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
