> **来源：[研报客](https://pc.yanbaoke.cn)** # 数字化领航文档总结 ## 核心内容 本文档围绕AI技术发展与基础设施升级展开，重点探讨了“算力×联接”全栈协同在AI时代的重要性，以及如何通过技术演进和全栈协同解决大模型训练和推理中面临的算力、联接、存储和应用平台等核心挑战。文档还深入分析了端网融合技术方案，以应对大规模集群组网中的负载不均和网络拥塞问题，推动AI基础设施的高效、稳定与可持续发展。 --- ## 主要观点 1. **Token经济与AI基础设施** - Token经济时代，AI基础设施成为推动行业变革与社会进步的关键生产力。 - AI竞争焦点从“单纯硬件规模”转向“系统级能效博弈”，企业追求在可控投入下获得稳定、高效、可转化为业务价值的智能产出。 - 新华三作为“AI筑基者”，致力于构建开放、协同、高效、安全的AI基础设施体系。 2. **“算力×联接”全栈协同** - 算力与联接的协同优化是提升AI生产力的核心。 - 通过云、网、安、算、存等关键基础设施的全栈协同，实现系统整体性能的指数级提升。 - 新华三通过“算力×联接”战略，打造高质量、稳定的服务能力，实现“最优Token性价比”。 3. **AI基础设施的体系化能力** - AI能力不仅体现在基础设施，还向产品、研发、服务和行业应用延伸。 - 新华三推动“AI in ALL”，将AI能力全面嵌入产品和解决方案中，构建面向AI时代的体系能力。 - 强调AI与运维、安全、存储等领域的深度融合，推动AI从“内容生成”走向“任务执行”。 --- ## 关键信息 ### 1. 算力层 - **技术趋势**：专用化、异构化、协同化，计算芯片与模型技术形成双向驱动。 - **关键突破**： - GPU与ASIC/TPU并存，支持大模型训练与推理。 - 3D异质集成与CoWoS封装技术提升算力密度与能效。 - HBM3E实现高带宽与低延迟，缓解显存压力。 - 国产芯片在推理市场占有率超30%，构建“芯片-框架-应用”生态闭环。 ### 2. 联接层 - **技术挑战**：大规模集群带来网络吞吐下降，需解决负载不均与拥塞问题。 - **解决方案**： - **端网融合**：通过端侧与网侧协同，实现负载均衡与拥塞控制。 - **包喷洒技术**：将流拆分为包，实现多路径传输与负载均衡。 - **动态负载均衡（DLB）**：通过时间戳、实时负载度量进行动态哈希，提升传输效率。 - **拥塞控制**：采用基于credit机制的主动Pull模式，结合ECN与Trim信号实现精准调控。 ### 3. 存储层 - **技术演进**：从单一存储向异构融合与存算一体发展。 - **关键突破**： - 分级KV Cache池融合量化与稀疏化技术，提升缓存命中率。 - 基于CXL协议的TB级共享内存池，提供高带宽、低延迟的弹性内存资源。 - 近存计算技术缩短数据传输路径，显著提升带宽，突破内存墙。 ### 4. AI应用平台 - **技术架构**：分层模块化设计，涵盖基础设施层、核心引擎层、智能体层、应用使能层和运维治理层。 - **关键突破**： - 支持多模型适配、推理加速、记忆协同。 - 构建LangGraph、AutoGen等任务编排工具生态。 - 向量数据库增强记忆能力，提升推理效率。 - 覆盖金融、政务、云原生、中小企业等场景，支持低代码开发。 ### 5. 基础设施与产业落地 - **发展趋势**：基础设施向集群化、标准化演进，整合算力、网络与存储资源。 - **应用场景**： - 金融：构建AI风险管控体系。 - 交通：开展自动驾驶安全测试与仿真验证。 - 能源：推行“可解释AI+专家规则”双校验机制。 - 医疗：提升模型准确性，保障临床应用安全。 --- ## 未来展望 - **算力**：从性能比拼转向能效优先与系统协同，Chiplet、3D堆叠、存算一体等技术推动突破“内存墙”与摩尔定律瓶颈。 - **联接**：从管道传输升级为智能原生网络，具备自感知、自决策与自优化能力。 - **存储**：实现训推统一、高带宽、高性能与智能分层，支持张量、KV Cache等新范式。 - **应用平台**：构建高效、安全的智能体应用平台，融合多模态、具身智能与数字孪生，推动AI与实体经济深度融合。 --- ## 技术挑战与解决方案 - **负载不均**：通过包喷洒技术，结合端侧与网侧的熵值控制与哈希机制，实现流量分散与负载均衡。 - **网络拥塞**：采用基于credit机制的主动Pull模式，结合ECN与Trim信号，实现精准拥塞控制。 - **技术趋势**：从单点突破走向全栈协同，推动AI技术从实验室走向产业规模化应用。 --- ## 总结 新华三通过“算力×联接”全栈协同战略，构建高效、稳定、安全的AI基础设施，推动AI技术从技术探索迈向规模化落地。在算力、联接、存储与应用平台等关键领域，新华三持续创新，解决大模型训练与推理中的核心挑战，提升整体系统性能与能效。通过端网融合方案，新华三有效应对大规模集群组网中的负载不均与网络拥塞问题，为AI基础设施的优化与升级提供有力支撑。未来，新华三将继续深化AI在各行业的应用，推动“AI for ALL”与“AI in ALL”的融合，实现技术与产业的双向赋能。