算力中心不(bu)同运行状态下(xia)细分(fen)时(shi)间颗粒(li)度PUE的快速(su)、精(jing)准评估。研发基于大数据(ju)分(fen)析技术的算力中心制冷系统AI节能优(you)化系统，通过自动化数据(ju)治理、自动推理等关(guan)键技术，准确匹配制冷需求，在(zai)满足可靠性要求条(tiao)件下(xia)实现算力中心制冷系统整体动态实时(shi)优(you)化，优(you)化算力中心PUE。

预期(qi)目标：到2026年，支持液(ye)冷、水冷等至少2类典型制冷场景(jing)进行能效优(you)化，支持制冷系统和配电系统联合仿真，系统可输出不(bu)同负载(zai)及(ji)运行工况(kuang)条(tiao)件下(xia)的PUE运行曲线、系统设(she)备运行模拟工况(kuang)等参数，PUE仿真精(jing)度达到97%以上。基于能效优(you)化平台，支持AI自动推理，小时(shi)级策略自动下(xia)发，实现对算力中心能耗的可视、可管、可控(kong)。通过AI能效优(you)化，实现算力中心PUE降低5%以上，通过算力中心基础设(she)施与IT联动节能，实现总能耗降低5%以上，在(zai)5个以上算力中心落地应(ying)用(yong)。

（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(she)施的运行调控(kong)和环境监测。提出全新自适应(ying)算法，突破原有常见算法的局限性，提升数据(ju)的分(fen)析和处理效果，搭建基于专家经验的人工智能算法数据(ju)库(ku)，提升包括能耗管理、能源调度、安全监测、故障诊断、辅助运维等功(gong)能的节能性、可靠性、经济性。

预期(qi)目标：到2026年，在(zai)满足制冷要求的基础上，提高冷却系统的可靠性和自适应(ying)性，提高能源使用(yong)效率、水资源使用(yong)效率和运维效率，其中节电率提升10%以上。支持冷却系统数据(ju)采(cai)集、标注、治理、存储，具备系统运行异常告警、告警收敛、自动诊断、远程通信、自动控(kong)制等功(gong)能，支持冷却系统智能化调优(you)、智能化控(kong)制的核心能力，并开展不(bu)少于5个实际(ji)业务场景(jing)所提供(gong)的AI节能调优(you)案例。

六 安全可靠

（二十(shi)）算力中心智能运维机(ji)器人

揭榜任务：研发算力中心智能运维机(ji)器人以及(ji)智能机(ji)器人管理平台，基于云边端三层架构，实现智能机(ji)器人在(zai)多层、多房间楼宇机(ji)房内(nei)的设(she)备设(she)施识别、多模态环境感知、精(jing)准空间定(ding)位、智能人机(ji)协同、多任务联合调度等方面的技术与算法优(you)化。支撑机(ji)器人在(zai)算力中心设(she)施运维和IT运营等典型场景(jing)的应(ying)用(yong)，提升巡(xun)检质量，促进算力中心运维、运营的降本(ben)增(zeng)效。

预期(qi)目标：到2026年，实现大型算力中心内(nei)智能机(ji)器人的多机(ji)房、多楼层协同应(ying)用(yong)部(bu)署；机(ji)器人巡(xun)检任务成功(gong)率不(bu)低于95%，设(she)备识别准确率达到97%，环境巡(xun)检召回(hui)率不(bu)低于90%，保障算力中心巡(xun)检业务持续运行。实现云边端协同调度，支持不(bu)同场景(jing)下(xia)的自主(zhu)作业，提高任务并发执行效率，促进稳(wen)定(ding)、安全、可靠、可控(kong)的算力中心智能运维体系建设(she)。

（二十(shi)一）云边端一体化智能监测平台

揭榜任务：开发高性能云边端一体化系统，研发以智能化终端或机(ji)器人为硬件载(zai)体、以多算法模型融(rong)合和平台工具为软件载(zai)体的软硬结合的集中监测管理与运维巡(xun)检方案。突破多层级自动化运维、多维度诊断、多平台覆盖、多模型量化等关(guan)键技术。构建综合运维健康度数字化评估体系与模型，实现算力设(she)施从规划(hua)、设(she)计、建设(she)、部(bu)署、运行、维护的全生命(ming)周期(qi)数字化管理。

预期(qi)目标：到2026年，建立(li)大规模集群的智能化运维能力，设(she)备实现跨平台及(ji)系统稳(wen)定(ding)性风(feng)险和安全风(feng)险识别能力，综合视频识别技术等，结构化告警收敛推送(song)，准确率超过98%。算力设(she)施全生命(ming)周期(qi)数字化联动，平台自动化流程推进，实现云端直控(kong)覆盖超10栋(dong)算力中心，落地数字化算力中心健康度评估，智能化终端或机(ji)器人的自驱动巡(xun)检，视频流识别与告警的联动，系统的智能化运维问答，并保障业务服务级别协议（SLA）达标率99%以上。

七 其他

（二十(shi)二）其他算力领域的特色(se)化技术、产(chan)品、服务和平台等，应(ying)具有技术先进性，技术成熟度较高，产(chan)业化前景(jing)较好。

责(ze)编:史健 | 审核:李震 | 监审:万军伟

【免责(ze)声明】本(ben)文仅代表(biao)作者(zhe)本(ben)人观点，与和讯网无关(guan)。和讯网站对文中陈述、观点判断保持中立(li)，不(bu)对所包含(han)内(nei)容的准确性、可靠性或完整性提供(gong)任何明示或暗示的保证。请读者(zhe)仅作参考(kao)，并请自行承担全部(bu)责(ze)任。邮箱：news_center@staff.hexun.com