近日，工業(yè)和信息化部印發(fā)通知，組織開展算力強基揭榜行動。將面向計算、存儲、網(wǎng)絡、應用、綠色、安全等六大重點方向，發(fā)掘一批掌握關(guān)鍵核心技術(shù)、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(shù)產(chǎn)品和方案。
算力強基揭榜行動任務榜單顯示，在計算環(huán)節(jié)，支持云邊端算網(wǎng)協(xié)同管理系統(tǒng)、超大規(guī)模參數(shù)模型的訓推一體化異構(gòu)智算平臺、異構(gòu)算力跨域任務編排系統(tǒng)、訓推算力一體機、大規(guī)模異構(gòu)算力集群推理加速技術(shù)等五大發(fā)展方向。
在網(wǎng)絡環(huán)節(jié)，重點支持高性能數(shù)據(jù)處理器（DPU）、基于RoCE的智算網(wǎng)絡、光交換智算網(wǎng)絡技術(shù)研究與驗證、面向分布式智算中心的網(wǎng)絡關(guān)鍵技術(shù)研究與驗證等。
在應用環(huán)節(jié)，將把智算中心跨域互聯(lián)應用、算力電力協(xié)同應用、大規(guī)模通信業(yè)務場景中的算力應用作為重點。
附：算力強基揭榜行動任務榜單
一、計算
（一）云邊端算網(wǎng)協(xié)同管理系統(tǒng)
揭榜任務：面向云邊端多層級算力環(huán)境，研發(fā)算網(wǎng)協(xié)同應用管理系統(tǒng)，設計面向不同應用軟件架構(gòu)的管理機制，支持對不同架構(gòu)應用軟件的統(tǒng)一管理；研發(fā)應用軟件在算網(wǎng)協(xié)同中的自動化構(gòu)建部署能力，支持應用軟件的自動構(gòu)建和分發(fā)部署；研究算網(wǎng)協(xié)同應用系統(tǒng)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(tǒng)，支持對傳統(tǒng)應用軟件、云原生應用軟件、AI應用軟件、大數(shù)據(jù)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(wǎng)協(xié)同的分布式構(gòu)建和部署技術(shù)，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(xiàn)零人工介入。研發(fā)算網(wǎng)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(shù)模型的訓推一體化異構(gòu)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(shù)模型的訓練、推理一體化智算平臺，包括資源調(diào)度策略、訓推加速套件等，并可支持多種硬件架構(gòu)，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(shù)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(gòu)，并提供統(tǒng)一的編程接口和開發(fā)環(huán)境，實現(xiàn)不低于10個行業(yè)用戶的落地驗證。
（三）異構(gòu)算力跨域任務編排系統(tǒng)
揭榜任務：針對跨域異構(gòu)算力協(xié)同，研發(fā)跨域異構(gòu)算力管理系統(tǒng)，實現(xiàn)跨域異構(gòu)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(lián)功能，支持對不同類型的異構(gòu)算力模型統(tǒng)一抽象封裝；研發(fā)跨域異構(gòu)算力的管理功能，支持對跨域異構(gòu)算力的統(tǒng)一管理和協(xié)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(xié)同安全。
預期目標：到2026年，研發(fā)不少于6種跨域協(xié)同調(diào)度算法，支持數(shù)據(jù)處理、函數(shù)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(tǒng)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(xié)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(shù)據(jù)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(shù)據(jù)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(gòu)算力集群推理加速技術(shù)
揭榜任務：研發(fā)存儲、網(wǎng)絡、計算的協(xié)同優(yōu)化技術(shù)，通過模型加速、調(diào)度加速等方法實現(xiàn)大規(guī)模異構(gòu)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(xiàn)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(shù)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(wǎng)絡的配比以及拓撲結(jié)構(gòu)和系統(tǒng)調(diào)度策略，實現(xiàn)千卡以上異構(gòu)集群在推理加速領(lǐng)域的突破。
二、存儲
（六）磁光電融合存儲系統(tǒng)
揭榜任務：針對單一存儲介質(zhì)難以滿足多樣化數(shù)據(jù)存儲需求的現(xiàn)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(shù)進行融合，研發(fā)磁光電融合存儲系統(tǒng)，構(gòu)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(gòu)。根據(jù)業(yè)務特征，將數(shù)據(jù)保存在不同級別的存儲設備中，實現(xiàn)海量數(shù)據(jù)的集中、統(tǒng)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(tǒng)，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(tǒng)可以根據(jù)數(shù)據(jù)的訪問時間、訪問頻率、文件屬性等自定義分級策略，根據(jù)業(yè)務負載動態(tài)調(diào)整遷移。系統(tǒng)可通過介質(zhì)安全、系統(tǒng)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(shù)據(jù)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(tǒng)應用，實現(xiàn)至少4個東部地區(qū)數(shù)據(jù)流動至西部磁光電存儲系統(tǒng)，且數(shù)據(jù)存儲量不少于10PB。
（七）存儲調(diào)度管理及應用技術(shù)
揭榜任務：針對海量數(shù)據(jù)存儲和算力孤島問題，研發(fā)跨域多算的存力調(diào)度、存網(wǎng)編排和存算網(wǎng)一體化系統(tǒng)，實現(xiàn)數(shù)據(jù)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(tǒng)具備資源規(guī)劃、策略調(diào)整能力，可優(yōu)化和調(diào)整全網(wǎng)數(shù)據(jù)存儲布局，實現(xiàn)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(tǒng)，基于智能算法，對數(shù)據(jù)進行分析和調(diào)度，實現(xiàn)應用無感訪問和智能流動。研究存力調(diào)度策略，使數(shù)據(jù)召回率控制在30%以下；研究基于潮汐網(wǎng)絡調(diào)度算法，實現(xiàn)網(wǎng)絡帶寬利用率提升50%以上，達到存網(wǎng)一體的目標。集成存儲、計算和網(wǎng)絡的能力，支持存算網(wǎng)一體化調(diào)度，在算力中心資源池落地應用。
三、網(wǎng)絡
（八）高性能數(shù)據(jù)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(shù)的軟硬件一體DPU芯片技術(shù)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(gòu)芯片封裝技術(shù)、高速Serdes通信、大規(guī)模無損網(wǎng)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(shù)，實現(xiàn)基于ARM、X86、RISC-V等異構(gòu)核心的DPU應用，提升算力中心基礎設施處理能力和數(shù)據(jù)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(nèi)外主流CPU、GPU芯片平臺的適配，支持主流操作系統(tǒng)兼容，支持數(shù)據(jù)報文硬件處理邏輯可編程。
（九）基于RoCE的智算網(wǎng)絡
揭榜任務：面向RoCE網(wǎng)絡開展設備及管控系統(tǒng)研發(fā)，通過提高設備帶寬、優(yōu)化負載均衡算法、強化網(wǎng)絡流量規(guī)劃及運維能力等方式，提升RoCE網(wǎng)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(wǎng)絡的部署和配置工作，實現(xiàn)全局、多維度的可視化運維。在網(wǎng)絡波動、業(yè)務變更、故障等情況下，網(wǎng)絡參數(shù)自動調(diào)整，流量快速切換，從而達到提升網(wǎng)絡效率和降低運維成本的目標。
預期目標：到2026年，實現(xiàn)新型RoCE網(wǎng)絡整體方案的商用部署，網(wǎng)絡性能提升10%以上。通過智能化管控及運維工具，網(wǎng)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(wǎng)絡技術(shù)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(shù)需求，開展智算集群光交換組網(wǎng)關(guān)鍵技術(shù)研究與驗證，重點突破智算集群光交換組網(wǎng)、路由協(xié)議適配等關(guān)鍵技術(shù)。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(shù)。
預期目標：到2026年，實現(xiàn)支持智算集群的易操作、高可靠、可平滑過渡升級的光網(wǎng)絡，支持人工智能等關(guān)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(gòu)算力資源互聯(lián)，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(wǎng)絡關(guān)鍵技術(shù)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(guān)算力中心間網(wǎng)絡技術(shù)，研發(fā)面向智算中心間的高可靠傳輸設備，構(gòu)建智算中心間超大容量、超低時延、超高可靠光電協(xié)同網(wǎng)絡，實現(xiàn)智算中心高速、可靠互聯(lián)。
預期目標：到2026年，突破智算中心間超大容量、超高可靠網(wǎng)絡傳輸關(guān)鍵技術(shù)，研制面向智算中心間網(wǎng)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(lián)應用
揭榜任務：優(yōu)化人工智能算力基礎設施布局，構(gòu)建跨地域互補、協(xié)同算力調(diào)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(gòu)筑大規(guī)模高性能異構(gòu)算力池，提供面向大模型訓推場景深度優(yōu)化的彈性調(diào)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(diào)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(gòu)建大規(guī)模、高性能、彈性調(diào)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(xié)同應用
揭榜任務：研發(fā)基于算力調(diào)度技術(shù)與能源大模型的多云異構(gòu)算電協(xié)同管理平臺，構(gòu)建基于數(shù)據(jù)驅(qū)動的算力集群用電負荷特性模型、基于計算任務的時空轉(zhuǎn)移特性的能源大模型，推動算力預測與調(diào)度技術(shù)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(tǒng)開展算力負荷與電力系統(tǒng)的協(xié)同優(yōu)化，實現(xiàn)精準、動態(tài)、實時的能源調(diào)度與交易，實現(xiàn)算力與電力等能源的深度協(xié)同。
預期目標：到2026年，實現(xiàn)智算場景下能源與算力全鏈路的數(shù)據(jù)穿透及流程整合，構(gòu)建“算”隨“電”動的直接控制及間接引導機制，實現(xiàn)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(jié)合算力集群用電數(shù)據(jù)、時間周期、氣象數(shù)據(jù)、工作負載等多種因素，實現(xiàn)“電”隨“算”用的能源效率優(yōu)化與算效提升，實現(xiàn)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(wǎng)絡功能虛擬化（NFV）系統(tǒng)架構(gòu)，針對NFV中網(wǎng)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(gòu)的高性能虛擬化、智能化網(wǎng)絡管理和資源編排算法等技術(shù)和系統(tǒng)，突破虛擬化層與硬件加速器（如FPGA、DPU、GPU）之間的協(xié)同能力。
預期目標：到2026年，NFV算力平臺系統(tǒng)中實現(xiàn)對虛擬化網(wǎng)絡功能的智能調(diào)度，支持異構(gòu)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(diào)度，加速網(wǎng)絡處理性能至Tbps以上；支持智能化網(wǎng)絡虛擬化功能管理，提升NFV系統(tǒng)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(shù)研究及應用
揭榜任務：圍繞算力的綠色節(jié)能技術(shù)突破，面向算力中的任務調(diào)度特性、能源使用模式、負載均衡要求等關(guān)鍵要素，研發(fā)適應于綠色計算的動態(tài)資源調(diào)度算法、能耗優(yōu)化管理系統(tǒng)，以及面向多場景的協(xié)同節(jié)能機制，突破節(jié)能算法的智能化程度，提升算力網(wǎng)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(tǒng)實現(xiàn)對算力中心和網(wǎng)絡節(jié)點的實時監(jiān)控與節(jié)能調(diào)度，通過計算節(jié)點支持動態(tài)調(diào)頻、動態(tài)電壓調(diào)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?qū)崟r、精準地統(tǒng)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(xiàn)精細化的碳排放的管理。同時，基于碳排放的數(shù)據(jù)，實現(xiàn)碳感知調(diào)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(diào)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(gòu)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(shù)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(gòu)建碳感知調(diào)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(shù)及架構(gòu)要求，實現(xiàn)支持供電總線、網(wǎng)絡互聯(lián)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(xiàn)100%液冷散熱，制冷PUE低于1.15。整機柜服務器內(nèi)部實現(xiàn)全盲插設計，管理模塊可實現(xiàn)整機柜功耗管理、漏液檢測、資產(chǎn)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(xiàn)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(diào)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(gòu)建、仿真引擎集群、模型自動生成等關(guān)鍵技術(shù)，實現(xiàn)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(shù)據(jù)分析技術(shù)的算力中心制冷系統(tǒng)AI節(jié)能優(yōu)化系統(tǒng)，通過自動化數(shù)據(jù)治理、自動推理等關(guān)鍵技術(shù)，準確匹配制冷需求，在滿足可靠性要求條件下實現(xiàn)算力中心制冷系統(tǒng)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(tǒng)和配電系統(tǒng)聯(lián)合仿真，系統(tǒng)可輸出不同負載及運行工況條件下的PUE運行曲線、系統(tǒng)設備運行模擬工況等參數(shù)，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(xiàn)對算力中心能耗的可視、可管、可控。通過AI能效優(yōu)化，實現(xiàn)算力中心PUE降低5%以上，通過算力中心基礎設施與IT聯(lián)動節(jié)能，實現(xiàn)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(tǒng)
揭榜任務：研發(fā)人工智能節(jié)能系統(tǒng)，針對算力中心基礎設施的運行調(diào)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(shù)據(jù)的分析和處理效果，搭建基于專家經(jīng)驗的人工智能算法數(shù)據(jù)庫，提升包括能耗管理、能源調(diào)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(jīng)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(tǒng)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(tǒng)數(shù)據(jù)采集、標注、治理、存儲，具備系統(tǒng)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(tǒng)智能化調(diào)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(diào)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(gòu)，實現(xiàn)智能機器人在多層、多房間樓宇機房內(nèi)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(xié)同、多任務聯(lián)合調(diào)度等方面的技術(shù)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(zhì)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(xiàn)大型算力中心內(nèi)智能機器人的多機房、多樓層協(xié)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(xiàn)云邊端協(xié)同調(diào)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(tǒng)，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(jié)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(guān)鍵技術(shù)。構(gòu)建綜合運維健康度數(shù)字化評估體系與模型，實現(xiàn)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(shù)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(xiàn)跨平臺及系統(tǒng)穩(wěn)定性風險和安全風險識別能力，綜合視頻識別技術(shù)等，結(jié)構(gòu)化告警收斂推送，準確率超過98%。算力設施全生命周期數(shù)字化聯(lián)動，平臺自動化流程推進，實現(xiàn)云端直控覆蓋超10棟算力中心，落地數(shù)字化算力中心健康度評估，智能化終端或機器人的自驅(qū)動巡檢，視頻流識別與告警的聯(lián)動，系統(tǒng)的智能化運維問答，并保障業(yè)務服務級別協(xié)議（SLA）達標率99%以上。
