| 2026 | No.1 | |||||
|---|---|---|---|---|---|---|
| 2025 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
| No.6 | No.5 | No.4 | No.3 | No.2 | No.1 | |
| 2024 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
| No.6 | No.5 | No.4 | No.3 | No.2 | No.1 | |
| 2023 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
| No.6 | No.5 | No.4 | No.3 | No.2 | No.1 | |
| 2022 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
| No.6 | No.5 | No.4 | No.3 | No.2 | No.1 | |
| 2021 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
| No.6 | No.5 | No.4 | No.3 | No.2 | No.1 | |
| 2020 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
| No.6 | No.5 | No.4 | No.3 | No.2 | No.1 | |
| 2019 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
| No.6 | No.5 | No.4 | No.3 | No.2 | No.1 | |
| 2018 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
| No.6 |
针对传统标识符体系在算力互联网场景下的描述、定位、实时性局限与动态调度需求，提出一种面向算力互联网的算力标识符体系。首先，设计了面向算力互联网的算力标识符体系整体架构；然后，阐明了算力标识符的采集、校验、解析与身份认证机制；最后，介绍了基于算力标识符体系的实践应用。与现有标识符体系相比，面向算力互联网的算力标识符体系在全方位资源描述、动态资源感知与实时定位寻址方面优势显著，为推动算力互联网发展提供理论支撑与技术基础。
算力互联网作为“云、网、边、端”一体化的新型基础设施，也是数字经济高质量发展的底层支撑，其逻辑集中、物理分散、资源异构的特性打破了传统安全边界，衍生出复杂风险。从算力互联网三层架构出发，系统梳理各类安全痛点，总结归纳风险体系；结合可信计算、可靠运行、人工智能安全赋能等核心理念，构建算力互联网安全可信框架，并提出针对性治理路径。以期为算力互联网安全实践提供理论参考，为构建全国一体化算力网筑牢安全根基。
随着大模型推理需求的爆发式增长，传统集中式或静态多数据中心部署模式在时延、数据合规性与资源弹性方面面临严峻挑战。基于此，提出一种基于云边协同的广域分布式推理网络架构，侧重于构建面向算力互联网的新型智算服务体系。该架构引入预填充和解码（Prefill-Decode，PD）分离机制，将低时延敏感的预填充阶段下沉至靠近数据源的边缘节点，而高吞吐的解码阶段部署于中心云，通过广域网实现安全协同。
面向实现资源感知描述与定位寻址的算力标识符体系的解析需求，提出了一种类域名系统的分级解析机制，实现了算力标识符三级解析处理架构，并依托光纤互联试验环境及百万级算力标识符解析场景验证了解析机制的解析性能与资源调度效率。结果显示，区域算力标识符解析节点具备低时延解析能力，根算力标识符解析节点具备高解析成功率。与现有标识解析机制相比，该算力标识符解析机制可有效支撑算力互联网大规模分布式资源汇聚互联场景下的解析需求。
在人工智能大模型快速发展对网络架构提出全新挑战的背景下，系统分析了高带宽需求与成本矛盾、低延迟稳定性瓶颈及拓扑适配复杂性三大核心问题，揭示了远程直接内存访问技术增强、端侧能力提升及端网协同优化的关键作用。研究表明，亟需产研协同破解高性能网络面临的挑战问题，并给出发展方向建议。未来发展趋势将面向协议开放化、硬件光电化与范式自治化的协同创新，并通过跨层设计来突破单维度优化局限，从而为超大规模人工智能集群提供高性能、低能耗的互联支撑。
针对现有广域分布式算力调度忽视骨干网动态时延和故障影响的问题，提出基于动态时延感知调度（Dynamic Latency-Aware Scheduling，DLAS）的技术。该技术通过30 s周期探测骨干网时延，结合智能故障检测与自适应迁移策略，可实现更优的路由决策和高可用保障。建立时延优化数学模型，理论证明可降低平均时延35%~50%，缩短故障恢复时间至分钟级。试验表明，DLAS的算力服务响应时延相比传统轮询调度降低42.3%，相比静态地理调度降低28.7%，服务可靠性提升至99.95%以上，可为构建高效可靠的分布式算力网络提供理论与实践指导。
在算力互联网加速发展的背景下，大语言模型后训练阶段的算力成本持续攀升，已成为制约技术普惠化的关键瓶颈。首先，通过系统性梳理后训练成本优化技术体系，结合算力互联网的跨域协同特性构建降低算力、存储与数据开销的综合框架；其次，对现有主流技术的局限性进行分析，并总结该领域的演进趋势，探讨分布式算力互联环境下大模型后训练成本优化技术的新方向。
车联网规模化发展亟需低时延、高可靠的算网融合支撑。针对车联网分级业务与分级算网能力映射不清、跨域协同机制缺失、云边端资源调度割裂等问题，提出“接入—汇聚—核心”三级边缘与中心云协同架构，设计跨运营商、跨地域及异构算力的同级云协同方案，构建“感知—决策—执行—审计—恢复”全周期闭环调度机制，并围绕算网融合标准化、跨域协同增强和智能调度优化提出建议，为车联网大规模商用提供系统性支撑。
随着人工智能（Artificial Intelligence，AI）大模型的快速迭代与广域智算网络的演进，传统单一算光协同架构已无法适配大模型训练与推理对“光-网-算-用”全链路资源协同的严苛需求。立足这一核心痛点，围绕“以光补算”发展思路及实现路径展开研究，设计基于光电路交换的光网算用一体化调度平台方案，构建“适配层-感知层-控制层-服务层-全链仿真”五层一体化架构，形成“感知-决策-执行”全流程闭环调度机制，可有效支撑多样化AI业务的差异化需求，助力构建高效可靠的广域智算网络生态。
生成式AI视频技术在推动内容创作革新的同时，也带来了一些安全挑战。围绕T2V、I2V和AI视频编辑三类典型任务，剖析其差异化风险，系统梳理覆盖生成前、生成中、生成后全周期的通用安全技术。研究探讨了面向不同任务的精准适配策略和算力互联网的赋能作用，结合产业实践，揭示了安全能力鸿沟、标识标准碎片化及责任界定模糊等治理短板，为构建精准化AIGC视频安全体系提供支撑。
算力度量与交易管理技术作为算力网络市场化运营的核心支撑，直接影响算力资源的配置效率与价值实现。结合中国电信天翼云息壤平台的实践，剖析异构算力统一度量、动态时长预估、灵活计价适配、智能调度优化等关键技术的实现路径。实测数据显示平台异构算力的统一度量精度误差较小，算力资源利用率显著提升，成本调度优化后用户算力使用成本明显降低。研究成果为算力度量标准化、交易市场化提供技术参考。
在大模型时代，产业算力需求迎来爆发式增长，但算力供给仍面临“找、调、用”三大现实难题。本文通过梳理算力互联网驱动的产业变革，结合企业数智化转型与德国工程院成熟度模型方法，构建了涵盖网络、资源、运营、应用四个维度的成熟度评估框架并加以验证。研究表明，算力互联网推动产业从资源购买转向任务式交付，证实了逻辑层资源融合的可行性。未来，算力互联网将朝着智能感知与全域互联的方向演进，为产业智能化升级提供路径参考。