推理时延降低 37%
计算加速
通过数据传输减量、模型推理加速与跨域协同调度，压缩科学任务执行闭环。
自动化流程覆盖 18 类
自动编排
面向科研任务流程，提供多智能体协同、工作流自动规划与执行观测。
跨域资源池 3 类
国家实验室服务
面向广州国家实验室、崖州湾国家实验室及其他国家实验室的广域协同需求。
Scenario Demos
三个演示场景覆盖算网数协同闭环
从跨域拓扑编排、链路拥塞控制到 PB 级数据洪流调度，分别呈现不同层级的可观测与可控制能力。
Platform Layers
平台架构覆盖接口、服务、算网融合与物理承载
架构设计围绕国家实验室的跨域科学任务，将资源感知、模型服务、运维控制和网络基础设施收敛为统一观察面。
01
用户接口层
用户接口层
用户认证、访问控制、风险管理、AI4Ops 智能运维
02
科学服务层
科学服务层
模型服务、数据服务、规模化服务、智能接口、多智能体框架
03
算网融合层
算网融合层
网络状态感知、数据表征压缩、模型推理加速、缓存协同优化
04
物理承载层
物理承载层
科研专网物理网络与广域异构资源池
Service Targets
优先服务国家实验室广域协同需求
演示内容以跨实验室算力、数据目录与专网链路的协同场景为主，便于映射到真实科研任务。
广州国家实验室
承接多组学解析与分布式训练任务，侧重高密度 GPU 与数据目录协同。
崖州湾国家实验室
支撑海量观测数据处理与广域回传场景，关注低时延与稳定传输。
其他国家实验室
可扩展接入更多科研专网节点，实现算网数一体化调度与统一观测。
Key Outcomes
研究目标聚焦任务效率与资源利用提升
以数据传输减量、链路稳定性和算力调度效率为核心指标，形成可验证的技术闭环。
1
数据传输减量与缓存协同优化
2
广域异构算力的跨节点高效利用
3
训练、微调、推理链路的统一调度
4
自动实验、数据发现与评估服务联动