2025年3月14日  星期五
首頁|必讀|視頻|專訪|運營|制造|監(jiān)管|大數據|物聯網|量子|低空經濟|智能汽車|特約記者
手機|互聯網|IT|5G|光通信|人工智能|云計算|芯片|報告|智慧城市|移動互聯網|會展
首頁 >> 監(jiān)管 >> 正文

工信部組織開展算力強基揭榜行動

2025年2月21日 14:38  CAICT算力  

工業(yè)和信息化部近日印發(fā)通知,組織開展算力強基揭榜行動。將面向計算、存儲、網絡、應用、綠色、安全等六大重點方向,發(fā)掘一批掌握關鍵核心技術、具備較強創(chuàng)新能力的企事業(yè)單位,突破一批標志性技術產品和方案。工業(yè)和信息化部將統籌利用各類資源對揭榜入圍、優(yōu)勝單位予以支持,推動優(yōu)秀成果示范應用推廣。

各省、自治區(qū)、直轄市工業(yè)和信息化主管部門、通信管理局以及有關中央企業(yè):

為夯實算力網絡發(fā)展底座,加快創(chuàng)新技術和產品應用,推動算力網絡“點、鏈、網、面”體系化發(fā)展,現組織開展算力強基揭榜行動。有關事項通知如下:

一、揭榜任務內容

面向算力網絡的計算、存儲、網絡、應用、綠色、安全等六大重點方向,發(fā)掘一批掌握關鍵核心技術、具備較強創(chuàng)新能力的企事業(yè)單位,突破一批標志性技術產品和方案。

計算方面,攻關智能算力管理、算力加速等技術,提高計算性能與效率;存儲方面,研發(fā)多介質存儲設備管理、跨域存儲資源池協同等技術,實現海量數據可靠與靈活存儲;網絡方面,突破算內網絡與算間網絡等技術,促進算力資源高速互聯;應用方面,加強算力與行業(yè)深度融合,實現多場景便捷用算;綠色方面,研發(fā)新型制冷、碳排放感知優(yōu)化等技術,推動算力設施節(jié)能降碳;安全方面,推動智能監(jiān)測、運維機器人等技術發(fā)展,保障算力中心可靠運行。

二、申報和推薦

(一)申報單位須為在中華人民共和國境內注冊、具有獨立法人資格、具有較強技術創(chuàng)新和產業(yè)化應用能力的企事業(yè)單位。申報單位根據《算力強基揭榜行動任務榜單》(見附件)選擇揭榜任務,并需承諾揭榜后能夠在指定期限內完成相應任務,每個單位申報不超過3個項目。有關企業(yè)、高校、科研機構等以聯合體方式申報的,牽頭單位為1家,聯合參與單位不超過4家。

(二)各省、自治區(qū)、直轄市工業(yè)和信息化主管部門、通信管理局以及有關中央企業(yè)按照政府引導、企業(yè)自愿的原則,組織有關單位積極申報揭榜,并作為推薦單位,遵循公開、公平、公正的原則,審核遴選推薦創(chuàng)新能力突出、產業(yè)化前景好、行業(yè)帶動作用明顯的項目,報工業(yè)和信息化部(信息通信發(fā)展司)。

三、工作程序和要求

(一)申報單位通過申報系統(https://gs.hcp.ac.cn)進行申報,完成注冊后填寫申報所需材料。申報截止時間為2025年3月15日。

(二)各省、自治區(qū)、直轄市工業(yè)和信息化主管部門、通信管理局以及有關中央企業(yè)作為推薦單位,應于2025年3月31日前登錄系統并確認推薦名單(賬號密碼請通過聯系人獲�。�。推薦單位在每個方向推薦項目數量原則上不超過3個,所有方向累計推薦項目總量不超過20個。鼓勵各推薦單位結合實際情況,對推薦項目單位在政策、資金、資源配套等方面加大扶持力度。

(三)工業(yè)和信息化部組織遴選并公布入圍揭榜單位名單。入圍揭榜單位完成攻關任務后(名單公布之日起不超過2年),工業(yè)和信息化部委托第三方專業(yè)機構開展測評工作,擇優(yōu)確定揭榜優(yōu)勝單位(每個揭榜方向原則上不超過3家)。工業(yè)和信息化部將統籌利用各類資源對揭榜入圍、優(yōu)勝單位予以支持,推動優(yōu)秀成果示范應用推廣。

附件:算力強基揭榜行動任務榜單

工業(yè)和信息化部辦公廳

2025年2月21日

CAICT

附件

算力強基揭榜行動任務榜單

一、計算

(一)云邊端算網協同管理系統

揭榜任務:面向云邊端多層級算力環(huán)境,研發(fā)算網協同應用管理系統,設計面向不同應用軟件架構的管理機制,支持對不同架構應用軟件的統一管理;研發(fā)應用軟件在算網協同中的自動化構建部署能力,支持應用軟件的自動構建和分發(fā)部署;研究算網協同應用系統的一體化觀測能力,降低運維復雜度,提高復雜應用軟件運行的穩(wěn)定性和可靠性。

預期目標:到2026年,研制應用軟件管理系統,支持對傳統應用軟件、云原生應用軟件、AI應用軟件、大數據應用軟件等不少于5種應用軟件的全生命周期管理。研究基于算網協同的分布式構建和部署技術,支持上述應用軟件的自動分發(fā)和跨算力節(jié)點部署,實現零人工介入。研發(fā)算網應用一體化觀測功能,具備白盒化動態(tài)分析以及智能故障根因定位能力。在不少于3個行業(yè)完成試點驗證。

(二)支持超大規(guī)模參數模型的訓推一體化異構智算平臺

揭榜任務:面向人工智能大模型訓練和推理對計算資源的需求,研發(fā)支持超大規(guī)模參數模型的訓練、推理一體化智算平臺,包括資源調度策略、訓推加速套件等,并可支持多種硬件架構,屏蔽底層硬件差異,提升超大規(guī)模模型在訓練、推理過程中穩(wěn)定性、資源利用率和運行效率。

預期目標:到2026年,研發(fā)一套支持萬億參數模型的超大規(guī)模訓推一體化智算平臺,萬卡環(huán)境下穩(wěn)定訓練時間不低于30天,有效訓練時長不低于95%,訓練效率較當前主流水平提升不低于30%,推理效率提升不低于50%。支持主流深度學習框架,兼容多種硬件架構,并提供統一的編程接口和開發(fā)環(huán)境,實現不低于10個行業(yè)用戶的落地驗證。

(三)異構算力跨域任務編排系統

揭榜任務:針對跨域異構算力協同,研發(fā)跨域異構算力管理系統,實現跨域異構算力的管理和應用。研發(fā)針對多樣性算力的規(guī)范化開放互聯功能,支持對不同類型的異構算力模型統一抽象封裝;研發(fā)跨域異構算力的管理功能,支持對跨域異構算力的統一管理和協同;研究跨域多主體算力的安全認證和控制方法,保障跨域協同安全。

預期目標:到2026年,研發(fā)不少于6種跨域協同調度算法,支持數據處理、函數計算、機器學習等不少于3個場景的計算任務部署,完成不少于5個跨域算力中心的統一管理。研發(fā)跨域多主體算力的安全認證方法,支持云邊端等不同層級算力協同的安全要求。在不少于2個行業(yè)完成試點驗證。

(四)訓推算力一體機

揭榜任務:面向人工智能訓練、推理場景,研發(fā)基于基礎設施即服務(IaaS)和平臺即服務(PaaS)的高性能訓推一體化解決方案,覆蓋對大模型開發(fā)訓練和部署推理的全流程,包括數據準備、模型訓練、模型評測和模型部署。同時,支持大模型加密、攻擊防御等能力,解決針對大模型數據泄露、指令攻擊等安全問題和風險。

預期目標:到2026年,研發(fā)支持至少3種指令集芯片的訓推一體機,針對至少5個行業(yè)開展人工智能訓推一體機應用,為用戶提供多元化訓推一體化服務,并在至少10種不同的場景進行人工智能訓推一體機落地。

(五)大規(guī)模異構算力集群推理加速技術

揭榜任務:研發(fā)存儲、網絡、計算的協同優(yōu)化技術,通過模型加速、調度加速等方法實現大規(guī)模異構算力集群在大模型推理方面的加速,從而支持更大的模型、更長的上下文、更高的性能及更低的能耗,促進算力芯片在大模型推理方面的更好應用。

預期目標:到2026年,實現集群有效吞吐量5倍以上提升,實際應用場景中可處理的請求數提升1倍以上,首字延遲性能提升1倍以上,芯片利用率提升50%以上。通過優(yōu)化算力中心計算、存儲、網絡的配比以及拓撲結構和系統調度策略,實現千卡以上異構集群在推理加速領域的突破。

二、存儲

(六)磁光電融合存儲系統

揭榜任務:針對單一存儲介質難以滿足多樣化數據存儲需求的現狀,依托磁、光、電存儲在性能、壽命、功耗等方面的差異化特性,將磁、光、電存儲技術進行融合,研發(fā)磁光電融合存儲系統,構建基于固態(tài)硬盤(SSD)、機械硬盤(HDD)和光存儲的多級存儲架構。根據業(yè)務特征,將數據保存在不同級別的存儲設備中,實現海量數據的集中、統一存儲管理,支撐算力中心高效、低碳、安全持續(xù)發(fā)展。

預期目標:到2026年,研發(fā)磁、光、電融合存儲系統,支持適配分布式文件、分布式塊和分布式對象等至少3種存儲類型,系統可以根據數據的訪問時間、訪問頻率、文件屬性等自定義分級策略,根據業(yè)務負載動態(tài)調整遷移。系統可通過介質安全、系統安全、軟件安全等夯實底層安全能力,通過防勒索、加密算法、遠程監(jiān)控、光存儲預警檢測等增強數據安全能力。打造磁光電融合存儲應用示范,完成至少20個業(yè)務系統應用,實現至少4個東部地區(qū)數據流動至西部磁光電存儲系統,且數據存儲量不少于10PB。

(七)存儲調度管理及應用技術

揭榜任務:針對海量數據存儲和算力孤島問題,研發(fā)跨域多算的存力調度、存網編排和存算網一體化系統,實現數據的智能冷熱分級、應用的跨域無感訪問等能力,有效降低成本、提高性能和支撐業(yè)務。系統具備資源規(guī)劃、策略調整能力,可優(yōu)化和調整全網數據存儲布局,實現對不斷變化的需求的適應。

預期目標:到2026年,研制具備高效、可擴展性的存儲系統,基于智能算法,對數據進行分析和調度,實現應用無感訪問和智能流動。研究存力調度策略,使數據召回率控制在30%以下;研究基于潮汐網絡調度算法,實現網絡帶寬利用率提升50%以上,達到存網一體的目標。集成存儲、計算和網絡的能力,支持存算網一體化調度,在算力中心資源池落地應用。

三、網絡

(八)高性能數據處理器(DPU)

揭榜任務:開展基于芯粒(Chiplet)和第五代精簡指令集(RISC-V)技術的軟硬件一體DPU芯片技術研究,支持算力中心、智算中心、超算中心場景所需的超高帶寬和超低時延,突破Chiplet異構芯片封裝技術、高速Serdes通信、大規(guī)模無損網絡擁塞算法、硬件密碼算法、高性能虛擬化、硬件可編程等技術,實現基于ARM、X86、RISC-V等異構核心的DPU應用,提升算力中心基礎設施處理能力和數據傳輸能效比。

預期目標:到2026年,完成超高性能DPU芯片研發(fā)工作,吞吐能力達到400Gbps,單向流量時延不高于30us,支持與國內外主流CPU、GPU芯片平臺的適配,支持主流操作系統兼容,支持數據報文硬件處理邏輯可編程。

(九)基于RoCE的智算網絡

揭榜任務:面向RoCE網絡開展設備及管控系統研發(fā),通過提高設備帶寬、優(yōu)化負載均衡算法、強化網絡流量規(guī)劃及運維能力等方式,提升RoCE網絡的吞吐量和時延性能。研制新一代智能化管控工具,引入AI大模型能力,簡化RoCE網絡的部署和配置工作,實現全局、多維度的可視化運維。在網絡波動、業(yè)務變更、故障等情況下,網絡參數自動調整,流量快速切換,從而達到提升網絡效率和降低運維成本的目標。

預期目標:到2026年,實現新型RoCE網絡整體方案的商用部署,網絡性能提升10%以上。通過智能化管控及運維工具,網絡部署難度大幅降低,運維效率提升50%以上,可支撐更大規(guī)模部署和應用。

(十)光交換智算網絡技術研究與驗證

揭榜任務:面向智算集群低功耗、高帶寬、低延遲技術需求,開展智算集群光交換組網關鍵技術研究與驗證,重點突破智算集群光交換組網、路由協議適配等關鍵技術。針對智算集群的功能、性能、可靠性和擴展性等要求,研究光拓撲映射、光電混合路由、多路徑負載均衡等技術。

預期目標:到2026年,實現支持智算集群的易操作、高可靠、可平滑過渡升級的光網絡,支持人工智能等關鍵業(yè)務承載;光交換設備單端口速率支持100GE/400GE/800GE,交換容量彈性可擴展,可支持不少于3種異構算力資源互聯,在不少于2個智算集群完成驗證,并完成不少于3種智算業(yè)務承載驗證。

(十一)面向分布式智算中心的網絡關鍵技術研究與驗證

揭榜任務:針對智算集群從集中式向分布式部署探索的趨勢,攻關算力中心間網絡技術,研發(fā)面向智算中心間的高可靠傳輸設備,構建智算中心間超大容量、超低時延、超高可靠光電協同網絡,實現智算中心高速、可靠互聯。

預期目標:到2026年,突破智算中心間超大容量、超高可靠網絡傳輸關鍵技術,研制面向智算中心間網絡的傳輸設備,單波速率不低于1.6Tbps,設備時延不超過30us,支撐分布式智算中心間業(yè)務的高可靠傳輸。

四、應用

(十二)智算中心跨域互聯應用

揭榜任務:優(yōu)化人工智能算力基礎設施布局,構建跨地域互補、協同算力調度的超大規(guī)模人工智能算力服務能力。加強與人工智能芯片廠商的兼容適配,構筑大規(guī)模高性能異構算力池,提供面向大模型訓推場景深度優(yōu)化的彈性調度、彈性容錯、高資源利用率的人工智能算力服務。

預期目標:到2026年,形成覆蓋5個以上全國重點算力樞紐節(jié)點的人工智能算力中心,支持跨地域、跨云的算力需求感知和動態(tài)調度,完成3款以上算力芯片適配,聚焦大模型訓練和推理場景,構建大規(guī)模、高性能、彈性調度、高容錯的訓推一體算力資源池,具備分鐘級斷點續(xù)訓能力,支持萬卡級別并行訓練。

(十三)算力電力協同應用

揭榜任務:研發(fā)基于算力調度技術與能源大模型的多云異構算電協同管理平臺,構建基于數據驅動的算力集群用電負荷特性模型、基于計算任務的時空轉移特性的能源大模型,推動算力預測與調度技術在智算中心應用落地,提升整體資源利用率,基于新能源、新型儲能系統開展算力負荷與電力系統的協同優(yōu)化,實現精準、動態(tài)、實時的能源調度與交易,實現算力與電力等能源的深度協同。

預期目標:到2026年,實現智算場景下能源與算力全鏈路的數據穿透及流程整合,構建“算”隨“電”動的直接控制及間接引導機制,實現算力需求預測精準度達到70%、集群有效負載率提升25%以上,智算中心整體集群資源利用率提高10%。結合算力集群用電數據、時間周期、氣象數據、工作負載等多種因素,實現“電”隨“算”用的能源效率優(yōu)化與算效提升,實現基礎設施用能決策精準度85%以上,響應時效性達到提前15分鐘響應級別,智算中心整體算力能效水平提升30%,算力中心用電成本降低5%以上。

(十四)大規(guī)模通信業(yè)務場景中的算力應用

揭榜任務:圍繞網絡功能虛擬化(NFV)系統架構,針對NFV中網絡性能、資源利用和靈活展性等方面的挑戰(zhàn),研發(fā)面向NFV架構的高性能虛擬化、智能化網絡管理和資源編排算法等技術和系統,突破虛擬化層與硬件加速器(如FPGA、DPU、GPU)之間的協同能力。

預期目標:到2026年,NFV算力平臺系統中實現對虛擬化網絡功能的智能調度,支持異構集群部署、動態(tài)擴展,資源動態(tài)分配,虛擬化資源利用率提升20%以上;支持GPU、FPGA等硬件加速器的虛擬化調度,加速網絡處理性能至Tbps以上;支持智能化網絡虛擬化功能管理,提升NFV系統的自動化運維能力和管理效能,故障修復時間縮減不低于30%。

五、綠色低碳

(十五)綠色算力技術研究及應用

揭榜任務:圍繞算力的綠色節(jié)能技術突破,面向算力中的任務調度特性、能源使用模式、負載均衡要求等關鍵要素,研發(fā)適應于綠色計算的動態(tài)資源調度算法、能耗優(yōu)化管理系統,以及面向多場景的協同節(jié)能機制,突破節(jié)能算法的智能化程度,提升算力網絡中多節(jié)點的能源利用效率。

預期目標:到2026年,能耗管理系統實現對算力中心和網絡節(jié)點的實時監(jiān)控與節(jié)能調度,通過計算節(jié)點支持動態(tài)調頻、動態(tài)電壓調節(jié),單節(jié)點平均能耗降低30%以上,滿足AI推理等應用需求。

(十六)企業(yè)綠色計算碳感知平臺

揭榜任務:建立企業(yè)算力中心碳排放度量體系,能夠實時、精準地統計企業(yè)各個算力中心碳排放,并能將碳排放量分攤到不同的業(yè)務部門、應用場景和工作負載,實現精細化的碳排放的管理。同時,基于碳排放的數據,實現碳感知調度能力,通過在保證業(yè)務體驗和連續(xù)性的情況下將工作負載調度到更加低碳的算力中心,進一步降低碳排放。

預期目標:到2026年,圍繞千萬核級別跨域的算力中心,構建企業(yè)級綠色計算碳感知平臺,形成一套行業(yè)通用的、可精確度量不同類型工作負載碳排放的技術方法和指標體系,通過生態(tài)共建形成綠色度量衡標準體系。構建碳感知調度能力,達到算力中心可再生能源比例30%的目標。

(十七)冷板式液冷原生整機柜服務器

揭榜任務:面向新一代液冷算力中心,研發(fā)冷板式液冷整機柜,包括液冷服務器節(jié)點、無源液冷門等,突破高密算力、多樣性算力的散熱技術及架構要求,實現支持供電總線、網絡互聯總線、液冷管路可盲插運維的液冷設備,具備液冷機柜及液冷服務器等多級漏液檢測能力,有效降低業(yè)務中斷范圍與損失。

預期目標:到2026年,液冷整機柜實現100%液冷散熱,制冷PUE低于1.15。整機柜服務器內部實現全盲插設計,管理模塊可實現整機柜功耗管理、漏液檢測、資產管理等功能;通用算力單柜功率不低于20kW,智能算力單機柜功率不低于30kW,實現不少于500臺液冷節(jié)點的規(guī)模落地應用。

(十八)算力中心節(jié)能調優(yōu)平臺

揭榜任務:研制高精確度、高仿真效率、多場景覆蓋的算力中心PUE仿真平臺,突破物理機理模型構建、仿真引擎集群、模型自動生成等關鍵技術,實現對算力中心不同運行狀態(tài)下細分時間顆粒度PUE的快速、精準評估。研發(fā)基于大數據分析技術的算力中心制冷系統AI節(jié)能優(yōu)化系統,通過自動化數據治理、自動推理等關鍵技術,準確匹配制冷需求,在滿足可靠性要求條件下實現算力中心制冷系統整體動態(tài)實時優(yōu)化,優(yōu)化算力中心PUE。

預期目標:到2026年,支持液冷、水冷等至少2類典型制冷場景進行能效優(yōu)化,支持制冷系統和配電系統聯合仿真,系統可輸出不同負載及運行工況條件下的PUE運行曲線、系統設備運行模擬工況等參數,PUE仿真精度達到97%以上�;谀苄�(yōu)化平臺,支持AI自動推理,小時級策略自動下發(fā),實現對算力中心能耗的可視、可管、可控。通過AI能效優(yōu)化,實現算力中心PUE降低5%以上,通過算力中心基礎設施與IT聯動節(jié)能,實現總能耗降低5%以上,在5個以上算力中心落地應用。

(十九)新型制冷系統

揭榜任務:研發(fā)人工智能節(jié)能系統,針對算力中心基礎設施的運行調控和環(huán)境監(jiān)測。提出全新自適應算法,突破原有常見算法的局限性,提升數據的分析和處理效果,搭建基于專家經驗的人工智能算法數據庫,提升包括能耗管理、能源調度、安全監(jiān)測、故障診斷、輔助運維等功能的節(jié)能性、可靠性、經濟性。

預期目標:到2026年,在滿足制冷要求的基礎上,提高冷卻系統的可靠性和自適應性,提高能源使用效率、水資源使用效率和運維效率,其中節(jié)電率提升10%以上。支持冷卻系統數據采集、標注、治理、存儲,具備系統運行異常告警、告警收斂、自動診斷、遠程通信、自動控制等功能,支持冷卻系統智能化調優(yōu)、智能化控制的核心能力,并開展不少于5個實際業(yè)務場景所提供的AI節(jié)能調優(yōu)案例。

六、安全可靠

(二十)算力中心智能運維機器人

揭榜任務:研發(fā)算力中心智能運維機器人以及智能機器人管理平臺,基于云邊端三層架構,實現智能機器人在多層、多房間樓宇機房內的設備設施識別、多模態(tài)環(huán)境感知、精準空間定位、智能人機協同、多任務聯合調度等方面的技術與算法優(yōu)化。支撐機器人在算力中心設施運維和IT運營等典型場景的應用,提升巡檢質量,促進算力中心運維、運營的降本增效。

預期目標:到2026年,實現大型算力中心內智能機器人的多機房、多樓層協同應用部署;機器人巡檢任務成功率不低于95%,設備識別準確率達到97%,環(huán)境巡檢召回率不低于90%,保障算力中心巡檢業(yè)務持續(xù)運行。實現云邊端協同調度,支持不同場景下的自主作業(yè),提高任務并發(fā)執(zhí)行效率,促進穩(wěn)定、安全、可靠、可控的算力中心智能運維體系建設。

(二十一)云邊端一體化智能監(jiān)測平臺

揭榜任務:開發(fā)高性能云邊端一體化系統,研發(fā)以智能化終端或機器人為硬件載體、以多算法模型融合和平臺工具為軟件載體的軟硬結合的集中監(jiān)測管理與運維巡檢方案。突破多層級自動化運維、多維度診斷、多平臺覆蓋、多模型量化等關鍵技術。構建綜合運維健康度數字化評估體系與模型,實現算力設施從規(guī)劃、設計、建設、部署、運行、維護的全生命周期數字化管理。

預期目標:到2026年,建立大規(guī)模集群的智能化運維能力,設備實現跨平臺及系統穩(wěn)定性風險和安全風險識別能力,綜合視頻識別技術等,結構化告警收斂推送,準確率超過98%。算力設施全生命周期數字化聯動,平臺自動化流程推進,實現云端直控覆蓋超10棟算力中心,落地數字化算力中心健康度評估,智能化終端或機器人的自驅動巡檢,視頻流識別與告警的聯動,系統的智能化運維問答,并保障業(yè)務服務級別協議(SLA)達標率99%以上。

七、其他

(二十二)其他算力領域的特色化技術、產品、服務和平臺等,應具有技術先進性,技術成熟度較高,產業(yè)化前景較好。

聯系方式

王老師 wangshaopeng@caict.ac.cn

編 輯:章芳
飛象網版權及免責聲明:
1.本網刊載內容,凡注明來源為“飛象網”和“飛象原創(chuàng)”皆屬飛象網版權所有,未經允許禁止轉載、摘編及鏡像,違者必究。對于經過授權可以轉載,請必須保持轉載文章、圖像、音視頻的完整性,并完整標注作者信息和飛象網來源。
2.凡注明“來源:XXXX”的作品,均轉載自其它媒體,在于傳播更多行業(yè)信息,并不代表本網贊同其觀點和對其真實性負責。
3.如因作品內容、版權和其它問題,請在相關作品刊發(fā)之日起30日內與本網聯系,我們將第一時間予以處理。
本站聯系電話為86-010-87765777,郵件后綴為cctime.com,冒充本站員工以任何其他聯系方式,進行的“內容核實”、“商務聯系”等行為,均不能代表本站。本站擁有對此聲明的最終解釋權。
相關新聞              
 
人物
vivo胡柏山:手機行業(yè)是最典型的新質生產力代表
精彩專題
低空經濟2025:助力中國經濟騰飛,成就高質量發(fā)展
2024通信業(yè)年終盤點
2024數字科技生態(tài)大會
2024年度中國光電纜優(yōu)質供應商評選活動
CCTIME推薦
關于我們 | 廣告報價 | 聯系我們 | 隱私聲明 | 本站地圖
CCTIME飛象網 CopyRight © 2007-2024 By CCTIME.COM
京ICP備08004280號-1  電信與信息服務業(yè)務經營許可證080234號 京公網安備110105000771號
公司名稱: 北京飛象互動文化傳媒有限公司
未經書面許可,禁止轉載、摘編、復制、鏡像