2025云智算技术白皮书

1. 云智算的演进背景

传统云计算面临三大挑战：

• 算力需求激增：AI大模型训练需十万卡级GPU集群，资源调度能力不足。
• 网络性能瓶颈：TB级参数同步对低时延、高吞吐要求远超传统网络架构。
• 服务形态单一：IaaS/PaaS无法覆盖AI全链路需求（数据处理、训练、推理）。
  云智算通过算网深度融合和全栈智能化，升级为下一代云计算范式。

2. 云智算体系架构

四层架构升级：

1. AI IaaS：算网一体基础设施，支持异构算力（云边端）统一编排与即取即用。
2. AI PaaS：提供AI开发全流程工具链，降低技术门槛，提升创新效率。
3. MaaS：汇聚多领域模型与智能体，加速AI行业渗透。
4. AI SaaS：覆盖多样化场景的智能化应用，赋能千行百业。

3. 关键技术方向

• 计算技术

  • 国产算力芯片（如大云磐石DPU）：优化带宽、时延，构建自主生态。
  • 智算超节点：突破GPU互联瓶颈，支持64卡高速互联，国产化替代。
  • 算力原生：统一异构芯片接口，实现“一次开发，跨芯部署”。

• 存储技术

  • 训推多级缓存：利用CXL技术实现GPU显存、主存、网络存储协同，提升资源利用率。

• 网络技术

  • 卡间互联（OISA协议）：支持百纳秒级时延与无损传输。
  • 机间互联（GSE架构）：革新以太网协议，满足十万卡集群组网需求。

• 算网一体技术

  • 算力路由：动态感知算网状态，优化资源调度。
  • 在网计算：卸载集合通信任务至网络节点，减少数据传输压力。

• AI开发平台

  • 低代码/无代码工具：集成大模型能力，实现智能体自主开发。
  • 向量/多模数据库：优化非结构化数据处理，支撑RAG等场景。

• 安全可信

  • 硬件级可信计算（TPM/TCM）、数据全生命周期防护、AI驱动的模型合规检测。

• 绿色节能

  • 解耦液冷技术：降低数据中心能耗；
  • 算电协同：动态匹配算力与绿电供给，实现余热回收。

4. 未来技术展望

• 存算一体：缓解“存储墙”问题，提升大模型推理效率。
• 量子计算：探索量子神经网络，赋能材料模拟、组合优化等领域。
• 模型分发网络（MDN）：云边协同架构，支持低时延、高并发推理服务。

5. 中国移动的倡议与定位

• 定位：作为“供给者、汇聚者、运营者”，推动算网智脑升级。
• 倡议：联合产学研用各方，共建技术标准、攻关核心难题、创新应用场景、繁荣产业生态。

核心价值

云智算通过技术融合（AI+算力网络）、架构升级（四层服务）和生态开放，推动AI普惠化，助力千行百业智能化转型，同时兼顾绿色低碳与安全可信。