白皮书-军工行业算力应用落地白皮书

WHITEPAPER·2026军工行业算力应用落地白皮书从资源供给到可验收的业务能力V1.0编制日期：2026年11月8日编制视角：第三方行业研究视角适用读者：信息化建设决策者·技术评审专家·运维管理团队

目录1绪论与核心结论1.1研究背景与问题界定1.2研究范围、方法与术语约定1.3核心结论1.4阅读指引与适用边界2背景与演进脉络2.1政策脉络：从"数字基础设施"到"算力基础设施"2.2技术脉络：通用计算、异构计算、智能计算的三段演进2.3行业脉络：高安全约束型制造的数字化改造阶段2.4需求侧变化：四类场景的算力需求特征2.5关键约束：安全合规、自主可控与能耗指标3现状与典型案例3.1供给现状：总量快速增长与结构性错配并存3.2应用现状：四类场景的成熟度分层3.3架构现状：五层参考架构与常见缺口3.4跨行业对标案例：可迁移的做法与不可迁移的前提3.5现状差距与两个反常识洞察4趋势研判4.1算力结构：智算主导与训推分离4.2部署形态：中心—边缘—端侧三级协同4.3自主可控：从整机替代到软件栈迁移4.4绿色低碳：能效约束反向决定架构4.5安全治理：分级规则先于调度策略4.6量化测算：算力池容量与投资构成的方法示例4.7风险预警与待观察变量5建议与展望5.1分阶段路线图：先治理、后扩容，先验证、后规模5.2组织与治理：把责任落到可追溯的主体5.3指标体系：从设备口径改为业务口径5.4采购与选型：把落地风险写进评价维度5.5风险清单与应对5.6展望与结语附录A引用来源汇总附录B关键指标口径速查

摘要本白皮书以国防科技工业相关单位及其配套单位的算力基础设施建设与应用落地为观察对象，围绕"算力如何从资源供给转化为可验收的业务能力"这一核心问题展开。全文梳理了2021年以来国家在数字基础设施、算力布局、数据安全和绿色低碳四个方向的政策脉络，结合公开的行业统计与跨行业对标案例，分析研发仿真、智能排产、质量检测、供应链协同四类典型场景的算力需求特征与成熟度差异，给出一套包含分层参考架构、分阶段路线图、指标体系和采购评价维度的落地框架。研究认为：当前制约落地的首要因素已不是算力总量，而是架构分层不清、软件栈迁移成本被低估、数据分级与算力调度相互脱节；建议以"先治理、后扩容，先验证、后规模"为推进原则，把验收口径从设备台套数改为业务有效算力与场景成效。本白皮书不涉及任何涉密信息、具体型号任务与非公开项目数据，所有测算均为方法示例。关键词：算力基础设施；高性能计算；智能算力；数字化转型；自主可控；数据分类分级；电能利用效率版本信息：V1.0｜编制日期：2026年11月8日｜编制视角：第三方行业研究视角（面向信息化建设决策者、技术评审专家与运维管理团队）

1绪论与核心结论1.1研究背景与问题界定算力已经从支撑单一计算任务的技术资源，转变为组织级的基础生产要素。国家层面在"十四五"期间密集出台数字基础设施与算力布局政策，明确把算力、算法、数据、应用作为一体化体系推进「国务院《"十四五"数字经济发展规划》，2022年1月」。对国防科技工业相关单位而言，研发设计仿真、工艺过程计算、试验数据处理、生产排程优化等业务对计算能力的需求持续上升，同时叠加了高于一般制造业的安全合规约束、自主可控要求和数据不出域边界。但在实际建设中，一个反复出现的现象是：设备采购完成后，业务侧感受到的"算力不足"并未缓解。原因通常不在峰值浮点性能，而在四个错配——算力资源池与业务优先级错配、异构硬件与既有软件栈错配、数据分级规则与调度策略错配、能效指标约束与机柜功率密度错配。本白皮书把这类"建而不用、用而不畅"的问题统称为算力落地断层，并围绕其成因与解法组织全部章节。需要明确界定的是，本文讨论的对象是面向高安全约束型制造与研发场景的通用算力基础设施及其管理方法，不讨论任何具体型号、任务系统、涉密网络拓扑或非公开工程数据。文中引用的政策、统计与案例均来自公开发布材料，所有量化测算均标注为假设条件下的模型示例。1.2研究范围、方法与术语约定研究范围限定为三个层次：一是供算侧，包括通用计算、智能计算、高性能计算三类资源的池化与调度；二是用算侧，包括研发仿真、生产制造、质量与供应链四类场景；三是管算侧，包括数据分级、能效管理、运行评价与采购验收。研究方法采用政策文本梳理、公开统计对比、跨行业案例对标与参数化测算四种手段，交叉验证结论。全文首次出现的技术术语给出全称与缩写，后续统一使用简称，避免出现同义混用。术语全称与缩写本白皮书中的含义算力计算能力，ComputingPower单位时间内可交付的有效浮点运算能力，含通用、智能、超算三类高性能计算HighPerformanceComputing，HPC面向大规模数值仿真与工程计算的并行计算形态智能算力ArtificialIntelligenceComputing，AIC面向模型训练与推理、以加速芯片为主的算力形态计算机辅助工程ComputerAidedEngineering，CAE结构、流体、电磁等工程仿真分析工具总成数字孪生DigitalTwin，DT物理对象在数字空间中的可计算映射电能利用效率PowerUsageEffectiveness，PUE数据中心总能耗与IT设备能耗之比，越接近1越优浮点运算Floating-pointOperationsPerSecond，FLOPS算力计量单位，EFLOPS为每秒百亿亿次异构计算HeterogeneousComputingCPU与GPU、加速卡等不同指令集器件协同的计算方式资源池化ResourcePooling将分散硬件抽象为可统一分配的逻辑资源数据分类分级DataClassificationandGrading按重要程度与危害后果确定保护强度的制度安排1.3核心结论本白皮书形成六条贯穿性结论，后续章节分别给出论证与展开。编号结论主要依据展开章节C1算力总量已不是主要瓶颈，资源调度与软件栈适配才是全国算力规模快速增长但行业应用渗透不均衡3.1、3.5C2落地路径应按"场景成熟度"分批推进，不宜一次性全域铺开四类场景的数据基础与验收口径差异显著3.2、5.1C3自主可控的真实成本集中在软件栈迁移与生态适配，而非整机替换异构计算生态与工具链依赖具有刚性4.3C4数据分级规则必须先于算力调度策略确定，否则隔离与共享互相抵消数据安全法确立分类分级保护制度4.5C5能效约束正在反向决定架构选型，液冷与高密度机柜成为前置条件新建大型数据中心PUE约束持续收紧4.4C6验收口径应从"台套数"改为"业务有效算力+场景成效"设备规模指标不能反映实际使用水平5.31.4阅读指引与适用边界第2章回答"为什么现在必须建、约束条件是什么"，第3章回答"目前建成了什么、差在哪里"，第4章回答"未来三到五年会怎么变"，第5章回答"具体怎么排期、怎么验收、怎么防风险"。决策读者可重点阅读1.3、4.7、5.1与5.4；技术评审读者可重点阅读3.3、4.2、4.3与4.6；运维团队可重点阅读4.4、4.5与5.3。本白皮书的适用边界有三条：一是不替代具体项目的可行性研究报告与初步设计；二是不替代安全保密主管部门的合规审查结论；三是文中所有测算均为示意性模型，不能直接用作投资依据。凡涉及具体单位的数据边界、网络分区与密级判定，均以主管部门正式批复文件为准。

2背景与演进脉络2.1政策脉络：从"数字基础设施"到"算力基础设施"过去五年，国家相关政策经历了从"建网络、建数据中心"到"建算力体系、建应用标杆"的明显转向。2021年7月，工业和信息化部印发《新型数据中心发展三年行动计划（2021—2023年）》，首次把算力规模作为产业发展指标，提出到2023年底总算力超过200EFLOPS、新建大型及以上数据中心PUE降低到1.3以下、国家枢纽节点内数据中心端到端网络单向时延原则上小于20毫秒「工业和信息化部《新型数据中心发展三年行动计划（2021—2023年）》，2021年7月」。这一步的意义在于，衡量口径由机架规模转向有效算力与算效。2022年1月，国务院《"十四五"数字经济发展规划》提出推进云网协同和算网融合发展，加快构建算力、算法、数据、应用资源协同的全国一体化大数据中心体系，并明确到2025年数字经济核心产业增加值占国内生产总值比重达到10%「国务院《"十四五"数字经济发展规划》，2022年1月」。2023年2月，中共中央、国务院印发《数字中国建设整体布局规划》，按"2522"框架布局，要求系统优化算力基础设施布局，引导通用数据中心、超算中心、智能计算中心、边缘数据中心合理梯次布局，同时把"筑牢可信可控的数字安全屏障"列为两大能力之一「中共中央、国务院《数字中国建设整体布局规划》，2023年2月」。2023年10月，工业和信息化部等六部门联合印发《算力基础设施高质量发展行动计划》，从计算力、运载力、存储力、行业应用四方面提出到2025年的量化指标：算力规模超过300EFLOPS，智能算力占比达到35%，存储总量超过1800EB，重点行业核心数据与重要数据灾备覆盖率达到100%，并围绕工业、金融、医疗等重点领域各打造30个以上应用标杆「工业和信息化部等六部门《算力基础设施高质量发展行动计划》，2023年10月」。至此，"算力是否真正用在业务上"成为政策评价的显性维度。时间政策文件对算力落地的关键约束影响层次2021年7月新型数据中心发展三年行动计划（2021—2023年）首次设算力指标；PUE不高于1.3；枢纽节点时延小于20毫秒供算侧2021年9月中华人民共和国数据安全法施行建立数据分类分级保护与重要数据目录管理制度管算侧2022年1月"十四五"数字经济发展规划云网协同、算网融合；推动全生命周期数字化转型用算侧2023年2月数字中国建设整体布局规划算力梯次布局；可信可控的数字安全屏障全局2023年10月算力基础设施高质量发展行动计划智能算力占比35%；重点领域各建30个以上应用标杆用算侧行业主管部门层面，国家国防科技工业局在公开报道中明确，开展数字化转型工作以支撑国防科技工业转型升级，实现"高质量、高效益、低成本、可持续发展"，并提出产品、能力、单位数字化"三位一体"、把数据驱动作为设计理念和建设主线的要求「国家国防科技工业局《徐占斌带队开展主题教育专项调研》，2023年6月」。这一表述对算力建设的直接含义是：算力池不能孤立建设，必须与产品数据模型、能力建设规划和组织流程再造同步设计。2.2技术脉络：通用计算、异构计算、智能计算的三段演进第一段是以CPU为核心的通用计算时代，主要承载事务处理、文档与管理系统，规模扩展依靠增加服务器数量，性能瓶颈集中在单核频率与内存带宽。当单核频率提升接近物理极限后，产业路线转向多核并行与分布式集群。第二段是异构计算阶段，CPU与GPU、专用加速卡协同成为主流，CAE仿真、图像处理、大规模数值计算开始从CPU集群迁移到加速集群。中国信息通信研究院在《先进计算暨算力发展指数蓝皮书（2025年）》中把这一阶段的驱动因素归纳为"算力墙、功耗墙、存储墙"三类约束，并指出异构融合与云端协同成为主要技术方向「中国信息通信研究院《先进计算暨算力发展指数蓝皮书（2025年）》，2026年3月」。第三段是智能计算主导阶段。同一报告显示，截至2025年6月，全球计算设备算力总规模达4495EFlops，智能算力占比85%；我国计算设备算力总规模达962EFlops，全球占比约21%，同比增长73%，其中智能算力782EFlops，同比增长96%，占我国算力比重81%「中国信息通信研究院《先进计算暨算力发展指数蓝皮书（2025年）》，2026年3月」。智能算力成为绝对主力，意味着新建算力池若仍按通用计算为主的架构设计，投产即面临结构失配。演进阶段主力器件典型负载关键瓶颈对管理的要求通用计算CPU服务器事务处理、业务系统单核频率、I/O按台套管理、静态分配异构计算CPU+加速卡CAE仿真、数值计算互联带宽、并行效率按作业队列管理、作业调度智能计算智算集群模型训练、推理集群通信、功耗密度按任务与数据域管理、弹性调度2.3行业脉络：高安全约束型制造的数字化改造阶段国防科技工业相关单位的数字化改造，与一般制造业共享同一技术底座，但在推进顺序上存在显著差别：一般制造业可以先用公有云和通用SaaS快速试错，高安全约束场景则必须先完成网络分区、身份与权限体系、数据分级规则，再讨论资源池化。这一顺序差异直接决定了算力落地的节奏。公开资料显示，全国制造业数字化改造已进入规模化普及阶段：截至2025年12月，规模以上工业企业开展数字化改造比例达89.6%，数字化设备普及率57.7%，累计建成3.5万余家基础级、8200余家先进级、500余家卓越级智能工厂「中国信息通信研究院《制造业数字化转型发展报告（2025年）》，2026年2月」。同一组数据里，"改造比例89.6%"与"设备普及率57.7%"之间约32个百分点的落差值得注意：流程与上系统先于设备与数据贯通，形成了大量"系统已上线、数据未打通"的中间状态。这一落差在高安全约束场景中会被进一步放大，因为跨网段数据交换需要额外审批，数据一旦无法自由流动，算力池的调度范围就被切割成若干互不连通的孤岛。因此本白皮书把"数据可达性"与"算力容量"并列为落地的前置条件，而非把前者视为实施阶段的附带工作。2.4需求侧变化：四类场景的算力需求特征场景主要计算负载算力形态偏好数据特征时效性要求成熟度判断研发设计仿真CAE结构/流体/电磁分析、多学科优化HPC集群、高内存节点大模型文件、高价值、强边界批处理，小时至天级高，工具链成熟生产排程与工艺优化组合优化、启发式求解、数字孪生仿真通用算力+边缘节点时序数据、产线实时数据分钟级，部分准实时中，依赖数据贯通质量检测与视觉识别图像推理、缺陷检测模型智能算力（推理）图像流、数据量大秒级，靠近产线中高，可在局部先行验证供应链协同与数据分析图计算、统计建模、报表分析通用算力+智算（轻量）跨单位、多密级混合日级至周级偏低，治理成本高研发仿真是最容易先行落地的场景：任务边界清晰、作业调度模型成熟、验收口径可以用"单次仿真耗时""并行加速比""作业排队时长"等可测指标定义。质量检测次之，其数据通常可在单一厂区内完成流转，不需要跨域交换。供应链协同难度最高，因为参与主体多、数据密级混杂，往往需要在算力建设之前先完成数据目录与交换规则的制度化。需求侧还有一个容易被忽略的变化：模型推理负载占比上升后，算力消费从"集中式、周期性"转向"分布式、持续性"。研发仿真可以夜间集中跑批，产线视觉检测却要求全天候低时延响应，这直接推动了中心算力池与边缘节点协同的部署形态，也把网络时延与本地可靠性纳入验收范围。2.5关键约束：安全合规、自主可控与能耗指标安全合规约束。《中华人民共和国数据安全法》自2021年9月1日起施行，第二十一条确立数据分类分级保护制度，要求根据数据重要程度及遭篡改、破坏、泄露后的危害程度实行分级保护，并明确关系国家安全、国民经济命脉等数据属于国家核心数据、实行更严格管理；第二十七条要求开展数据处理活动应在网络安全等级保护制度基础上建立健全全流程数据安全管理制度，重要数据处理者应明确数据安全负责人和管理机构「全国人民代表大会常务委员会《中华人民共和国数据安全法》，2021年6月通过、9月施行」。第五十三条同时明确，涉及国家秘密的数据处理活动适用保守国家秘密法等法律、行政法规的规定。对算力系统而言，这意味着调度系统必须具备按数据等级约束作业落点、存储位置与人员可见范围的能力。自主可控约束。《新型数据中心发展三年行动计划（2021—2023年）》在算力提升相关任务中提出"逐步提高自主研发算力的部署比例"「工业和信息化部《新型数据中心发展三年行动计划（2021—2023年）》，2021年7月」，《数字中国建设整体布局规划》把"构筑自立自强的数字技术创新体系"列为关键能力「中共中央、国务院《数字中国建设整体布局规划》，2023年2月」。政策要求落到工程层面，就是硬件、基础软件、工具链、运维体系需要成体系迁移，而不是逐项替换。能耗指标约束。新建大型及以上数据中心PUE降低到1.3以下、严寒和寒冷地区力争降低到1.25以下，是2021年行动计划已经明确的门槛「工业和信息化部《新型数据中心发展三年行动计划（2021—2023年）》，2021年7月」。公开报道显示，风冷方案PUE通常在1.3至1.6之间，液冷方案可降至1.1至1.2「人民日报客户端《国家级节点城市，选了一条"冷"赛道》，2025年」。当单机柜功率密度随加速芯片功耗上升，制冷方案实际上反向决定了能部署何种算力设备。三类约束并非并列关系，而是层层收紧：安全合规决定"能不能算、在哪算"，自主可控决定"用什么算"，能耗指标决定"能算多少"。第4章将逐一展开其演进方向。

3现状与典型案例3.1供给现状：总量快速增长与结构性错配并存从公开统计看，供给侧的规模扩张速度远超应用侧的组织适配速度。中国信息通信研究院数据显示，截至2025年6月，我国计算设备算力总规模962EFlops，同比增长73%，智能算力782EFlops，同比增长96%，占比81%；近8年我国算力规模年均增长48%，数字经济年均增速13.7%「中国信息通信研究院《先进计算暨算力发展指数蓝皮书（2025年）》，2026年3月」。另据工业和信息化部在2023年披露的数据，2022年我国算力核心产业规模达到1.8万亿元，截至2023年6月底全国在用数据中心机架总规模超过760万标准机架，算力总规模197EFLOPS「中国政府网《到2025年，智能算力占比达到35%，先进存储容量占比达30%以上——算力基础设施高质量发展有了路线图》，2023年10月」。把两组数据放在一起可以看到一条陡峭曲线：两年多时间里，统计口径下的算力规模从197EFLOPS量级跃升至962EFlops量级。但规模数字的高速增长并不自动等于业务侧可用算力的增长，原因有三：第一，统计口径按设备理论算力汇总，业务侧感受到的是扣除了通信开销、并行效率损失与排队等待之后的有效算力。中国信息通信研究院在同一蓝皮书中指出，产业重心正从模型训练向场景应用迁移，并建议"加强供需对接、高效利用基础设施"「中国信息通信研究院《先进计算暨算力发展指数蓝皮书（2025年）》，2026年3月」，这从侧面印证了供给与消纳之间的缺口。第二，智能算力占比快速上升，但大量既有工程仿真软件与自研求解器仍以CPU并行为主，短期内无法直接迁移到加速集群。结果是"智算资源排队不足、通用算力排队过长"并存的结构性闲置。第三，跨网域、跨密级的资源无法统一池化，物理上形成多个独立小池。每个小池都要按峰值预留冗余，整体利用率被摊薄。这与前文提到的"改造比例高、设备贯通率低"是同一问题在算力层的投影。观察维度公开数据/现象对落地的含义总规模962EFlops（2025年6月），同比+73%总量不再是稀缺项结构智能算力占比81%架构需按智算优先设计利用率瓶颈政策明确要求加强供需对接、高效利用基础设施调度与消纳是主要矛盾制造业贯通改造比例89.6%，设备普及率57.7%数据不通导致算力不可达灾备要求重点行业核心数据、重要数据灾备覆盖率100%存储与备份需同步规划3.2应用现状：四类场景的成熟度分层结合2.4节的需求矩阵，可以把落地状态归纳为三个梯队。第一梯队是研发仿真，属于"可规模推广"；第二梯队是质量检测与产线优化，属于"可局部验证"；第三梯队是跨域供应链协同，属于"需先治理后建设"。第一梯队的共同特征是任务可封装、数据不出域、成效可测量。以CAE仿真为例，一个典型作业的输入是几何模型与边界条件，输出是结果文件，中间过程不需要外部数据交互，作业调度系统可以按队列、优先级与资源配额统一管理。验收指标可设为单作业平均完成时长、集群月度有效利用率、高峰排队时长中位数三项，均可通过作业日志直接统计，不依赖主观评价。第二梯队受制于数据贯通与实时性。中国社会科学网刊载的研究指出，传统制造业数字化转型在生产作业与经营管理环节基础较好，但在研发设计与产业链协同方面存在明显短板，同时引用《制造业数字化转型发展报告（2025年）》数据：规模以上工业企业关键工序数控化率从2020年的54.7%提升至2025年的70.6%，数字化研发设计工具普及率从73.5%增至81.2%「中国社会科学网《数智化转型如何重塑传统制造业——基于纺织服装业和共享智造模式的研究》，2026年6月」。这说明设计端工具已较普及，但设计数据向制造端的贯通仍是薄弱环节，直接影响数字孪生与实时排程类负载的可用性。第三梯队的障碍在制度而非技术。跨单位协同要求统一数据目录、统一标识、统一交换审批流程，而各参与方的数据密级判定与责任边界并不天然一致。在没有完成目录与规则之前投入算力池，通常会产生"池建好了、数据进不来"的结果。梯队场景落地状态首要前置条件建议验收口径一研发设计仿真可规模推广作业调度与许可证管理单作业耗时、集群有效利用率、排队时长二质量检测、产线优化可局部验证产线数据贯通、边缘节点可靠性检出率、推理时延、单点可用率三供应链协同需先治理数据目录、密级判定、交换规则目录覆盖率、交换审批时效3.3架构现状：五层参考架构与常见缺口综合上述约束，可归纳出一套适用于高安全约束型场景的五层参考架构。该架构不针对任何具体单位的既有系统，仅用于说明层次职责与选型要点。层次主要组件核心职责选型要点常见缺口资源层通用服务器、HPC节点、智算节点、边缘节点、存储阵列提供可计量的物理算力与存力按负载结构配比，预留异构扩展按通用计算比例采购，智算占比不足互联层高速网络、集群互联、园区网、跨域交换保证节点间与园区内通信质量低时延、可分区、可审计只关注带宽，忽略时延与分区审计平台层资源池化、作业调度、容器与镜像、计量计费把物理资源抽象为可分配服务支持按数据等级约束作业落点调度系统不识别数据密级数据层数据目录、分级标签、生命周期管理、备份灾备决定"哪些数据可被哪些作业使用"标签与调度策略联动目录建设滞后于资源池建设治理层身份权限、审计日志、能效监测、运行评价保证可追溯、可度量、可改进指标自动采集，避免人工填报只有设备监控，没有业务成效指标五个层次中，最容易被压缩的是数据层与治理层。工程实施中常见的时间线是：先完成机房与硬件招标，再部署调度平台，数据目录与指标体系留到二期。这种顺序在一般场景可以边用边补，在高安全约束场景中却会导致一个直接后果——调度系统无法判断某个作业能否落到某个节点、某份结果能否被某个用户读取，于是只能采取"整体物理隔离、按域各建一套"的保守方案，资源利用率随之下降。本白皮书建议把数据层的最小可用版本（数据目录+分级标签+调度联动规则）作为资源池上线的前置验收项，而不是后续增强项。3.4跨行业对标案例：可迁移的做法与不可迁移的前提由于高安全约束场景的项目信息不公开，本节选取三个公开报道的跨行业案例，只提炼可迁移的工程方法，不引用任何非公开数据，也不把案例成效直接套用到本行业。案例A：单相浸没液冷智算中心。人民日报客户端报道，安徽省"东数西算"工程节点城市芜湖建成长三角首个完全使用单相浸没液冷技术的智算中心，报道同时指出冷却液过去长期依赖国外供应、如今国内已可自主生产，并给出风冷PUE通常在1.3至1.6、液冷可降至1.1至1.2的对比「人民日报客户端《国家级节点城市，选了一条"冷"赛道》，2025年」。可迁移之处有两点：一是把冷却介质与供配电纳入自主可控清单，而非只关注计算芯片；二是在高密度机柜规划阶段即锁定散热路线，避免建成后改造。不可迁移之处是选址与气候条件、电力配套、绿电交易机制具有强地域性。案例B：数字孪生在整车工厂的应用。中国社会科学网刊载的研究提到，某整车企业智慧工厂通过数字孪生系统融合人工智能技术，对冲压、焊接、涂装、总装等环节实施全流程数字化改造，实时模拟2000余项生产变量预演工艺流程「中国社会科学网《数智化转型如何重塑传统制造业——基于纺织服装业和共享智造模式的研究》，2026年6月」。可迁移之处是"先建可计算的工艺模型、再上优化算法"的顺序，以及用生产变量数量与预演覆盖率作为阶段性验收指标。不可迁移之处是整车产线的节拍、节拍容差与供应链结构与离散型小批量研制差异较大。案例C：绿色数据中心的能效管理。中国日报网报道，中国信息通信研究院《数据中心白皮书2022》显示2021年我国数据中心市场规模约1500亿元，近三年年均复合增长率约30.69%，并指出过去10年数据中心总拥有成本中约60%为电费支出「中国日报网《新一代绿色数据中心的"贵安"样本》，2022年7月」。可迁移之处是把能效从"机房运维指标"提升为"全生命周期成本指标"，在设备选型阶段就按PUE与单位算力功耗做比选。该报道中的具体市场规模数据属于特定年份统计，不宜外推为长期趋势。三个案例共同指向一个判断：可迁移的是顺序、口径与管理方法，不可迁移的是具体数值与工程参数。这也解释了为什么照搬标杆项目的设备清单往往效果不佳。3.5现状差距与两个反常识洞察反常识洞察一：算力不足的表象下，往往是作业调度策略不当。当研发部门反馈"算力不够"时，直接反应通常是申请扩容。但对批处理型负载而言，排队时长主要由作业优先级规则、大作业抢占策略与资源碎片决定。若缺少作业时长预估与配额机制，少量超长作业会长期占据节点，导致大量短作业排队。此时扩容带来的改善远小于调整调度策略。因此本白皮书建议把"调度策略复盘"设为扩容申请的前置门槛：未提交近三个月作业日志与排队分布分析的扩容需求，原则上不予评审。反常识洞察二：物理隔离程度越高，整体安全未必越强。多域各自建池看似最安全，实际会带来三处新风险：各池补丁与版本不一致形成管理盲区、运维账号分散导致审计链条断裂、备份策略不统一使灾备覆盖率难以达到政策要求。《算力基础设施高质量发展行动计划》明确要求重点行业核心数据、重要数据灾备覆盖率达到100%「工业和信息化部等六部门《算力基础设施高质量发展行动计划》，2023年10月」，分散小池要达到这一要求，成本与复杂度都高于统一治理下的逻辑隔离。合理路径是"物理集中、逻辑分区、按级授权"，以数据分级标签驱动调度与访问控制，而非以物理分散替代治理能力。风险预警。需要警惕的另一类偏差是"重训练、轻推理"。政策统计中智能算力增速远高于通用算力，但制造场景中的实际需求大量集中在推理侧：视觉检测、参数预测、异常识别。若在建设期按训练集群的架构与功耗密度设计，投产后会出现训练资源阶段性闲置、推理节点时延不足的双重错配。建议在需求确认阶段就把训练与推理负载分开列账，分别给出峰值与均值、时延要求与数据落点。

4趋势研判4.1算力结构：智算主导与训推分离中国信息通信研究院预测，未来五年全球算力规模将以超过60%的速度增长，至2030年超过50ZFlops，其中智能算力占比将超过95%；同时指出2024年全球服务器市场中ARM架构份额增长至18.9%，X86架构份额下滑至79%「中国信息通信研究院《先进计算暨算力发展指数蓝皮书（2025年）》，2026年3月」。无论具体预测值的实现节奏如何，结构方向已经明确：算力池的设计基准从CPU转向异构与加速计算，指令集与互联生态趋于多元。对落地而言，更具操作性的判断是训推分离成为独立架构议题。训练负载追求吞吐与集群通信效率，适合集中部署、批量调度；推理负载追求时延与可用性，适合靠近数据源部署、按峰值常备。二者在硬件选型、网络拓扑、能耗密度与验收指标上都不相同，混在同一资源池中统一调度，通常导致互相干扰。建议在架构中明确划分训练域与推理域，共享平台层调度与治理层审计，但不共享同一批物理节点。4.2部署形态：中心—边缘—端侧三级协同《数字中国建设整体布局规划》要求引导通用数据中心、超算中心、智能计算中心、边缘数据中心合理梯次布局「中共中央、国务院《数字中国建设整体布局规划》，2023年2月」，《"十四五"数字经济发展规划》提出加强面向特定场景的边缘计算能力、强化算力统筹和智能调度「国务院《"十四五"数字经济发展规划》，2022年1月」。这与制造场景的需求变化一致：数据在哪里产生，一部分算力就必须在哪里交付。层级位置承担负载关键指标主要风险中心算力池园区或专属机房仿真、训练、批量分析有效利用率、作业吞吐、PUE数据跨域不可达边缘节点厂区/车间侧推理、实时检测、工艺参数优化端到端时延、单点可用率运维能力不足、版本漂移端侧设备产线终端、采集设备轻量预处理、数据校核采集完整率、时间戳一致性数据源失真、时钟不同步三级协同的关键不在设备，而在模型与数据的双向管理：模型从中心下发到边缘需要版本登记与回滚机制，边缘产生的样本与异常数据回传中心需要分级标注与审批通道。缺少这两条通道，边缘节点会逐步演变为无法统一管理的"影子算力"，既不能纳入口径统计，也难以通过审计。此外，《新型数据中心发展三年行动计划（2021—2023年）》要求国家枢纽节点内数据中心端到端网络单向时延原则上小于20毫秒「工业和信息化部《新型数据中心发展三年行动计划（2021—2023年）》，2021年7月」，这一量级适用于跨域协同；厂区内实时推理的时延要求通常更严，需在网络设计阶段单独设定，不宜直接套用枢纽节点指标。4.3自主可控：从整机替代到软件栈迁移自主可控的推进一般经历三个阶段：整机与器件替换、基础软件与驱动适配、工具链与业务应用迁移。第一阶段的成本最显性、也最容易验收；第二、三阶段的成本隐蔽但往往占总工作量的大头，因为涉及编译器、数学库、并行运行时、求解器插件、前后处理脚本、许可管理接口等大量依赖。迁移层次主要内容难度典型工作量来源建议验证方式硬件层服务器、加速卡、网络与存储设备中兼容性、供货与备件基准测试、长时间稳定性压测基础软件层操作系统、驱动、编译器、运行时、调度系统高依赖解析、版本匹配双栈并行运行、回归测试工具链层CAE前后处理、求解器、仿真模板、脚本高插件重写、算例校准标准算例结果比对数据与流程层数据格式、模型库、审批与归档流程中高历史数据迁移、口径统一抽样回溯、业务侧签收《算力基础设施高质量发展行动计划》把"完善算力综合供给体系"与"加强安全保障能力建设"并列为重点任务，并明确推动算力在重点行业形成可复制的应用「工业和信息化部等六部门《算力基础设施高质量发展行动计划》，2023年10月」；中国信息通信研究院在蓝皮书中亦将"完善标准建设、构筑自主产业生态"列为发展建议「中国信息通信研究院《先进计算暨算力发展指数蓝皮书（2025年）》，2026年3月」。落到工程判断上，一条实用原则是：以标准算例的结果一致性作为软件栈迁移的验收门槛，而不是以"系统能启动"为准。对仿真类负载，应保留一组固定输入、固定网格、固定求解参数的基准算例，迁移前后逐项比对关键结果与计算耗时，偏差超出约定阈值即视为未通过。分歧观点并列。关于迁移节奏存在两种主张。一种主张"一次性整体切换"，理由是避免长期维护两套技术栈带来的成本与人员分裂；另一种主张"双栈并行、按场景渐进"，理由是高可靠场景中业务中断代价远高于双栈维护成本。本白皮书倾向后者，但附加一个约束条件：双栈并行必须设定明确的退出时点与退出标准，否则会固化为长期双份投入。建议在立项文件中同时写明并行期长度、每阶段迁移场景清单与最终下线日期。4.4绿色低碳：能效约束反向决定架构能效指标已经从"验收附加项"变为"选型前置项"。公开报道显示，新建大型及以上数据中心PUE需满足不高于1.3的门槛，枢纽节点相关要求进一步收紧至1.25，风冷方案PUE通常1.3至1.6、液冷方案可降至1.1至1.2「人民日报客户端《国家级节点城市，选了一条"冷"赛道》，2025年」。同时，加速芯片功耗上升推动单机柜功率密度快速提高，制冷能力不足会直接限制可部署的算力密度。指标常见取值/要求数据来源性质在选型中的作用新建大型及以上数据中心PUE不高于1.3（严寒寒冷地区力争1.25以下）政策门槛一票否决项风冷方案PUE约1.3—1.6公开报道区间高密度场景对比基线液冷方案PUE约1.1—1.2公开报道区间高密度机柜可行方案国家枢纽节点端到端单向时延原则上小于20毫秒政策门槛跨域协同网络设计基线电费占数据中心总拥有成本比重约60%（特定年份统计口径）公开报道全生命周期成本测算参考需要提示的是，PUE是设施级能效指标，并不直接反映"每单位有效业务算力消耗多少电"。一个PUE优秀但利用率长期偏低的机房，单位业务算力的实际能耗可能高于PUE略高但利用率充分的机房。因此建议在治理层同时采集单位有效作业能耗与PUE两项指标，前者用于业务评价，后者用于合规与设施管理。4.5安全治理：分级规则先于调度策略《中华人民共和国数据安全法》确立的数据分类分级保护制度，是把安全要求转化为工程规则的法律基础：按数据重要程度与危害程度分级，对列入重要数据目录的数据重点保护，国家核心数据实行更严格管理；开展数据处理活动应建立全流程数据安全管理制度，重要数据处理者需明确负责人和管理机构并定期开展风险评估、报送评估报告「全国人民代表大会常务委员会《中华人民共和国数据安全法》，2021年6月通过、9月施行」。把这套制度映射到算力系统，可形成四条可执行规则：1.作业携带标签。每个计算作业在提交时声明输入数据的最高等级，调度系统据此限定可落节点范围，禁止高等级作业落到低防护域。2.结果继承等级。输出数据等级不得低于输入数据最高等级，派生数据集继承源数据标签，避免通过中间结果变相降低保护强度。3.人员与数据双重授权。资源使用权限与数据访问权限分离授予，能提交作业不等于能读取结果文件。4.全链路留痕。作业提交、调度决策、数据读取、结果导出、模型下发与回滚均写入不可篡改的审计日志，支持按作业编号回溯。《算力基础设施高质量发展行动计划》要求重点行业核心数据、重要数据灾备覆盖率达到100%「工业和信息化部等六部门《算力基础设施高质量发展行动计划》，2023年10月」，《数字中国建设整体布局规划》要求建立数据分类分级保护基础制度、健全网络数据监测预警和应急处置工作体系「中共中央、国务院《数字中国建设整体布局规划》，2023年2月」。这两项要求落到架构上，意味着数据层不能只是元数据目录，还需与备份策略、监测告警、应急处置流程联动。凡涉及国家秘密的数据处理活动，按数据安全法第五十三条适用保守国家秘密法等法律、行政法规的规定，本白皮书不作展开。4.6量化测算：算力池容量与投资构成的方法示例本节给出一套示意性测算方法，用于说明如何把业务需求折算为资源容量。所有参数均为假设值，不代表任何实际项目数据，也不构成投资建议。假设某研制单位有三类负载：仿真作业日均120个、平均单作业占用64核时；训练任务月均8次、单次占用200卡时；推理请求峰值每秒400次、单次推理占用0.02卡秒。按峰值系数1.5、目标利用率65%折算。测算项计算式（示意）结果（示意）说明仿真日均核时120×647680核时/日批处理，可夜间削峰仿真所需逻辑核数7680÷24÷0.65×1.5约738核按目标利用率与峰值系数折算训练月均卡时8×2001600卡时/月集中调度，可与仿真错峰推理峰值卡数400×0.02×1.5约12卡常备，另配冗余节点存储年增量仿真结果1.2TB/日×250工作日约300TB/年未含备份副本灾备存储300TB×副本系数按制度要求确定核心与重要数据须全覆盖测算暴露出三个常被忽略的问题。其一，仿真需求以"核时"计量，训练需求以"卡时"计量，二者不能直接相加，必须分别列账后再在平台层统一做容量规划。其二，推理算力绝对值不大，但要求常备与低时延，不能靠"错峰复用训练节点"解决，可靠性设计成本高于其算力占比。其三，存储增量与灾备要求往往在硬件预算中占比偏低，而《算力基础设施高质量发展行动计划》对存储总量与灾备覆盖率均有明确指标「工业和信息化部等六部门《算力基础设施高质量发展行动计划》，2023年10月」，若按"先算后存"的顺序立项，二期补存储的代价通常更高。建议在正式可研中把上述模型替换为实测值：取近三个月作业日志统计分布，而非采用部门填报的峰值估计；同时把"目标利用率65%"替换为调度系统上线后的实测可达值，避免以理论利用率高估可用容量。4.7风险预警与待观察变量风险类别具体表现早期信号应对方向结构失配智算占比高但仿真软件未适配通用算力排队时长持续上升分列训练/推理/仿真三本账治理滞后资源池上线但数据目录未建大量作业被人工审批阻塞目录最小可用版前置验收迁移超支软件栈与脚本改造工作量超预期基准算例比对反复不通过设双栈退出时点与标准算例门槛能效受限机柜功率密度受制冷能力封顶设备到货但无法满配上架散热路线先于设备招标确定利用率虚高按理论算力统计、未扣排队与通信开销设备监控满载但业务侧仍报不足采用业务有效算力口径边缘失控边缘节点版本漂移、无法统一审计模型版本台账与现场不一致下发登记、回滚机制与定期盘点未来三到五年需要持续观察三个变量：一是智能算力占比继续上升后，工程仿真类软件的异构适配进展；二是数据分类分级配套目录与行业实施细则的完善程度，它直接决定跨域算力调度能否落地；三是能效与电力约束对新建算力设施选址与规模的影响。三个变量中任一发生明显变化，第5章的路线图节奏都应相应调整。

5建议与展望5.1分阶段路线图：先治理、后扩容，先验证、后规模基于前四章的判断，本白皮书建议采用三阶段推进，每阶段设置明确的退出条件，未达条件不进入下一阶段。三阶段的划分依据不是时间，而是能力前提：治理规则未成型时扩容会放大浪费，单点场景未验证时规模化会放大风险。阶段建议周期核心任务阶段产出退出条件（验收口径）一、治理与基线0—6个月数据目录与分级标签；作业日志采集；基准算例集；能耗与利用率基线数据目录V1、指标基线报告、标准算例集目录覆盖在用数据集90%以上；近三个月作业日志完整可统计二、单点验证6—18个月研发仿真场景上池；调度策略调优；双栈并行；边缘推理试点仿真资源池、调度策略文档、试点验收报告单作业平均耗时较基线下降且排队时长中位数达标；基准算例结果一致性通过三、规模推广18—36个月质量检测与产线优化推广；训练/推理分域；跨域协同规则落地；灾备全覆盖三级协同架构、运行评价体系、年度评估报告业务有效算力与场景成效双指标达标；核心与重要数据灾备覆盖率达制度要求路线图中有两处刻意设置的"反直觉"安排。第一，第一阶段不采购大规模算力设备，只做目录、日志、算例与基线。理由见3.5节：没有作业日志与分级标签，扩容申请无法量化论证，调度策略也无从优化。第二，第二阶段先做研发仿真而非直接做智能化场景。理由见3.2节：研发仿真的数据边界清晰、验收指标客观，最适合作为调度平台与治理规则的验证载体；待规则跑通后再推广到数据链路更复杂的场景，返工成本最低。进度安排还需与合规审查节奏对齐。凡涉及网络分区调整、跨域数据交换、密级判定变更的事项，应在阶段计划中单列审查节点，且不计入技术实施工期，避免出现在工程完成后等待批复的空转期。5.2组织与治理：把责任落到可追溯的主体算力落地涉及信息化、研发、生产、质量、安全保密、后勤保障（机房与电力）等多方，职责边界模糊是常见失效点。建议以RACI方式明确每类事项的责任主体。事项责任执行（R）最终负责（A）被咨询（C）被告知（I）数据目录与分级标签数据管理岗信息化主管负责人安全保密、业务部门全体用算部门算力容量规划与扩容评审平台运维团队信息化主管负责人研发、生产、财务采购部门调度策略与优先级规则平台运维团队信息化主管负责人研发、生产全体用算部门基准算例与迁移验收仿真业务团队研发主管负责人平台运维、质量信息化部门能效与机房配套后勤保障/机房团队后勤主管负责人平台运维、采购财务审计日志与合规检查安全保密岗安全保密主管负责人信息化、平台运维审计部门场景成效评价业务部门业务主管负责人信息化、财务决策层治理机制上建议设立两项固定例会：季度算力运行评审会，审议有效利用率、排队分布、能效指标与扩容申请；半年度规则修订会，复议数据分级标签、优先级配额与退出时点。两项会议的结论应形成可追溯的书面记录，作为下一期采购与验收的依据，避免规则长期停留在口头约定层面。5.3指标体系：从设备口径改为业务口径指标口径决定行为。若考核"设备台数、机架规模、峰值算力"，团队会自然倾向于多买设备；若考核"业务有效算力与场景成效"，团队才会主动优化调度与数据贯通。维度指标定义与采集方式建议评价周期常见误区供给业务有效算力扣除排队、通信与失败重试后的实际完成作业量，由作业日志统计月用理论峰值算力替代供给集群有效利用率实际计算时长÷可用计算时长，排除空闲与故障月只统计开机率效率作业排队时长中位数从提交到开始执行的时长分布周只看平均值，被长尾掩盖效率单作业平均耗时按标准算例与典型作业分类统计月跨负载类型混算质量基准算例结果一致性迁移前后关键结果偏差每次变更只验证系统可启动能效PUE设施总能耗÷IT设备能耗月与业务能效混为一谈能效单位有效作业能耗期间总电耗÷期间完成有效作业量季缺失，导致PUE单一化安全分级标签覆盖率已标注数据集÷在用数据集月只统计新增数据安全审计日志完整率可完整回溯的作业数÷抽样作业数季只检查日志是否存在成效场景成效指标按场景分别设定（如仿真迭代轮次、检出率）季用统一指标覆盖所有场景韧性灾备覆盖率已纳入灾备的核心与重要数据÷应纳入数据季只覆盖生产系统其中"业务有效算力"与"单位有效作业能耗"是两套指标中的关键补充项，前者把算力与业务产出挂钩，后者把能效与利用水平挂钩。二者共同解决4.4节指出的"PUE优秀但单位业务能耗偏高"的评价盲区。指标采集应尽量自动化，避免人工填报——人工填报的指标在评审中往往退化为形式材料。5.4采购与选型：把落地风险写进评价维度设备招标若只比价格与峰值参数，前期节省的采购成本常会在迁移、改造与运维阶段成倍返还。建议在技术评分中设置覆盖全生命周期的维度，并把4.3节的标准算例验证列为响应要求。评价维度建议权重主要考察内容验证材料业务适配与实测性能25%标准算例耗时、并行加速比、推理时延现场基准测试报告软件栈与生态兼容20%操作系统、编译器、求解器、脚本迁移支持兼容性清单与迁移方案安全与合规能力20%分级标签联动、双重授权、审计留痕、灾备功能演示与合规说明能效与机房配套15%PUE承诺、单位算力功耗、散热方案能效测算与机柜功率规划可运维与可观测10%监控粒度、日志完整