3月21日，上海市通信管理局、中共上海市委網絡安全和信息化委員會辦公室、上海市發展和改革委員會、上海市數據局、上海市教育委員會、上海市科學技術委員會、上海市衛生健康委員會、上海市市場監督委員會、上海市國有資產監督管理委員會、上海市交通委員會、中國人民銀行上?？偛柯摵嫌“l了《上海市智能算力基礎設施高質量發展 “算力浦江”智算行動實施方案（2024-2025年）》。

總體目標中提出，力爭到2025年，打造智算設施高效協同、智算要素自主可控、智算應用融合泛在、綠色智算效能突出、智算生態安全開放的智能算力支撐體系，建成具有區域乃至全國影響力的智能算力創新及應用示范區。智能算力規模超過30EFlops，占比達到總算力的50%以上。新建智算中心國產算力芯片使用占比超過50%，國產存儲使用占比超過50%。具備大規模應用賦能價值的智算中心數量達到10家，新建智算中心PUE值達到1.25以下，存量改造智算中心PUE值達到1.4以下。智算中心運營企業實現網絡安全實戰攻防、首席數據官制度全覆蓋。

重點任務方面有提到：

1）優化布局智能算力中心建設

加快推進臨港、青浦、松江、金山、張江等重點區域大型智算中心建設。根據上海市各特色產業園區發展需要，建設以算力多樣化、網絡全光化、應用容器化為主要特征的邊緣智算中心，單中心智算峰值規模小于300P,重點滿足中小企業和部分科學研究的智算需求，提升多元化異構算力算效水平。

2）構建城市高速全光運力環網

統籌合規建設城市級數據中心算力環網，推動在臨港、外高橋、寶山、青浦、松江、浦江等有關數據中心集群間建立算力網絡骨干節點，按需在重點數據中心聚集區內，結合邊緣算力區域化部署，建立算力網絡二級節點，聯通全市主要智算資源。利用全光、光電共封裝、端到端切片、無損以太、長距離RDMA、網絡數字地圖等技術，探索在跨算力集群間構建全程全網高效無損智算網絡。

3）加快智算芯片國產化部署

面向多模態大模型以及規?；⒏咚倩植际接嬎阈枨?，加快ARM、RISC-V、X86等基礎架構以及GPU、ASIC、FPGA等國產異構智能算力研發進程，實現高端訓練算力、自主邊緣決策算力、高效終端執行算力在智算中心內的全方位部署。積極探索可重構、存算一體、類腦計算、Chiplet、DSV等創新架構路線。推動智算芯片全面兼容國產訓練框架，進一步提升智算中心算力調度能力，推動智算芯片軟硬件實現高質量自主可控。

4）加強開源大模型適配應用

瞄準具身智能、自主智能體、深度超大規模圖計算等前沿領域，圍繞大模型工程設計、模型構建、應用部署、訓練迭代等環節，在智算中心內重點應用基于自主芯片和算法的開源通用大模型，推動部署重點領域專用行業模型。推動大模型多維并行訓練優化、模型快速適配、模型異構推理部署等技術和工具研發，提升先進算法原始創新能力與規范化水平。

提出了以下方面的智算應用場景：

1）智算+城市治理

圍繞城市治理“一網統管”要求，在實時感知、智能分析、精準研判、協同指揮與應急處置等應用場景，推動智能算力在民生守護、公共安全、規劃建設、市場運行等重點領域應用，推動城市治理精細化、智能化能力顯著提升。

2）智算+工業

圍繞智能制造、工業仿真等實時應用場景計算需求，推動智能算力賦能工業機器視覺、協同研發設計、柔性生產制造、預測性維護、工業傳感等應用場景。推動多源感知、深度學習、智能分析、力位耦合與軌跡規劃等關鍵技術在智能制造領域的應用，構建開放核心算法模型，提升全制造業智能制造水平。

3）智算+教育科研

推動智能算力資源覆蓋校園、科研院所和科創中心，優化布局以科研、教育、實驗實訓等資源為主的智算服務平臺。推動智能算力賦能計算生物學、新材料研發、可控核聚變等前沿科研領域，助力解決相關科研領域重大瓶頸。

4）智算+金融

圍繞生物特征識別、高頻支付、隱私安全等智慧金融重點應用場景，強化智能邊緣側節點搭建。構筑“云邊端+智能”產業數字金融平臺，打造金融行業大模型，推動智能算力在信貸決策、智能風控，智能客服、可信交易、資產智能管理等新領域的應用。

5）智算+醫療

推動人機融合醫療會診、醫療行為多維度感知、診療能力智能評估等領域關鍵技術研發與應用落地。聚焦電子病歷、醫療影像、病理切片、診療記錄等醫療大數據，培育具備多元融合、多協議免拷貝、無損壓縮、智能緩存預讀、視網聯動、全光閱片等功能的智算應用。

6）智算+機器人

構建大規模云端并行計算與邊端決策計算協同的機器人智算服務框架，圍繞共性需求構建機器人智能云管平臺，推動智能算力在機器人系統研發、多形態自重構、信息感知與導航、多任務規劃與智能控制、人機交互與自主編程、高效仿生驅動、精準安全操控等關鍵技術領域的應用。

7）智算+自動駕駛

加快推動臨港新片區等重點區域車路協同設施建設，構建專屬邊緣算力池。加強對L4及以上高級別自動駕駛、5G-V2X等領域技術的創新發展，強化自動駕駛訓練數據集搭建與視覺大模型訓練，推動“車、路、云、網”智能基礎設施落地應用。