算力强基揭榜行动任务榜单.pdf

附件

算力强基揭榜行动任务榜单

一、计算

（一）云边端算网协同管理系统

揭榜任务：面向云边端多层级算力环境，研发算网协同

应用管理系统，设计面向不同应用软件架构的管理机制，支

持对不同架构应用软件的统一管理；研发应用软件在算网协

同中的自动化构建部署能力，支持应用软件的自动构建和分

发部署；研究算网协同应用系统的一体化观测能力，降低运

维复杂度，提高复杂应用软件运行的稳定性和可靠性。

预期目标：到2026年，研制应用软件管理系统，支持

对传统应用软件、云原生应用软件、AI应用软件、大数据应

用软件等不少于5种应用软件的全生命周期管理。研究基于

算网协同的分布式构建和部署技术，支持上述应用软件的自

动分发和跨算力节点部署，实现零人工介入。研发算网应用

一体化观测功能，具备白盒化动态分析以及智能故障根因定

位能力。在不少于3个行业完成试点验证。

（二）支持超大规模参数模型的训推一体化异构智算平

台

揭榜任务：面向人工智能大模型训练和推理对计算资源

的需求，研发支持超大规模参数模型的训练、推理一体化智

算平台，包括资源调度策略、训推加速套件等，并可支持多

1

种硬件架构，屏蔽底层硬件差异，提升超大规模模型在训练、

推理过程中稳定性、资源利用率和运行效率。

预期目标：到2026年，研发一套支持万亿参数模型的

超大规模训推一体化智算平台，万卡环境下稳定训练时间不

低于30天，有效训练时长不低于95%，训练效率较当前主

流水平提升不低于30%，推理效率提升不低于50%。支持主

流深度学习框架，兼容多种硬件架构，并提供统一的编程接

口和开发环境，实现不低于10个行业用户的落地验证。

（三）异构算力跨域任务编排系统

揭榜任务：针对跨域异构算力协同，研发跨域异构算力

管理系统，实现跨域异构算力的管理和应用。研发针对多样

性算力的规范化开放互联功能，支持对不同类型的异构算力

模型统一抽象封装；研发跨域异构算力的管理功能，支持对

跨域异构算力的统一管理和协同；研究跨域多主体算力的安

全认证和控制方法，保障跨域协同安全。

预期目标：到2026年，研发不少于6种跨域协同调度

算法，支持数据处理、函数计算、机器学习等不少于3个场

景的计算任务部署，完成不少于5个跨域算力中心的统一管

理。研发跨域多主体算力的安全认证方法，支持云边端等不

同层级算力协同的安全要求。在不少于2个行业完成试点验

证。

（四）训推算力一体机

揭榜任务：面向人工智能训练、推理场景，研发基于基

2

础设施即服务（IaaS）和平台即服务（PaaS）的高性能训推

一体化解决方案，覆盖对大模型开发训练和部署推理的全流

程，包括数据准备、模型训练、模型评测和模型部署。同时，

支持大模型加密、攻击防御等能力，解决针对大模型数据泄

露、指令攻击等安全问题和风险。

预期目标：到2026年，研发支持至少3种指令集芯片

的训推一体机，针对至少5个行业开展人工智能训推一体机

应用，为用户提供多元化训推一体化服务，并在至少10种

不同的场景进行人工智能训推一体机落地。

（五）大规模异构算力集群推理加速技术

揭榜任务：研发存储、网络、计算的协同优化技术，通

过模型加速、调度加速等方法实现大规模异构算力集群在大

模型推理方面的加速，从而支持更大的模型、更长的上下文、

更高的性能及更低的能耗，促进算力芯片在大模型推理方面

的更好应用。

预期目标：到2026年，实现集群有效吞吐量5倍以上

提升，实际应用场景中可处理的请求数提升1倍以上，首字

延迟性能提升1倍以上，芯片利用率提升50%以上。通过优

化算力中心计算、存储、网络的配比以及拓扑结构和系统调

度策略，实现千卡以上异构集群在推理加速领域的突破。

二、存储

（六）磁光电融合存储系统

揭榜任务：针对单一存储介质难以满足多样化数据存储

3

需求的现状，依托磁、光、电存储在性能、寿命、功耗等方

面的差异化特性，将磁、光、电存储技术进行融合，研发磁

光电融合存储系统，构建基于固态硬盘