算力互联网引入类似互联网URL的定位机制（C-URL），用于在应用层基于统一标识码定位算力资源和路径；RDMA允许计算机内存直接访问另一台计算机内存，无需操作系统内核参与；资源解耦正从“机架级”向“数据中心级”演进——这些关键技术共同构成了算力互联网的技术底座。中国信通院《智能算力服务研究报告》系统梳理了算力互联网的四大关键技术群，揭示了从“算力孤岛”到“全国一体化算力网”的技术演进路径。
算力标识网关技术——“找算力”的基础设施
算力标识赋予了算力资源全局唯一的身份和多维属性描述，解决了用户“找算力”的难题。算力互联网引入类似互联网URL的定位机制，即算力互联网标识（C-URL），用于在应用层基于统一标识码，定位算力资源和路径（算力路径）。当前研究重点在于规范算力标识编码方式，将资源情况、位置信息、规格信息、路径情况等自上而下的信息进行编码。
算力网关作为连接用户请求和算力资源的入口，负责协议转换和路由分发。通过升级算力网关，并配合统一算力标识体系，可以将各算力提供主体的公共算力资源进行标准化互联，实现算力间可查询、可对话、可调用，使用户能便捷地使用多种算力资源。国家算力互联网平台通过算力标识体系汇聚了超百EFLOPS资源，能够智能路由算力任务和数据流。
算网协同技术——“联算力”的高速通道
算网协同打破了网络与计算的孤立，将算力状态引入网络决策。远程直接内存访问（RDMA）允许一台计算机的内存直接访问另一台计算机的内存，无需操作系统内核参与，释放了CPU算力并大幅降低通信时延。目前以RoCEv2（RDMA over Converged Ethernet）协议为主流，在高性能计算和大规模AI集群中，RDMA已成为GPU之间高速互联的标准配置，显著解决了分布式训练中的通信瓶颈。
基于IPv6的段路由（SRv6）基于源路由理念，将网络路径和指令编码在IPv6报头中。它不仅能指定数据包的传输路径，还能携带算力信息和服务指令，实现网络的可编程性。SRv6在算力网络骨干网调度中应用，实现基于骨干网直联点和新型互联网交换中心的算力交换和寻址，是强化网络设施间互联能力、提升算力调度速度的关键技术。中国电信和华为联合开展的百公里级AI广域网试验，通过突破性应用广域RDMA技术，将跨域训练任务时延压至1.1毫秒。
算力资源池化技术——“聚算力”的弹性底座
资源池化将物理分散的计算、存储和网络资源进行抽象汇聚，形成逻辑统一、可灵活调度的资源大池。虚拟化通过虚拟机监视器或容器引擎，在物理硬件和操作系统之间引入抽象层，将物理资源切分为多个独立的逻辑单元。容器（Docker）、K8s（Kubernetes）等容器技术因其轻量级和敏捷性，已成为云原生算力的主流交付方式。当前重点在于“神龙架构”类技术的演进，即通过软硬协同来实现接近裸金属性能的虚拟化。
资源解耦打破了服务器以CPU为中心的封闭架构，将计算、存储、内存等硬件部件独立封装，通过高速总线互联，根据业务需求动态组合硬件资源。CXL（Compute Express Link）技术是目前最大的突破点，它提供了内存一致性的高速互联标准。业界正在从“机架级解耦”向“数据中心级解耦”演进，旨在构建完全可组合的基础设施，解决大模型训练中显存墙和内存墙的问题。
异构算力调度技术——“调算力”的智能中枢
异构算力调度技术通过构建先进的算网云调度系统，实现了对不同架构、跨云资源的统一编排和高效分配。统一资源管理框架主要体现为构建算网云调度系统，类似于云计算的K8s集群编排调度系统，通过分层架构实现从资源管理到应用层的自动化编排。当前进展是攻关实现对异构算力、异构网络和跨云资源的统一调度。
任务画像与匹配算法通过在应用层和底层硬件之间构建统一适配层，实现应用跨架构、跨主体的统一开发部署。当前进展是先通过发展兼容OpenCL、CUDA等主流生态的OGPU计算框架和ODPU开发框架解决GPU生态兼容的难点，然后通过统一接口简化应用部署，最终提高“用算力”的计算部署效率。
