国家标准计划《智能计算集群 可观测平台技术要求》由 SWG32（全国智能计算标准化工作组）归口 ，主管部门为国家标准委。

主要起草单位 之江实验室 、中国信息通信研究院 、中移（苏州）软件技术有限公司 、天翼云科技有限公司 、华为云计算技术有限公司 、阿里云计算有限公司 、北京百度网讯科技有限公司 、中国移动通信集团公司 、中兴通讯股份有限公司 、蚂蚁科技集团股份有限公司 、浪潮电子信息产业股份有限公司 、杭州基本粒子科技有限公司 。

不涉及。

近年来，随着大模型训练、科学计算、工业仿真等算力密集型应用的快速发展，智能计算集群规模持续增长，已从早期的千卡规模逐步迈向万卡乃至十万卡水平。

以大规模智能计算集群为代表的新型算力基础设施，正成为支撑数字经济和前沿科学研究的重要底座。

集群规模的迅速扩张和节点数量的成倍增长，带来了算力供给能力的显著提升，也对系统运维、资源调度和运行管理提出了前所未有的挑战。

当前，大规模智能计算集群呈现出硬件异构化、负载多样化、运行复杂化的趋势，计算节点、网络设备、存储系统以及作业调度组件的高度耦合，使集群运行状态的透明感知和高效治理变得愈加困难。

一方面，集群运维普遍存在监控体系分散、指标口径不统一、日志追踪能力不足等问题，难以满足复杂作业全生命周期的性能分析和问题定位需求。

另一方面，现有运维工具依赖人工经验，缺乏标准化、体系化的技术规范，导致资源利用效率不高、运维保障能力不足，影响集群的整体效能和算力可用性。

从国家层面看，算力基础设施建设已被提升到战略高度。

2023年10月，工业和信息化部联合中央网信办、国务院国资委等五部门发布《算力基础设施高质量发展行动计划》，提出到2025年全国算力规模达到300 EFLOPS以上，智能算力占比超过35%，明确要求“算力设施运维管理能力显著增强，算力调度和资源利用效率明显提升”。

2025年5月，工业和信息化部发布《算力互联互通行动计划》，提出构建全国算力互联互通体系，建立覆盖算力设施、异构调度、智能运维等领域的标准规范，全面提升算力资源的可用性、透明性和服务保障能力。

对智能计算集群的规模化部署、高效运行及技术标准建设提出了迫切需求。

随着智能计算集群规模持续攀升，系统稳定性和运行可靠性已成为行业发展的关键制约因素。

保障算力资源可用性、提升算力调度效率、增强运行韧性，迫切需要建立覆盖“采集-处理-应用”的全流程可观测能力。

通过制定统一的技术标准，明确可观测系统的功能架构、指标体系和技术要求，将为集群建设和运维提供科学、规范的依据，推动运维管理从经验驱动向标准化、智能化转型。

本标准的制定，符合国家推动算力基础设施高质量发展的战略方向，将在以下方面发挥重要作用：一是为智能计算集群建设主体提供统一的可观测能力框架，推动全栈指标采集、日志管理、链路追踪、数据对齐、健康检查等能力的标准化落地。

二是规范集群运行监控、性能分析和故障诊断的关键技术路径，提升算力资源利用效率和作业运行的可靠性。

三是引导行业构建科学、透明、可量化的运维管理体系，支撑集群规模化部署和异构资源高效调度。

四是助力我国智能算力基础设施实现从“规模扩张”向“效能提升、运行可靠、服务高质量”的转型升级，提升全球竞争力。

一、范围 本文件规定了规定智能计算集群可观测系统的功能架构、采集层、处理层、应用层等各方面的技术要求。 本文件适用于可观测系统的提供方及智算集群运营管理方。 二、主要技术内容 1. 可观测系统功能架构 a) 采集层（指标、日志、追踪多源数据采集）； b) 处理层（数据对齐、存储、关联分析）； c) 应用层（基础观测、稳定性管理、运维管理、作业分析）。 2. 指标采集体系及技术要求 3. 日志采集体系及技术要求 4. 追踪采集体系及技术要求