2.1.2方向聚焦 云网融合的研究重要且宏大，七大战新领域紧密围绕在云网融合核心战略，各自承接相应的研究工 作。本白皮书从云计算的视角出发，基于“供给-运营-服务”三层架构中总结的核心发展趋势，聚焦相应 的热点方向并进行相应展开。 务调度、集合通信优化、并行任务流水线、算力与带宽的联合分配、跨层调度等方向持续深化[172,173, 174,175,176]，逐步形成了从单域资源优化到算网联合编排的系统化方法体系。在云边协同、AI训练/推 理、复杂工作流执行、大规模资源管理等真实场景中[177,178,179]，一体化调度相关模型与算法已经不断 得到验证并系统化落地。总体来看，相关研究在模型抽象、算法优化和跨域协同机制上不断深化。 供给侧：面向智算的云网基础设施体系正在围绕“人算网络、算内网络、算间网络”形成系统化的三 层能力重构。入算网络强调大带宽数据注入、安全可信传输与跨园区数据协同；算内网络面向万卡级训 练任务[180]，以可编程交换机、高维互联拓扑[170,171,181]、智能拥塞控制与光电融合网络［182,183]为 核心，实现超低时延、超高带宽的集群内部通信；算间网络构建跨地域算力池化体系，通过长距离RDMA 技术［184]、与智能调度实现跨中心算力融合。随着国家“东数西算”布局和中国电信“2+3+7+X”算力体 系建设加速推进，这三层网络体系将构成我国 AIDC 的能力底座，为全国范围内的算力互联、智能应用落 地与算网一体化发展提供长期支撑。 服务侧：云边端协同正在数据协同、任务协同与模型协同三大方向上不断走向深化与成熟。围绕多 模态数据管理、多级任务调度、模型迁移与持续学习等关键问题，研究持续推动智能从单点处理走向跨 缘侧数据压缩与筛选[187,188]以及本地差分隐私与匿名统计机制［189,190]提升数据质量与安全性。在 任务层面，调度模式从集中式DAG 管理扩展到云一边一端协同执行，通过分布式依赖管理与动态调度实 现复杂任务的高效运行［191]。在模型层面，模型切分、端侧适配与跨层迁移成为主要方向，使模型在动 态网络环境中保持性能稳定与资源高效[192,193,194]。整体来看，云边端协同研究正由局部优化迈向全 链路协同，为构建自适应、可持续的智能基础设施奠定了重要技术支撑。 综上，我们根据智能云网体系的发展趋势在各层进行系统性聚焦。其中，运营侧核心突破计算网络 协同的云网一体化调度，供给侧全面构建面向入算、算间、算内的云网基础设施，服务侧持续深化面向数 据、任务、模型的云边端协同。下文将围绕以上三项大颗粒热点方向进行系统性展开与深入分析。