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：
- 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。
- 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。
- MaaS：汇聚多领域模型与智能体，加速AI行业渗透。
- 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。