From a79b05407b65ffe572d44cfc4af3d9035e97e743 Mon Sep 17 00:00:00 2001 From: zhiqiang feng Date: Thu, 9 Apr 2026 11:24:22 +0800 Subject: [PATCH] Add airport and flight wikis to Obsidian vault --- airport-wiki/.markdownlint.json | 15 + airport-wiki/SCHEMA.md | 82 + .../comparisons/airport-dc-case-studies.md | 50 + .../concepts/airport-data-center-overview.md | 59 + airport-wiki/concepts/glossary.md | 47 + airport-wiki/concepts/gpu-cluster.md | 139 ++ .../concepts/modern-airport-trends.md | 66 + airport-wiki/concepts/network-architecture.md | 36 + airport-wiki/concepts/power-and-cooling.md | 83 + airport-wiki/concepts/prefab-modular-dc.md | 49 + airport-wiki/concepts/tier-iii-design.md | 29 + airport-wiki/concepts/tier-iv-design.md | 30 + .../entities/fuzhou-changle-airport-bsj.md | 55 + airport-wiki/entities/shenzhen-airport.md | 56 + .../entities/zhengzhou-airport-hangang.md | 46 + airport-wiki/index.md | 29 + airport-wiki/log.md | 58 + airport-wiki/package-lock.json | 1645 +++++++++++++++++ airport-wiki/package.json | 10 + .../2025-airport-construction-summit.md | 35 + .../articles/AI-Driven-Smart-Gating-2025.md | 103 ++ ...uilding-intelligent-airport-future-2025.md | 90 + .../raw/articles/daxing-airport-vertiv.md | 48 + .../raw/articles/dubai-airport-huawei-dc.md | 48 + .../raw/articles/keydak-airport-expo-2025.md | 28 + .../上海市-智算中心建设导则2025版-2025-01.md | 142 ++ ...研究院-工业智算发展研究报告2025-2026-01.md | 96 + ...究院-中国AIDC产业发展白皮书2025-2025-07.md | 106 ++ ...场-数智化全国第二-AI全栈部署-2026-01-15.md | 77 + .../福州长乐机场-15000P智算中心-2026-01-22.md | 60 + ...航空港-中部最大万卡算力集群-2026-03-05.md | 50 + airport-wiki/机场数据中心建设方案.md | 423 +++++ airport-wiki/机场智算中心技术方案.md | 1378 ++++++++++++++ flight-wiki/SCHEMA.md | 91 + .../comparisons/airport-operations-systems.md | 49 + flight-wiki/concepts/a-cdm.md | 90 + flight-wiki/concepts/aodb.md | 380 ++++ flight-wiki/concepts/baggage-handling.md | 63 + flight-wiki/concepts/deicing-operations.md | 65 + flight-wiki/concepts/flight-data-exchange.md | 67 + flight-wiki/concepts/smart-gating.md | 54 + flight-wiki/concepts/smgcs.md | 57 + flight-wiki/index.md | 27 + flight-wiki/log.md | 34 + flight-wiki/机场航班数据管理运营方案.md | 454 +++++ 45 files changed, 6699 insertions(+) create mode 100644 airport-wiki/.markdownlint.json create mode 100644 airport-wiki/SCHEMA.md create mode 100644 airport-wiki/comparisons/airport-dc-case-studies.md create mode 100644 airport-wiki/concepts/airport-data-center-overview.md create mode 100644 airport-wiki/concepts/glossary.md create mode 100644 airport-wiki/concepts/gpu-cluster.md create mode 100644 airport-wiki/concepts/modern-airport-trends.md create mode 100644 airport-wiki/concepts/network-architecture.md create mode 100644 airport-wiki/concepts/power-and-cooling.md create mode 100644 airport-wiki/concepts/prefab-modular-dc.md create mode 100644 airport-wiki/concepts/tier-iii-design.md create mode 100644 airport-wiki/concepts/tier-iv-design.md create mode 100644 airport-wiki/entities/fuzhou-changle-airport-bsj.md create mode 100644 airport-wiki/entities/shenzhen-airport.md create mode 100644 airport-wiki/entities/zhengzhou-airport-hangang.md create mode 100644 airport-wiki/index.md create mode 100644 airport-wiki/log.md create mode 100644 airport-wiki/package-lock.json create mode 100644 airport-wiki/package.json create mode 100644 airport-wiki/raw/articles/2025-airport-construction-summit.md create mode 100644 airport-wiki/raw/articles/AI-Driven-Smart-Gating-2025.md create mode 100644 airport-wiki/raw/articles/IBM-Building-intelligent-airport-future-2025.md create mode 100644 airport-wiki/raw/articles/daxing-airport-vertiv.md create mode 100644 airport-wiki/raw/articles/dubai-airport-huawei-dc.md create mode 100644 airport-wiki/raw/articles/keydak-airport-expo-2025.md create mode 100644 airport-wiki/raw/articles/上海市-智算中心建设导则2025版-2025-01.md create mode 100644 airport-wiki/raw/articles/中国工业互联网研究院-工业智算发展研究报告2025-2026-01.md create mode 100644 airport-wiki/raw/articles/头豹研究院-中国AIDC产业发展白皮书2025-2025-07.md create mode 100644 airport-wiki/raw/articles/深圳机场-数智化全国第二-AI全栈部署-2026-01-15.md create mode 100644 airport-wiki/raw/articles/福州长乐机场-15000P智算中心-2026-01-22.md create mode 100644 airport-wiki/raw/articles/郑州航空港-中部最大万卡算力集群-2026-03-05.md create mode 100644 airport-wiki/机场数据中心建设方案.md create mode 100644 airport-wiki/机场智算中心技术方案.md create mode 100644 flight-wiki/SCHEMA.md create mode 100644 flight-wiki/comparisons/airport-operations-systems.md create mode 100644 flight-wiki/concepts/a-cdm.md create mode 100644 flight-wiki/concepts/aodb.md create mode 100644 flight-wiki/concepts/baggage-handling.md create mode 100644 flight-wiki/concepts/deicing-operations.md create mode 100644 flight-wiki/concepts/flight-data-exchange.md create mode 100644 flight-wiki/concepts/smart-gating.md create mode 100644 flight-wiki/concepts/smgcs.md create mode 100644 flight-wiki/index.md create mode 100644 flight-wiki/log.md create mode 100644 flight-wiki/机场航班数据管理运营方案.md diff --git a/airport-wiki/.markdownlint.json b/airport-wiki/.markdownlint.json new file mode 100644 index 0000000..5a58c25 --- /dev/null +++ b/airport-wiki/.markdownlint.json @@ -0,0 +1,15 @@ +{ + "default": true, + "MD013": false, + "MD025": false, + "MD036": false, + "MD040": false, + "MD033": false, + "MD034": false, + "MD037": false, + "MD028": false, + "MD031": false, + "MD032": false, + "MD022": false, + "MD007": false +} diff --git a/airport-wiki/SCHEMA.md b/airport-wiki/SCHEMA.md new file mode 100644 index 0000000..be41f84 --- /dev/null +++ b/airport-wiki/SCHEMA.md @@ -0,0 +1,82 @@ +--- +title: Wiki Schema +created: 2026-04-08 +updated: 2026-04-08 +type: schema +tags: [meta] +--- + +# Wiki Schema + +## Domain +机场数据中心建设方案 — 涵盖机场数据中心的规划、设计、建设、硬件选型、网络架构、等级标准、供应商及项目管理。 + +## Conventions +- 文件名：小写、中划线、无空格（如 `tier-iii-design.md`） +- 每个 wiki 页面以 YAML frontmatter 开头 +- 使用 `[[wikilinks]]` 建立页面间链接（每页至少 2 个外部链接） +- 更新页面时同步更新 `updated` 日期 +- 新页面必须添加到 `index.md` 对应版块 +- 所有操作追加到 `log.md` + +## Frontmatter +```yaml +--- +title: 页面标题 +created: YYYY-MM-DD +updated: YYYY-MM-DD +type: entity | concept | comparison | query | summary +tags: [从下方标签体系选取] +sources: [raw/articles/source-name.md] +--- +``` + +## Tag Taxonomy（标签体系） +- 等级标准：tier-iii, tier-iv, ansi/tia-942, uptime-institute +- 网络架构：network, fiber, switching, routing, wan, lan, dci +- 硬件设施：server, storage, power, cooling, ups, generator, cab, pdu +- 物理安全：security, cctv, access-control, biometric, perimeter +- 选址与土建：site, building, floor-plan, reinforcement, load-bearing +- 供应商：vendor, oem, integrator, contractor +- 项目管理：planning, design, construction, commissioning, timeline, rfp +- 合规认证：certification, audit, fire-code, insurance +- 运维管理：monitoring, maintenance, mttf, mttr, sla +- Meta：comparison, timeline, glossary, draft, archived + +## Page Thresholds（页面创建规则） +- **创建独立页面** 当一个实体/概念在 2+ 来源中被提及，或在一个来源中处于核心位置 +- **追加到现有页面** 当来源提到已在覆盖范围内的内容 +- **不建页面** 仅一次提及、细节性内容、或超出本领域的内容 +- **拆分页面** 当页面超过 ~200 行时，拆分为子主题并交叉链接 +- **归档页面** 内容完全被取代时，移至 `_archive/` + +## Entity Pages（实体页面） +每个主要实体一页，包括： +- 概述 / 是什么 +- 关键事实和数据 +- 与其他实体的关系（[[wikilinks]]） +- 来源引用 + +## Concept Pages（概念页面） +每个概念/主题一页，包括： +- 定义 / 解释 +- 当前知识状态 +- 开放问题或争议 +- 相关概念（[[wikilinks]]） + +## Comparison Pages（对比页面） +并排分析，包括： +- 比较对象及原因 +- 对比维度（表格格式优先） +- 结论或综合判断 +- 来源 + +## Update Policy（更新政策） +新信息与现有内容冲突时： +1. 检查日期 — 新来源通常取代旧来源 +2. 如确实矛盾，记录双方立场和日期、来源 +3. 在 frontmatter 标记：`contradictions: [page-name]` +4. 在 lint 报告中标记待用户审核 + +## Glossary（术语表） +建设中涉及的英文缩写和术语，统一在 `concepts/glossary.md` 中解释。 diff --git a/airport-wiki/comparisons/airport-dc-case-studies.md b/airport-wiki/comparisons/airport-dc-case-studies.md new file mode 100644 index 0000000..02bbdcc --- /dev/null +++ b/airport-wiki/comparisons/airport-dc-case-studies.md @@ -0,0 +1,50 @@ +--- +title: 机场数据中心案例对比 +created: 2026-04-08 +updated: 2026-04-08 +type: comparison +tags: [comparison, case-study] +sources: [raw/articles/dubai-airport-huawei-dc.md, raw/articles/daxing-airport-vertiv.md, raw/articles/2025-airport-construction-summit.md] +--- + +# 机场数据中心案例对比 + +## 代表案例 + +| 机场 | 北京大兴国际机场 | 迪拜国际机场（DXB） | 大连金州湾国际机场 | +|------|----------------|-------------------|------------------| +| 投运/状态 | 2019年（已投运） | 2019年后（已投运） | 在建 | +| 等级 | 未公开（推测Tier III+） | Tier III 双认证 | 规划Tier III+ | +| 总功率 | 未公开 | 1MW | 未公开 | +| 单柜密度 | 未公开 | 10kW/rack | 高密度（智算趋势） | +| 制冷方案 | Liebert PEX+ 精密空调 | 变频行级空调+密闭通道 | 风液融合 | +| 建设模式 | 传统建设 | 预制模块化（集装箱） | BIM+数字化 | +| PUE | 未公开 | <1.6 | 目标<1.4 | +| 建设周期 | 3年+ | 10个月 | 预计3-4年 | +| 智能化 | 19平台68系统 | NetEco管理 | BIM+AI巡检 | + +## 关键差异分析 + +### 建设模式 +- **大兴机场**：传统建设，长周期，大规模一次性投入 +- **迪拜机场**：预制模块化，快速交付，弹性扩容 +- **大连金州湾**：BIM+数字孪生，建运一体化 + +### 制冷方案演进 +- **大兴机场时代**：风冷精密空调（2019年主流） +- **迪拜机场**：变频行级+密闭通道（PUE<1.6） +- **2025年后**：风液融合，适配50-120kW高密度机柜 + +### 智能化水平 +- **大兴机场**：平台化，整合70+系统 +- **迪拜机场**：NetEco统一运维 +- **大连/新机场**：AI巡检机器人、数字孪生 + +## 经验总结 + +1. **快速交付选预制模块化**：迪拜案例10个月交付，节省50%时间 +2. **高功率密度选液冷**：单机柜50kW以上必须液冷 +3. **BIM是新建机场标配**：设计施工运维一体化 +4. **Tier III是机场数据中心基准**：迪拜机场明确要求Tier III双认证 + +> 相关：[[airport-data-center-overview]] | [[tier-iii-design]] | [[modern-airport-trends]] diff --git a/airport-wiki/concepts/airport-data-center-overview.md b/airport-wiki/concepts/airport-data-center-overview.md new file mode 100644 index 0000000..11f8984 --- /dev/null +++ b/airport-wiki/concepts/airport-data-center-overview.md @@ -0,0 +1,59 @@ +--- +title: 机场数据中心概述 +created: 2026-04-08 +updated: 2026-04-08 +type: concept +tags: [glossary, planning] +sources: [] +--- + +# 机场数据中心概述 + +## 定义 + +机场数据中心（Airport Data Center）是支撑民用航空运输业务运营的核心 IT 基础设施，为航班信息系统（AIDS/FIDS）、行李分拣系统、离港系统（DCS）、空管通信、乘客服务等关键系统提供计算、存储和网络服务。 + +## 核心特征 + +- **高可用性要求**：通常需满足 Tier III 或 Tier IV 等级 +- **业务连续性**：7×24 小时不间断运行，航班延误成本极高 +- **多系统集成**：数十个子系统需要互联互通 +- **安全等级高**：涉及航空安全，合规要求严格 +- **地理位置分散**：航站楼、塔台、行李中心通常各自有小机房 + +## 关键子系统 + +- 航班信息显示系统（FIDS） +- 离港控制系统（DCS） +- 行李处理系统（BHS） +- 安检信息系统 +- 地面通信网络 +- 楼宇自控系统（BAS） +- 视频监控系统（CCTV） +- 应急指挥中心 + +## 数据中心等级参考 + +| 等级 | 可用性 | 年停机时间 | 适用场景 | +|------|--------|-----------|---------| +| Tier I | 99.67% | >31.5h | 基础，非关键系统 | +| Tier II | 99.75% | 22h | 冗余组件，非关键业务 | +| Tier III | 99.98% | 1.6h | 主机房，推荐等级 | +| Tier IV | 99.99% | 0.8h | 最高等级，关键业务 | + +> 参考：[[tier-iii-design]] | [[tier-iv-design]] + +## 建设阶段 + +1. [[site-planning]] — 选址与可行性分析 +2. [[design-phase]] — 方案设计 +3. [[rfp-and-vendor-selection]] — 招标与供应商选择 +4. [[construction-management]] — 施工管理 +5. [[commissioning]] — 调试验收 +6. [[operation-maintenance]] — 运维阶段 + +## 相关概念 + +- [[glossary]] — 术语表 +- [[network-architecture]] — 网络架构 +- [[power-and-cooling]] — 供配电与制冷 diff --git a/airport-wiki/concepts/glossary.md b/airport-wiki/concepts/glossary.md new file mode 100644 index 0000000..6304ba8 --- /dev/null +++ b/airport-wiki/concepts/glossary.md @@ -0,0 +1,47 @@ +--- +title: 术语表 +created: 2026-04-08 +updated: 2026-04-08 +type: concept +tags: [glossary] +sources: [] +--- + +# 术语表 + +## 常用缩略语 + +| 缩写 | 全称 | 中文 | +|------|------|------| +| DC | Data Center | 数据中心 | +| DCiE | Data Center infrastructure Efficiency | 数据中心基础设施效率 | +| PUE | Power Usage Effectiveness | 电能使用效率 | +| DCE | Data Center Engineer | 数据中心工程师 | +| BHS | Baggage Handling System | 行李处理系统 | +| DCS | Departure Control System | 离港控制系统 | +| FIDS | Flight Information Display System | 航班信息显示系统 | +| AIDS | Airport Information Display System | 机场信息显示系统 | +| CCTV | Closed-Circuit Television | 闭路电视监控系统 | +| BAS | Building Automation System | 楼宇自控系统 | +| UPS | Uninterruptible Power Supply | 不间断电源 | +| PDU | Power Distribution Unit | 配电单元 | +| ATS | Automatic Transfer Switch | 自动转换开关 | +| N+1 | N+1 Redundancy | N+1 冗余 | +| 2N | 2N Redundancy | 2N 冗余 | +| SLA | Service Level Agreement | 服务水平协议 | +| MTTF | Mean Time To Failure | 平均故障前时间 | +| MTTR | Mean Time To Repair | 平均修复时间 | +| RTO | Recovery Time Objective | 恢复时间目标 | +| RPO | Recovery Point Objective | 恢复点目标 | +| DCI | Data Center Interconnect | 数据中心互联 | +| WAN | Wide Area Network | 广域网 | +| LAN | Local Area Network | 局域网 | +| spine-leaf | Spine-Leaf Architecture | 脊叶架构 | + +## 关键指标 + +- **PUE** = 总设施能耗 / IT 设备能耗（理想值 ≈ 1.2-1.5） +- **DCiE** = IT 设备能耗 / 总设施能耗（理想值 ≈ 60-80%） +- **可用性** = MTBF / (MTBF + MTTR) + +> 相关：[[power-and-cooling]] | [[airport-data-center-overview]] diff --git a/airport-wiki/concepts/gpu-cluster.md b/airport-wiki/concepts/gpu-cluster.md new file mode 100644 index 0000000..4ba3420 --- /dev/null +++ b/airport-wiki/concepts/gpu-cluster.md @@ -0,0 +1,139 @@ +--- +title: GPU 集群 +created: 2026-04-08 +updated: 2026-04-08 +type: concept +tags: [server, cooling] +sources: [raw/articles/2025-airport-construction-summit.md, raw/articles/keydak-airport-expo-2025.md, raw/articles/头豹研究院-中国AIDC产业发展白皮书2025-2025-07.md, raw/articles/上海市-智算中心建设导则2025版-2025-01.md] +--- + +# GPU 集群 + +## 定义 + +GPU 集群是由多台搭载 GPU（图形处理器）的服务器通过高速网络互联组成的计算单元，专门用于并行处理 AI 训练、推理、科学计算等高密度算力负载。 + +在机场智算中心场景下，GPU 集群是核心算力载体，支撑大模型训练、视频分析、智能决策等应用。 + +--- + +## 核心组成 + +### 算力芯片选型 + +|| 芯片 | 生产厂商 | FP16 算力 | 显存带宽 | NVLink带宽 | 功耗 | 机场适用场景 | +||------|---------|----------|----------|------------|------|-------------| +|| A100 SXM | NVIDIA | 312 TFLOPS | 2TB/s | 600GB/s | 400W | 训练/推理（当前主流） | +|| H100 SXM | NVIDIA | 1P | 3.35TB/s | 900GB/s | 700W | 大模型训练 | +|| H200 SXM | NVIDIA | 1P | 4.8TB/s | 900GB/s | 700W | 大规模训练/推理（HBM3e升级） | +|| B100 | NVIDIA | 1.75P | 8TB/s | 1.8TB/s | 1,000W | 超大规模智算中心 | +|| B200 | NVIDIA | 2.25P | 8TB/s | 1.8TB/s | 1,200W | 超大规模智算中心 | +|| **GB200 NVL72** | NVIDIA | **5P** | **16TB/s** | **3.6TB/s** | **2,700W** | 万卡集群（整机柜方案） | +|| 昇腾 910B | 华为 | 320 TFLOPS | — | — | 400W | 国产替代/推理 | + +> 数据来源：头豹研究院《中国AIDC产业发展白皮书2025》 + +### 服务器形态（基于NVIDIA HGX架构） + +|| 形态 | GPU算力 | GPU功耗 | 总功耗 | 适用场景 | +||------|---------|---------|--------|---------| +|| HGX A100 | 2.4P | 3.2kW | 6.5kW | 训练/推理（存量主流） | +|| HGX H100 | 8P | 5.6kW | 10.2kW | 训练集群主体 | +|| HGX B100 | 14P | 5.6kW | 10.2kW | 超大规模部署 | +|| **HGX B200** | **18P** | **8kW** | **14.3kW** | 万卡集群核心节点 | + +> GB200 NVL72 为整机柜方案（72 GPU + 36 Grace CPU），单柜总功耗可达**2700W GPU芯片**，整柜更高。机场智算中心液冷需按**单柜15-30kW**设计。 + +> 数据来源：头豹研究院《中国AIDC产业发展白皮书2025》 + +### 网络架构 + +GPU 集群内网络是性能瓶颈，业界通常采用以下三层： + +|| 网络层 | 带宽需求 | 协议/技术 | +||--------|---------|---------| +|| **计算网络**（GPU 间通信）| 800Gbps-1.6Tbps | InfiniBand HDR/NDR, RoCEv2 | +|| **存储网络** | 100-400Gbps | NVMe-oF, RoCEv2 | +|| **管理网络** | 1-10Gbps | 以太网 | + +> 上海《智算中心建设导则2025》要求大规模训练场景下采用**智能无损网络**，计算网宜达**200Gbps**。 + +> 关键参数：GPU_PCIe_带宽需与网络带宽匹配（H100 SXM5 支持 900GB/s 双向 NVLink） + +--- + +## 机场智算集群规划参数 + +基于行业实践，机场智算中心典型规模参考： + +| 机场规模 | 推荐 GPU 集群规模 | 机柜数 | 典型功率密度 | +|---------|-----------------|--------|-------------| +| 年旅客量 < 1000万 | 32-64 卡 | 8-16 柜 | 50-80kW/柜 | +| 年旅客量 1000-5000万 | 64-256 卡 | 16-32 柜 | 60-100kW/柜 | +| 年旅客量 > 5000万 | 256-1024+ 卡 | 32-128+ 柜 | 80-120kW/柜 | + +--- + +## 液冷配合（GPU 集群必选散热方案） + +GPU 集群单机柜功率 50-120kW，传统风冷无法满足散热需求。 + +### 液冷方案对比 + +| 方案 | 散热能力 | 建设成本 | 运维复杂度 | 适用规模 | +|------|---------|---------|-----------|---------| +| **冷板式液冷** | ~120kW/柜 | 中 | 中 | 主流方案 | +| **浸没式液冷** | >200kW/柜 | 高 | 低（长期） | 超大规模 | +| **风液融合**（冷板+高效风冷）| 60-150kW/柜 | 中低 | 低 | 快速部署 | + +> 华为自有冷板液冷技术已实现单柜 120kW 散热能力，详见 [[prefab-modular-dc]] + +--- + +## 调度与运维 + +| 层面 | 技术选型 | +|------|---------| +| 集群管理 | Kubernetes + GPU Operator, Slurm | +| 分布式训练框架 | PyTorch DDP, Megatron-LM, DeepSpeed | +| 推理服务 | vLLM, TensorRT-LLM, Triton | +| 监控 | DCIM + Prometheus + Grafana | +| 算力调度 | 阿里云 ACK, 华为 CCI, 自研调度器 | + +--- + +## 与现有页面的关联 + +- **[[modern-airport-trends]]** — 智算集群是四型机场趋势的技术驱动力 +- **[[prefab-modular-dc]]** — 预制模块化 DC 是 GPU 集群的物理载体 +- **[[power-and-cooling]]** — GPU 集群高功率密度决定液冷必选 +- **[[network-architecture]]** — 计算网络（InfiniBand/RoCE）是集群性能关键 +- **[[airport-data-center-overview]]** — GPU 集群是智算中心的核心子系统 + +--- + +## 机场集群投入参考 + +基于行业数据（千卡H100集群，头豹研究院2025白皮书）： + +| 组成 | 费用 | +|------|------| +| 算力设备 | 约3亿元 | +| 网络设备 | 约2,500万元 | +| 存储/安全 | 约1,000万元 | +| 平台软件/液冷改造 | 约1,000万元 | +| **总计** | **约3.5亿元** | + +**年运营支出**: 约5,000万元（电力占主导） + +1. **国产替代路径** — 昇腾 910B 与 NVIDIA H100 的软件生态差距（CUDA 迁移成本） +2. **GPU 虚机化** — vGPU/算力切分技术尚不成熟，多租户场景受限 +3. **能效指标** — 智算中心如何定义适合机场场景的 PUE 基准（传统 DC PUE<1.3 目标不适用） +4. **运维人才** — 机场 IT 团队普遍缺乏 GPU 集群运维能力 + +--- + +## 延伸阅读 + +- 机场智算中心技术方案：根目录 `机场智算中心技术方案.md` +- Keydak 风液融合方案：`raw/articles/keydak-airport-expo-2025.md` diff --git a/airport-wiki/concepts/modern-airport-trends.md b/airport-wiki/concepts/modern-airport-trends.md new file mode 100644 index 0000000..3f3665c --- /dev/null +++ b/airport-wiki/concepts/modern-airport-trends.md @@ -0,0 +1,66 @@ +--- +title: 现代化机场数据中心趋势 +created: 2026-04-08 +updated: 2026-04-08 +type: concept +tags: [planning, design, network, cooling] +sources: [raw/articles/2025-airport-construction-summit.md, raw/articles/keydak-airport-expo-2025.md, raw/articles/dubai-airport-huawei-dc.md, raw/articles/深圳机场-数智化全国第二-AI全栈部署-2026-01-15.md, raw/articles/IBM-Building-intelligent-airport-future-2025.md, raw/articles/郑州航空港-中部最大万卡算力集群-2026-03-05.md] +--- + +# 现代化机场数据中心趋势 + +## 2025-2026 行业方向 + +### 四型机场理念 +中国民航"十四五"期间全面推行"四型机场"标准： + +| 类型 | 含义 | +|------|------| +| 平安机场 | 安全生产、安全可控 | +| 绿色机场 | 低碳节能、双碳目标 | +| 智慧机场 | 数字化、智能化 | +| 人文机场 | 乘客体验优先 | + +### 核心趋势 + +**1. 智算中心兴起** +- AI/AGI 驱动算力需求爆发 +- 传统单机柜 5-15kW → 算力中心单机柜 50-120kW +- 传统风冷无法满足高功率散热，液冷成为必选 + +**2. 风液融合冷却** +- 支持 40kW 风冷 + 150kW 液冷混合部署 +- 风液同源、动态平衡 +- 适配单机柜功率密度持续上升趋势 +- PUE 可降至 1.2 以下 + +**3. 预制模块化数据中心** +- 工厂预制、集装箱式交付 +- 工期缩短 50%，建设成本大幅降低 +- 适合机场空间有限、快速扩容的场景 + +**4. 建设运营一体化（BIM+数字孪生）** +- BIM 管理平台覆盖设计、施工、运维全周期 +- 数字化施工监管系统 +- 工程质量验评可回溯 +- 无人值守运维逐步推广 + +**5. 网络架构升级** +- SDN 软件定义网络 +- 多路由冗余接入 +- 边缘计算节点下沉至航站楼 + +**6. AI 智能体矩阵落地**（2025-2026实践） +- 深圳机场率先完成 DeepSeek R1-671B 满血版部署（华为昇腾集群），42家千万级机场综合评价**第二名** +- IBM提出机场作为"Ecosystem Orchestrator"三层演进路径（规则执行→AI agent开发→复杂目标导向代理） +- AI安全助手（融合1,500份安全文档）、机位智能分配（4小时→1分钟）、AGV无人驾驶牵引车等10余个专属智能体已规模落地 + +**7. 航空物流智能化** +- 深圳机场深畅国际货站：AGV机器人+智能卡口，全国首个24小时智慧远程监管货站 +- 进出口货物库内停留时间缩短82%、33%；无人接驳7×24小时不间断 + +**8. 万卡级智算集群选址逻辑** +- 郑州航空港：2小时高铁圈覆盖4亿人口，2小时航空圈覆盖全国90%人口/市场 +- 福州长乐机场综保区：综保区政策红利，闽港数字协作，填补东南沿海高端智算缺口 + +> 相关：[[airport-data-center-overview]] | [[glossary]] | [[network-architecture]] | [[power-and-cooling]] | [[gpu-cluster]] diff --git a/airport-wiki/concepts/network-architecture.md b/airport-wiki/concepts/network-architecture.md new file mode 100644 index 0000000..730b4d8 --- /dev/null +++ b/airport-wiki/concepts/network-architecture.md @@ -0,0 +1,36 @@ +--- +title: 网络架构 +created: 2026-04-08 +updated: 2026-04-08 +type: concept +tags: [network, architecture] +sources: [] +--- + +# 网络架构 + +## 机场数据中心网络特点 + +- 多业务分区：航站网、行李网、安防网、办公网相互隔离 +- 高带宽需求：视频监控、行李分拣数据传输量大 +- 低延迟要求：空管通信、航班信息显示对延迟敏感 +- 多冗余路径：网络链路故障不能影响业务 + +## 常用架构 + +### Spine-Leaf 架构 +- 适用于叶脊交换结构，东西向流量优化 +- 推荐用于大型机场核心网络 + +### 三层网络架构 +- 核心层 / 汇聚层 / 接入层 +- 传统架构，适合中小型机房 + +## 网络安全 + +- 防火墙分区隔离 +- 入侵检测/防御系统（IDS/IPS） +- 网络准入控制（NAC） +- DDoS 防护 + +> 相关：[[tier-iii-design]] | [[glossary]] diff --git a/airport-wiki/concepts/power-and-cooling.md b/airport-wiki/concepts/power-and-cooling.md new file mode 100644 index 0000000..be4a534 --- /dev/null +++ b/airport-wiki/concepts/power-and-cooling.md @@ -0,0 +1,83 @@ +--- +title: 供配电与制冷 +created: 2026-04-08 +updated: 2026-04-09 +type: concept +tags: [power, cooling, design] +sources: [raw/articles/上海市-智算中心建设导则2025版-2025-01.md, raw/articles/头豹研究院-中国AIDC产业发展白皮书2025-2025-07.md] +--- + +# 供配电与制冷 + +## 供配电系统 + +### 典型架构 +``` +市电 → ATS → UPS → PDU → 服务器 + ↑ ↑ + 柴油发电机 蓄电池 +``` + +### 关键指标 +- **IT 负载功率密度**：通常 4-10 kW/机柜（传统DC）；智算中心单柜 **12-30kW** +- **PUE 目标值**：1.3-1.5（传统机场DC）；智算中心需达 **≤1.22**（上海导则先进值≤1.18） +- **市电引入**：双路 10kV 或 35kV +- **UPS 容量**：N+1 或 2N 冗余 +- **上海导则选址供电要求**：市电平均每月停电次数 ≤ 1次；平均每次故障时间 ≤ 0.5小时；宜引入一类市电 + +### 柴油发电机 +- 常用功率：1000-3000 kVA +- 启动时间：< 10 秒（自动启动） +- 储油量：满足 8-24 小时连续运行 + +## 制冷系统 + +### 冷却方式 + +| 方式 | PUE范围 | 适用场景 | +|------|---------|---------| +| **液冷(相变浸没式)** | **1.00** | >30kW/机柜，超大规模智算 | +| **液冷(冷板式)** | **~1.10** | 高密度智算中心（主流方案） | +| 自然冷(间接蒸发冷) | 1.10-1.20 | 北方气候区 | +| 冷冻水系统 | 1.30+ | 传统数据中心 | +| 风冷 | 1.40+ | 面临淘汰 | + +> 数据来源：头豹研究院《中国AIDC产业发展白皮书2025》——液冷已成PUE<1.10核心路径，传统风冷进入结构性瓶颈 + +### 上海智算中心2025 PUE要求（全国最严） + +| 指标 | 新建准入值 | 运营先进值 | 长三角集群 | +|------|------------|------------|------------| +| **基准PUE** | ≤ 1.25 | — | — | +| **综合PUE** | ≤ 1.22 | ≤ 1.18 | ≤ 1.20 | +| **WUE** | ≤ 2.2 L/kWh | ≤ 2.0 L/kWh | — | +| **CUE** | ≤ 1.2 gCO2/kWh | ≤ 1.0 gCO2/kWh | — | + +> 来源：上海市《智算中心建设导则（2025年版）》 + +### 液冷技术类型 + +| 类型 | PUE | 单柜散热能力 | 建设成本 | 适用 | +|------|-----|------------|---------|------| +| **冷板式液冷** | ~1.10 | ~120kW/柜 | 中 | 主流，新建智算中心首选 | +| **浸没式液冷（相变）** | **1.00** | >200kW/柜 | 高 | 超大规模（GB200 NVL72等） | +| **风液混合** | 1.10-1.15 | 60-150kW/柜 | 中低 | 快速部署/改造场景 | + +国产液冷供应商参考： +- **英维克**：冷板式液冷，单机柜功率密度24kW，散热效率提升40% +- **中科曙光**：浸没式液冷，PUE低至1.04，年减碳量超万吨 + +### 机场数据中心推荐 + +- 航站楼主数据中心：液冷（冷板式）成为新建首选，液冷渗透率已达64%（工业智算场景） +- 边缘小机房：风冷精密空调（过渡方案，逐步被边缘液冷替代） +- **强制要求**：新建智算中心**宜采用液冷技术**（上海导则） + +## PUE 优化建议 + +- 冷热通道封闭 +- 自然冷却（冬季） +- 精确制冷（行级空调） +- 高效 UPS（模块化效率 ≥ 96%） + +> 相关：[[tier-iii-design]] | [[tier-iv-design]] | [[glossary]] diff --git a/airport-wiki/concepts/prefab-modular-dc.md b/airport-wiki/concepts/prefab-modular-dc.md new file mode 100644 index 0000000..45e8977 --- /dev/null +++ b/airport-wiki/concepts/prefab-modular-dc.md @@ -0,0 +1,49 @@ +--- +title: 预制模块化数据中心 +created: 2026-04-08 +updated: 2026-04-08 +type: concept +tags: [design, construction, cooling] +sources: [raw/articles/dubai-airport-huawei-dc.md] +--- + +# 预制模块化数据中心 + +## 定义 + +预制模块化数据中心（Prefabricated Modular Data Center）是将数据中心各子系统在工厂预制为独立模块（集装箱或箱体），现场快速组装交付的建设模式。相比传统现场建设，建设周期缩短 40-60%。 + +## 核心优势 + +- **快速部署**：工厂预制 + 现场组装，建设周期显著缩短 +- **弹性扩容**：增加模块即可扩展，按需建设 +- **质量可控**：工厂环境生产，质量一致性高 +- **成本优化**：减少现场施工成本和占地 +- **适应性强**：适用于空间有限、工期紧张或临时扩容场景 + +## 典型方案（华为 FusionModule1000B） + +| 参数 | 数值 | +|------|------| +| 模块类型 | 集装箱（23个模块组成） | +| 总功率 | 1MW | +| 业务柜数 | 100柜 | +| 单柜密度 | 10kW/rack | +| PUE | <1.6 | +| 认证 | Tier III 设计+建造双认证 | + +## 适用场景 + +- 机场快速扩容 +- 临时数据中心 +- 边缘计算节点 +- 海外/远程站点 + +## 在机场的适用性 + +迪拜机场案例（华为 DXB 项目）证明，预制模块化可解决： +- 机场空间有限、无现成楼宇 +- 需快速交付（10个月 vs 传统2年） +- 单柜功率密度高（10kW）带来散热挑战 + +> 相关：[[tier-iii-design]] | [[power-and-cooling]] | [[modern-airport-trends]] diff --git a/airport-wiki/concepts/tier-iii-design.md b/airport-wiki/concepts/tier-iii-design.md new file mode 100644 index 0000000..2b4a0cc --- /dev/null +++ b/airport-wiki/concepts/tier-iii-design.md @@ -0,0 +1,29 @@ +--- +title: Tier III 数据中心设计 +created: 2026-04-08 +updated: 2026-04-08 +type: concept +tags: [tier-iii, design] +sources: [] +--- + +# Tier III 数据中心设计 + +## 标准参考 + +- **ANSI/TIA-942-B**: 数据中心电信基础设施标准 +- **Uptime Institute Tier Standard**: 分为 Tier I/II/III/IV 四个等级 + +## Tier III 核心要求 + +- **可用性**: 99.98%（年停机 ≤ 1.6 小时） +- **冗余等级**: N+1（可并行维护） +- **电力路径**: 2N UPS 或 N+1 UPS 配置 +- **冷却系统**: N+1 冗余冷冻水系统或风冷系统 +- **网络接入**: 多运营商、多路由接入 + +## 机场适用性 + +机场主数据中心推荐采用 Tier III 级别，兼顾建设成本与业务连续性需求。 + +> 相关：[[tier-iv-design]] | [[power-and-cooling]] | [[network-architecture]] diff --git a/airport-wiki/concepts/tier-iv-design.md b/airport-wiki/concepts/tier-iv-design.md new file mode 100644 index 0000000..a3b9650 --- /dev/null +++ b/airport-wiki/concepts/tier-iv-design.md @@ -0,0 +1,30 @@ +--- +title: Tier IV 数据中心设计 +created: 2026-04-08 +updated: 2026-04-08 +type: concept +tags: [tier-iv, design] +sources: [] +--- + +# Tier IV 数据中心设计 + +## 标准参考 + +- **ANSI/TIA-942-B**: 数据中心电信基础设施标准 +- **Uptime Institute Tier Standard**: Tier IV 为最高等级 + +## Tier IV 核心要求 + +- **可用性**: 99.99%（年停机 ≤ 0.8 小时） +- **冗余等级**: 2N（完全冗余，任何单点故障不影响运行） +- **容错能力**: 任意单一故障不影响 IT 负载 +- **电力路径**: 2N UPS，双市电引入 +- **冷却系统**: 2N 冗余，确保任何故障下制冷不中断 +- **物理安全**: 生物识别门禁、全区域 CCTV + +## 机场适用性 + +适用于机场应急指挥中心、空管核心系统等不允许停机的关键设施。建设成本约为 Tier III 的 1.5-2 倍。 + +> 相关：[[tier-iii-design]] | [[power-and-cooling]] | [[security-design]] diff --git a/airport-wiki/entities/fuzhou-changle-airport-bsj.md b/airport-wiki/entities/fuzhou-changle-airport-bsj.md new file mode 100644 index 0000000..4aa90e5 --- /dev/null +++ b/airport-wiki/entities/fuzhou-changle-airport-bsj.md @@ -0,0 +1,55 @@ +--- +title: 福州长乐机场综合保税区人工智能智算中心 +created: 2026-04-09 +updated: 2026-04-09 +type: entity +tags: [airport, computing-cluster, in-construction, liquid-cooling] +sources: [raw/articles/福州长乐机场-15000P智算中心-2026-01-22.md] +--- + +# 福州长乐机场综合保税区人工智能智算中心 + +## 基本信息 + +| 参数 | 数值 | +|------|------| +| 投资方 | 福建智算方舟科技有限公司 | +| 总投资 | **11亿元**（一期3.3亿元） | +| 用地面积 | **33,347平方米**（50.02亩） | +| 规划算力 | **15,000P** | +| 预计投产 | **2026年10月** | +| 年营收目标 | **超1.5亿元** | +| 年税收目标 | **超1,000万元** | + +## 建设进度 + +| 时间 | 里程碑 | +|------|--------| +| 2025年7月 | 完成工程勘察、施工图审查、设备进场 | +| 2025年9月 | 正式启动装机和土建施工 | +| 2026年6月 | 主体建筑封顶 | +| 2026年6-10月 | 设备安装、系统集成、调试 | +| **2026年10月** | **验收合格，正式投产** | + +## 技术方案 + +- **液冷机柜矩阵**：规模化智算液冷机柜 +- **网络存储机柜阵列**：体系化网络存储机柜阵列 +- **AI服务器**：国际领先高性能AI服务器（型号未披露） + +## 选址优势 + +- **位置**：福州滨海新城临空经济区，综保一路东侧、综保三街南侧 +- **政策**：长乐机场综保区多重政策优势 +- **定位**：填补东南沿海高端智算缺口，深化闽港、闽台数字协作 + +## 二期规划 + +- 高性能人工智能服务器及**边缘/云端推理一体机**的设计、组装与制造 +- "研发测试-生产制造-部署应用"产业闭环 + +## 技术备注 + +- 液冷技术类型（冷板/浸没）未明确 +- "国际领先高性能AI服务器"表述模糊 +- 目前处于在建状态，核心硬件配置待投产时披露 diff --git a/airport-wiki/entities/shenzhen-airport.md b/airport-wiki/entities/shenzhen-airport.md new file mode 100644 index 0000000..0a4b83e --- /dev/null +++ b/airport-wiki/entities/shenzhen-airport.md @@ -0,0 +1,56 @@ +--- +title: 深圳宝安国际机场 +created: 2026-04-09 +updated: 2026-04-09 +type: entity +tags: [airport, case-study, ai-deployment] +sources: [raw/articles/深圳机场-数智化全国第二-AI全栈部署-2026-01-15.md] +--- + +# 深圳宝安国际机场（ZGSZ） + +## 基本信息 + +| 参数 | 数值 | +|------|------| +| IATA | SZX | +| 定位 | 超大型枢纽机场（年旅客量5,000万+） | +| 数智化排名 | 42家千万级机场综合评价**第二名**（2024年） | + +## AI基础设施 + +- **DeepSeek R1-671B 满血版**：千亿参数大模型，华为昇腾算力集群全栈本地化部署 +- **算力底座**：华为昇腾算力服务器（具体规格未披露） +- **数据整合**：打通航班运行、物流服务、设备物联日志等**18类**核心业务数据 + +## 核心智能体矩阵 + +| 智能体 | 效果 | +|--------|------| +| 机位智能分配 | 每日分配：4小时→**1分钟**，靠桥率：**85.44%** | +| AI安全助手 | 融合1,500份安全文档，检索效率提升**60倍** | +| AI辅助判图 | 三维图像深度学习，安检效率提升**30%以上** | +| 一体化主动运控 | 提前**20分钟**预判保障节点，正常率提升约**4个百分点** | +| 综合交通全域一张图 | 处置响应时间 **<1分钟**（获"兴智杯"一等奖） | + +## 物流智能化 + +- **深畅国际货站**：AGV机器人+智能卡口，全国首个24小时智慧远程监管货站 + - 进口货物库内停留时间缩短 **82%** + - 出口货物库内停留时间缩短 **33%** +- **快件中心**：机械臂+单件分离器+六面扫描仪三合一全自动作业 +- **无人驾驶牵引车**：无人接驳7×24小时不间断 +- **巡逻监管机器人**：海关查验平台货物自动收取 + +## 旅客服务 + +- **"小黄蜂"配送机器人**：卫星厅38个登机口餐饮直达 +- **旅客自弃物品回收机器人**：全国首个，日均收集禁限带物品**25公斤** +- **AI翻译设备**：支持100余种语言，录入时间缩短**80%** +- **网约车全链条管理体系**：服务车次超**854万**、旅客约**1,276万**，地面交通测评全国第一 + +## 技术备注 + +- 华为昇腾集群具体规模（服务器数量、GPU卡数）未披露 +- 液冷技术是否使用未提及 +- 属于"国产算力+开源大模型"标杆案例 diff --git a/airport-wiki/entities/zhengzhou-airport-hangang.md b/airport-wiki/entities/zhengzhou-airport-hangang.md new file mode 100644 index 0000000..6da2732 --- /dev/null +++ b/airport-wiki/entities/zhengzhou-airport-hangang.md @@ -0,0 +1,46 @@ +--- +title: 郑州航空港经济综合实验区 +created: 2026-04-09 +updated: 2026-04-09 +type: entity +tags: [airport, wang-card, computing-cluster, case-study] +sources: [raw/articles/郑州航空港-中部最大万卡算力集群-2026-03-05.md] +--- + +# 郑州航空港经济综合实验区 + +## 基本信息 + +| 参数 | 数值 | +|------|------| +| 定位 | 中部最大、国内领先的万卡算力集群 | +| 当前算力 | **10,000P** | +| 规划总规模 | **100,000P+**（三中心：训练/推理/推训一体） | +| DeepSeek部署 | 2025年1月全量接入DeepSeek-R1（中部首个） | + +## 三中心规划 + +| 中心 | 定位 | +|------|------| +| 一中心 | 主攻高端训练算力 | +| 二中心 | 聚焦推理算力 | +| 三中心 | 面向未来规划十万卡推训一体算力集群 | + +## 配套项目 + +- **AI+智能人才公共实训基地**：总投资1.2亿元，2025年11月揭牌 + +## 区位优势 + +| 指标 | 数值 | +|------|------| +| 2小时高铁圈人口 | 覆盖**4亿**人口 | +| 2小时航空圈 | 覆盖全国**90%**人口和市场 | +| 2025年货邮吞吐量 | 首破**100万吨**（全国第五、中部首个"百万吨级"） | +| 2025年外贸进出口 | **4,935亿元**，占河南全省**52.7%** | + +## 技术备注 + +- 10,000P具体硬件配置（GPU型号、机柜数、功率）未披露 +- 三中心"十万卡"仍为规划阶段 +- 适合作为机场临空经济区智算集群选址对标 diff --git a/airport-wiki/index.md b/airport-wiki/index.md new file mode 100644 index 0000000..fb2c3e8 --- /dev/null +++ b/airport-wiki/index.md @@ -0,0 +1,29 @@ +# Wiki Index + +> 内容目录。每个 wiki 页面按类型列出，附一行摘要。 +> 阅读此文件可快速查找相关页面。 +> Last updated: 2026-04-09 | Total pages: 16 + +## Entities + +- [[shenzhen-airport]] — 深圳宝安国际机场：DeepSeek R1-671B满血版部署案例，42家千万级机场综合评价第二名 +- [[zhengzhou-airport-hangang]] — 郑州航空港经济综合实验区：中部最大万卡算力集群（当前10,000P，规划100,000P+） +- [[fuzhou-changle-airport-bsj]] — 福州长乐机场综保区智算中心：在建15,000P，2026年10月投产，总投资11亿元 + +## Concepts + +- [[airport-data-center-overview]] — 机场数据中心的定义、关键子系统、建设阶段 +- [[glossary]] — 常用缩略语和关键指标（DC/PUE/BHS/DCS/FIDS等） +- [[tier-iii-design]] — Tier III 等级标准、设计要求、机场适用性 +- [[tier-iv-design]] — Tier IV 等级标准、2N冗余、容错要求 +- [[network-architecture]] — 机场网络分区、Spine-Leaf架构、网络安全 +- [[power-and-cooling]] — 供配电架构、UPS/发电机、液冷PUE/WUE/CUE三级指标、冷板/浸没式液冷 +- [[modern-airport-trends]] — 2025-2026现代化机场趋势：四型机场/智算中心/AI智能体/万卡集群/物流智能化 +- [[prefab-modular-dc]] — 预制模块化数据中心：定义、优势、华为方案参数、机场适用性 +- [[gpu-cluster]] — GPU集群（芯片选型/HGX服务器功耗/网络架构）、千卡集群3.5亿参考、液冷方案 + +## Comparisons + +- [[airport-dc-case-studies]] — 北京大兴/迪拜/大连金州湾三个机场数据中心案例横向对比 + +## Queries diff --git a/airport-wiki/log.md b/airport-wiki/log.md new file mode 100644 index 0000000..99e451d --- /dev/null +++ b/airport-wiki/log.md @@ -0,0 +1,58 @@ +# Wiki Log + +> 按时间顺序记录所有 wiki 操作。追加写入。 +> 格式：`## [YYYY-MM-DD] action | subject` +> 操作类型：ingest, update, query, lint, create, archive, delete +> 本文件超过 500 条时轮转：重命名为 `log-YYYY.md`，重新开始。 + +## [2026-04-08] create | Wiki 初始化 +- Domain: 机场数据中心建设方案 +- Structure: SCHEMA.md, index.md, log.md, raw/{articles,papers,transcripts,assets}, entities/, concepts/, comparisons/, queries/ +- Schema 定制：机场数据中心领域标签体系，8 大分类 +- 说明：[[SCHEMA.md]] 定义了页面类型、标签体系、创建规则、更新政策 + +## [2026-04-08] ingest | 2025-2026 机场数据中心行业调研 +- 来源1：2025第十一届中国机场建设年会（大连日报） +- 来源2：Keydak金盾 — 2025国际机场博览会风液融合方案 +- 来源3：华为×迪拜机场预制模块化数据中心案例 +- 来源4：维谛技术×北京大兴国际机场关键基础设施案例 +- 创建/更新页面： + - concepts/modern-airport-trends.md（新建） + - concepts/prefab-modular-dc.md（新建） + - comparisons/airport-dc-case-studies.md（新建） + - raw/articles/2025-airport-construction-summit.md（新建） + - raw/articles/keydak-airport-expo-2025.md（新建） + - raw/articles/dubai-airport-huawei-dc.md（新建） + - raw/articles/daxing-airport-vertiv.md（新建） +- 更新：index.md（Total pages: 11） + +## [2026-04-08] create | 生成《机场智算中心技术方案》综合文档 +- 输出文件：机场智算中心技术方案.md +- 内容：10个章节，涵盖算力集群、液冷系统、网络架构、供电方案、运维平台 +- 数据来源：信通院液冷报告、国信证券液冷专题、头豹AIDC白皮书、工业智算研究报告、临港算力实践 +- 重大变更：推翻之前偏向建设/立项方向的《机场数据中心建设方案.md》，改为硬核技术参数 + +## [2026-04-08] create | GPU 集群概念页面 +- 新建：concepts/gpu-cluster.md +- 内容：芯片选型（H100/H200/昇腾910B）、服务器形态、网络架构（InfiniBand/RoCE）、机场规模参数表、液冷方案对比、调度运维技术栈 +- 关联：[[modern-airport-trends]]（智算趋势）、[[prefab-modular-dc]]（物理载体）、[[power-and-cooling]]（液冷必选）、[[network-architecture]]（计算网络）、[[airport-data-center-overview]]（核心子系统） +- 更新：index.md（Total pages: 12） + +## [2026-04-09] ingest | 机场智算中心第二轮调研（8篇来源） +- 抓取并保存至 raw/articles/： + 1. 郑州航空港-中部最大万卡算力集群-2026-03-05.md + 2. 福州长乐机场-15000P智算中心-2026-01-22.md + 3. 深圳机场-数智化全国第二-AI全栈部署-2026-01-15.md + 4. IBM-Building-intelligent-airport-future-2025.md + 5. 上海市-智算中心建设导则2025版-2025-01.md + 6. 中国工业互联网研究院-工业智算发展研究报告2025-2026-01.md + 7. 头豹研究院-中国AIDC产业发展白皮书2025-2025-07.md + 8. AI-Driven-Smart-Gating-2025.md +- 更新/新建页面： + - concepts/gpu-cluster.md（大修正：GPU型号表、HGX服务器功耗、NVLink规格、GB200数据、千卡集群3.5亿参考） + - concepts/power-and-cooling.md（新增：上海PUE/WUE/CUE三级指标、液冷类型对比、英维克/中科曙光参数） + - concepts/modern-airport-trends.md（新增趋势6-8：AI智能体矩阵/物流智能化/万卡集群选址） + - entities/shenzhen-airport.md（新建） + - entities/zhengzhou-airport-hangang.md（新建） + - entities/fuzhou-changle-airport-bsj.md（新建） +- 更新：index.md（Total pages: 12→16）、log.md diff --git a/airport-wiki/package-lock.json b/airport-wiki/package-lock.json new file mode 100644 index 0000000..46b8832 --- /dev/null +++ b/airport-wiki/package-lock.json @@ -0,0 +1,1645 @@ +{ + "name": "wiki", + "lockfileVersion": 3, + "requires": true, + "packages": { + "": { + "devDependencies": { + "markdownlint": "^0.37.0", + "markdownlint-cli": "^0.32.2", + "markdownlint-cli2": "^0.22.0" + } + }, + "node_modules/@nodelib/fs.scandir": { + "version": "2.1.5", + "resolved": "https://registry.npmjs.org/@nodelib/fs.scandir/-/fs.scandir-2.1.5.tgz", + "integrity": "sha512-vq24Bq3ym5HEQm2NKCr3yXDwjc7vTsEThRDnkp2DK9p1uqLR+DHurm/NOTo0KG7HYHU7eppKZj3MyqYuMBf62g==", + "dev": true, + "dependencies": { + "@nodelib/fs.stat": "2.0.5", + "run-parallel": "^1.1.9" + }, + "engines": { + "node": ">= 8" + } + }, + "node_modules/@nodelib/fs.stat": { + "version": "2.0.5", + "resolved": "https://registry.npmjs.org/@nodelib/fs.stat/-/fs.stat-2.0.5.tgz", + "integrity": "sha512-RkhPPp2zrqDAQA/2jNhnztcPAlv64XdhIp7a7454A5ovI7Bukxgt7MX7udwAu3zg1DcpPU0rz3VV1SeaqvY4+A==", + "dev": true, + "engines": { + "node": ">= 8" + } + }, + "node_modules/@nodelib/fs.walk": { + "version": "1.2.8", + "resolved": "https://registry.npmjs.org/@nodelib/fs.walk/-/fs.walk-1.2.8.tgz", + "integrity": "sha512-oGB+UxlgWcgQkgwo8GcEGwemoTFt3FIO9ababBmaGwXIoBKZ+GTy0pP185beGg7Llih/NSHSV2XAs1lnznocSg==", + "dev": true, + "dependencies": { + "@nodelib/fs.scandir": "2.1.5", + "fastq": "^1.6.0" + }, + "engines": { + "node": ">= 8" + } + }, + "node_modules/@sindresorhus/merge-streams": { + "version": "4.0.0", + "resolved": "https://registry.npmjs.org/@sindresorhus/merge-streams/-/merge-streams-4.0.0.tgz", + "integrity": "sha512-tlqY9xq5ukxTUZBmoOp+m61cqwQD5pHJtFY3Mn8CA8ps6yghLH/Hw8UPdqg4OLmFW3IFlcXnQNmo/dh8HzXYIQ==", + "dev": true, + "engines": { + "node": ">=18" + }, + "funding": { + "url": "https://github.com/sponsors/sindresorhus" + } + }, + "node_modules/@types/debug": { + "version": "4.1.13", + "resolved": "https://registry.npmjs.org/@types/debug/-/debug-4.1.13.tgz", + "integrity": "sha512-KSVgmQmzMwPlmtljOomayoR89W4FynCAi3E8PPs7vmDVPe84hT+vGPKkJfThkmXs0x0jAaa9U8uW8bbfyS2fWw==", + "dev": true, + "dependencies": { + "@types/ms": "*" + } + }, + "node_modules/@types/katex": { + "version": "0.16.8", + "resolved": "https://registry.npmjs.org/@types/katex/-/katex-0.16.8.tgz", + "integrity": "sha512-trgaNyfU+Xh2Tc+ABIb44a5AYUpicB3uwirOioeOkNPPbmgRNtcWyDeeFRzjPZENO9Vq8gvVqfhaaXWLlevVwg==", + "dev": true + }, + "node_modules/@types/ms": { + "version": "2.1.0", + "resolved": "https://registry.npmjs.org/@types/ms/-/ms-2.1.0.tgz", + "integrity": "sha512-GsCCIZDE/p3i96vtEqx+7dBUGXrc7zeSK3wwPHIaRThS+9OhWIXRqzs4d6k1SVU8g91DrNRWxWUGhp5KXQb2VA==", + "dev": true + }, + "node_modules/@types/unist": { + "version": "2.0.11", + "resolved": "https://registry.npmjs.org/@types/unist/-/unist-2.0.11.tgz", + "integrity": "sha512-CmBKiL6NNo/OqgmMn95Fk9Whlp2mtvIv+KNpQKN2F4SjvrEesubTRWGYSg+BnWZOnlCaSTU1sMpsBOzgbYhnsA==", + "dev": true + }, + "node_modules/ansi-regex": { + "version": "6.2.2", + "resolved": "https://registry.npmjs.org/ansi-regex/-/ansi-regex-6.2.2.tgz", + "integrity": "sha512-Bq3SmSpyFHaWjPk8If9yc6svM8c56dB5BAtW4Qbw5jHTwwXXcTLoRMkpDJp6VL0XzlWaCHTXrkFURMYmD0sLqg==", + "dev": true, + "engines": { + "node": ">=12" + }, + "funding": { + "url": "https://github.com/chalk/ansi-regex?sponsor=1" + } + }, + "node_modules/argparse": { + "version": "2.0.1", + "resolved": "https://registry.npmjs.org/argparse/-/argparse-2.0.1.tgz", + "integrity": "sha512-8+9WqebbFzpX9OR+Wa6O29asIogeRMzcGtAINdpMHHyAg10f05aSFVBbcEqGf/PXw1EjAZ+q2/bEBg3DvurK3Q==", + "dev": true + }, + "node_modules/balanced-match": { + "version": "1.0.2", + "resolved": "https://registry.npmjs.org/balanced-match/-/balanced-match-1.0.2.tgz", + "integrity": "sha512-3oSeUO0TMV67hN1AmbXsK4yaqU7tjiHlbxRDZOpH0KW9+CeX4bRAaX0Anxt0tx2MrpRpWwQaPwIlISEJhYU5Pw==", + "dev": true + }, + "node_modules/brace-expansion": { + "version": "2.0.3", + "resolved": "https://registry.npmjs.org/brace-expansion/-/brace-expansion-2.0.3.tgz", + "integrity": "sha512-MCV/fYJEbqx68aE58kv2cA/kiky1G8vux3OR6/jbS+jIMe/6fJWa0DTzJU7dqijOWYwHi1t29FlfYI9uytqlpA==", + "dev": true, + "dependencies": { + "balanced-match": "^1.0.0" + } + }, + "node_modules/braces": { + "version": "3.0.3", + "resolved": "https://registry.npmjs.org/braces/-/braces-3.0.3.tgz", + "integrity": "sha512-yQbXgO/OSZVD2IsiLlro+7Hf6Q18EJrKSEsdoMzKePKXct3gvD8oLcOQdIzGupr5Fj+EDe8gO/lxc1BzfMpxvA==", + "dev": true, + "dependencies": { + "fill-range": "^7.1.1" + }, + "engines": { + "node": ">=8" + } + }, + "node_modules/character-entities": { + "version": "2.0.2", + "resolved": "https://registry.npmjs.org/character-entities/-/character-entities-2.0.2.tgz", + "integrity": "sha512-shx7oQ0Awen/BRIdkjkvz54PnEEI/EjwXDSIZp86/KKdbafHh1Df/RYGBhn4hbe2+uKC9FnT5UCEdyPz3ai9hQ==", + "dev": true, + "funding": { + "type": "github", + "url": "https://github.com/sponsors/wooorm" + } + }, + "node_modules/character-entities-legacy": { + "version": "3.0.0", + "resolved": "https://registry.npmjs.org/character-entities-legacy/-/character-entities-legacy-3.0.0.tgz", + "integrity": "sha512-RpPp0asT/6ufRm//AJVwpViZbGM/MkjQFxJccQRHmISF/22NBtsHqAWmL+/pmkPWoIUJdWyeVleTl1wydHATVQ==", + "dev": true, + "funding": { + "type": "github", + "url": "https://github.com/sponsors/wooorm" + } + }, + "node_modules/character-reference-invalid": { + "version": "2.0.1", + "resolved": "https://registry.npmjs.org/character-reference-invalid/-/character-reference-invalid-2.0.1.tgz", + "integrity": "sha512-iBZ4F4wRbyORVsu0jPV7gXkOsGYjGHPmAyv+HiHG8gi5PtC9KI2j1+v8/tlibRvjoWX027ypmG/n0HtO5t7unw==", + "dev": true, + "funding": { + "type": "github", + "url": "https://github.com/sponsors/wooorm" + } + }, + "node_modules/commander": { + "version": "8.3.0", + "resolved": "https://registry.npmjs.org/commander/-/commander-8.3.0.tgz", + "integrity": "sha512-OkTL9umf+He2DZkUq8f8J9of7yL6RJKI24dVITBmNfZBmri9zYZQrKkuXiKhyfPSu8tUhnVBB1iKXevvnlR4Ww==", + "dev": true, + "engines": { + "node": ">= 12" + } + }, + "node_modules/debug": { + "version": "4.4.3", + "resolved": "https://registry.npmjs.org/debug/-/debug-4.4.3.tgz", + "integrity": "sha512-RGwwWnwQvkVfavKVt22FGLw+xYSdzARwm0ru6DhTVA3umU5hZc28V3kO4stgYryrTlLpuvgI9GiijltAjNbcqA==", + "dev": true, + "dependencies": { + "ms": "^2.1.3" + }, + "engines": { + "node": ">=6.0" + }, + "peerDependenciesMeta": { + "supports-color": { + "optional": true + } + } + }, + "node_modules/decode-named-character-reference": { + "version": "1.3.0", + "resolved": "https://registry.npmjs.org/decode-named-character-reference/-/decode-named-character-reference-1.3.0.tgz", + "integrity": "sha512-GtpQYB283KrPp6nRw50q3U9/VfOutZOe103qlN7BPP6Ad27xYnOIWv4lPzo8HCAL+mMZofJ9KEy30fq6MfaK6Q==", + "dev": true, + "dependencies": { + "character-entities": "^2.0.0" + }, + "funding": { + "type": "github", + "url": "https://github.com/sponsors/wooorm" + } + }, + "node_modules/deep-extend": { + "version": "0.6.0", + "resolved": "https://registry.npmjs.org/deep-extend/-/deep-extend-0.6.0.tgz", + "integrity": "sha512-LOHxIOaPYdHlJRtCQfDIVZtfw/ufM8+rVj649RIHzcm/vGwQRXFt6OPqIFWsm2XEMrNIEtWR64sY1LEKD2vAOA==", + "dev": true, + "engines": { + "node": ">=4.0.0" + } + }, + "node_modules/dequal": { + "version": "2.0.3", + "resolved": "https://registry.npmjs.org/dequal/-/dequal-2.0.3.tgz", + "integrity": "sha512-0je+qPKHEMohvfRTCEo3CrPG6cAzAYgmzKyxRiYSSDkS6eGJdyVJm7WaYA5ECaAD9wLB2T4EEeymA5aFVcYXCA==", + "dev": true, + "engines": { + "node": ">=6" + } + }, + "node_modules/devlop": { + "version": "1.1.0", + "resolved": "https://registry.npmjs.org/devlop/-/devlop-1.1.0.tgz", + "integrity": "sha512-RWmIqhcFf1lRYBvNmr7qTNuyCt/7/ns2jbpp1+PalgE/rDQcBT0fioSMUpJ93irlUhC5hrg4cYqe6U+0ImW0rA==", + "dev": true, + "dependencies": { + "dequal": "^2.0.0" + }, + "funding": { + "type": "github", + "url": "https://github.com/sponsors/wooorm" + } + }, + "node_modules/entities": { + "version": "4.5.0", + "resolved": "https://registry.npmjs.org/entities/-/entities-4.5.0.tgz", + "integrity": "sha512-V0hjH4dGPh9Ao5p0MoRY6BVqtwCjhz6vI5LT8AJ55H+4g9/4vbHx1I54fS0XuclLhDHArPQCiMjDxjaL8fPxhw==", + "dev": true, + "engines": { + "node": ">=0.12" + }, + "funding": { + "url": "https://github.com/fb55/entities?sponsor=1" + } + }, + "node_modules/fast-glob": { + "version": "3.3.3", + "resolved": "https://registry.npmjs.org/fast-glob/-/fast-glob-3.3.3.tgz", + "integrity": "sha512-7MptL8U0cqcFdzIzwOTHoilX9x5BrNqye7Z/LuC7kCMRio1EMSyqRK3BEAUD7sXRq4iT4AzTVuZdhgQ2TCvYLg==", + "dev": true, + "dependencies": { + "@nodelib/fs.stat": "^2.0.2", + "@nodelib/fs.walk": "^1.2.3", + "glob-parent": "^5.1.2", + "merge2": "^1.3.0", + "micromatch": "^4.0.8" + }, + "engines": { + "node": ">=8.6.0" + } + }, + "node_modules/fastq": { + "version": "1.20.1", + "resolved": "https://registry.npmjs.org/fastq/-/fastq-1.20.1.tgz", + "integrity": "sha512-GGToxJ/w1x32s/D2EKND7kTil4n8OVk/9mycTc4VDza13lOvpUZTGX3mFSCtV9ksdGBVzvsyAVLM6mHFThxXxw==", + "dev": true, + "dependencies": { + "reusify": "^1.0.4" + } + }, + "node_modules/fill-range": { + "version": "7.1.1", + "resolved": "https://registry.npmjs.org/fill-range/-/fill-range-7.1.1.tgz", + "integrity": "sha512-YsGpe3WHLK8ZYi4tWDg2Jy3ebRz2rXowDxnld4bkQB00cc/1Zw9AWnC0i9ztDJitivtQvaI9KaLyKrc+hBW0yg==", + "dev": true, + "dependencies": { + "to-regex-range": "^5.0.1" + }, + "engines": { + "node": ">=8" + } + }, + "node_modules/fs.realpath": { + "version": "1.0.0", + "resolved": "https://registry.npmjs.org/fs.realpath/-/fs.realpath-1.0.0.tgz", + "integrity": "sha512-OO0pH2lK6a0hZnAdau5ItzHPI6pUlvI7jMVnxUQRtw4owF2wk8lOSabtGDCTP4Ggrg2MbGnWO9X8K1t4+fGMDw==", + "dev": true + }, + "node_modules/get-east-asian-width": { + "version": "1.5.0", + "resolved": "https://registry.npmjs.org/get-east-asian-width/-/get-east-asian-width-1.5.0.tgz", + "integrity": "sha512-CQ+bEO+Tva/qlmw24dCejulK5pMzVnUOFOijVogd3KQs07HnRIgp8TGipvCCRT06xeYEbpbgwaCxglFyiuIcmA==", + "dev": true, + "engines": { + "node": ">=18" + }, + "funding": { + "url": "https://github.com/sponsors/sindresorhus" + } + }, + "node_modules/get-stdin": { + "version": "9.0.0", + "resolved": "https://registry.npmjs.org/get-stdin/-/get-stdin-9.0.0.tgz", + "integrity": "sha512-dVKBjfWisLAicarI2Sf+JuBE/DghV4UzNAVe9yhEJuzeREd3JhOTE9cUaJTeSa77fsbQUK3pcOpJfM59+VKZaA==", + "dev": true, + "engines": { + "node": ">=12" + }, + "funding": { + "url": "https://github.com/sponsors/sindresorhus" + } + }, + "node_modules/glob": { + "version": "8.0.3", + "resolved": "https://registry.npmjs.org/glob/-/glob-8.0.3.tgz", + "integrity": "sha512-ull455NHSHI/Y1FqGaaYFaLGkNMMJbavMrEGFXG/PGrg6y7sutWHUHrz6gy6WEBH6akM1M414dWKCNs+IhKdiQ==", + "deprecated": "Old versions of glob are not supported, and contain widely publicized security vulnerabilities, which have been fixed in the current version. Please update. Support for old versions may be purchased (at exorbitant rates) by contacting i@izs.me", + "dev": true, + "dependencies": { + "fs.realpath": "^1.0.0", + "inflight": "^1.0.4", + "inherits": "2", + "minimatch": "^5.0.1", + "once": "^1.3.0" + }, + "engines": { + "node": ">=12" + }, + "funding": { + "url": "https://github.com/sponsors/isaacs" + } + }, + "node_modules/glob-parent": { + "version": "5.1.2", + "resolved": "https://registry.npmjs.org/glob-parent/-/glob-parent-5.1.2.tgz", + "integrity": "sha512-AOIgSQCepiJYwP3ARnGx+5VnTu2HBYdzbGP45eLw1vr3zB3vZLeyed1sC9hnbcOc9/SrMyM5RPQrkGz4aS9Zow==", + "dev": true, + "dependencies": { + "is-glob": "^4.0.1" + }, + "engines": { + "node": ">= 6" + } + }, + "node_modules/globby": { + "version": "16.1.1", + "resolved": "https://registry.npmjs.org/globby/-/globby-16.1.1.tgz", + "integrity": "sha512-dW7vl+yiAJSp6aCekaVnVJxurRv7DCOLyXqEG3RYMYUg7AuJ2jCqPkZTA8ooqC2vtnkaMcV5WfFBMuEnTu1OQg==", + "dev": true, + "dependencies": { + "@sindresorhus/merge-streams": "^4.0.0", + "fast-glob": "^3.3.3", + "ignore": "^7.0.5", + "is-path-inside": "^4.0.0", + "slash": "^5.1.0", + "unicorn-magic": "^0.4.0" + }, + "engines": { + "node": ">=20" + }, + "funding": { + "url": "https://github.com/sponsors/sindresorhus" + } + }, + "node_modules/ignore": { + "version": "7.0.5", + "resolved": "https://registry.npmjs.org/ignore/-/ignore-7.0.5.tgz", + "integrity": "sha512-Hs59xBNfUIunMFgWAbGX5cq6893IbWg4KnrjbYwX3tx0ztorVgTDA6B2sxf8ejHJ4wz8BqGUMYlnzNBer5NvGg==", + "dev": true, + "engines": { + "node": ">= 4" + } + }, + "node_modules/inflight": { + "version": "1.0.6", + "resolved": "https://registry.npmjs.org/inflight/-/inflight-1.0.6.tgz", + "integrity": "sha512-k92I/b08q4wvFscXCLvqfsHCrjrF7yiXsQuIVvVE7N82W3+aqpzuUdBbfhWcy/FZR3/4IgflMgKLOsvPDrGCJA==", + "deprecated": "This module is not supported, and leaks memory. Do not use it. Check out lru-cache if you want a good and tested way to coalesce async requests by a key value, which is much more comprehensive and powerful.", + "dev": true, + "dependencies": { + "once": "^1.3.0", + "wrappy": "1" + } + }, + "node_modules/inherits": { + "version": "2.0.4", + "resolved": "https://registry.npmjs.org/inherits/-/inherits-2.0.4.tgz", + "integrity": "sha512-k/vGaX4/Yla3WzyMCvTQOXYeIHvqOKtnqBduzTHpzpQZzAskKMhZ2K+EnBiSM9zGSoIFeMpXKxa4dYeZIQqewQ==", + "dev": true + }, + "node_modules/ini": { + "version": "3.0.1", + "resolved": "https://registry.npmjs.org/ini/-/ini-3.0.1.tgz", + "integrity": "sha512-it4HyVAUTKBc6m8e1iXWvXSTdndF7HbdN713+kvLrymxTaU4AUBWrJ4vEooP+V7fexnVD3LKcBshjGGPefSMUQ==", + "dev": true, + "engines": { + "node": "^12.13.0 || ^14.15.0 || >=16.0.0" + } + }, + "node_modules/is-alphabetical": { + "version": "2.0.1", + "resolved": "https://registry.npmjs.org/is-alphabetical/-/is-alphabetical-2.0.1.tgz", + "integrity": "sha512-FWyyY60MeTNyeSRpkM2Iry0G9hpr7/9kD40mD/cGQEuilcZYS4okz8SN2Q6rLCJ8gbCt6fN+rC+6tMGS99LaxQ==", + "dev": true, + "funding": { + "type": "github", + "url": "https://github.com/sponsors/wooorm" + } + }, + "node_modules/is-alphanumerical": { + "version": "2.0.1", + "resolved": "https://registry.npmjs.org/is-alphanumerical/-/is-alphanumerical-2.0.1.tgz", + "integrity": "sha512-hmbYhX/9MUMF5uh7tOXyK/n0ZvWpad5caBA17GsC6vyuCqaWliRG5K1qS9inmUhEMaOBIW7/whAnSwveW/LtZw==", + "dev": true, + "dependencies": { + "is-alphabetical": "^2.0.0", + "is-decimal": "^2.0.0" + }, + "funding": { + "type": "github", + "url": "https://github.com/sponsors/wooorm" + } + }, + "node_modules/is-decimal": { + "version": "2.0.1", + "resolved": "https://registry.npmjs.org/is-decimal/-/is-decimal-2.0.1.tgz", + "integrity": "sha512-AAB9hiomQs5DXWcRB1rqsxGUstbRroFOPPVAomNk/3XHR5JyEZChOyTWe2oayKnsSsr/kcGqF+z6yuH6HHpN0A==", + "dev": true, + "funding": { + "type": "github", + "url": "https://github.com/sponsors/wooorm" + } + }, + "node_modules/is-extglob": { + "version": "2.1.1", + "resolved": "https://registry.npmjs.org/is-extglob/-/is-extglob-2.1.1.tgz", + "integrity": "sha512-SbKbANkN603Vi4jEZv49LeVJMn4yGwsbzZworEoyEiutsN3nJYdbO36zfhGJ6QEDpOZIFkDtnq5JRxmvl3jsoQ==", + "dev": true, + "engines": { + "node": ">=0.10.0" + } + }, + "node_modules/is-glob": { + "version": "4.0.3", + "resolved": "https://registry.npmjs.org/is-glob/-/is-glob-4.0.3.tgz", + "integrity": "sha512-xelSayHH36ZgE7ZWhli7pW34hNbNl8Ojv5KVmkJD4hBdD3th8Tfk9vYasLM+mXWOZhFkgZfxhLSnrwRr4elSSg==", + "dev": true, + "dependencies": { + "is-extglob": "^2.1.1" + }, + "engines": { + "node": ">=0.10.0" + } + }, + "node_modules/is-hexadecimal": { + "version": "2.0.1", + "resolved": "https://registry.npmjs.org/is-hexadecimal/-/is-hexadecimal-2.0.1.tgz", + "integrity": "sha512-DgZQp241c8oO6cA1SbTEWiXeoxV42vlcJxgH+B3hi1AiqqKruZR3ZGF8In3fj4+/y/7rHvlOZLZtgJ/4ttYGZg==", + "dev": true, + "funding": { + "type": "github", + "url": "https://github.com/sponsors/wooorm" + } + }, + "node_modules/is-number": { + "version": "7.0.0", + "resolved": "https://registry.npmjs.org/is-number/-/is-number-7.0.0.tgz", + "integrity": "sha512-41Cifkg6e8TylSpdtTpeLVMqvSBEVzTttHvERD741+pnZ8ANv0004MRL43QKPDlK9cGvNp6NZWZUBlbGXYxxng==", + "dev": true, + "engines": { + "node": ">=0.12.0" + } + }, + "node_modules/is-path-inside": { + "version": "4.0.0", + "resolved": "https://registry.npmjs.org/is-path-inside/-/is-path-inside-4.0.0.tgz", + "integrity": "sha512-lJJV/5dYS+RcL8uQdBDW9c9uWFLLBNRyFhnAKXw5tVqLlKZ4RMGZKv+YQ/IA3OhD+RpbJa1LLFM1FQPGyIXvOA==", + "dev": true, + "engines": { + "node": ">=12" + }, + "funding": { + "url": "https://github.com/sponsors/sindresorhus" + } + }, + "node_modules/js-yaml": { + "version": "4.1.1", + "resolved": "https://registry.npmjs.org/js-yaml/-/js-yaml-4.1.1.tgz", + "integrity": "sha512-qQKT4zQxXl8lLwBtHMWwaTcGfFOZviOJet3Oy/xmGk2gZH677CJM9EvtfdSkgWcATZhj/55JZ0rmy3myCT5lsA==", + "dev": true, + "dependencies": { + "argparse": "^2.0.1" + }, + "bin": { + "js-yaml": "bin/js-yaml.js" + } + }, + "node_modules/jsonc-parser": { + "version": "3.3.1", + "resolved": "https://registry.npmjs.org/jsonc-parser/-/jsonc-parser-3.3.1.tgz", + "integrity": "sha512-HUgH65KyejrUFPvHFPbqOY0rsFip3Bo5wb4ngvdi1EpCYWUQDC5V+Y7mZws+DLkr4M//zQJoanu1SP+87Dv1oQ==", + "dev": true + }, + "node_modules/jsonpointer": { + "version": "5.0.1", + "resolved": "https://registry.npmjs.org/jsonpointer/-/jsonpointer-5.0.1.tgz", + "integrity": "sha512-p/nXbhSEcu3pZRdkW1OfJhpsVtW1gd4Wa1fnQc9YLiTfAjn0312eMKimbdIQzuZl9aa9xUGaRlP9T/CJE/ditQ==", + "dev": true, + "engines": { + "node": ">=0.10.0" + } + }, + "node_modules/katex": { + "version": "0.16.45", + "resolved": "https://registry.npmjs.org/katex/-/katex-0.16.45.tgz", + "integrity": "sha512-pQpZbdBu7wCTmQUh7ufPmLr0pFoObnGUoL/yhtwJDgmmQpbkg/0HSVti25Fu4rmd1oCR6NGWe9vqTWuWv3GcNA==", + "dev": true, + "funding": [ + "https://opencollective.com/katex", + "https://github.com/sponsors/katex" + ], + "dependencies": { + "commander": "^8.3.0" + }, + "bin": { + "katex": "cli.js" + } + }, + "node_modules/linkify-it": { + "version": "5.0.0", + "resolved": "https://registry.npmjs.org/linkify-it/-/linkify-it-5.0.0.tgz", + "integrity": "sha512-5aHCbzQRADcdP+ATqnDuhhJ/MRIqDkZX5pyjFHRRysS8vZ5AbqGEoFIb6pYHPZ+L/OC2Lc+xT8uHVVR5CAK/wQ==", + "dev": true, + "dependencies": { + "uc.micro": "^2.0.0" + } + }, + "node_modules/markdown-it": { + "version": "14.1.1", + "resolved": "https://registry.npmjs.org/markdown-it/-/markdown-it-14.1.1.tgz", + "integrity": "sha512-BuU2qnTti9YKgK5N+IeMubp14ZUKUUw7yeJbkjtosvHiP0AZ5c8IAgEMk79D0eC8F23r4Ac/q8cAIFdm2FtyoA==", + "dev": true, + "dependencies": { + "argparse": "^2.0.1", + "entities": "^4.4.0", + "linkify-it": "^5.0.0", + "mdurl": "^2.0.0", + "punycode.js": "^2.3.1", + "uc.micro": "^2.1.0" + }, + "bin": { + "markdown-it": "bin/markdown-it.mjs" + } + }, + "node_modules/markdownlint": { + "version": "0.37.0", + "resolved": "https://registry.npmjs.org/markdownlint/-/markdownlint-0.37.0.tgz", + "integrity": "sha512-kdw5PG3dQFkExmUdcNc7dVTxrQU+lBx2+HuNrfa/gaRHzHExQNGdTTtvz0YtpFabKijbs5a3rVlLY75x/6VB7A==", + "dev": true, + "dependencies": { + "markdown-it": "14.1.0", + "micromark": "4.0.1", + "micromark-extension-directive": "3.0.2", + "micromark-extension-gfm-autolink-literal": "2.1.0", + "micromark-extension-gfm-footnote": "2.1.0", + "micromark-extension-gfm-table": "2.1.0", + "micromark-extension-math": "3.1.0", + "micromark-util-types": "2.0.1" + }, + "engines": { + "node": ">=18" + }, + "funding": { + "url": "https://github.com/sponsors/DavidAnson" + } + }, + "node_modules/markdownlint-cli": { + "version": "0.32.2", + "resolved": "https://registry.npmjs.org/markdownlint-cli/-/markdownlint-cli-0.32.2.tgz", + "integrity": "sha512-xmJT1rGueUgT4yGNwk6D0oqQr90UJ7nMyakXtqjgswAkEhYYqjHew9RY8wDbOmh2R270IWjuKSeZzHDEGPAUkQ==", + "dev": true, + "dependencies": { + "commander": "~9.4.0", + "get-stdin": "~9.0.0", + "glob": "~8.0.3", + "ignore": "~5.2.0", + "js-yaml": "^4.1.0", + "jsonc-parser": "~3.1.0", + "markdownlint": "~0.26.2", + "markdownlint-rule-helpers": "~0.17.2", + "minimatch": "~5.1.0", + "run-con": "~1.2.11" + }, + "bin": { + "markdownlint": "markdownlint.js" + }, + "engines": { + "node": ">=14" + } + }, + "node_modules/markdownlint-cli/node_modules/commander": { + "version": "9.4.1", + "resolved": "https://registry.npmjs.org/commander/-/commander-9.4.1.tgz", + "integrity": "sha512-5EEkTNyHNGFPD2H+c/dXXfQZYa/scCKasxWcXJaWnNJ99pnQN9Vnmqow+p+PlFPE63Q6mThaZws1T+HxfpgtPw==", + "dev": true, + "engines": { + "node": "^12.20.0 || >=14" + } + }, + "node_modules/markdownlint-cli/node_modules/entities": { + "version": "3.0.1", + "resolved": "https://registry.npmjs.org/entities/-/entities-3.0.1.tgz", + "integrity": "sha512-WiyBqoomrwMdFG1e0kqvASYfnlb0lp8M5o5Fw2OFq1hNZxxcNk8Ik0Xm7LxzBhuidnZB/UtBqVCgUz3kBOP51Q==", + "dev": true, + "engines": { + "node": ">=0.12" + }, + "funding": { + "url": "https://github.com/fb55/entities?sponsor=1" + } + }, + "node_modules/markdownlint-cli/node_modules/ignore": { + "version": "5.2.4", + "resolved": "https://registry.npmjs.org/ignore/-/ignore-5.2.4.tgz", + "integrity": "sha512-MAb38BcSbH0eHNBxn7ql2NH/kX33OkB3lZ1BNdh7ENeRChHTYsTvWrMubiIAMNS2llXEEgZ1MUOBtXChP3kaFQ==", + "dev": true, + "engines": { + "node": ">= 4" + } + }, + "node_modules/markdownlint-cli/node_modules/jsonc-parser": { + "version": "3.1.0", + "resolved": "https://registry.npmjs.org/jsonc-parser/-/jsonc-parser-3.1.0.tgz", + "integrity": "sha512-DRf0QjnNeCUds3xTjKlQQ3DpJD51GvDjJfnxUVWg6PZTo2otSm+slzNAxU/35hF8/oJIKoG9slq30JYOsF2azg==", + "dev": true + }, + "node_modules/markdownlint-cli/node_modules/linkify-it": { + "version": "4.0.1", + "resolved": "https://registry.npmjs.org/linkify-it/-/linkify-it-4.0.1.tgz", + "integrity": "sha512-C7bfi1UZmoj8+PQx22XyeXCuBlokoyWQL5pWSP+EI6nzRylyThouddufc2c1NDIcP9k5agmN9fLpA7VNJfIiqw==", + "dev": true, + "dependencies": { + "uc.micro": "^1.0.1" + } + }, + "node_modules/markdownlint-cli/node_modules/markdown-it": { + "version": "13.0.1", + "resolved": "https://registry.npmjs.org/markdown-it/-/markdown-it-13.0.1.tgz", + "integrity": "sha512-lTlxriVoy2criHP0JKRhO2VDG9c2ypWCsT237eDiLqi09rmbKoUetyGHq2uOIRoRS//kfoJckS0eUzzkDR+k2Q==", + "dev": true, + "dependencies": { + "argparse": "^2.0.1", + "entities": "~3.0.1", + "linkify-it": "^4.0.1", + "mdurl": "^1.0.1", + "uc.micro": "^1.0.5" + }, + "bin": { + "markdown-it": "bin/markdown-it.js" + } + }, + "node_modules/markdownlint-cli/node_modules/markdownlint": { + "version": "0.26.2", + "resolved": "https://registry.npmjs.org/markdownlint/-/markdownlint-0.26.2.tgz", + "integrity": "sha512-2Am42YX2Ex5SQhRq35HxYWDfz1NLEOZWWN25nqd2h3AHRKsGRE+Qg1gt1++exW792eXTrR4jCNHfShfWk9Nz8w==", + "dev": true, + "dependencies": { + "markdown-it": "13.0.1" + }, + "engines": { + "node": ">=14" + } + }, + "node_modules/markdownlint-cli/node_modules/mdurl": { + "version": "1.0.1", + "resolved": "https://registry.npmjs.org/mdurl/-/mdurl-1.0.1.tgz", + "integrity": "sha512-/sKlQJCBYVY9Ers9hqzKou4H6V5UWc/M59TH2dvkt+84itfnq7uFOMLpOiOS4ujvHP4etln18fmIxA5R5fll0g==", + "dev": true + }, + "node_modules/markdownlint-cli/node_modules/uc.micro": { + "version": "1.0.6", + "resolved": "https://registry.npmjs.org/uc.micro/-/uc.micro-1.0.6.tgz", + "integrity": "sha512-8Y75pvTYkLJW2hWQHXxoqRgV7qb9B+9vFEtidML+7koHUFapnVJAZ6cKs+Qjz5Aw3aZWHMC6u0wJE3At+nSGwA==", + "dev": true + }, + "node_modules/markdownlint-cli2": { + "version": "0.22.0", + "resolved": "https://registry.npmjs.org/markdownlint-cli2/-/markdownlint-cli2-0.22.0.tgz", + "integrity": "sha512-mOC9BY/XGtdX3M9n3AgERd79F0+S7w18yBBTNIQ453sI87etZfp1z4eajqSMV70CYjbxKe5ktKvT2HCpvcWx9w==", + "dev": true, + "dependencies": { + "globby": "16.1.1", + "js-yaml": "4.1.1", + "jsonc-parser": "3.3.1", + "jsonpointer": "5.0.1", + "markdown-it": "14.1.1", + "markdownlint": "0.40.0", + "markdownlint-cli2-formatter-default": "0.0.6", + "micromatch": "4.0.8", + "smol-toml": "1.6.0" + }, + "bin": { + "markdownlint-cli2": "markdownlint-cli2-bin.mjs" + }, + "engines": { + "node": ">=20" + }, + "funding": { + "url": "https://github.com/sponsors/DavidAnson" + } + }, + "node_modules/markdownlint-cli2-formatter-default": { + "version": "0.0.6", + "resolved": "https://registry.npmjs.org/markdownlint-cli2-formatter-default/-/markdownlint-cli2-formatter-default-0.0.6.tgz", + "integrity": "sha512-VVDGKsq9sgzu378swJ0fcHfSicUnMxnL8gnLm/Q4J/xsNJ4e5bA6lvAz7PCzIl0/No0lHyaWdqVD2jotxOSFMQ==", + "dev": true, + "funding": { + "url": "https://github.com/sponsors/DavidAnson" + }, + "peerDependencies": { + "markdownlint-cli2": ">=0.0.4" + } + }, + "node_modules/markdownlint-cli2/node_modules/markdownlint": { + "version": "0.40.0", + "resolved": "https://registry.npmjs.org/markdownlint/-/markdownlint-0.40.0.tgz", + "integrity": "sha512-UKybllYNheWac61Ia7T6fzuQNDZimFIpCg2w6hHjgV1Qu0w1TV0LlSgryUGzM0bkKQCBhy2FDhEELB73Kb0kAg==", + "dev": true, + "dependencies": { + "micromark": "4.0.2", + "micromark-core-commonmark": "2.0.3", + "micromark-extension-directive": "4.0.0", + "micromark-extension-gfm-autolink-literal": "2.1.0", + "micromark-extension-gfm-footnote": "2.1.0", + "micromark-extension-gfm-table": "2.1.1", + "micromark-extension-math": "3.1.0", + "micromark-util-types": "2.0.2", + "string-width": "8.1.0" + }, + "engines": { + "node": ">=20" + }, + "funding": { + "url": "https://github.com/sponsors/DavidAnson" + } + }, + "node_modules/markdownlint-cli2/node_modules/micromark": { + "version": "4.0.2", + "resolved": "https://registry.npmjs.org/micromark/-/micromark-4.0.2.tgz", + "integrity": "sha512-zpe98Q6kvavpCr1NPVSCMebCKfD7CA2NqZ+rykeNhONIJBpc1tFKt9hucLGwha3jNTNI8lHpctWJWoimVF4PfA==", + "dev": true, + "funding": [ + { + "type": "GitHub Sponsors", + "url": "https://github.com/sponsors/unifiedjs" + }, + { + "type": "OpenCollective", + "url": "https://opencollective.com/unified" + } + ], + "dependencies": { + "@types/debug": "^4.0.0", + "debug": "^4.0.0", + "decode-named-character-reference": "^1.0.0", + "devlop": "^1.0.0", + "micromark-core-commonmark": "^2.0.0", + "micromark-factory-space": "^2.0.0", + "micromark-util-character": "^2.0.0", + "micromark-util-chunked": "^2.0.0", + "micromark-util-combine-extensions": "^2.0.0", + "micromark-util-decode-numeric-character-reference": "^2.0.0", + "micromark-util-encode": "^2.0.0", + "micromark-util-normalize-identifier": "^2.0.0", + "micromark-util-resolve-all": "^2.0.0", + "micromark-util-sanitize-uri": "^2.0.0", + "micromark-util-subtokenize": "^2.0.0", + "micromark-util-symbol": "^2.0.0", + "micromark-util-types": "^2.0.0" + } + }, + "node_modules/markdownlint-cli2/node_modules/micromark-extension-directive": { + "version": "4.0.0", + "resolved": "https://registry.npmjs.org/micromark-extension-directive/-/micromark-extension-directive-4.0.0.tgz", + "integrity": "sha512-/C2nqVmXXmiseSSuCdItCMho7ybwwop6RrrRPk0KbOHW21JKoCldC+8rFOaundDoRBUWBnJJcxeA/Kvi34WQXg==", + "dev": true, + "dependencies": { + "devlop": "^1.0.0", + "micromark-factory-space": "^2.0.0", + "micromark-factory-whitespace": "^2.0.0", + "micromark-util-character": "^2.0.0", + "micromark-util-symbol": "^2.0.0", + "micromark-util-types": "^2.0.0", + "parse-entities": "^4.0.0" + }, + "funding": { + "type": "opencollective", + "url": "https://opencollective.com/unified" + } + }, + "node_modules/markdownlint-cli2/node_modules/micromark-extension-gfm-table": { + "version": "2.1.1", + "resolved": "https://registry.npmjs.org/micromark-extension-gfm-table/-/micromark-extension-gfm-table-2.1.1.tgz", + "integrity": "sha512-t2OU/dXXioARrC6yWfJ4hqB7rct14e8f7m0cbI5hUmDyyIlwv5vEtooptH8INkbLzOatzKuVbQmAYcbWoyz6Dg==", + "dev": true, + "dependencies": { + "devlop": "^1.0.0", + "micromark-factory-space": "^2.0.0", + "micromark-util-character": "^2.0.0", + "micromark-util-symbol": "^2.0.0", + "micromark-util-types": "^2.0.0" + }, + "funding": { + "type": "opencollective", + "url": "https://opencollective.com/unified" + } + }, + "node_modules/markdownlint-rule-helpers": { + "version": "0.17.2", + "resolved": "https://registry.npmjs.org/markdownlint-rule-helpers/-/markdownlint-rule-helpers-0.17.2.tgz", + "integrity": "sha512-XaeoW2NYSlWxMCZM2B3H7YTG6nlaLfkEZWMBhr4hSPlq9MuY2sy83+Xr89jXOqZMZYjvi5nBCGoFh7hHoPKZmA==", + "dev": true, + "engines": { + "node": ">=12" + } + }, + "node_modules/markdownlint/node_modules/markdown-it": { + "version": "14.1.0", + "resolved": "https://registry.npmjs.org/markdown-it/-/markdown-it-14.1.0.tgz", + "integrity": "sha512-a54IwgWPaeBCAAsv13YgmALOF1elABB08FxO9i+r4VFk5Vl4pKokRPeX8u5TCgSsPi6ec1otfLjdOpVcgbpshg==", + "dev": true, + "dependencies": { + "argparse": "^2.0.1", + "entities": "^4.4.0", + "linkify-it": "^5.0.0", + "mdurl": "^2.0.0", + "punycode.js": "^2.3.1", + "uc.micro": "^2.1.0" + }, + "bin": { + "markdown-it": "bin/markdown-it.mjs" + } + }, + "node_modules/markdownlint/node_modules/micromark-util-types": { + "version": "2.0.1", + "resolved": "https://registry.npmjs.org/micromark-util-types/-/micromark-util-types-2.0.1.tgz", + "integrity": "sha512-534m2WhVTddrcKVepwmVEVnUAmtrx9bfIjNoQHRqfnvdaHQiFytEhJoTgpWJvDEXCO5gLTQh3wYC1PgOJA4NSQ==", + "dev": true, + "funding": [ + { + "type": "GitHub Sponsors", + "url": "https://github.com/sponsors/unifiedjs" + }, + { + "type": "OpenCollective", + "url": "https://opencollective.com/unified" + } + ] + }, + "node_modules/mdurl": { + "version": "2.0.0", + "resolved": "https://registry.npmjs.org/mdurl/-/mdurl-2.0.0.tgz", + "integrity": "sha512-Lf+9+2r+Tdp5wXDXC4PcIBjTDtq4UKjCPMQhKIuzpJNW0b96kVqSwW0bT7FhRSfmAiFYgP+SCRvdrDozfh0U5w==", + "dev": true + }, + "node_modules/merge2": { + "version": "1.4.1", + "resolved": "https://registry.npmjs.org/merge2/-/merge2-1.4.1.tgz", + "integrity": "sha512-8q7VEgMJW4J8tcfVPy8g09NcQwZdbwFEqhe/WZkoIzjn/3TGDwtOCYtXGxA3O8tPzpczCCDgv+P2P5y00ZJOOg==", + "dev": true, + "engines": { + "node": ">= 8" + } + }, + "node_modules/micromark": { + "version": "4.0.1", + "resolved": "https://registry.npmjs.org/micromark/-/micromark-4.0.1.tgz", + "integrity": "sha512-eBPdkcoCNvYcxQOAKAlceo5SNdzZWfF+FcSupREAzdAh9rRmE239CEQAiTwIgblwnoM8zzj35sZ5ZwvSEOF6Kw==", + "dev": true, + "funding": [ + { + "type": "GitHub Sponsors", + "url": "https://github.com/sponsors/unifiedjs" + }, + { + "type": "OpenCollective", + "url": "https://opencollective.com/unified" + } + ], + "dependencies": { + "@types/debug": "^4.0.0", + "debug": "^4.0.0", + "decode-named-character-reference": "^1.0.0", + "devlop": "^1.0.0", + "micromark-core-commonmark": "^2.0.0", + "micromark-factory-space": "^2.0.0", + "micromark-util-character": "^2.0.0", + "micromark-util-chunked": "^2.0.0", + "micromark-util-combine-extensions": "^2.0.0", + "micromark-util-decode-numeric-character-reference": "^2.0.0", + "micromark-util-encode": "^2.0.0", + "micromark-util-normalize-identifier": "^2.0.0", + "micromark-util-resolve-all": "^2.0.0", + "micromark-util-sanitize-uri": "^2.0.0", + "micromark-util-subtokenize": "^2.0.0", + "micromark-util-symbol": "^2.0.0", + "micromark-util-types": "^2.0.0" + } + }, + "node_modules/micromark-core-commonmark": { + "version": "2.0.3", + "resolved": "https://registry.npmjs.org/micromark-core-commonmark/-/micromark-core-commonmark-2.0.3.tgz", + "integrity": "sha512-RDBrHEMSxVFLg6xvnXmb1Ayr2WzLAWjeSATAoxwKYJV94TeNavgoIdA0a9ytzDSVzBy2YKFK+emCPOEibLeCrg==", + "dev": true, + "funding": [ + { + "type": "GitHub Sponsors", + "url": "https://github.com/sponsors/unifiedjs" + }, + { + "type": "OpenCollective", + "url": "https://opencollective.com/unified" + } + ], + "dependencies": { + "decode-named-character-reference": "^1.0.0", + "devlop": "^1.0.0", + "micromark-factory-destination": "^2.0.0", + "micromark-factory-label": "^2.0.0", + "micromark-factory-space": "^2.0.0", + "micromark-factory-title": "^2.0.0", + "micromark-factory-whitespace": "^2.0.0", + "micromark-util-character": "^2.0.0", + "micromark-util-chunked": "^2.0.0", + "micromark-util-classify-character": "^2.0.0", + "micromark-util-html-tag-name": "^2.0.0", + "micromark-util-normalize-identifier": "^2.0.0", + "micromark-util-resolve-all": "^2.0.0", + "micromark-util-subtokenize": "^2.0.0", + "micromark-util-symbol": "^2.0.0", + "micromark-util-types": "^2.0.0" + } + }, + "node_modules/micromark-extension-directive": { + "version": "3.0.2", + "resolved": "https://registry.npmjs.org/micromark-extension-directive/-/micromark-extension-directive-3.0.2.tgz", + "integrity": "sha512-wjcXHgk+PPdmvR58Le9d7zQYWy+vKEU9Se44p2CrCDPiLr2FMyiT4Fyb5UFKFC66wGB3kPlgD7q3TnoqPS7SZA==", + "dev": true, + "dependencies": { + "devlop": "^1.0.0", + "micromark-factory-space": "^2.0.0", + "micromark-factory-whitespace": "^2.0.0", + "micromark-util-character": "^2.0.0", + "micromark-util-symbol": "^2.0.0", + "micromark-util-types": "^2.0.0", + "parse-entities": "^4.0.0" + }, + "funding": { + "type": "opencollective", + "url": "https://opencollective.com/unified" + } + }, + "node_modules/micromark-extension-gfm-autolink-literal": { + "version": "2.1.0", + "resolved": "https://registry.npmjs.org/micromark-extension-gfm-autolink-literal/-/micromark-extension-gfm-autolink-literal-2.1.0.tgz", + "integrity": "sha512-oOg7knzhicgQ3t4QCjCWgTmfNhvQbDDnJeVu9v81r7NltNCVmhPy1fJRX27pISafdjL+SVc4d3l48Gb6pbRypw==", + "dev": true, + "dependencies": { + "micromark-util-character": "^2.0.0", + "micromark-util-sanitize-uri": "^2.0.0", + "micromark-util-symbol": "^2.0.0", + "micromark-util-types": "^2.0.0" + }, + "funding": { + "type": "opencollective", + "url": "https://opencollective.com/unified" + } + }, + "node_modules/micromark-extension-gfm-footnote": { + "version": "2.1.0", + "resolved": "https://registry.npmjs.org/micromark-extension-gfm-footnote/-/micromark-extension-gfm-footnote-2.1.0.tgz", + "integrity": "sha512-/yPhxI1ntnDNsiHtzLKYnE3vf9JZ6cAisqVDauhp4CEHxlb4uoOTxOCJ+9s51bIB8U1N1FJ1RXOKTIlD5B/gqw==", + "dev": true, + "dependencies": { + "devlop": "^1.0.0", + "micromark-core-commonmark": "^2.0.0", + "micromark-factory-space": "^2.0.0", + "micromark-util-character": "^2.0.0", + "micromark-util-normalize-identifier": "^2.0.0", + "micromark-util-sanitize-uri": "^2.0.0", + "micromark-util-symbol": "^2.0.0", + "micromark-util-types": "^2.0.0" + }, + "funding": { + "type": "opencollective", + "url": "https://opencollective.com/unified" + } + }, + "node_modules/micromark-extension-gfm-table": { + "version": "2.1.0", + "resolved": "https://registry.npmjs.org/micromark-extension-gfm-table/-/micromark-extension-gfm-table-2.1.0.tgz", + "integrity": "sha512-Ub2ncQv+fwD70/l4ou27b4YzfNaCJOvyX4HxXU15m7mpYY+rjuWzsLIPZHJL253Z643RpbcP1oeIJlQ/SKW67g==", + "dev": true, + "dependencies": { + "devlop": "^1.0.0", + "micromark-factory-space": "^2.0.0", + "micromark-util-character": "^2.0.0", + "micromark-util-symbol": "^2.0.0", + "micromark-util-types": "^2.0.0" + }, + "funding": { + "type": "opencollective", + "url": "https://opencollective.com/unified" + } + }, + "node_modules/micromark-extension-math": { + "version": "3.1.0", + "resolved": "https://registry.npmjs.org/micromark-extension-math/-/micromark-extension-math-3.1.0.tgz", + "integrity": "sha512-lvEqd+fHjATVs+2v/8kg9i5Q0AP2k85H0WUOwpIVvUML8BapsMvh1XAogmQjOCsLpoKRCVQqEkQBB3NhVBcsOg==", + "dev": true, + "dependencies": { + "@types/katex": "^0.16.0", + "devlop": "^1.0.0", + "katex": "^0.16.0", + "micromark-factory-space": "^2.0.0", + "micromark-util-character": "^2.0.0", + "micromark-util-symbol": "^2.0.0", + "micromark-util-types": "^2.0.0" + }, + "funding": { + "type": "opencollective", + "url": "https://opencollective.com/unified" + } + }, + "node_modules/micromark-factory-destination": { + "version": "2.0.1", + "resolved": "https://registry.npmjs.org/micromark-factory-destination/-/micromark-factory-destination-2.0.1.tgz", + "integrity": "sha512-Xe6rDdJlkmbFRExpTOmRj9N3MaWmbAgdpSrBQvCFqhezUn4AHqJHbaEnfbVYYiexVSs//tqOdY/DxhjdCiJnIA==", + "dev": true, + "funding": [ + { + "type": "GitHub Sponsors", + "url": "https://github.com/sponsors/unifiedjs" + }, + { + "type": "OpenCollective", + "url": "https://opencollective.com/unified" + } + ], + "dependencies": { + "micromark-util-character": "^2.0.0", + "micromark-util-symbol": "^2.0.0", + "micromark-util-types": "^2.0.0" + } + }, + "node_modules/micromark-factory-label": { + "version": "2.0.1", + "resolved": "https://registry.npmjs.org/micromark-factory-label/-/micromark-factory-label-2.0.1.tgz", + "integrity": "sha512-VFMekyQExqIW7xIChcXn4ok29YE3rnuyveW3wZQWWqF4Nv9Wk5rgJ99KzPvHjkmPXF93FXIbBp6YdW3t71/7Vg==", + "dev": true, + "funding": [ + { + "type": "GitHub Sponsors", + "url": "https://github.com/sponsors/unifiedjs" + }, + { + "type": "OpenCollective", + "url": "https://opencollective.com/unified" + } + ], + "dependencies": { + "devlop": "^1.0.0", + "micromark-util-character": "^2.0.0", + "micromark-util-symbol": "^2.0.0", + "micromark-util-types": "^2.0.0" + } + }, + "node_modules/micromark-factory-space": { + "version": "2.0.1", + "resolved": "https://registry.npmjs.org/micromark-factory-space/-/micromark-factory-space-2.0.1.tgz", + "integrity": "sha512-zRkxjtBxxLd2Sc0d+fbnEunsTj46SWXgXciZmHq0kDYGnck/ZSGj9/wULTV95uoeYiK5hRXP2mJ98Uo4cq/LQg==", + "dev": true, + "funding": [ + { + "type": "GitHub Sponsors", + "url": "https://github.com/sponsors/unifiedjs" + }, + { + "type": "OpenCollective", + "url": "https://opencollective.com/unified" + } + ], + "dependencies": { + "micromark-util-character": "^2.0.0", + "micromark-util-types": "^2.0.0" + } + }, + "node_modules/micromark-factory-title": { + "version": "2.0.1", + "resolved": "https://registry.npmjs.org/micromark-factory-title/-/micromark-factory-title-2.0.1.tgz", + "integrity": "sha512-5bZ+3CjhAd9eChYTHsjy6TGxpOFSKgKKJPJxr293jTbfry2KDoWkhBb6TcPVB4NmzaPhMs1Frm9AZH7OD4Cjzw==", + "dev": true, + "funding": [ + { + "type": "GitHub Sponsors", + "url": "https://github.com/sponsors/unifiedjs" + }, + { + "type": "OpenCollective", + "url": "https://opencollective.com/unified" + } + ], + "dependencies": { + "micromark-factory-space": "^2.0.0", + "micromark-util-character": "^2.0.0", + "micromark-util-symbol": "^2.0.0", + "micromark-util-types": "^2.0.0" + } + }, + "node_modules/micromark-factory-whitespace": { + "version": "2.0.1", + "resolved": "https://registry.npmjs.org/micromark-factory-whitespace/-/micromark-factory-whitespace-2.0.1.tgz", + "integrity": "sha512-Ob0nuZ3PKt/n0hORHyvoD9uZhr+Za8sFoP+OnMcnWK5lngSzALgQYKMr9RJVOWLqQYuyn6ulqGWSXdwf6F80lQ==", + "dev": true, + "funding": [ + { + "type": "GitHub Sponsors", + "url": "https://github.com/sponsors/unifiedjs" + }, + { + "type": "OpenCollective", + "url": "https://opencollective.com/unified" + } + ], + "dependencies": { + "micromark-factory-space": "^2.0.0", + "micromark-util-character": "^2.0.0", + "micromark-util-symbol": "^2.0.0", + "micromark-util-types": "^2.0.0" + } + }, + "node_modules/micromark-util-character": { + "version": "2.1.1", + "resolved": "https://registry.npmjs.org/micromark-util-character/-/micromark-util-character-2.1.1.tgz", + "integrity": "sha512-wv8tdUTJ3thSFFFJKtpYKOYiGP2+v96Hvk4Tu8KpCAsTMs6yi+nVmGh1syvSCsaxz45J6Jbw+9DD6g97+NV67Q==", + "dev": true, + "funding": [ + { + "type": "GitHub Sponsors", + "url": "https://github.com/sponsors/unifiedjs" + }, + { + "type": "OpenCollective", + "url": "https://opencollective.com/unified" + } + ], + "dependencies": { + "micromark-util-symbol": "^2.0.0", + "micromark-util-types": "^2.0.0" + } + }, + "node_modules/micromark-util-chunked": { + "version": "2.0.1", + "resolved": "https://registry.npmjs.org/micromark-util-chunked/-/micromark-util-chunked-2.0.1.tgz", + "integrity": "sha512-QUNFEOPELfmvv+4xiNg2sRYeS/P84pTW0TCgP5zc9FpXetHY0ab7SxKyAQCNCc1eK0459uoLI1y5oO5Vc1dbhA==", + "dev": true, + "funding": [ + { + "type": "GitHub Sponsors", + "url": "https://github.com/sponsors/unifiedjs" + }, + { + "type": "OpenCollective", + "url": "https://opencollective.com/unified" + } + ], + "dependencies": { + "micromark-util-symbol": "^2.0.0" + } + }, + "node_modules/micromark-util-classify-character": { + "version": "2.0.1", + "resolved": "https://registry.npmjs.org/micromark-util-classify-character/-/micromark-util-classify-character-2.0.1.tgz", + "integrity": "sha512-K0kHzM6afW/MbeWYWLjoHQv1sgg2Q9EccHEDzSkxiP/EaagNzCm7T/WMKZ3rjMbvIpvBiZgwR3dKMygtA4mG1Q==", + "dev": true, + "funding": [ + { + "type": "GitHub Sponsors", + "url": "https://github.com/sponsors/unifiedjs" + }, + { + "type": "OpenCollective", + "url": "https://opencollective.com/unified" + } + ], + "dependencies": { + "micromark-util-character": "^2.0.0", + "micromark-util-symbol": "^2.0.0", + "micromark-util-types": "^2.0.0" + } + }, + "node_modules/micromark-util-combine-extensions": { + "version": "2.0.1", + "resolved": "https://registry.npmjs.org/micromark-util-combine-extensions/-/micromark-util-combine-extensions-2.0.1.tgz", + "integrity": "sha512-OnAnH8Ujmy59JcyZw8JSbK9cGpdVY44NKgSM7E9Eh7DiLS2E9RNQf0dONaGDzEG9yjEl5hcqeIsj4hfRkLH/Bg==", + "dev": true, + "funding": [ + { + "type": "GitHub Sponsors", + "url": "https://github.com/sponsors/unifiedjs" + }, + { + "type": "OpenCollective", + "url": "https://opencollective.com/unified" + } + ], + "dependencies": { + "micromark-util-chunked": "^2.0.0", + "micromark-util-types": "^2.0.0" + } + }, + "node_modules/micromark-util-decode-numeric-character-reference": { + "version": "2.0.2", + "resolved": "https://registry.npmjs.org/micromark-util-decode-numeric-character-reference/-/micromark-util-decode-numeric-character-reference-2.0.2.tgz", + "integrity": "sha512-ccUbYk6CwVdkmCQMyr64dXz42EfHGkPQlBj5p7YVGzq8I7CtjXZJrubAYezf7Rp+bjPseiROqe7G6foFd+lEuw==", + "dev": true, + "funding": [ + { + "type": "GitHub Sponsors", + "url": "https://github.com/sponsors/unifiedjs" + }, + { + "type": "OpenCollective", + "url": "https://opencollective.com/unified" + } + ], + "dependencies": { + "micromark-util-symbol": "^2.0.0" + } + }, + "node_modules/micromark-util-encode": { + "version": "2.0.1", + "resolved": "https://registry.npmjs.org/micromark-util-encode/-/micromark-util-encode-2.0.1.tgz", + "integrity": "sha512-c3cVx2y4KqUnwopcO9b/SCdo2O67LwJJ/UyqGfbigahfegL9myoEFoDYZgkT7f36T0bLrM9hZTAaAyH+PCAXjw==", + "dev": true, + "funding": [ + { + "type": "GitHub Sponsors", + "url": "https://github.com/sponsors/unifiedjs" + }, + { + "type": "OpenCollective", + "url": "https://opencollective.com/unified" + } + ] + }, + "node_modules/micromark-util-html-tag-name": { + "version": "2.0.1", + "resolved": "https://registry.npmjs.org/micromark-util-html-tag-name/-/micromark-util-html-tag-name-2.0.1.tgz", + "integrity": "sha512-2cNEiYDhCWKI+Gs9T0Tiysk136SnR13hhO8yW6BGNyhOC4qYFnwF1nKfD3HFAIXA5c45RrIG1ub11GiXeYd1xA==", + "dev": true, + "funding": [ + { + "type": "GitHub Sponsors", + "url": "https://github.com/sponsors/unifiedjs" + }, + { + "type": "OpenCollective", + "url": "https://opencollective.com/unified" + } + ] + }, + "node_modules/micromark-util-normalize-identifier": { + "version": "2.0.1", + "resolved": "https://registry.npmjs.org/micromark-util-normalize-identifier/-/micromark-util-normalize-identifier-2.0.1.tgz", + "integrity": "sha512-sxPqmo70LyARJs0w2UclACPUUEqltCkJ6PhKdMIDuJ3gSf/Q+/GIe3WKl0Ijb/GyH9lOpUkRAO2wp0GVkLvS9Q==", + "dev": true, + "funding": [ + { + "type": "GitHub Sponsors", + "url": "https://github.com/sponsors/unifiedjs" + }, + { + "type": "OpenCollective", + "url": "https://opencollective.com/unified" + } + ], + "dependencies": { + "micromark-util-symbol": "^2.0.0" + } + }, + "node_modules/micromark-util-resolve-all": { + "version": "2.0.1", + "resolved": "https://registry.npmjs.org/micromark-util-resolve-all/-/micromark-util-resolve-all-2.0.1.tgz", + "integrity": "sha512-VdQyxFWFT2/FGJgwQnJYbe1jjQoNTS4RjglmSjTUlpUMa95Htx9NHeYW4rGDJzbjvCsl9eLjMQwGeElsqmzcHg==", + "dev": true, + "funding": [ + { + "type": "GitHub Sponsors", + "url": "https://github.com/sponsors/unifiedjs" + }, + { + "type": "OpenCollective", + "url": "https://opencollective.com/unified" + } + ], + "dependencies": { + "micromark-util-types": "^2.0.0" + } + }, + "node_modules/micromark-util-sanitize-uri": { + "version": "2.0.1", + "resolved": "https://registry.npmjs.org/micromark-util-sanitize-uri/-/micromark-util-sanitize-uri-2.0.1.tgz", + "integrity": "sha512-9N9IomZ/YuGGZZmQec1MbgxtlgougxTodVwDzzEouPKo3qFWvymFHWcnDi2vzV1ff6kas9ucW+o3yzJK9YB1AQ==", + "dev": true, + "funding": [ + { + "type": "GitHub Sponsors", + "url": "https://github.com/sponsors/unifiedjs" + }, + { + "type": "OpenCollective", + "url": "https://opencollective.com/unified" + } + ], + "dependencies": { + "micromark-util-character": "^2.0.0", + "micromark-util-encode": "^2.0.0", + "micromark-util-symbol": "^2.0.0" + } + }, + "node_modules/micromark-util-subtokenize": { + "version": "2.1.0", + "resolved": "https://registry.npmjs.org/micromark-util-subtokenize/-/micromark-util-subtokenize-2.1.0.tgz", + "integrity": "sha512-XQLu552iSctvnEcgXw6+Sx75GflAPNED1qx7eBJ+wydBb2KCbRZe+NwvIEEMM83uml1+2WSXpBAcp9IUCgCYWA==", + "dev": true, + "funding": [ + { + "type": "GitHub Sponsors", + "url": "https://github.com/sponsors/unifiedjs" + }, + { + "type": "OpenCollective", + "url": "https://opencollective.com/unified" + } + ], + "dependencies": { + "devlop": "^1.0.0", + "micromark-util-chunked": "^2.0.0", + "micromark-util-symbol": "^2.0.0", + "micromark-util-types": "^2.0.0" + } + }, + "node_modules/micromark-util-symbol": { + "version": "2.0.1", + "resolved": "https://registry.npmjs.org/micromark-util-symbol/-/micromark-util-symbol-2.0.1.tgz", + "integrity": "sha512-vs5t8Apaud9N28kgCrRUdEed4UJ+wWNvicHLPxCa9ENlYuAY31M0ETy5y1vA33YoNPDFTghEbnh6efaE8h4x0Q==", + "dev": true, + "funding": [ + { + "type": "GitHub Sponsors", + "url": "https://github.com/sponsors/unifiedjs" + }, + { + "type": "OpenCollective", + "url": "https://opencollective.com/unified" + } + ] + }, + "node_modules/micromark-util-types": { + "version": "2.0.2", + "resolved": "https://registry.npmjs.org/micromark-util-types/-/micromark-util-types-2.0.2.tgz", + "integrity": "sha512-Yw0ECSpJoViF1qTU4DC6NwtC4aWGt1EkzaQB8KPPyCRR8z9TWeV0HbEFGTO+ZY1wB22zmxnJqhPyTpOVCpeHTA==", + "dev": true, + "funding": [ + { + "type": "GitHub Sponsors", + "url": "https://github.com/sponsors/unifiedjs" + }, + { + "type": "OpenCollective", + "url": "https://opencollective.com/unified" + } + ] + }, + "node_modules/micromatch": { + "version": "4.0.8", + "resolved": "https://registry.npmjs.org/micromatch/-/micromatch-4.0.8.tgz", + "integrity": "sha512-PXwfBhYu0hBCPw8Dn0E+WDYb7af3dSLVWKi3HGv84IdF4TyFoC0ysxFd0Goxw7nSv4T/PzEJQxsYsEiFCKo2BA==", + "dev": true, + "dependencies": { + "braces": "^3.0.3", + "picomatch": "^2.3.1" + }, + "engines": { + "node": ">=8.6" + } + }, + "node_modules/minimatch": { + "version": "5.1.9", + "resolved": "https://registry.npmjs.org/minimatch/-/minimatch-5.1.9.tgz", + "integrity": "sha512-7o1wEA2RyMP7Iu7GNba9vc0RWWGACJOCZBJX2GJWip0ikV+wcOsgVuY9uE8CPiyQhkGFSlhuSkZPavN7u1c2Fw==", + "dev": true, + "dependencies": { + "brace-expansion": "^2.0.1" + }, + "engines": { + "node": ">=10" + } + }, + "node_modules/minimist": { + "version": "1.2.8", + "resolved": "https://registry.npmjs.org/minimist/-/minimist-1.2.8.tgz", + "integrity": "sha512-2yyAR8qBkN3YuheJanUpWC5U3bb5osDywNB8RzDVlDwDHbocAJveqqj1u8+SVD7jkWT4yvsHCpWqqWqAxb0zCA==", + "dev": true, + "funding": { + "url": "https://github.com/sponsors/ljharb" + } + }, + "node_modules/ms": { + "version": "2.1.3", + "resolved": "https://registry.npmjs.org/ms/-/ms-2.1.3.tgz", + "integrity": "sha512-6FlzubTLZG3J2a/NVCAleEhjzq5oxgHyaCU9yYXvcLsvoVaHJq/s5xXI6/XXP6tz7R9xAOtHnSO/tXtF3WRTlA==", + "dev": true + }, + "node_modules/once": { + "version": "1.4.0", + "resolved": "https://registry.npmjs.org/once/-/once-1.4.0.tgz", + "integrity": "sha512-lNaJgI+2Q5URQBkccEKHTQOPaXdUxnZZElQTZY0MFUAuaEqe1E+Nyvgdz/aIyNi6Z9MzO5dv1H8n58/GELp3+w==", + "dev": true, + "dependencies": { + "wrappy": "1" + } + }, + "node_modules/parse-entities": { + "version": "4.0.2", + "resolved": "https://registry.npmjs.org/parse-entities/-/parse-entities-4.0.2.tgz", + "integrity": "sha512-GG2AQYWoLgL877gQIKeRPGO1xF9+eG1ujIb5soS5gPvLQ1y2o8FL90w2QWNdf9I361Mpp7726c+lj3U0qK1uGw==", + "dev": true, + "dependencies": { + "@types/unist": "^2.0.0", + "character-entities-legacy": "^3.0.0", + "character-reference-invalid": "^2.0.0", + "decode-named-character-reference": "^1.0.0", + "is-alphanumerical": "^2.0.0", + "is-decimal": "^2.0.0", + "is-hexadecimal": "^2.0.0" + }, + "funding": { + "type": "github", + "url": "https://github.com/sponsors/wooorm" + } + }, + "node_modules/picomatch": { + "version": "2.3.2", + "resolved": "https://registry.npmjs.org/picomatch/-/picomatch-2.3.2.tgz", + "integrity": "sha512-V7+vQEJ06Z+c5tSye8S+nHUfI51xoXIXjHQ99cQtKUkQqqO1kO/KCJUfZXuB47h/YBlDhah2H3hdUGXn8ie0oA==", + "dev": true, + "engines": { + "node": ">=8.6" + }, + "funding": { + "url": "https://github.com/sponsors/jonschlinkert" + } + }, + "node_modules/punycode.js": { + "version": "2.3.1", + "resolved": "https://registry.npmjs.org/punycode.js/-/punycode.js-2.3.1.tgz", + "integrity": "sha512-uxFIHU0YlHYhDQtV4R9J6a52SLx28BCjT+4ieh7IGbgwVJWO+km431c4yRlREUAsAmt/uMjQUyQHNEPf0M39CA==", + "dev": true, + "engines": { + "node": ">=6" + } + }, + "node_modules/queue-microtask": { + "version": "1.2.3", + "resolved": "https://registry.npmjs.org/queue-microtask/-/queue-microtask-1.2.3.tgz", + "integrity": "sha512-NuaNSa6flKT5JaSYQzJok04JzTL1CA6aGhv5rfLW3PgqA+M2ChpZQnAC8h8i4ZFkBS8X5RqkDBHA7r4hej3K9A==", + "dev": true, + "funding": [ + { + "type": "github", + "url": "https://github.com/sponsors/feross" + }, + { + "type": "patreon", + "url": "https://www.patreon.com/feross" + }, + { + "type": "consulting", + "url": "https://feross.org/support" + } + ] + }, + "node_modules/reusify": { + "version": "1.1.0", + "resolved": "https://registry.npmjs.org/reusify/-/reusify-1.1.0.tgz", + "integrity": "sha512-g6QUff04oZpHs0eG5p83rFLhHeV00ug/Yf9nZM6fLeUrPguBTkTQOdpAWWspMh55TZfVQDPaN3NQJfbVRAxdIw==", + "dev": true, + "engines": { + "iojs": ">=1.0.0", + "node": ">=0.10.0" + } + }, + "node_modules/run-con": { + "version": "1.2.12", + "resolved": "https://registry.npmjs.org/run-con/-/run-con-1.2.12.tgz", + "integrity": "sha512-5257ILMYIF4RztL9uoZ7V9Q97zHtNHn5bN3NobeAnzB1P3ASLgg8qocM2u+R18ttp+VEM78N2LK8XcNVtnSRrg==", + "dev": true, + "dependencies": { + "deep-extend": "^0.6.0", + "ini": "~3.0.0", + "minimist": "^1.2.8", + "strip-json-comments": "~3.1.1" + }, + "bin": { + "run-con": "cli.js" + } + }, + "node_modules/run-parallel": { + "version": "1.2.0", + "resolved": "https://registry.npmjs.org/run-parallel/-/run-parallel-1.2.0.tgz", + "integrity": "sha512-5l4VyZR86LZ/lDxZTR6jqL8AFE2S0IFLMP26AbjsLVADxHdhB/c0GUsH+y39UfCi3dzz8OlQuPmnaJOMoDHQBA==", + "dev": true, + "funding": [ + { + "type": "github", + "url": "https://github.com/sponsors/feross" + }, + { + "type": "patreon", + "url": "https://www.patreon.com/feross" + }, + { + "type": "consulting", + "url": "https://feross.org/support" + } + ], + "dependencies": { + "queue-microtask": "^1.2.2" + } + }, + "node_modules/slash": { + "version": "5.1.0", + "resolved": "https://registry.npmjs.org/slash/-/slash-5.1.0.tgz", + "integrity": "sha512-ZA6oR3T/pEyuqwMgAKT0/hAv8oAXckzbkmR0UkUosQ+Mc4RxGoJkRmwHgHufaenlyAgE1Mxgpdcrf75y6XcnDg==", + "dev": true, + "engines": { + "node": ">=14.16" + }, + "funding": { + "url": "https://github.com/sponsors/sindresorhus" + } + }, + "node_modules/smol-toml": { + "version": "1.6.0", + "resolved": "https://registry.npmjs.org/smol-toml/-/smol-toml-1.6.0.tgz", + "integrity": "sha512-4zemZi0HvTnYwLfrpk/CF9LOd9Lt87kAt50GnqhMpyF9U3poDAP2+iukq2bZsO/ufegbYehBkqINbsWxj4l4cw==", + "dev": true, + "engines": { + "node": ">= 18" + }, + "funding": { + "url": "https://github.com/sponsors/cyyynthia" + } + }, + "node_modules/string-width": { + "version": "8.1.0", + "resolved": "https://registry.npmjs.org/string-width/-/string-width-8.1.0.tgz", + "integrity": "sha512-Kxl3KJGb/gxkaUMOjRsQ8IrXiGW75O4E3RPjFIINOVH8AMl2SQ/yWdTzWwF3FevIX9LcMAjJW+GRwAlAbTSXdg==", + "dev": true, + "dependencies": { + "get-east-asian-width": "^1.3.0", + "strip-ansi": "^7.1.0" + }, + "engines": { + "node": ">=20" + }, + "funding": { + "url": "https://github.com/sponsors/sindresorhus" + } + }, + "node_modules/strip-ansi": { + "version": "7.2.0", + "resolved": "https://registry.npmjs.org/strip-ansi/-/strip-ansi-7.2.0.tgz", + "integrity": "sha512-yDPMNjp4WyfYBkHnjIRLfca1i6KMyGCtsVgoKe/z1+6vukgaENdgGBZt+ZmKPc4gavvEZ5OgHfHdrazhgNyG7w==", + "dev": true, + "dependencies": { + "ansi-regex": "^6.2.2" + }, + "engines": { + "node": ">=12" + }, + "funding": { + "url": "https://github.com/chalk/strip-ansi?sponsor=1" + } + }, + "node_modules/strip-json-comments": { + "version": "3.1.1", + "resolved": "https://registry.npmjs.org/strip-json-comments/-/strip-json-comments-3.1.1.tgz", + "integrity": "sha512-6fPc+R4ihwqP6N/aIv2f1gMH8lOVtWQHoqC4yK6oSDVVocumAsfCqjkXnqiYMhmMwS/mEHLp7Vehlt3ql6lEig==", + "dev": true, + "engines": { + "node": ">=8" + }, + "funding": { + "url": "https://github.com/sponsors/sindresorhus" + } + }, + "node_modules/to-regex-range": { + "version": "5.0.1", + "resolved": "https://registry.npmjs.org/to-regex-range/-/to-regex-range-5.0.1.tgz", + "integrity": "sha512-65P7iz6X5yEr1cwcgvQxbbIw7Uk3gOy5dIdtZ4rDveLqhrdJP+Li/Hx6tyK0NEb+2GCyneCMJiGqrADCSNk8sQ==", + "dev": true, + "dependencies": { + "is-number": "^7.0.0" + }, + "engines": { + "node": ">=8.0" + } + }, + "node_modules/uc.micro": { + "version": "2.1.0", + "resolved": "https://registry.npmjs.org/uc.micro/-/uc.micro-2.1.0.tgz", + "integrity": "sha512-ARDJmphmdvUk6Glw7y9DQ2bFkKBHwQHLi2lsaH6PPmz/Ka9sFOBsBluozhDltWmnv9u/cF6Rt87znRTPV+yp/A==", + "dev": true + }, + "node_modules/unicorn-magic": { + "version": "0.4.0", + "resolved": "https://registry.npmjs.org/unicorn-magic/-/unicorn-magic-0.4.0.tgz", + "integrity": "sha512-wH590V9VNgYH9g3lH9wWjTrUoKsjLF6sGLjhR4sH1LWpLmCOH0Zf7PukhDA8BiS7KHe4oPNkcTHqYkj7SOGUOw==", + "dev": true, + "engines": { + "node": ">=20" + }, + "funding": { + "url": "https://github.com/sponsors/sindresorhus" + } + }, + "node_modules/wrappy": { + "version": "1.0.2", + "resolved": "https://registry.npmjs.org/wrappy/-/wrappy-1.0.2.tgz", + "integrity": "sha512-l4Sp/DRseor9wL6EvV2+TuQn63dMkPjZ/sp9XkghTEbV9KlPS1xUsZ3u7/IQO4wxtcFB4bgpQPRcR3QCvezPcQ==", + "dev": true + } + } +} diff --git a/airport-wiki/package.json b/airport-wiki/package.json new file mode 100644 index 0000000..80b31e0 --- /dev/null +++ b/airport-wiki/package.json @@ -0,0 +1,10 @@ +{ + "devDependencies": { + "markdownlint": "^0.37.0", + "markdownlint-cli": "^0.32.2", + "markdownlint-cli2": "^0.22.0" + }, + "scripts": { + "lint": "npx markdownlint-cli \"**/*.md\" --ignore \"node_modules/**\"" + } +} diff --git a/airport-wiki/raw/articles/2025-airport-construction-summit.md b/airport-wiki/raw/articles/2025-airport-construction-summit.md new file mode 100644 index 0000000..25e3ddb --- /dev/null +++ b/airport-wiki/raw/articles/2025-airport-construction-summit.md @@ -0,0 +1,35 @@ +# 2025第十一届中国机场建设年会 + +来源：大连日报（2025-06-16） +URL: https://dalian.runsky.com/2025-06/16/content_6257964.html + +## 关键信息 + +- 时间：2025年6月12-13日 +- 地点：大连世博广场 +- 主题："发展低碳新民航 数智赋能民航新基建" +- 参与方：200余家民航机构、企业，千余名专家 +- 主办：中国航空学会、大连国际机场集团等 + +## 四型机场 + +"平安、绿色、智慧、人文"四型机场是中国民航"十四五"核心方向。 + +## 大连金州湾国际机场（在建） + +- 国家"十四五"重大建设项目 +- 海域机场，高盐高湿环境是核心挑战 +- 采用BIM+数字化施工监管平台 +- 专家咨询会：软基沉降、混凝土耐久性、建运一体化 + +## 关键与会方观点 + +- **上海机场集团**：建设运营一体化贯穿设计、施工、移交、运营各阶段 +- **重庆机场集团**：低碳转型+数字化融入全链条 +- **中建三局**：BIM+云计算+大数据+物联网 + +## 展会技术亮点 + +- 四足机器人AI智能巡检 +- BIM施工管理平台 +- 风液融合算力解决方案 diff --git a/airport-wiki/raw/articles/AI-Driven-Smart-Gating-2025.md b/airport-wiki/raw/articles/AI-Driven-Smart-Gating-2025.md new file mode 100644 index 0000000..89c045c --- /dev/null +++ b/airport-wiki/raw/articles/AI-Driven-Smart-Gating-2025.md @@ -0,0 +1,103 @@ +# AI-Driven Smart Gating: Transforming Airline Operations + +**来源**: European Journal of Computer Science and Information Technology, 13(50), 12-26, 2025 +**作者**: Vinay Siva Kumar Bhemireddy, Independent Researcher, USA +**URL**: https://eajournals.org/ejcsit/wp-content/uploads/sites/21/2025/07/AI-Driven-Smart-Gating.pdf + +--- + +## 核心问题 + +传统登机口分配依赖静态排程和人工干预，在全球航空交通增长背景下效率低下。 + +**现有挑战**: + +| 挑战 | 影响 | +|------|------| +| 多维变量实时处理能力有限 | 无法快速适应变化 | +| 静态排程框架 | 无法跨系统优化 | +| 人工干预流程 | 资源分配低效 | +| 传统规则系统 | 难以处理优先级重平衡 | + +**后果**: 飞机滑行时间增加、不必要燃油消耗、旅客延误、机场容量利用率下降 + +## 智能登机口解决方案 + +### AI驱动系统的核心能力 + +- **主动式**而非反应式扰断管理 +- 实时优化，减少地面移动 +- 提高飞机利用率 +- 增强资源分配效率 +- 改善旅客中转和减少步行距离 + +### 演进历程 + +``` +Paper-based scheduling (1980s前) + ↓ +Computerized Systems (1980s) — rule-based logic + ↓ +Multi-parameter Resource Management (2000s) — deterministic approaches + ↓ +Stochastic/Scenario-based Robust Optimization (现在) + ↓ +AI/ML-Driven Smart Gating (未来) +``` + +## 系统架构 + +### 四层架构 + +``` +┌─────────────────────────────────────────┐ +│ Data Acquisition Layer │ +│ 航班管理系统 / 旅客处理平台 / 行李处理系统 / 外部数据源(天气) │ +├─────────────────────────────────────────┤ +│ Advanced Analytical Engine │ +│ ML算法(模式识别) / 实时预测模型 │ +├─────────────────────────────────────────┤ +│ Simulation & Optimization Module │ +│ 场景评估 / 多目标优化 │ +├─────────────────────────────────────────┤ +│ Integration Interfaces │ +│ 遗留系统通信 / API架构 │ +└─────────────────────────────────────────┘ +``` + +## 优化技术 + +| 技术 | 应用 | +|------|------| +| 混合整数线性规划(MILP) | 登机口分配数学建模 | +| 约束编程 | 复杂约束处理 | +| 随机规划 | 不确定性建模 | +| 监督学习 | 运营模式预测 | +| 无监督学习 | 数据隐藏结构发现 | +| 强化学习 | 不确定条件下的序列决策 | +| 深度学习 | 异构数据流处理 | + +## 考量因素 + +- 登机口容量 +- 飞机尺寸兼容性 +- 最小过站时间 +- 航空公司偏好 +- 旅客步行距离 +- 行李转运要求 + +## 业务价值 + +- **运营效率**: 登机口再分配自动化，减少周转延误 +- **财务收益**: 减少航班延误燃油消耗 +- **环境优势**: 减少碳排放 +- **旅客体验**: 减少步行距离，改善中转 + +--- + +## 技术备注 + +- 本论文为学术研究性质，提供AI登机口优化的理论框架 +- 对深圳机场"机位智能分配"实践有学术支撑作用 +- 可作为机场AI运营系统的技术方案参考 +- 论文未包含具体模型参数或商业实现细节 diff --git a/airport-wiki/raw/articles/IBM-Building-intelligent-airport-future-2025.md b/airport-wiki/raw/articles/IBM-Building-intelligent-airport-future-2025.md new file mode 100644 index 0000000..52a8e3e --- /dev/null +++ b/airport-wiki/raw/articles/IBM-Building-intelligent-airport-future-2025.md @@ -0,0 +1,90 @@ +# Building the Intelligent Airport of the Future: An AI-Powered Air Travel Ecosystem Orchestrator + +**来源**: IBM Think +**日期**: 2025年（具体日期未标注） +**URL**: https://www.ibm.com/think/insights/implementing-intelligent-airport-future-ai-powered-ecosystem-orchestrator + +--- + +## 核心概念：机场作为 Ecosystem Orchestrator + +机场正在从"人类执行+技术辅助"进化为"智能系统自主运营核心功能+人类监督"的模式。 + +**演进路径**: + +| 阶段 | 特征 | 例子 | +|------|------|------| +| 1. Rules-based execution | 自主服务流程，"反射代理" | 自助值机、自助行李托运 | +| 2. AI agent development | 系统具备感知-决策-行动能力 | 渐进式信任建立 | +| 3. Sophisticated AI agents | 目标导向代理，跨多系统智能编排 | 航班延误时的登机口再分配、周转优化 | + +## 业务价值领域 + +### 旅客体验 +- **Touchless processing**: 无停顿安检、被动身份识别 +- **Biometric identification**: "无边界"旅客体验 +- 全流程无摩擦通行 + +### 运营领域 + +| 领域 | 能力 | +|------|------| +| 空侧运营 | 智能资源分配 | +| 行李运营 | 动态优化处理能力 | +| 航站楼运营 | 基于占用率/天气/能源目标的自主环境控制（照明、温度、通风） | +| IT运营 | 自我修复基础设施（弹性、安全） | + +## 数据基础设施要求 + +### 推荐架构: Data Mesh（数据网格） + +- 联邦化、面向域的数据所有权 +- 集中化治理 +- 各机场功能维护专业化数据，同时贡献于统一生态系统 + +**核心能力**: +- 实时运营智能 +- 预测性机场运营 +- 旅客流动改善与管理 +- 运营效率和客户体验提升 + +### 数据伙伴关系挑战 + +> "不是'有权'获取航空公司数据，而是关注'航空公司能从中获得什么'" + +成功要素：向合作伙伴证明数据共享价值，建立机场作为数据治理者的信任 + +## 基础设施要求 + +### 适应性与可扩展性 + +- **预测并适应**数据量波动（旅客、行李、货物） +- 与生态系统伙伴的**安全数据共享**（延迟不变） +- **混合云技术**应对峰值负载弹性 +- **智能自动化**持续一致性能 + +### 安全设计 + +- IT和OT系统高级网络安全框架 +- 网络安全与物理安全无缝融合 +- 内在设计（by design and default） + +## 国际标准倡议 + +### CATS Global Council - Concept of Operations (CONOPS) + +- **目标**: 到2045年实现完全集成、无缝、可扩展、可持续的空管系统 +- 核心能力：**近实时数字信息共享** + +### SESAR-JU (EU) - FASTNet Project + +- 通过AI和改进的机场对机场协调，将机场运营整合进航空网络 +- 开创性新数据服务 + +--- + +## 技术备注 + +- IBM文档偏重架构框架，缺少具体AI/ML技术细节（模型规模、硬件配置） +- 主要面向机场运营管理层，非技术规格文档 +- 适合与国内具体机场案例对比参照 diff --git a/airport-wiki/raw/articles/daxing-airport-vertiv.md b/airport-wiki/raw/articles/daxing-airport-vertiv.md new file mode 100644 index 0000000..8b81769 --- /dev/null +++ b/airport-wiki/raw/articles/daxing-airport-vertiv.md @@ -0,0 +1,48 @@ +# 北京大兴国际机场关键基础设施 + +来源：维谛技术（Vertiv）官网PDF（Case Study） +URL: https://www.vertiv.cn/4af62d/globalassets/documents/case-studies/trans_case_1_bdia_295354_0.pdf + +## 项目概况 + +- 位置：北京市（天安门正南46公里） +- 投运时间：2019年9月 +- 占地面积：140万平方米 +- 定位：世界上规模最大单体航站楼 +- 荣誉：2016年英国《卫报》"新世界七大奇迹"之首 + +## 智能化建设 + +- 建设19个平台、68个系统 +- 统一运行信息数据平台 +- 大数据分析整合 +- 实现航班运行状态全面掌握 + +## 关键基础设施部署点 + +1. 信息中心 +2. 西塔台 +3. 空管核心工作区 +4. 气象综合探测场二次雷达站 +5. 华北空管生产运行中心 +6. 北京终端管制中心 + +## 解决方案 + +**维谛技术（Vertiv）Liebert® PEX+ 系列机房专用精密空调** + +- 超高效、高可靠性、高灵活性 +- 全新模块化设计 +- 高制冷量、高能效 +- 全正面维护 +- 灵活扩容（可增加制冷柜） + +## 东方航空基地 + +东航核心机房大规模采用Vertiv方案： +- UPS系统 +- 热管理系统 +- 机柜 +- SmartSolutions融合解决方案 + +范围：生活服务区、维修区、航空食品区、地面服务区、货运区 diff --git a/airport-wiki/raw/articles/dubai-airport-huawei-dc.md b/airport-wiki/raw/articles/dubai-airport-huawei-dc.md new file mode 100644 index 0000000..500ded7 --- /dev/null +++ b/airport-wiki/raw/articles/dubai-airport-huawei-dc.md @@ -0,0 +1,48 @@ +# 迪拜机场 × 华为预制模块化数据中心 + +来源：华为官网PDF +URL: https://www.huawei.com/~/media/CORPORATE/PDF/case-studies/dubai-airports-cn.pdf + +## 项目背景 + +迪拜机场面临的问题： +- 多个老旧数据中心，设备品牌众多、管理复杂 +- 设备老化，制冷量不足 +- 业务快速增长，需要快速扩容 + +## 解决方案 + +**华为 FusionModule1000B 预制模块化数据中心** +- 23个集装箱大小的预制模块 +- 总功率：1MW +- 业务柜：100个，单柜 10kW/rack +- 建设周期：预计10个月（比传统数据中心节省近50%时间） + +## 关键指标 + +| 指标 | 数值 | +|------|------| +| 等级 | Tier III 设计+建造双认证 | +| 可用性 | 99.98% | +| 年停机时间 | 1.6小时 | +| PUE | < 1.6（比传统数据中心节能30%+） | +| 建设周期 | 10个月 | + +## 技术亮点 + +- 变频行级精密空调 +- 高效模块化UPS +- 密闭通道设计 +- NetEco 管理系统 + +## 业务覆盖 + +- 航班信息与机场运营 +- 乘客运输与行李服务 +- 连接与网络服务 +- 安检、视频监控 +- 企业业务运营、设施维护 + +## "DXB+"规划 + +预计未来10年旅客吞吐量从8360万增长到1.18亿。 diff --git a/airport-wiki/raw/articles/keydak-airport-expo-2025.md b/airport-wiki/raw/articles/keydak-airport-expo-2025.md new file mode 100644 index 0000000..57aa406 --- /dev/null +++ b/airport-wiki/raw/articles/keydak-airport-expo-2025.md @@ -0,0 +1,28 @@ +# 2025国际机场博览会 — 风液融合算力解决方案 + +来源：Keydak金盾官网（2025-09-11） +URL: https://www.keydak.com/NEWS/news_100000063272748.html + +## 展会信息 + +- 时间：2025年9月8-10日 +- 地点：广州·中国进出口商品交易会展馆 +- 主题：国际机场博览会 +- 参展方：70多个国家、170多家机场 + +## 核心观点 + +### 智算中心散热挑战 +- 传统数据中心单机柜：5-15kW +- 算力数据中心单机柜：50-120kW +- 传统风冷无法满足高功率服务器散热需求 + +### 风液融合解决方案参数 +- 支持风冷：最高 40kW/柜 +- 支持液冷：最高 150kW/柜 +- 特点：风液同源、动态平衡、灵活部署、成本优化 + +### 价值 +- 显著降低数据中心总体能耗和碳排放 +- 契合"双碳"目标 +- 适配AI算力密度持续上升趋势 diff --git a/airport-wiki/raw/articles/上海市-智算中心建设导则2025版-2025-01.md b/airport-wiki/raw/articles/上海市-智算中心建设导则2025版-2025-01.md new file mode 100644 index 0000000..cb7f0b6 --- /dev/null +++ b/airport-wiki/raw/articles/上海市-智算中心建设导则2025版-2025-01.md @@ -0,0 +1,142 @@ +# 上海市智算中心建设导则（2025年版） + +**来源**: 上海市经济和信息化委员会 +**日期**: 2025年1月 +**URL**: https://www.sheitc.org.cn/uploadfile/20250114/20250114144347_3158.pdf +**性质**: 地方标准/建设指导文件（具有强制执行力） + +--- + +## 选址分区要求 + +| 区域 | 范围 | 政策 | +|------|------|------| +| **适建区** | 外环以外 | 优先，既有工业区、发电厂区优先 | +| **禁止区** | 中环以内 | 不得新建智算中心 | +| **限制区** | 中环与外环之间 | 严格限制 | +| **边缘智算** | 靠近应用场景 | 不受分区限制 | + +## 核心规模指标 + +### 大型智算中心 + +``` +平均机架设计功率: ≥ 12kW +机架设计总功率: ≥ 24 MW +``` + +### 边缘智算中心 + +``` +平均机架设计功率: ≥ 6kW +机架设计总功率: ≤ 1.2 MW +基准PUE: ≤ 1.4 +``` + +## PUE能效指标 + +| 指标类型 | 准入值 | 先进值 | 长三角集群 | +|----------|--------|--------|------------| +| **基准PUE** | ≤ 1.25 | — | — | +| **综合PUE** | ≤ 1.22 | ≤ 1.18 | ≤ 1.20 | + +## 选址关键要求 + +| 要求类型 | 具体指标 | +|----------|----------| +| **供电** | 靠近110kV及以上等级且配置冗余度高的电源点；宜引入一类市电；市电平均每月停电次数 ≤ 1次；平均每次故障时间 ≤ 0.5小时 | +| **网络** | 靠近干线通信线路；宜具备三路由及以上接入条件 | +| **水源** | 直线距离300米范围有水源；宜从两个独立水源各自引入一路供水 | +| **安全距离** | 地铁/铁路 ≥ 100m；加油站/加气站 ≥ 400m；一级石油库 ≥ 500m | +| **水灾** | 新建智算中心首层建筑完成面宜高出当地洪水百年重现期水位线1.0m以上 | + +## 建筑与配套设施 + +### 液冷要求 + +- **新建智算中心宜采用液冷技术**满足高密算力散热需求（强制表述） +- 空调制冷设备应选用配置**变频、变容量冷却设备** +- 制冷剂ODP=0且GWP较低 + +### 机架要求 + +- 设计功率12kW以上机架宜采用就近的供配电部署方式 +- 强电、弱电、光纤、铜缆宜分别布线 + +## AI基础设施架构 + +### AI服务器类型 + +| 类型 | 核心要求 | +|------|----------| +| **AI训练服务器** | 支持至少一种深度学习/机器学习训练框架；能执行至少一种场景模型训练（CV、NLP、语音等） | +| **AI推理服务器** | 支持至少一种深度学习/机器学习推理框架；能执行至少一种场景模型推理 | + +### 存储设备要求 + +- 支持AI全生命周期数据存储 +- 支持元数据管理、数据分层管理 +- 支持对象存储、文件存储和块存储 +- **宜支持RDMA技术**，实现高聚合带宽 +- 应具备冗余存储能力，支持容量扩展 + +### 网络设备要求 + +- 应采用**智能无损网络**等新技术 +- 大规模训练应用场景下，应采用智能无损网络 +- 宜具备高速网络连接（**200Gbps计算网**） + +### 平台层要求 + +**算力调度**: +- 应提供算力、网络等资源**虚拟化和池化**能力 +- 应支持**异构芯片资源精细化管理**（负载感知、拓扑感知、算力切分） + +**推理精度支持**: FP32、FP16、INT4、INT8 + +**存储性能**: 毫秒级延时、百万级IOPS + +## 上架率要求 + +> 同一主体或相关主体前期批复数据中心/智算中心项目**两年内IT设备上架率达到75%及以上**的，给予支持 + +| 阶段 | IT设备上架率(Rackon) | 平均机架运行功率(Prack) | +|------|----------------------|------------------------| +| 第一年 | ≥ 50% | ≥ 设计功率的50% | +| 第二年及以后 | ≥ 70% | ≥ 设计功率的70% | + +## 监测指标 + +| 指标 | 第一年 | 第二年及以后 | +|------|--------|--------------| +| **Rackon** | ≥ 50% | ≥ 70% | +| **PUE综合** | ≤ 1.32 | ≤ 1.22 | +| **WUE** | ≤ 2.2 L/kWh | ≤ 2.0 L/kWh | +| **CUE** | ≤ 1.2 gCO2/kWh | ≤ 1.0 gCO2/kWh | + +## 绿电与清洁能源要求 + +| 区域 | 绿电占比要求 | +|------|-------------| +| 一般区域 | 宜 ≥ 30% | +| **长三角集群** | 应 > 80% | + +**必须采用的绿色技术（至少1种）**: +- 园区风电 +- 分布式光伏发电（安装面积 ≥ 建筑屋顶面积的50%） +- 余热回收利用 +- 工业废弃能源利用 +- 分布式储能 + +## 能效等级目标 + +- 绿色节能等级：宜达到GB/T 43331中**第五级**要求 +- 绿色数据中心等级：宜达到DB31/T 1395中**AAAAA（5A）级**要求 + +--- + +## 技术备注 + +- 本导则为目前国内最详尽的智算中心建设地方标准之一 +- 核心创新：**液冷强制化**（"宜采用"液冷=实质推进方向）、**PUE分级管控**、**异构算力虚拟化** +- 对机场智算中心建设最具参考价值：选址分区、机架功率密度门槛、RDMA网络要求 diff --git a/airport-wiki/raw/articles/中国工业互联网研究院-工业智算发展研究报告2025-2026-01.md b/airport-wiki/raw/articles/中国工业互联网研究院-工业智算发展研究报告2025-2026-01.md new file mode 100644 index 0000000..31c7b72 --- /dev/null +++ b/airport-wiki/raw/articles/中国工业互联网研究院-工业智算发展研究报告2025-2026-01.md @@ -0,0 +1,96 @@ +# 工业智算发展研究报告（2025年） + +**来源**: 中国工业互联网研究院 +**日期**: 2026年1月8日发布 +**URL**: https://www.china-aii.com/u/cms/www/202601/工业智算发展研究报告（2025年）.pdf +**性质**: 行业研究报告（官方研究机构） + +--- + +## 核心定义 + +**工业智算**: 通过大规模异构算力资源（CPU、GPU、DPU、NPU、FPGA、ASIC等），为工业智能终端、工业网络智能控制、工业智能边缘计算、工业智能化应用提供所需算力、数据、算法和模型，实现**"云-边-端"一体化融合智能计算**。 + +## 全球算力格局（2025年8月） + +``` +美国: 68.9% +中国: 14.5% +欧洲: 6.1% +日本: 1.2% +其他: 9.3% +``` + +## 我国工业智算市场规模 + +| 指标 | 2024年 | 2025年(预计) | 2026年(预计) | 2028年(预计) | +|------|--------|--------------|--------------|--------------| +| **智算规模** | 725.3 EFLOPS | 1,037.3 EFLOPS (+43%) | 1,460.3 EFLOPS (+40.8%) | 2,781.9 EFLOPS | +| **智算市场** | 1,325亿元 | 1,806亿元 (+36.2%) | 2,350亿元 (+30.1%) | — | +| **工业智算占比** | 30%+ | 35%+ | 40%+ | 50%+ | + +## 基础设施现状 + +| 指标 | 数值 | +|------|------| +| 在用算力中心机架 | 1,085万标准机架 | +| 国家算力枢纽节点省市机架占比 | 72.6% | +| 智能算力规模 | 788 EFLOPS | +| 液冷技术渗透率 | 64% | +| 平均PUE | 1.42（目标<1.2） | +| 工业大数据市场规模 | 2024年1,200亿元 → 2025年底约1,600亿元 | + +## 美欧发展策略对比 + +### 美国: "资本+技术"双轮驱动 + +- 2025年1月: "星际之门"项目启动，4年内投资**5,000亿美元** +- 2025年7月: 发布《美国人工智能行动计划》 +- 2025年11月: "创世纪计划"行政令，整合17个国家实验室超级算力 +- NIST投入2,000万美元建立制造业AI中心（联邦承诺7,000万美元/五年期） + +### 欧盟: "政策+协同"牵引 + +- 2025年2月: "投资人工智能"计划，筹集**2,000亿欧元** +- 2025年4月: "人工智能大陆行动计划" +- 液冷渗透率: 42% + +## 典型企业产品（国产替代） + +| 企业 | 产品/技术 | 规格/突破 | +|------|-----------|-----------| +| **华为** | 昇腾910 | 云边端一体AI芯片 | +| **寒武纪** | 云边端一体AI芯片 | 全场景覆盖 | +| **英维克** | 冷板式液冷系统 | 单机柜功率密度24kW，散热效率提升40% | +| **中科曙光** | 浸没式液冷系统 | PUE低至1.04，年减碳量超万吨 | +| **新华三** | 800G国芯智算交换机 | 支持10万卡集群组网 | +| **中际旭创** | 1.6T光模块 | 全球首发 | +| **长电科技** | HBM4封装技术 | 带宽达1TB/s | + +## 典型行业案例 + +### 汽车制造 +- 奥迪中国工厂AI焊点质量控制: 每班150万个焊点全量分析 +- 吉利星睿智算中心: 3.54PFlops算力，累计1.2万次虚拟碰撞试验，研发仿真计算效率提升30% + +### 航空航天 +- 中国商飞FuncGenFoil翼型生成设计: 设计误差降低74.4%，多样性提升23.2% + +### 工业机器人 +- 在役工业机器人突破**200万台**，2024年新增29.5万台（全球新安装量54%） + +## 智算中心分布 + +``` +大型智算中心(>1000P): 20% → 京津冀、长三角、珠三角 +中型智算中心(300-1000P): 70% → 一线、新一线及二线城市 +小型智算中心(<100P): 10% → 二线及以下城市 +``` + +--- + +## 技术备注 + +- 本报告为工业智算领域的权威官方报告 +- 机场智算中心属于"工业智算"应用场景之一，但本报告未专门覆盖机场行业 +- 国产液冷企业（英维克、中科曙光）的技术参数对机场项目有直接参考价值 diff --git a/airport-wiki/raw/articles/头豹研究院-中国AIDC产业发展白皮书2025-2025-07.md b/airport-wiki/raw/articles/头豹研究院-中国AIDC产业发展白皮书2025-2025-07.md new file mode 100644 index 0000000..6ae6aa4 --- /dev/null +++ b/airport-wiki/raw/articles/头豹研究院-中国AIDC产业发展白皮书2025-2025-07.md @@ -0,0 +1,106 @@ +# 2025年中国AIDC产业发展白皮书：智算中心如何撑起大模型时代的蓝图？ + +**来源**: 头豹研究院（LeadLeo） +**日期**: 2025年7月 +**URL**: https://pdf.dfcfw.com/pdf/H3_AP202507101706460530_1.pdf +**性质**: 商业研究白皮书 + +--- + +## 核心发现 + +| 维度 | 关键发现 | +|------|----------| +| 市场导向 | 从性能为王转向业务场景适配：金融/医疗用70B，文档用7B，边缘用1.5B | +| 竞争格局 | 差异化竞争：百度"云智一体"、阿里"MaaS开源生态"、火山"应用反哺技术" | +| 算力结构 | 2023年全球智算力达875EFLOPS，首次超基础算力；中美合计超七成 | +| 制冷革新 | GPU功耗激增，液冷成PUE<1.10核心路径，传统风冷进入结构性瓶颈 | + +## GPU芯片演进 + +| 架构 | 型号 | FP16算力 | 显存带宽 | NVLink带宽 | 功耗 | +|------|------|----------|----------|------------|------| +| Ampere | A100 | 312T | 2TB/s | 600GB/s | 400W | +| Hopper | H100 | 1P | 3.35TB/s | 900GB/s | 700W | +| Hopper | H200 | 1P | 4.8TB/s | 900GB/s | 700W | +| Blackwell | B100 | 1.75P | 8TB/s | 1.8TB/s | 1,000W | +| Blackwell | B200 | 2.25P | 8TB/s | 1.8TB/s | 1,200W | +| Blackwell | **GB200** | **5P** | **16TB/s** | **3.6TB/s** | **2,700W** | + +## 服务器功耗趋势 + +| 型号 | GPU算力 | GPU功耗 | 总功耗 | +|------|---------|---------|--------| +| HGX A100 | 2.4P | 3.2kW | 6.5kW | +| HGX H100 | 8P | 5.6kW | 10.2kW | +| HGX B100 | 14P | 5.6kW | 10.2kW | +| HGX B200 | 18P | 8kW | **14.3kW** | + +**结论**: 单机柜功率密度急剧攀升，液冷已成必然选择 + +## 千卡集群(H100)前期投入 + +| 组成 | 费用 | +|------|------| +| 算力设备 | 约3亿元 | +| 网络设备 | 约2,500万元 | +| 存储/安全 | 约1,000万元 | +| 平台软件/液冷改造 | 约1,000万元 | +| **总计** | **约3.5亿元** | + +**年运营支出**: 约5,000万元 + +## 能耗结构 + +``` +IT设备: 67% +制冷系统: 27% +供电系统: 5% +照明及其他: 1% +``` + +## 制冷技术PUE对比 + +| 冷却方式 | PUE范围 | 适用场景 | +|----------|---------|----------| +| **液冷(相变浸没式)** | 1.00 | >30kW/机柜，高性能场景 | +| **液冷(冷板式)** | ~1.10 | 高密度智算中心 | +| **自然冷(间接蒸发冷)** | 1.10-1.20 | 北方气候区 | +| **冷冻水系统** | 1.30+ | 传统数据中心 | +| **风冷** | 1.40+ | 面临淘汰 | + +## 大模型训练资源消耗 + +| 模型 | 参数量 | GPU规模 | 训练时长 | +|------|--------|---------|----------| +| LLaMA-1 | 65.2B | 2,028块 | 90天 | +| LLaMA-3 | 405B | 16,384块H100 | 54天 | + +**关键**: 预训练消耗90-99%总算力，微调仅占1-10% + +## PD分离技术 + +| 阶段 | 特征 | 资源瓶颈 | 优化策略 | +|------|------|----------|----------| +| **Prefill** | 并行处理所有输入token | GPU计算能力 | 批处理、张量并行 | +| **Decode** | 逐个自回归生成 | 内存带宽和延迟 | KV缓存、Flash Attention | + +**关键发现**: Prefill与Decode存在高达**137倍**速度差距，Decode耗时占99%以上 + +## 中国厂商差异化路线 + +| 厂商 | 战略定位 | 核心路径 | +|------|----------|----------| +| 百度智能云 | "云智一体" | 全栈自研，B端标杆案例 | +| 阿里云 | MaaS基础设施 | 公有云标准化服务 | +| 火山引擎 | 应用反哺技术 | 豆包先服务抖音/头条，再输出B端 | +| 科大讯飞 | 行业垂直整合 | 教育/医疗/司法/政务 | +| DeepSeek | 非对称竞争 | 极致性价比，开源顶尖模型 | + +--- + +## 技术备注 + +- 本白皮书数据详实，GPU/服务器功耗演进数据极具参考价值 +- GB200 NVL72整机柜方案（2,700W功耗）对机场智算中心选址和供配电设计有直接指导意义 +- "千卡集群3.5亿元"投入数据可作为机场项目预算参考基准 diff --git a/airport-wiki/raw/articles/深圳机场-数智化全国第二-AI全栈部署-2026-01-15.md b/airport-wiki/raw/articles/深圳机场-数智化全国第二-AI全栈部署-2026-01-15.md new file mode 100644 index 0000000..c5183cf --- /dev/null +++ b/airport-wiki/raw/articles/深圳机场-数智化全国第二-AI全栈部署-2026-01-15.md @@ -0,0 +1,77 @@ +# 深圳机场：数智化水平位居全国42家千万级机场第二名 + +**来源**: 深圳新闻网 +**日期**: 2026-01-15 +**URL**: https://www.sznews.com/news/content/2026-01/15/content_31905100.htm + +--- + +## 核心成就 + +- **全国排名**: 42家千万级机场综合评价**第二名**（民航局《千万级机场智慧民航建设综合评价报告2024》） +- **大模型**: 率先完成DeepSeek R1-671B满血版千亿参数大模型全栈本地化部署（华为昇腾算力集群） +- **国际货邮**: 2025年首次突破100万吨 +- **航班放行正常率**: 91.19% + +## AI基础设施 + +### 算力底座 + +- **硬件**: 华为昇腾算力服务器与工具平台 +- **模型**: DeepSeek R1-671B（满血版）——千亿参数大模型 +- **数据整合**: 打通航班运行、物流服务、设备物联日志等**18类**核心业务数据壁垒 +- **特点**: 国产算力集群支撑该级别大模型落地，业内首批 + +### 智能体矩阵（10余个业务专属智能体） + +| 智能体 | 功能 | +|--------|------| +| AI安全助手 | 融合1,500余份安全文档，检索效率提升60倍 | +| AI乘机助手 | 中英文交互、对话式咨询，秒级响应 | +| AI采购助手 | 采购流程智能化 | +| AI财务助手 | 财务工作自动化 | +| 党务工作小助手 | 党务工作辅助 | +| iHR人力智能体 | 人力资源管理 | +| AI公文助手 | 公文处理智能化 | + +## 全场景落地应用 + +### 旅客服务 + +- **机位智能分配**: 每日航班分配耗时从4小时压缩至**1分钟**，靠桥率提升至**85.44%** +- **"小黄蜂"配送机器人**: 卫星厅38个登机口餐饮直达 +- **旅客自弃物品回收机器人**: 全国首个，日均收集禁限带物品**25公斤** +- **AI翻译设备**: 支持100余种语言实时翻译，信息录入时间缩短**80%** + +### 航空物流 + +- **深畅国际货站**: AGV机器人+智能卡口，全国首个24小时智慧远程监管货站 + - 进出口货物库内停留时间分别缩短**82%**、**33%** +- **快件中心**: "机械臂+单件分离器+六面扫描仪"三合一全自动作业 +- **无人驾驶牵引车**: 无人接驳7×24小时不间断 +- **巡逻监管机器人**: 海关查验平台货物自动收取、园区智能巡逻 + +### 安全运行 + +- **AI辅助判图**: 三维图像深度学习，精准识别锂电池/充电宝/刀具/打火机，安检效率提升**30%以上** +- **一体化主动运控**: 多源数据融合+AI，提前**20分钟**精准预判保障节点，航班正常率提升约**4个百分点** + +### 综合交通 + +- **"综合交通全域一张图"**: AI实时分析人流/车流/道路，处置响应时间稳定控制在**1分钟以内**（获第二届"兴智杯"全国人工智能创新应用大赛一等奖） +- **全国首个网约车全链条管理体系**: AI智能调度，服务车次超**854万**、旅客约**1,276万**，地面交通服务测评指标全国第一 + +## 创新机制 + +- **"揭榜挂帅"机制**: 第六届深圳人工智能展发布9个特色项目榜单，吸引17家企业参与 +- **国企民企协同**: 联合华为、腾讯共建"未来机场数字化平台"，联动哈工大产学研 +- **统一架构底座**: "一次开发、复用共享" +- **"1+2+N"创新制度体系**: 制度设计→落地执行→资源保障→激励约束 + +--- + +## 技术备注 + +- DeepSeek R1-671B在华为昇腾集群上的部署细节（集群规模、互联网络）未披露 +- 深圳机场未披露具体服务器数量和功率密度 +- 液冷技术未提及，可能仍在建设智算中心基础设施层面 diff --git a/airport-wiki/raw/articles/福州长乐机场-15000P智算中心-2026-01-22.md b/airport-wiki/raw/articles/福州长乐机场-15000P智算中心-2026-01-22.md new file mode 100644 index 0000000..835b04c --- /dev/null +++ b/airport-wiki/raw/articles/福州长乐机场-15000P智算中心-2026-01-22.md @@ -0,0 +1,60 @@ +# 15000P算力+年产值可超1.5亿！福州长乐机场综保区人工智能智算中心全速推进 + +**来源**: 福建省商务厅 +**日期**: 2026-01-22 +**URL**: https://swt.fujian.gov.cn/xxgk/jgzn/jgcs/zsxdc/tzdt/202601/t20260122_7084250.htm + +--- + +## 核心数据 + +| 参数 | 数值 | +|------|------| +| **总投资** | 11亿元（一期3.3亿元） | +| **用地面积** | 33,347平方米（50.02亩） | +| **规划算力** | 15,000P | +| **预计投产** | 2026年10月 | +| **年营收目标** | 超1.5亿元 | +| **年税收目标** | 超1,000万元 | + +## 建设进度 + +- **2025年7月**: 完成工程勘察、施工图审查、设备进场 +- **2025年9月**: 正式启动装机和土建施工 +- **2026年6月**: 主体建筑封顶 +- **2026年6-10月**: 设备安装、系统集成、全流程调试 +- **2026年10月**: 验收合格后正式投产 + +## 技术方案 + +### 核心架构 + +- **液冷机柜矩阵**：规模化智算液冷机柜（具体机柜数未披露） +- **网络存储机柜阵列**：体系化网络存储机柜阵列 +- **AI服务器**：搭载国际领先的高性能AI服务器（型号未披露） + +### 二期规划（算力服务器及推理一体机生产线） + +- 高性能人工智能服务器及边缘/云端推理一体机的设计、组装与制造 +- "研发测试-生产制造-部署应用"产业闭环 + +## 选址优势 + +- **位置**：福州滨海新城临空经济区，综保一路东侧、综保三街南侧 +- **政策红利**：长乐机场综保区多重政策优势 +- **区位**：依托空港保税优势，深化闽港、闽台数字协作 +- **辐射**：填补东南沿海高端智算缺口，赋能华南地区数字化转型 + +## 主体信息 + +- **投资方**: 福建智算方舟科技有限公司 +- **主营业务**: 智算中心投资运营、高性能服务器及推理一体机研发生产销售 +- **定位**: 全栈式算力解决方案提供商 + +--- + +## 技术备注 + +- 项目处于在建状态，核心硬件配置（GPU型号/数量、机柜功率密度）未披露 +- 液冷技术类型（冷板/浸没）未明确 +- "国际领先高性能AI服务器"表述模糊，疑为NVIDIA HGX系列或国产品牌 diff --git a/airport-wiki/raw/articles/郑州航空港-中部最大万卡算力集群-2026-03-05.md b/airport-wiki/raw/articles/郑州航空港-中部最大万卡算力集群-2026-03-05.md new file mode 100644 index 0000000..3cbd641 --- /dev/null +++ b/airport-wiki/raw/articles/郑州航空港-中部最大万卡算力集群-2026-03-05.md @@ -0,0 +1,50 @@ +# 郑州航空港何以竞逐"人工智能之城"？ + +**来源**: 中国新闻网 +**日期**: 2026-03-05 +**URL**: https://www.zzhkgq.gov.cn/2026/03-05/3632175.html + +--- + +## 核心数据 + +- **当前算力**: 10,000P（中部最大、国内领先的万卡算力集群） +- **规划总规模**: 超过 100,000P（三中心：训练/推理/推训一体） +- **DeepSeek部署**: 2025年1月全量接入DeepSeek-R1，中部首个全面部署DeepSeek的智算中心 +- **配套投资**: 总投资1.2亿元的AI+智能人才公共实训基地（2025年11月揭牌） + +## 关键内容 + +### 河南空港智算中心定位 + +该中心是港区智算产业的"智慧大脑"，分三板块规划： +1. **一中心**：主攻高端训练算力 +2. **二中心**：聚焦推理算力 +3. **三中心**：面向未来规划十万卡推训一体算力集群 + +### 区位优势 + +- 2小时高铁圈覆盖国内4亿人口 +- 2小时航空圈覆盖全国90%的人口和市场 +- 郑州新郑国际机场2025年货邮吞吐量首破100万吨（全国第五、中部首个"百万吨级"航空货运枢纽） +- 郑州航空港区2025年外贸进出口总值4,935亿元，占河南全省52.7% + +### 产业生态 + +- **龙头企业**：富士康（灯塔工厂）、超聚变（先进计算）、科大讯飞（产业生态基地）、联想 +- **万亿级电子信息产业集群**：2024年产值近6,000亿元，占河南全省八成，从"芯"到"屏"到"端"全产业链 + +### 应用场景 + +- 富士康灯塔工厂：AGV无人车、AI质检（毫米级精度）、5G全连接"熄灯生产" +- 河南省医学科学院：多模态智慧远程医疗平台，覆盖全省县级医疗机构 +- "心晴少年"AI心理健康大模型：3所学校落地，惠及1.4万学生 +- "空地一体"智联协同系统：无人机+机器狗+自动驾驶巡检车网格化管理 + +--- + +## 技术备注 + +- 来源标注为"中国新闻网"，原文含大量产业生态描述，核心智算中心技术参数有限 +- 10,000P算力具体硬件配置（GPU型号、机柜数、功率）未披露 +- 三个板块分期建设，三中心"十万卡"仍为规划阶段 diff --git a/airport-wiki/机场数据中心建设方案.md b/airport-wiki/机场数据中心建设方案.md new file mode 100644 index 0000000..f81acba --- /dev/null +++ b/airport-wiki/机场数据中心建设方案.md @@ -0,0 +1,423 @@ +# 大型机场数据中心建设方案 + +> 本方案综合整理自：2025国际机场博览会、2025第十一届中国机场建设年会、华为×迪拜机场案例、维谛技术×大兴机场案例 +> 生成时间：2026-04-08 +> 数据来源：详见附录 + +--- + +## 一、机场数据中心概述 + +机场数据中心（Airport Data Center）是支撑民用航空运输业务运营的核心 IT 基础设施，为航班信息系统、行李分拣系统、离港系统（DCS）、空管通信、乘客服务等关键系统提供计算、存储和网络服务。 + +### 核心特征 + +- **高可用性要求**：通常需满足 Tier III 或 Tier IV 等级 +- **业务连续性**：7×24 小时不间断运行，航班延误成本极高 +- **多系统集成**：数十个子系统需要互联互通 +- **安全等级高**：涉及航空安全，合规要求严格 +- **地理位置分散**：航站楼、塔台、行李中心通常各自有小机房 + +--- + +## 二、设计等级标准 + +### 2.1 数据中心等级对照 + +| 等级 | 可用性 | 年停机时间 | 冗余方式 | 适用场景 | +|------|--------|-----------|---------|---------| +| Tier I | 99.67% | >31.5h | 基本 | 基础非关键系统 | +| Tier II | 99.75% | 22h | 冗余组件 | 冗余组件，非关键业务 | +| **Tier III** | **99.98%** | **1.6h** | **N+1，可并行维护** | **机场主数据中心（推荐）** | +| Tier IV | 99.99% | 0.8h | 2N，完全冗余 | 空管核心、应急指挥 | + +**机场推荐策略：** +- 主数据中心：Tier III（兼顾成本与可靠性） +- 空管/应急指挥核心系统：Tier IV +- 边缘小机房：Tier II 或模块化方案 + +### 2.2 标准参考体系 + +- **ANSI/TIA-942-B**：数据中心电信基础设施国际标准 +- **Uptime Institute Tier Standard**：Tier I/II/III/IV 四级认证体系 +- **GB 50174-2017**：《数据中心设计规范》（中国国家标准） +- **GB/T 44463-2024**：《互联网数据中心技术要求》（2024年新版） + +--- + +## 三、现代化机场数据中心趋势 + +### 3.1 "四型机场"理念 + +中国民航"十四五"期间全面推行"四型机场"标准，是当前机场建设的顶层指导框架： + +| 类型 | 核心内涵 | +|------|---------| +| 平安机场 | 安全生产、安全可控 | +| 绿色机场 | 低碳节能、契合"双碳"目标 | +| 智慧机场 | 数字化、智能化转型 | +| 人文机场 | 乘客体验优先 | + +### 3.2 智算中心兴起 + +随着 AI/AGI 技术发展，机场数据中心正从传统数据中心向智算中心演进： + +| 对比项 | 传统数据中心 | 智算中心 | +|--------|-------------|---------| +| 单机柜功率 | 5-15 kW | 50-120 kW | +| 散热方式 | 风冷为主 | 液冷为主 | +| GPU 需求 | 少量 | 大量 GPU 集群 | +| PUE 目标 | 1.4-1.6 | 1.1-1.3 | + +### 3.3 风液融合冷却方案 + +2025 年国际机场博览会上发布的**风液融合算力解决方案**，代表当前冷却技术主流方向： + +- 支持 **40kW 风冷** + **150kW 液冷** 混合部署 +- 风液同源、动态平衡 +- 灵活部署、成本优化、运维简化 +- PUE 可降至 **1.2 以下** +- 完美契合"双碳"目标 + +### 3.4 预制模块化数据中心 + +适合机场快速建设、弹性扩容需求，代表案例：华为为迪拜机场建设的 **FusionModule1000B**： + +| 参数 | 数值 | +|------|------| +| 模块组成 | 23 个集装箱预制模块 | +| 总功率 | 1 MW | +| 业务柜数 | 100 柜 | +| 单柜密度 | 10 kW/rack | +| PUE | <1.6（比传统方案节能 30%+） | +| 认证等级 | Tier III 设计+建造双认证 | +| 建设周期 | **10 个月**（比传统方案节省近 50% 时间） | + +**迪拜机场案例核心价值：** +- 工厂预制 + 现场组装，工期大幅缩短 +- ISO 标准尺寸预集成模块，扩容简单 +- 特别适合机场空间有限、无现成楼宇的场景 + +### 3.5 BIM + 数字孪生建设模式 + +大连金州湾国际机场（在建）等新一代机场全面采用： + +- **BIM 管理平台**：覆盖设计、施工、运维全生命周期 +- **数字化施工监管系统**：施工交底可视化 +- **工程质量验评可回溯**：所有验收记录可追溯 +- **AI 巡检机器人**：四足机器人实现无人化巡检 +- **数字孪生**：实现机场物理实体与数字映射 + +### 3.6 网络架构升级 + +- **SDN 软件定义网络**：灵活配置、自动化运维 +- **Spine-Leaf 架构**：东西向流量优化，适用于大型机场核心网络 +- **多路由冗余接入**：任意单链路故障不影响业务 +- **边缘计算下沉**：计算能力部署到航站楼边缘，降低延迟 + +--- + +## 四、机场数据中心基础设施方案 + +### 4.1 供配电系统 + +#### 典型架构 + +``` +市电（双路10kV/35kV） + ↓ +自动转换开关（ATS） + ↓ +UPS（ N+1 或 2N 冗余） + ↓ +配电单元（PDU） + ↓ +服务器机柜 + ↑ +柴油发电机（作为备用电源） +``` + +#### 关键配置参数 + +| 项目 | 推荐值 | +|------|-------| +| 市电引入 | 双路 10kV 或 35kV | +| UPS 配置 | N+1（Tier III）/ 2N（Tier IV） | +| IT 负载密度 | 4-10 kW/机柜（传统）/ 50kW+（智算） | +| 柴油发电机 | 1000-3000 kVA，启动时间 <10s | +| 储油时间 | 8-24 小时 | +| PUE 目标 | 1.3-1.5（机场数据中心典型值） | + +#### 关键产品选型（案例参考） + +北京大兴国际机场案例中，多个关键区域采用了**维谛技术（Vertiv）Liebert® PEX+ 系列机房专用精密空调**： + +- 模块化设计，支持快速扩容 +- 高制冷量、高能效 +- 全正面维护，降低运维难度 +- 部署场景：信息中心、西塔台、空管核心区、华北空管生产运行中心等 + +### 4.2 制冷系统 + +#### 冷却方式对比 + +| 冷却方式 | 适用场景 | PUE 范围 | +|---------|---------|---------| +| 风冷精密空调 | 中小型，边远站点 | 1.4-1.6 | +| 冷冻水系统 | 大型数据中心 | 1.2-1.4 | +| **风液融合** | **高密度智算中心** | **1.1-1.3** | +| 间接蒸发冷却 | 缺水地区 | 1.2-1.5 | + +#### PUE 优化措施 + +1. **冷热通道封闭**：防止冷热气流混合 +2. **自然冷却**：冬季利用低温空气自然冷却 +3. **精确制冷**：行级空调按需供冷 +4. **高效 UPS**：模块化效率 ≥96% + +### 4.3 机柜与物理空间 + +#### 机柜配置参考 + +| 参数 | 传统方案 | 智算方案 | +|------|---------|---------| +| 机柜高度 | 42U / 47U | 47U+ | +| 单柜功率 | 5-15 kW | 40-150 kW | +| 散热方式 | 风冷 | 风冷+液冷 | +| 布线方式 | 上走线/下走线 | 预端接，模块化 | + +#### 物理安全 + +- 生物识别门禁（指纹/面部识别） +- 全区域 CCTV 监控 +- 周界入侵报警 +- 独立安保分区管理 + +--- + +## 五、网络架构方案 + +### 5.1 机场网络分区设计 + +机场数据中心网络通常划分为多个安全域： + +| 分区 | 说明 | 典型系统 | +|------|------|---------| +| 航站网 | 旅客服务相关 | FIDS、自助值机 | +| 行李网 | 行李处理系统 | BHS 分拣控制 | +| 安防网 | 安全相关 | CCTV、门禁 | +| 运营网 | 航班运行 | DCS、A-CDM | +| 办公网 | 行政办公 | OA、邮件 | +| 核心网 | 关键基础设施 | DNS、NTP | + +### 5.2 典型架构推荐 + +**大型机场推荐：Spine-Leaf 架构** + +- **Spine 层**：核心交换机，高带宽骨干 +- **Leaf 层**：接入交换机，连接服务器和终端 +- **东西向流量优化**：适合大量跨系统数据交换 +- **收敛比**：建议 1:1 或更宽松 + +**中型机场推荐：三层网络架构** + +- 核心层 / 汇聚层 / 接入层分层设计 +- 适合 500 机柜以下规模 + +### 5.3 网络安全措施 + +- 防火墙分区隔离（域间访问控制） +- IDS/IPS 入侵检测与防御 +- NAC 网络准入控制 +- DDoS 防护 +- 零信任网络架构（ZTNA） + +### 5.4 关键系统网络需求 + +| 系统 | 带宽需求 | 延迟要求 | 可用性要求 | +|------|---------|---------|-----------| +| 空管通信 | 高 | <1ms | 99.999% | +| 航班信息显示 | 中 | <100ms | 99.99% | +| 行李分拣控制 | 高 | <10ms | 99.99% | +| 视频监控 | 极高 | <500ms | 99.9% | +| 离港控制 | 中 | <100ms | 99.99% | + +--- + +## 六、典型案例 + +### 6.1 北京大兴国际机场 + +| 项目 | 内容 | +|------|------| +| 投运时间 | 2019 年 9 月 | +| 占地面积 | 140 万平方米（世界最大单体航站楼） | +| 智能化系统 | 19 个平台、68 个系统 | +| 关键基础设施 | 维谛技术 Liebert PEX+ 精密空调 | +| 覆盖场景 | 信息中心、西塔台、空管核心区、终端控制中心 | +| 集成规模 | 70+ 系统接入统一运行信息数据平台 | + +### 6.2 迪拜国际机场（DXB） + +| 项目 | 内容 | +|------|------| +| 建设模式 | 华为预制模块化（FusionModule1000B） | +| 总功率 | 1 MW | +| 机柜数 | 100 柜（10kW/柜） | +| 等级认证 | Tier III 设计+建造双认证 | +| PUE | <1.6 | +| 建设周期 | 10 个月（节省 50% 时间） | +| 业务覆盖 | 航班运营、行李服务、安防、企业运营、设施维护 | +| 远期规划 | "DXB+"规划：旅客吞吐量从 8360 万增至 1.18 亿 | + +### 6.3 大连金州湾国际机场（在建） + +| 项目 | 内容 | +|------|------| +| 项目性质 | 国家"十四五"重大建设项目 | +| 特点 | 海域机场，高盐高湿环境 | +| 建设模式 | BIM+数字孪生+建运一体化 | +| 核心挑战 | 软基沉降、混凝土耐久性 | +| 智能技术 | AI 巡检机器人、数字化施工监管 | + +### 6.4 案例综合对比 + +| 对比项 | 大兴机场 | 迪拜机场 | 大连金州湾 | +|--------|---------|---------|-----------| +| 状态 | 已投运（2019） | 已投运（2019+） | 在建 | +| 建设模式 | 传统建设 | 预制模块化 | BIM+数字化 | +| 等级 | 推测 Tier III+ | Tier III 双认证 | 规划 Tier III+ | +| PUE | 未公开 | <1.6 | 目标 <1.4 | +| 制冷 | 风冷精密空调 | 变频行级+密闭通道 | 风液融合 | +| 智算能力 | 平台化 | 模块化按需扩展 | 预留智算升级空间 | + +--- + +## 七、建设实施路径 + +### 7.1 建设阶段划分 + +``` +阶段1：选址与规划 + ├── 可行性研究 + ├── 等级确定 + └── 容量规划 + +阶段2：方案设计 + ├── 初步设计 + ├── 施工图设计 + └── 设计评审 + +阶段3：招标与采购 + ├── RFP 发布 + ├── 供应商评选 + └── 合同签订 + +阶段4：施工建设 + ├── 基础施工 + ├── 机电安装 + └── 装修工程 + +阶段5：系统部署 + ├── 设备安装 + ├── 综合布线 + └── 单系统调试 + +阶段6：调试验收 + ├── 系统联调 + ├── PUE 测试 + ├── 消防验收 + └── 等级认证 + +阶段7：运维交付 + ├── 运维团队组建 + ├── 培训完成 + └── SLA 建立 +``` + +### 7.2 建设运营一体化（BIM+数字孪生） + +上海机场集团等标杆企业实践路径： +- 将"建设运营一体化"理念贯穿**设计→施工→移交→运营筹备**各阶段 +- BIM 模型从设计阶段建立，持续更新至运维阶段 +- 数字孪生体支撑运维阶段的仿真和决策 + +### 7.3 工时参考 + +| 建设模式 | 100 柜规模 | 500 柜规模 | +|---------|-----------|-----------| +| 传统建设 | 18-24 个月 | 30-36 个月 | +| 预制模块化 | **10-12 个月** | 15-18 个月 | + +--- + +## 八、供应商与设备参考 + +### 8.1 关键设备供应商（机场有成功实践） + +| 设备类型 | 推荐供应商 | 代表产品 | +|---------|---------|---------| +| 精密空调 | 维谛技术（Vertiv） | Liebert PEX+ 系列 | +| UPS 供电 | 维谛技术（Vertiv）、华为 | 模块化 UPS | +| 预制模块化 DC | 华为 | FusionModule1000B | +| 机柜 | Keydak 金盾 | 风液融合机柜方案 | +| 网络设备 | 华为、Cisco、Juniper | Spine-Leaf 交换机 | +| 综合布线 | 康普（CommScope）、罗森伯格 | 双冗余综合布线 | + +### 8.2 集成商与服务商 + +| 类型 | 参考选择 | +|------|---------| +| 总包集成 | 华为、中软国际 | +| 行业咨询 | 中国民航局机场司、各设计院 | +| 认证审计 | Uptime Institute、 TÜV Rheinland | + +--- + +## 九、关键成功因素 + +1. **等级选择要匹配业务重要性**：主数据中心 Tier III 是性价比最优解 +2. **制冷先行**：高功率密度场景优先考虑风液融合方案，PUE 目标 ≤1.3 +3. **网络可靠性是生命线**：多路由冗余是机场网络设计的底线 +4. **建设运营一体化**：设计阶段就应纳入运维视角，减少移交代价 +5. **预留扩展空间**：智算需求增长迅速，机柜功率密度要留足升级余量 +6. **合规认证前置**：提前规划 Tier 认证和消防认证，避免返工 + +--- + +## 附录 + +### A. 术语表 + +| 缩写 | 全称 | 说明 | +|------|------|------| +| DCS | Departure Control System | 离港控制系统 | +| FIDS | Flight Information Display System | 航班信息显示系统 | +| BHS | Baggage Handling System | 行李处理系统 | +| PUE | Power Usage Effectiveness | 电能使用效率 | +| UPS | Uninterruptible Power Supply | 不间断电源 | +| PDU | Power Distribution Unit | 配电单元 | +| ATS | Automatic Transfer Switch | 自动转换开关 | +| SDN | Software Defined Network | 软件定义网络 | +| BIM | Building Information Modeling | 建筑信息模型 | +| A-CDM | Airport Collaborative Decision Making | 机场协同决策 | +| ZTNA | Zero Trust Network Architecture | 零信任网络架构 | + +### B. 数据来源 + +1. **2025 国际机场博览会**，2025年9月，广州 +2. **2025 第十一届中国机场建设年会**，2025年6月，大连 +3. **华为 × 迪拜机场预制模块化数据中心案例**，Huawei +4. **维谛技术 × 北京大兴国际机场案例**，Vertiv Case Study +5. **中国民航局机场司**，运输机场航空货运设施规划设计指南（征求意见稿） + +### C. 相关标准 + +- GB 50174-2017《数据中心设计规范》 +- GB/T 44463-2024《互联网数据中心技术要求》 +- ANSI/TIA-942-B《数据中心电信基础设施标准》 +- Uptime Institute Tier Standard + +--- + +*本文档由 LLM Wiki 系统生成，内容基于公开行业资料整理，供方案规划参考。具体项目请咨询专业设计院和行业专家。* diff --git a/airport-wiki/机场智算中心技术方案.md b/airport-wiki/机场智算中心技术方案.md new file mode 100644 index 0000000..a3c9985 --- /dev/null +++ b/airport-wiki/机场智算中心技术方案.md @@ -0,0 +1,1378 @@ +# 机场智算中心技术方案 + +> 本方案综合整理自：中国信通院《人工智能算力基础设施赋能研究报告（2025）》、国信证券液冷专题报告、头豹研究院《2025年中国AIDC产业白皮书》、中国工业互联网研究院《工业智算发展研究报告（2025）》、临港算力液冷实践等 +> 生成时间：2026-04-08 +> 数据来源：详见附录 + +--- + +## 一、机场智算中心概述 + +### 1.1 定义 + +机场智算中心（Airport Intelligent Computing Center）是基于 GPU/NPU/ASIC 等异构算力芯片，为机场智能化应用提供**训练与推理**算力服务的专用基础设施。区别于传统数据中心，智算中心以**高性能集群**为核心载体，支撑大模型训练、AI推理、视频分析、智能决策等智能化负载。 + +### 1.2 与传统数据中心的核心差异 + +| 对比项 | 传统数据中心 | 智算中心 | +|--------|------------|---------| +| 核心负载 | ERP、Web、数据库 | AI 训练/推理、视频分析 | +| 算力芯片 | CPU 为主 | GPU/NPU 集群为主 | +| 单机柜功率 | 5-15 kW | 50-200+ kW | +| 散热方式 | 风冷为主 | **液冷为主** | +| 网络重点 | 南北向 | **东西向高速互联** | +| PUE 目标 | 1.4-1.6 | **≤1.25**（国家枢纽节点 ≤1.2） | + +### 1.3 机场智算中心的典型应用场景 + +| 应用场景 | 具体内容 | 算力类型 | +|---------|---------|---------| +| 航班智能调度 | 基于大模型的航班延误预测、停机位优化 | 训练+推理 | +| 行李全流程追踪 | 计算机视觉识别、异常检测 | 推理为主 | +| 视频智能分析 | 航站楼安防/客流热力图分析 | 推理为主 | +| 语音客服机器人 | 旅客问答、多语言翻译 | 推理为主 | +| 飞机故障预测 | 时序数据分析、故障预警 | 训练+推理 | +| 机场数字孪生 | 物理仿真、实时渲染 | 训练+推理 | +| 智能驾驶舱/巡检 | 四足机器人视觉导航、障碍检测 | 推理为主 | + +### 1.4 算力规模测算参考 + +根据《2025年中国人工智能计算力发展评估报告》： + +- **2024年**：中国智算规模 725.3 EFlops（FP16），同比增长 **74.1%** +- **2025年预测**：中国智算规模将达 **1037.3 EFlops**，增长 43% +- **2023-2028年复合增长率**：智算 **46.2%**，通算 18.8% + +机场智算中心规模建议： + +| 机场规模 | 推荐智算规模 | GPU 卡数参考 | +|---------|------------|-------------| +| 千万级旅客以下 | 1-10 PFLOPS（FP16） | 64-512 卡 | +| 千万至两千万级 | 10-50 PFLOPS | 512-2048 卡 | +| 两千万级以上 | 50-200 PFLOPS+ | 2048-8000+ 卡 | + +--- + +## 二、整体技术架构 + +### 2.1 智算中心系统架构 + +``` +┌─────────────────────────────────────────────────┐ +│ 应用服务层 │ +│ 航班调度大模型 │ 行李追踪 │ 安防分析 │ 客服机器人 │ +├─────────────────────────────────────────────────┤ +│ 模型服务层 │ +│ 推理引擎（vLLM/TGI）│ 微调框架 │ 模型仓库 │ +├─────────────────────────────────────────────────┤ +│ 训练平台层 │ +│ 分布式训练框架（NCCL/昇腾集合通信）│ 数据管理 │ +├─────────────────────────────────────────────────┤ +│ 算力调度层 │ +│ 算力调度器│ 作业管理│ 配额计费│ 碳排放管理 │ +├─────────────────────────────────────────────────┤ +│ ┌──────────┐ ┌──────────┐ ┌──────────┐ │ +│ │ GPU集群 │ │ GPU集群 │ │ CPU通用 │ │ +│ │ (训练) │ │ (推理) │ │ 集群 │ │ +│ └──────────┘ └──────────┘ └──────────┘ │ +├─────────────────────────────────────────────────┤ +│ 存储层 │ +│ 分布式文件系统│ 分布式数据库│ 对象存储 │ +├─────────────────────────────────────────────────┤ +│ 网络层 │ +│ Spine-Leaf │ RoCE v2 │ 400G/800G │ +├─────────────────────────────────────────────────┤ +│ 基础设施层 │ +│ 供配电 │ 液冷系统 │ 机柜 │ 消防 │ 监控 │ +└─────────────────────────────────────────────────┘ +``` + +### 2.2 云边端协同架构 + +机场智算中心采用**云-边-端**三级协同架构： + +``` +云端（智算中心） + │ + ├── 训练集群：大规模长时训练任务 + ├── 推理服务：实时性要求不高的批量推理 + └── 模型管理：模型训练、微调、版本管理 + +边缘（航站楼/塔台边缘节点） + │ + ├── 实时推理：时延敏感业务（客流分析、安防告警） + ├── 数据汇聚：本地数据预处理 + └── 断网自治：与云端断连时独立运行 + +端侧（摄像头、传感器、机器人） + │ + ├── 轻量推理：目标检测、异常初筛 + └── 数据采集：原始数据上报 +``` + +### 2.3 异构算力架构 + +机场智算中心建议采用**多元异构算力**架构，主流配置： + +| 芯片类型 | 代表产品 | 适用场景 | 备注 | +|---------|---------|---------|------| +| GPU | NVIDIA H100/H200/B200 | 大模型训练、高性能推理 | 主流选择 | +| GPU | NVIDIA L20/L40S | 推理为主、中等规模 | 性价比方案 | +| NPU | 华为昇腾 910B | 国产化替代 | 昇腾生态 | +| NPU | 海光 DCU | 国产化替代 | 兼容 CUDA | +| ASIC | 寒武纪思元 | 特定推理场景 | 国产化 | + +**推荐配置原则：** +- 训练集群：H100/H200（NVLink 互联） +- 推理集群：L40S 或国产 NPU（成本优化） +- 国产化要求：昇腾 910B 系列优先 + +--- + +## 三、液冷系统技术方案 + +> 液冷是智算中心高功率密度散热的**核心技术路线**，也是本方案的重点。 + +### 3.1 背景与政策要求 + +根据国家发改委等四部门《数据中心绿色低碳发展专项行动计划》（2024年7月）： + +| 指标 | 目标 | +|------|------| +| 全国数据中心平均 PUE | < 1.5（2025年底） | +| 大型/超大型新建数据中心 PUE | < 1.25 | +| 国家枢纽节点数据中心 PUE | ≤ 1.2 | +| 绿电占比（枢纽节点新建） | > 80% | + +智算中心芯片功耗飞速增长，是液冷成为刚需的根本原因： + +| 芯片/系统 | 功耗 | 散热方式 | +|---------|------|---------| +| CPU（英特尔至强 2000系列） | 450-500W/颗 | 风冷极限 | +| GPU（英伟达 A100） | 400W | 需液冷 | +| GPU（英伟达 H100） | 700W | 必须液冷 | +| GPU（英伟达 GB200） | 2700W/超级芯片 | 必须液冷 | +| GPU机架（2024年典型） | 130 kW/rack | 必须液冷 | +| GPU机架（2029年预测） | **> 1 MW/rack** | 全面液冷 | + +### 3.2 液冷技术路线对比 + +液冷技术分为三大类：**冷板式**、**浸没式**、**喷淋式**。 + +#### 三类方案对比 + +| 对比项 | 冷板式液冷 | 浸没式液冷（单相） | 浸没式液冷（相变） | +|--------|----------|-----------------|-----------------| +| 成熟度 | ★★★★★ 最高 | ★★★★ 高 | ★★★ 中 | +| 服务器改动 | 冷板安装 | 需定制服务器 | 需定制服务器 | +| 维护便利性 | ★★★★ 较好 | ★★★ 一般 | ★★ 复杂 | +| 散热能力 | 强（覆盖CPU/GPU/显存） | 极强 | 极强（相变换热） | +| 单机柜密度 | 40-130 kW | 100-500 kW | 250-500+ kW | +| 初期投资 | 中等 | 较高 | 最高 | +| 运维成本 | 中等 | 较低 | 较高 | +| 适用场景 | **当前主流，推荐** | 高密度细分场景 | 超高功率特种场景 | + +#### 冷板式液冷架构详解 + +冷板式液冷是**当前市场主流**，技术最成熟，对现有服务器生态改变最小。 + +**系统架构：** + +``` +室内侧（一次侧冷源） + 冷却塔 / 干冷器 + ↓（自然冷却/蒸发冷却） + 冷水机组（可选，夏季备用） + ↓ + 一次侧循环管路 + + ↓ 板式换热器 + +室内侧（二次侧供液） + CDU（冷却分配单元） + ↓ + Manifold（液冷分配岐管） + ↓ + 冷板（直接贴附于芯片） + ↓ + 服务器内部：CPU冷板 + GPU冷板 + 内存冷板 +``` + +**关键设备参数：** + +| 设备 | 功能 | 关键参数 | +|------|------|---------| +| CDU | 冷却液循环、温度控制 | 典型容量 200-400 kW，支持双路 | +| Manifold | 分液到各机柜 | 316L不锈钢，多路分配 | +| 冷板 | 直接接触芯片散热 | 接触面导热硅脂，微通道设计 | +| 一次侧管路 | 外部冷源连接 | 闭式循环，防冻液 | +| 二次侧管路 | 内部供液 | 快接接头，可维护设计 | + +**冷却液选型：** + +| 类型 | 冷板式常用 | 浸没式常用 | +|------|----------|----------| +| 冷却液 | 乙二醇/丙二醇溶液（防冻）| 氟化液、矿物油（硅油）| +| 去离子水 | 可用（需添加防冻剂）| 不可直接用于浸没 | + +### 3.3 液冷方案推荐 + +#### 方案A：冷板式液冷（推荐新建机场智算中心） + +**适用场景：** 单机柜功率 40-130 kW，预留升级空间 + +**配置建议：** + +| 项目 | 参数 | +|------|------| +| 液冷占比 | 80-100%（全液冷） | +| 风冷辅助 | 仅用于网络设备、少量通用服务器 | +| PUE 目标 | ≤ 1.15（100%液冷）/ ≤ 1.25（80%液冷） | +| 单柜功率 | 上限 130 kW（GB200 NVL72 级别） | + +**英伟达 GB200 NVL72 参考架构（Vertiv）：** +- 单机柜功率：**130 kW** +- 架构：72 GPU + 36 CPU（Grace Blackwell） +- 散热：100% 冷板液冷 +- 能耗节省：比传统风冷减少 **25%** +- 空间节省：减少 **75%** 机柜占地 +- Vertiv 参考设计已获英伟达官方推荐 + +#### 方案B：风液融合（过渡期推荐） + +**适用场景：** 从传统风冷向全液冷过渡，或单机柜功率 40-80 kW 的中期场景 + +| 参数 | 数值 | +|------|------| +| 风冷支持 | 最高 40 kW/柜 | +| 液冷支持 | 最高 150 kW/柜 | +| 特点 | 风液同源、动态平衡、灵活部署 | + +Keydak 金盾 2025 年国际机场博览会发布的风液融合方案已在国内多个智算中心落地。 + +### 3.4 PUE 优化措施 + +|| 措施 | 效果 | +||------|------| +|| 全液冷替代精密空调 | PUE 从 1.5 降至 **1.15-1.25**（典型值） | +|| 冷通道封闭 | 减少冷热气流混合，节能 10-15% | +|| 自然冷却利用 | 冬季低温期配合液冷进一步降低 PUE | +|| 高效 UPS（模块化效率≥96%） | 降低供电损耗 | +|| AI 调优 | 实时调节液冷流量与温度 | + +> **PUE 边界说明**：PUE = 1.0 为理想值（所有电力用于计算，无任何制冷/供电损耗）。实际智算中心 PUE 取决于：① 液冷比例（全液冷 vs. 风液混合）、② 当地气候条件（冬季低温期可大幅降低冷却功耗）、③ 供电效率（UPS/变压器损耗）。在典型机场气候条件下（无极端寒冷），全液冷 PUE 典型值为 1.15-1.25，接近 1.1 需要浸没式液冷 + 极寒气候 + 自然冷却配合。 + +--- + +## 四、算力集群技术方案 + +> **设计原则**：本章节遵循 **Scale-Up（节点内纵向扩展）+ Scale-Out（节点间横向扩展）** 双重扩展架构。Scale-Up 以 NVLink/NVSwitch 为核心解决节点内 GPU 全互联问题；Scale-Out 以 InfiniBand/RoCE 为骨干解决多节点集合通信问题。两层网络各有分工，共同支撑从单卡到万卡的算力扩展路径。 + +--- + +### 4.1 单节点硬件拓扑设计 + +#### 4.1.1 GPU 节点架构演进 + +GPU 服务器节点从单卡到多卡的拓扑演进，核心矛盾是** PCIe 带宽瓶颈 vs. NVLink 直连带宽**： + +|| 架构代际 | 代表产品 | GPU 互联方式 | 端口聚合双向带宽 | GPU 对等带宽 | +||---------|---------|------------|--------------|------------| +|| 第1代（2018）| V100 SXM2 | NVLink 1.0，6 链路 | 300 GB/s | 300 GB/s | +|| 第2代（2020）| A100 SXM4 | NVLink 3.0，12 链路 | 600 GB/s | 600 GB/s | +|| 第3代（2022）| H100 SXM5 | NVLink 4.0，18 链路 | 900 GB/s | 900 GB/s | +|| 第4代（2024）| B200 SXM | NVLink 5.0，18 链路 | **1.8 TB/s** | **900 GB/s** | +|| 第5代（预测）| Rubin Ultra | NVLink 6.0 | ~3.6 TB/s | ~1.8 TB/s | + +**关键结论**： + +- NVLink 5 端口聚合双向带宽 1.8 TB/s 是 NVSwitch Fabric 内部 18 链路的总带宽，**任意 GPU 到任意 GPU 的对等带宽仍为 900 GB/s 双向** +- H100 NVLink 4（900 GB/s）是 A100 PCIe 4.0 x16（64 GB/s）的 **14 倍**，因此多 GPU 节点必须走 NVLink/NVSwitch，不能走 PCIe 交换 +- 表中第4代"1.8 TB/s"是聚合总带宽，不能与 H100 的"单 GPU 可用带宽 900 GB/s"直接对比 + +#### 4.1.2 HGX H100/H200 8-GPU 系统拓扑 + +**NVIDIA HGX H100** 是当前最主流的 AI 训练服务器架构： + +``` + ┌─────────────────────────────────┐ + │ HGX H100 8-GPU Server │ + │ │ + CPU (AMD EPYC / Intel Xeon) │ + │ × 2 │ + │ │ + PCIe Gen5 x16 (Host Bridge) │ + │ │ + ┌──────────────────────────────────────────────┐ │ + │ NVSwitch Fabric（6 芯片，2 平面） │ + │ NVSwitch① ── NVSwitch② ── NVSwitch③ │ + │ ↖ ↑ ↗ │ + │ NVSwitch④ ── NVSwitch⑤ ── NVSwitch⑥ │ + │ （全连接拓扑，任意GPU间单跳可达） │ + └──────────────────────────────────────────────┘ │ + │ │ │ │ │ │ │ │ │ + GPU0 GPU1 GPU2 GPU3 GPU4 GPU5 GPU6 GPU7 │ + H100 H100 H100 H100 H100 H100 H100 H100 │ + SXM5 SXM5 SXM5 SXM5 SXM5 SXM5 SXM5 SXM5 │ + 80GB 80GB 80GB 80GB 80GB 80GB 80GB 80GB │ + HBM3 HBM3 HBM3 HBM3 HBM3 HBM3 HBM3 HBM3 │ + └────────── PCIe Gen5 ─────────┘ │ + └────── InfiniBand / RoCE 网卡 ───────────────┘ │ + └─────────────────────────────────┘ +``` + +**关键拓扑参数（HGX H100）：** + +|| 参数 | 规格 | +||------|------| +|| GPU 数量 | 8 × NVIDIA H100 SXM5 | +|| GPU 间 NVLink 带宽 | 900 GB/s 双向（全互联）| +|| NVSwitch 芯片数 | **6 片**（2 组各 3 片，全连接拓扑）| +|| NVSwitch 交换容量 | 25.6 Tb/s 每芯片 | +|| 单节点 BF16 算力（稀疏）| ~3,958 TFLOPS ≈ **4 PFLOPS** | +|| 单节点 FP16 算力（稠密）| ~1,979 TFLOPS ≈ **2 PFLOPS** | +|| 每 GPU HBM3 容量 | 80 GB（SXM5 版本）| +|| 每 GPU HBM3 带宽 | 3.35 TB/s | +|| CPU 配置 | 2 × AMD EPYC 9004/9005 或 Intel Xeon Scalable | +|| 主机内存 | 2 TB DDR5 ECC | +|| 存储本地 SSD | 2 × 3.84 TB NVMe（OS + 缓存）| +|| 电源配置 | 4 × 3.3 kW PSU（~13 kW 总功耗）| +|| 散热方式 | 冷板式液冷（必须）| + +> **注**：HGX H100 架构中，NVSwitch Fabric 由 **6 片** NVSwitch 芯片组成（每 3 片为一组，构成两个全连接平面），提供节点内 8 GPU 全互联。NCCL 集合通信在 NVSwitch 内部全速运行，不受 PCIe 争用影响。 + +**CPU 与 GPU 连接路径：** + +``` +CPU0 ──→ PCIe Gen5 x16 ──→ CPU1 (AMD Infinity Fabric / Intel UPI) + └────────┬───────────────────────┐ + │ │ + NVSwitch InfiniBand/ + Fabric (GPU) RoCE 网卡 +``` + +> **注**：HGX H100 架构中，CPU 与 GPU 之间**不直接走 PCIe 交换**，而是通过 NVSwitch 内部路径访问 GPU 内存。NCCL 集合通信在 NVSwitch 内部全速运行，不受 PCIe 争用影响。 + +#### 4.1.3 GB200 NVL72 机架级超级芯片架构 + +**GB200 NVL72** 是 NVIDIA Blackwell 架构的机架级集成方案，代表当前最极致的 Scale-Up 设计： + +**物理架构：** + +|| 组件 | 数量 | 说明 | +||------|------|------| +|| Blackwell GPU (B200) | 72 张 | 每 GPU BF16 算力 ~1,800 TFLOPS（稀疏）| +|| Grace CPU (Neoverse V2) | 36 颗 | 72 核 ARM，每颗 240 GB LPDDR5 | +|| NVLink Switch 芯片 | 9 片 | 来自 NVLink Switch 第4代 | +|| GPU 内存总量 | 13.5 TB HBM3e | 每 GPU 186 GB（×72）| +|| CPU 内存总量 | 8.6 TB LPDDR5 | 每 CPU 240 GB（×36）| +|| NVLink 域带宽（聚合）| **130 TB/s** | 72 GPU 全互联 | +|| 单机柜功率 | **132 kW**（TDP）/ 峰值更高 | +|| CDU 容量 | 250 kW（Supermicro 方案）| +|| 散热方式 | 100% 冷板液冷 | + +> **注**：Blackwell 架构的核心营销指标是 BF16 机器学习精度，FP64 主要用于 HPC 科学计算，对机场 AI 推理/训练场景无直接参考价值，原文档使用 FP64 算力指标是误导性引用。 + +**计算托盘（Compute Tray）结构：** + +``` +每个计算托盘： + ┌─────────────────────────────────┐ + │ 1 × GB200 超级芯片 (= 2×B200 + 1×Grace CPU) │ + │ 显存: 2 × 186 GB = 372 GB HBM3e │ + │ 功率: ~2.7 kW（超级芯片总功耗） │ + └─────────────────────────────────┘ + +18 个计算托盘 × 4 GPU/托盘 = 72 GPU +``` + +**NVLink 域设计：** + +- 72 GPU 在同一个 **NVLink 域（NVLink Domain）** 内全互联 +- 任意两 GPU 之间通信：**单跳**，无需跨交换机 +- 对等带宽：**900 GB/s** 任意 GPU 到任意 GPU（是 InfiniBand NDR 400G 的约 2.3 倍；"1.8 TB/s"为 Fabric 聚合总带宽，非对等带宽） +- **张量并行（Tensor Parallelism）** 可覆盖全部 72 GPU，适合超大规模模型 +- 推理加速：NVIDIA 官方宣称的 **30 倍加速**基于特定 LLM 基准测试（GPT-3 175B），实际加速比与模型规模、批大小、输入长度强相关，不同 workload 差异显著，不应作为通用指标 + +**SuperPOD 扩展（8 × NVL72 = 576 GPU）：** + +``` +8 × GB200 NVL72 rack + │ + │ (NVLink 扩展 via NVLink Switch) + │ + 576 GPU 全互联域 + 总带宽: >1 PB/s + 总显存: 108 TB HBM3e +``` + +> **机场场景建议**：GB200 NVL72 单柜 132kW，功率密度极高，建议在机场智算中心**预留**此架构，但当前阶段以 HGX H100/H200 8-GPU 节点为主（单节点 ~13kW，可用液冷机柜支撑）。 + +#### 4.1.4 推理服务器节点拓扑（4-GPU 配置） + +推理服务器针对**高并发、低延迟**场景，与训练服务器拓扑差异显著： + +**推荐节点架构：** + +| 参数 | NVIDIA L40S 方案 | 昇腾 910B 方案（国产）| +|------|----------------|------------------| +| GPU 数量 | 4 × L40S | 4 × 昇腾 910B | +| GPU 显存 | 48 GB GDDR6 | 64 GB HBM | +| GPU 间互联 | PCIe Gen4 交换（无 NVLink）| HCCS（华为集合通信）| +| GPU 通信带宽 | ~64 GB/s（PCIe x16）| ~392 GB/s（HCCS）| +| 单节点算力 | ~2 PFLOPS（FP16）| ~2 PFLOPS（FP16）| +| 适用场景 | 中等规模推理 | 国产化推理 | +| 功耗 | ~4 kW/节点 | ~4.5 kW/节点 | +| 散热 | 风冷或液冷 | 风冷或液冷 | + +**L40S vs H100 推理对比：** + +| 对比项 | L40S（推理为主）| H100（训练/推理）| +|--------|--------------|----------------| +| 显存带宽 | 864 GB/s GDDR6 | 3.35 TB/s HBM3 | +| INT8 算力 | ~733 TFLOPS | ~3,958 TFLOPS | +| NVLink | 无 | 900 GB/s | +| 功耗 | 350 W | 700 W | +| 推理场景 | 中等 Batch、QPS < 1000 | 大 Batch、高吞吐 | +| 性价比 | 优（推理专用）| 高性能但成本高 | + +--- + +### 4.2 多节点集群组网架构（Scale-Out） + +#### 4.2.1 集群网络分层架构 + +智算集群网络分为**三层三平面**： + +``` +┌────────────────────────────────────────────────────────────┐ +│ 集群外部网络（Border） │ +│ 互联网/专线/机场内部网络 ←→ 防火墙/负载均衡 │ +└────────────────────────────────────────────────────────────┘ + │ +┌────────────────────────────────────────────────────────────┐ +│ 管理网络平面（Management Network） │ +│ BMC / IPMI / SSH / 监控采集 │ +│ ←→ 千兆以太网（Out-of-Band） │ +│ 带宽：1 Gb/s（管理流量，带外） │ +└────────────────────────────────────────────────────────────┘ + │ +┌────────────────────────────────────────────────────────────┐ +│ 存储网络平面（Storage Network） │ +│ 分布式存储读写 / checkpoint 存取 │ +│ ←→ RoCE v2 / InfiniBand + NVMe-oF │ +│ 带宽：200-400 Gb/s │ +└────────────────────────────────────────────────────────────┘ + │ +┌────────────────────────────────────────────────────────────┐ +│ 计算网络平面（Compute Network / AI Fabric） │ +│ GPU 集合通信（NCCL） / 梯度同步 / 数据并行 │ +│ ←→ InfiniBand NDR 400G / Spectrum-X 400G │ +│ 带宽：400 Gb/s（节点间） │ +└────────────────────────────────────────────────────────────┘ +``` + +#### 4.2.2 InfiniBand NDR 400G 组网设计 + +**InfiniBand 是当前 AI 训练集群的事实标准网络**，原因： + +- **硬件原生 RDMA**：绕过操作系统内核，直接内存访问，延迟 < 1 μs +- **自适应路由（Adaptive Routing）**：每包独立路由，充分利用所有链路 +- **SHARP 网内计算**：在交换机内聚合梯度，无需送回 GPU 再聚合 +- **NVIDIA Collective Communications（NCCL）原生支持** + +**InfiniBand NDR 400G 关键参数：** + +| 参数 | 规格 | +|------|------| +| 单端口带宽 | 400 Gbps（NDR = Next Data Rate）| +| 编码方式 | PAM4（每 lane 53.125 Gbaud）| +| 线缆类型 | 光纤（多模 OM4 / 单模 LC）| +| 交换机型号 | NVIDIA QM9700 系列 | +| 交换机端口密度 | 64 端口 × 400G | +| 拓扑支持 | Fat-Tree / DragonFly+ / Hypercube | +| 每交换机延迟 | < 0.6 μs（端到端）| +| 拥塞控制 | CNP（Congestion Notification Packet）| + +**Fat-Tree 拓扑设计（推荐中小规模 512 GPU）：** + +``` + ┌─────────────┐ + │ Core Switch │ InfiniBand QM9700 + │ (2-4 台) │ 64 端口 400G + └──────┬──────┘ + │ + ┌─────────────────┼─────────────────┐ + │ │ │ + ┌────▼────┐ ┌────▼────┐ ┌────▼────┐ + │ Agg 1 │ │ Agg 2 │ │ Agg 3 │ + │ QM9700 │ │ QM9700 │ │ QM9700 │ + └────┬────┘ └────┬────┘ └────┬────┘ + │ │ │ + [16 servers] [16 servers] [16 servers] + 每组 8× GPU 每组 8× GPU 每组 8× GPU + 节点 1-16 节点 17-32 节点 33-48 +``` + +**端口规划公式：** + +| 集群规模 | Spine 交换机数 | 每个 Spine 上联端口 | 下联端口/交换机 | +|---------|--------------|------------------|--------------| +| 64 GPU（8节点）| 2 | 0 | 32-48 | +| 512 GPU（64节点）| 4 | 16-32 | 32 | +| 1024 GPU（128节点）| 8 | 32-64 | 32 | +| 4096 GPU（512节点）| 16 | 32 | 32 | + +> 每个 8-GPU 服务器通常配置 **2 × 400G InfiniBand** 双上联，通过多路径（Multi-Path）和 LACP Bonding 实现带宽聚合与冗余容错。典型部署中每台服务器两个 400G 端口分别上联到两台 Leaf 交换机，故障时可无缝切换。 + +#### 4.2.3 Spectrum-X 以太网方案（替代方案） + +**Spectrum-X** 是 NVIDIA 面向 AI 的以太网解决方案，适合**不愿意引入 InfiniBand 专有生态**的用户： + +| 参数 | Spectrum-X 400G | InfiniBand NDR 400G | +|------|---------------|-------------------| +| 技术基础 | 以太网（RoCE v2）| InfiniBand | +| 延迟 | 1-2 μs | < 0.6 μs | +| NCCL 性能 | 基准 ~100% | 最优 ~100% | +| 生态开放性 | 高（标准以太网）| 低（需 IB 交换设备）| +| 运维复杂度 | 低（统一以太网运维）| 高（独立 IB 网络）| +| 供应商 | NVIDIA、华为 | NVIDIA（Mellanox）| +| 推荐场景 | 推理集群、混合云 | 训练集群（强烈推荐）| + +**Spectrum-X 关键技术（ROCEv2 + NVIDIA 网络流优化）：** + +- **增强 RoCE（eRoCE）**：支持可变 MTU（IMIX），减少小包开销 +- **NetFlow 流管理**：智能负载均衡，自动路径选择 +- **拥塞控制**：TensorFlow/MPI 层内置支持 + +#### 4.2.4 万卡集群超节点（SuperPOD）架构 + +万卡集群的网络设计需要在 **InfiniBand 拓扑** 上精心规划： + +**典型 32-GPU SU（可扩展单元）InfiniBand 规划：** + +``` +每 4 台 8-GPU 服务器 = 1 个 SU（32 GPU） + 4 × 服务器 × 2 × 400G IB 上联 = 8 个 QSFP-DD 端口连接上联交换机 +``` + +**千卡集群（1000+ GPU）Fat-Tree 规格：** + +| 参数 | 1024 GPU（128节点）| 2048 GPU（256节点）| +|------|----------------|----------------| +| 交换机型号 | QM9700 | QM9700 | +| Spine 数 | 8 | 16 | +| 每 Spine 下联 | 32 端口 400G | 32 端口 400G | +| Agg 层 | 16 | 32 | +| 收敛比 | 1:1（无收敛）| 1:1（无收敛）| +| 总 InfiniBand 端口 | 512 + 512 = 1024 | 1024 + 1024 = 2048 | +| 网络直径 | 3 跳（最差路径）| 3 跳 | + +**关键设计原则：** + +1. **收敛比 ≤ 1:1**：AI 训练流量无阻塞，避免网络成为瓶颈 +2. **InfiniBand 多路径**：每服务器双上联，双 L3 自适应路由 +3. **GPU Direct RDMA**：跨节点 GPU 直接内存访问，绕过 CPU +4. **SHARP 网内聚合**：梯度在交换机内聚合，节省 30-50% 通信量 + +--- + +### 4.3 存储集群设计 + +#### 4.3.1 存储需求分析 + +AI 训练集群的存储负载分为三类： + +| 存储类型 | 用途 | 性能要求 | 典型容量 | +|---------|------|---------|---------| +| **数据湖存储** | 原始训练数据、语料库 | 顺序读取带宽 ≥500 GB/s | 10-100 PB | +| **模型存储** | 检查点、训练产出模型 | 写入带宽 ≥100 GB/s，延迟 < 1 ms | 1-10 PB | +| **共享文件系统** | 代码、配置、小文件共享 | IOPS ≥ 1M，小文件吞吐 | 100 TB-1 PB | +| **本地缓存** | 热点数据本地加速 | NVMe 本地，读缓存 | 1-10 TB/节点 | + +#### 4.3.2 全闪存分布式文件系统架构 + +**推荐方案：JuiceFS + 对象存储（兼容 S3）+ 本地 NVMe 缓存** + +``` +┌─────────────────────────────────────────────────────────┐ +│ 应用层（GPU 节点） │ +│ 训练框架 ───→ JuiceFS FUSE / CSI 驱动 ───→ POSIX 接口 │ +└─────────────────────────────────────────────────────────┘ + │ + ┌─────▼─────┐ + │ JuiceFS │ 元数据引擎（TiKV/RocksDB） + │ 客户端 │ 缓存层（L1本地 NVMe / L2 共享 SSD） + └─────┬─────┘ + │ + ┌───────────────┼───────────────┐ + │ │ │ + ┌─────▼─────┐ ┌─────▼─────┐ ┌─────▼─────┐ + │ 对象存储 │ │ 对象存储 │ │ 对象存储 │ + │ (MinIO) │ │ (CEPH RGW)│ │ (S3 兼容) │ + │ 10+ PB │ │ 多站点 │ │ 备份 │ + └───────────┘ └───────────┘ └───────────┘ +``` + +**JuiceFS 关键参数（AI 训练场景）：** + +| 参数 | 推荐值 | +|------|-------| +| 元数据引擎 | TiKV（分布式，≥3 节点）或 Redis（单机测试）| +| 数据存储 | 对象存储（S3 兼容，任意厂商）| +| 本地缓存 | 每节点 1-2 TB NVMe SSD（L1 缓存）| +| 共享 SSD 缓存 | 每机柜 4-8 TB NVMe SSD（L2 缓存）| +| 小文件聚合 | 4 MiB chunk，减少元数据压力 | +| 读取预取 | 自动预取临近数据块，降低 IO 等待 | +| 并行读 | 128-256 并发线程，最大化带宽利用率 | + +**分布式存储产品选型：** + +| 产品 | 类型 | 适用规模 | AI 训练适配度 | +|------|------|---------|------------| +| JuiceFS | 元数据+对象存储分离 | 中大规模 | ★★★★★ | +| BeeGFS | 并行文件系统 | 超大规模 | ★★★★ | +| GPFS（IBM Spectrum Scale）| 并行文件系统 | 企业级 | ★★★★ | +| 曙光 ParaStor | 全闪存分布式 | 国产化 | ★★★★ | +| 华为 OceanStor 9000 | 全闪存分布式 | 大规模 | ★★★★ | + +#### 4.3.3 存储网络设计 + +**存储流量走独立 RoCE v2 网络，与计算网络物理隔离：** + +| 网络平面 | 协议 | 带宽 | 交换机 | +|---------|------|------|-------| +| 计算网络 | InfiniBand NDR | 400G × 2（双上联）| QM9700 | +| 存储网络 | RoCE v2 + NVMe-oF | 200-400G | Spectrum-X / 华为 CloudEngine | +| 管理网络 | 以太网 | 1G | 接入交换机 | + +**存储性能目标（AI 训练）：** + +|| 指标 | 目标值 | 前提条件 | +||------|-------|---------| +|| 聚合读带宽 | ≥ 500 GB/s（10 PB 集群）| 需 20+ 全闪存存储节点，每节点 25 GB/s 读带宽，200G 存储网络聚合 | +|| 聚合写带宽 | ≥ 100 GB/s | 需 NVMe SSD 配置，多路并发写入 | +|| 元数据 IOPS | ≥ 100 万 | 需分布式元数据引擎（如 TiKV），小文件聚合策略 | +|| 检查点保存时间 | ≤ 30 秒（100 GB 检查点）| 需 100G+ 存储网络 + 本地 NVMe SSD 缓存 | +|| 存储可靠性 | 99.9999%（6 个 9）| 副本/纠删码策略，多站点部署 | + +> **注**：上述性能目标均为有前置条件的系统设计指标，实际达成需要：足够的存储节点数量、充足的存储网络带宽、正确配置的小文件聚合策略。初次建设时应优先保证核心指标（检查点写入带宽），其他指标可随集群扩展逐步达标。 + +--- + +### 4.4 训练集群软件栈 + +#### 4.4.1 分布式训练框架 + +AI 训练软件栈从底层到应用分为五层： + +``` +┌──────────────────────────────────────────┐ +│ 应用层：训练脚本（PyTorch/LLaMA-Factory）│ +├──────────────────────────────────────────┤ +│ 框架层：PyTorch 2.x + 分布式通信优化 │ +│ DeepSpeed / Megatron-LM / ColossalAI│ +├──────────────────────────────────────────┤ +│ 通信层：NCCL 2.x（NVIDIA） │ +│ HCCS（昇腾）/ OpenUCCL（国产） │ +├──────────────────────────────────────────┤ +│ 驱动层：CUDA 12.x / ROCm 6.x │ +│ GPU Driver / cuBLAS / cuDNN │ +├──────────────────────────────────────────┤ +│ 硬件层：NVLink / InfiniBand / RoCE │ +└──────────────────────────────────────────┘ +``` + +**框架选型建议：** + +| 框架 | 适用场景 | 并行策略支持 | +|------|---------|------------| +| **PyTorch 2.x + FSDP** | 通用大模型训练 | DDP / FSDP / TP | +| **DeepSpeed ZeRO** | 超大模型（千亿参数+）| ZeRO-1/2/3、流水线、张量并行 | +| **Megatron-LM** | 极致张量并行优化 | TP + PP + DP 三维并行 | +| **ColossalAI** | 异构训练、多种并行策略 | 动态调度、ZeRO++ | + +**DeepSpeed ZeRO 并行策略详解：** + +| 策略 | 显存优化 | 通信量 | 适用场景 | +|------|---------|--------|---------| +| ZeRO-1 | 分片优化器状态 | 较少 | 大模型，多节点 | +| ZeRO-2 | + 分片梯度 | 中等 | 大模型，多节点 | +| ZeRO-3 | + 分片参数 | 较大（all-gather）| 超级大模型 | +| ZeRO-Offload | CPU 卸载 | 依赖 PCIe | 单机大模型 | +| ZeRO-Infinity | 卸载到 NVMe/内存 | 依赖带宽 | 超大模型，单机 | + +#### 4.4.2 集合通信配置（NCCL） + +NCCL 是 NVIDIA GPU 集合通信库，是分布式训练性能的核心： + +**NCCL 关键配置参数：** + +```bash +# NCCL 环境变量参考配置 +NCCL_DEBUG=info # 调试日志（生产环境关闭） +NCCL_IB_DISABLE=0 # 启用 InfiniBand +NCCL_NET_GDR_LEVEL=PIX # GPU 直接访问网卡（最佳性能） +NCCL_NVLS_DISABLE=0 # 启用 NVLink 域内通信 +NCCL_MIN_NCHANNELS=4 # 最小通道数 +NCCL_MAX_NCHANNELS=16 # 最大通道数（InfiniBand 多路径） +NCCL_ALGO=Tree # 集合通信算法（Ring/Tree/Tunnel） +NCCL_PROTO=LL # 协议（Simple/ LL/ Elemy） +NCCL_BUFFSIZE=2097152 # 环形缓冲区大小（字节） +``` + +**NCCL 在 GB200 NVL72 中的拓扑感知：** + +```python +# 拓扑感知的进程亲和性设置（关键！） +import torch +import torch.distributed as dist + +# 获取 GPU NVLink 对等关系 +torch.cuda.can_device_access_peer(local_gpu, remote_gpu) + +# Megatron-LM 中使用 NVL72 拓扑 +# nvidia.com/gpu.clique: 同一 NVLink 域内的 GPU 标记 +# Megatron 自动优先在 NVLink 域内布置张量并行组 +``` + +**NCCL 测试验证（上线前必须执行）：** + +```bash +# 单节点 8-GPU NCCL 测试 +./build/all_reduce_perf -b 8M -e 8G -f 2 -g 8 + +# 跨节点 NCCL 测试（每个节点启动） +./build/all_reduce_perf -b 8M -e 8G -f 2 -g 8 \ + -N 1 -w 100 -n 100 +``` + +**预期 NCCL 带宽基准：** + +| 通信模式 | H100 NVLink 域内 | H100 InfiniBand 400G | L40S PCIe | +|---------|--------------|-------------------|-----------| +| AllReduce（8 GPU）| ~850-900 GB/s | 300-350 GB/s | ~60 GB/s | +| AllReduce（跨节点）| N/A | 300-350 GB/s | ~60 GB/s | +| AllGather | ~880 GB/s | 280-320 GB/s | ~55 GB/s | +| ReduceScatter | ~870 GB/s | 280-320 GB/s | ~55 GB/s | + +> **目标**：InfiniBand 400G 的 NCCL 带宽应达到理论峰值的 **80% 以上**（即 ≥ 320 GB/s），否则说明网络有瓶颈。 + +#### 4.4.3 作业调度器选型 + +| 调度器 | 适用场景 | 优点 | 缺点 | +|--------|---------|------|------| +| **Slurm** | 超算/HPC 传统场景 | 生态成熟，稳定可靠 | 不支持容器原生 | +| **Kubernetes + Volcano** | 云原生 AI 平台 | 生态丰富，弹性伸缩 | 配置复杂 | +| **Kubeflow** | MLOps 全流程 | 与 K8s 深度集成 | 较重 | +| **OpenPAI（微软）** | 企业内部 AI 平台 | 支持多租户 | 社区活跃度下降 | +| **VarStore（平头哥）** | 大规模训练 | 高效调度 | 主要支持 TPU 生态 | + +**Kubernetes + Volcano 推荐配置（机场智算中心）：** + +```yaml +# Volcano Job 示例：启动一个 64-GPU 分布式训练任务 +apiVersion: batch.volcano.sh/v1alpha1 +kind: Job +metadata: + name: flight-delay-llm-training +spec: + replicas: 8 # 8 个 Pod（每 Pod 8 GPU） + minAvailable: 64 # 至少 64 GPU 可用才启动 + schedulerName: volcano + tasks: + - replicas: 8 + name: trainer + template: + spec: + containers: + - name: training + image: pytorch:2.3-cuda12.1 + command: + - torchrun + - --nproc_per_node=8 + - --nnodes=8 + - /workspace/train.py + resources: + nvidia.com/gpu: 8 + volumeMounts: + - mountPath: /data + name: data-volume + volumes: + - name: data-volume + persistentVolumeClaim: + claimName: training-data-pvc + nodeSelector: + nvidia.com/gpu.product: H100-SXM5-80GB + tolerations: + - key: "nvidia.com/gpu" + operator: "Exists" +``` + +--- + +### 4.5 推理集群设计 + +#### 4.5.1 高吞吐推理架构 + +``` + ┌──────────────────┐ + │ L4/L40S 推理节点 │ + │ (Kubernetes Pod) │ + │ vLLM / TFLite │ + └────────┬─────────┘ + │ + ┌────────▼─────────┐ + │ RoCE v2 存储网络 │ + │ (模型加载/热数据) │ + └────────┬─────────┘ + │ +┌──────────────────────────────────┼──────────────────────┐ +│ 推理服务层（Kubernetes） │ +│ Prometheus + Alertmanager（监控） │ Seldon Core（Serving）│ +└──────────────────────────────────┴──────────────────────┘ + │ + ▼ + ┌──────────┐ + │ LLM Router│ + │ (流量调度)│ + └──────────┘ + │ + ┌────────────────┼────────────────┐ + ▼ ▼ ▼ + ┌──────────┐ ┌──────────┐ ┌──────────┐ + │ 推理节点1 │ │ 推理节点2 │ │ 推理节点3 │ + │ L40S ×4 │ │ L40S ×4 │ │ L40S ×4 │ + └──────────┘ └──────────┘ └──────────┘ +``` + +#### 4.5.2 推理引擎深度对比 + +| 引擎 | 开发方 | 推理框架 | KV Cache | 多模型 | 国产适配 | +|------|-------|---------|---------|-------|--------| +| **vLLM** | 伯克利 LMSYS | PyTorch | PagedAttention | 是 | 昇腾（第三方）| +| **TensorRT-LLM** | NVIDIA 官方 | TensorRT | 动态批处理 | 是 | 仅 NVIDIA GPU | +| **SGLang** | 斯坦福 | PyTorch | RadixAttention | 是 | 昇腾（实验）| +| **Ollama** | 本地推理 | Llama.cpp | - | 多模型 | CPU/GPU | +| **TGI** | HuggingFace | 多种后端 | 是 | 是 | 昇腾（第三方）| + +**vLLM 关键配置参数：** + +```python +# vLLM 推理服务配置 +vllmArgs = [ + "--model", "/models/flight-llm-7b", + "--tensor-parallel-size", "4", # 张量并行度 + "--gpu-memory-utilization", "0.92", # GPU 显存利用率（0.92 = 92%） + "--max-num-batched-tokens", "8192", # 最大批处理 token 数 + "--max-num-seqs", "256", # 最大并发序列数 + "--enable-chunked-prefill", # 启用分块预填充 + "--enforce-eager", # 禁用 CUDA graph（调试用） + "--port", "8000", + "--host", "0.0.0.0", +] + +# 关键说明： +# --gpu-load-fraction 不是 vLLM 合法参数，GPU 负载比例通过 --gpu-memory-utilization 控制 +# 0.92 表示 vLLM 最多占用每卡 92% 的显存（预留 8% 给 CUDA kernel 等） +``` + +**TensorRT-LLM 推理性能参考（H100 单卡）：** + +| 模型 | FP16 吞吐（tokens/s）| INT8 吞吐（tokens/s）| 显存占用（FP16）| +|------|------------------|------------------|------------| +| Llama-3-8B | ~5,000 | ~8,000 | ~20 GB | +| Llama-3-70B | ~1,200（TP4）| ~2,000（TP4）| ~160 GB | +| Mistral-7B | ~6,000 | ~9,500 | ~18 GB | +| Qwen-72B | ~800（TP8）| ~1,500（TP8）| ~280 GB | + +#### 4.5.3 PD 分离（Prefill-Deploy 分离）架构 + +对于超大模型推理，**PD 分离**可显著提升 GPU 利用率： + +``` + ┌─────────────┐ + │ Router │ + │ (请求路由) │ + └──────┬──────┘ + │ + ┌────────────┴────────────┐ + ▼ ▼ + ┌─────────────┐ ┌─────────────┐ + │ Prefill 节点 │ │ Decode 节点 │ + │ H100/H200 │ KV Cache │ L40S/H20 │ + │ 计算密集 │ ──传输──→ │ 显存密集 │ + │ 高延迟 │ │ 低延迟高吞吐 │ + └─────────────┘ └─────────────┘ +``` + +| 对比项 | 传统单节点推理 | PD 分离推理 | +|--------|------------|-----------| +| GPU 利用率 | < 30%（Decode 瓶颈）| 70-90% | +| 首 token 延迟 | 固定 | 可优化（Prefill 专用优化）| +| 吞吐 | 受限于最慢阶段 | 各阶段独立扩缩容 | +| 适用模型 | < 30B 参数 | 任意规模，尤其是 > 70B | + +--- + +### 4.6 国产化集群方案 + +#### 4.6.1 华为昇腾 910B 集群方案 + +**昇腾 910B 关键参数：** + +| 参数 | 昇腾 910B | NVIDIA H100 | 对比 | +|------|---------|-----------|------| +| FP16 算力 | 640 TFLOPS | 1,979 TFLOPS | H100 的 32% | +| INT8 算力 | 1,280 TOPS | 3,958 TOPS | H100 的 32% | +| HBM 容量 | 64 GB | 80 GB | - | +| HBM 带宽 | 1.6 TB/s | 3.35 TB/s | H100 的 48% | +| 芯片互联 | HCCS（910 GB/s）| NVLink（900 GB/s）| 基本持平 | +| 功耗 | 400 W | 700 W | 能效比更高 | +| 制程 | 7nm | 4nm | 差一代 | +| 生态 | 昇腾 CANN / MindSpore | CUDA / cuDNN | 差距较大 | + +**昇腾集群组网拓扑（Atlas 900 PoD）：** + +``` +昇腾 910B 服务器（含 8 × NPU） + │ + │ PCIe Gen5 x16 + │ + ┌─────▼─────┐ + │ HCCS Switch │ 华为自研高速互联交换机 + │ (392 GB/s) │ 8 × HCCS 端口，双向 + └─────┬─────┘ + │ 跨服务器 HCCS + (Scale-Up: 节点内) + │ + ▼ + InfiniBand / 以太网络 + (Scale-Out: 节点间) +``` + +> **注**：原文档将 HCCS 带宽误写为 128 GB/s，实际华为官方参数为 **392 GB/s**（双向），用于 8 × NPU 节点内全互联，与 NVLink 4.0 的 900 GB/s 仍有量级差距，但优于 PCIe Gen4 x16（约 64 GB/s）。 + +**昇腾软件栈：** + +| 层次 | 昇腾组件 | 替代 NVIDIA | +|------|---------|-----------| +| 芯片 | Ascend 910B NPU | H100/H200 GPU | +| 驱动 | Huawei CANN | CUDA | +| 通信库 | HCCS（昇腾集合通信）| NCCL | +| 框架 | MindSpore / PyTorch（第三方）| PyTorch | +| 算子库 | Ascend Math / ACL | cuBLAS / cuDNN | +| 推理引擎 | MindX / ATLAS | TensorRT | +| 集群管理 | FusionCube / ascendCL | DGX 系统 | + +**昇腾集群注意问题：** + +- **CUDA 兼容性问题**：昇腾 CANN ≠ CUDA，PyTorch 模型需用 **Ascend PyTorch** 适配（torch_npu 库），部分算子可能需要自行移植 +- **生态成熟度**：较 NVIDIA 仍有差距，建议配合华为原厂支持 +- **NPU 亲和性**：MindSpore 在昇腾上性能最优，PyTorch 适配版本性能略有损耗 + +#### 4.6.2 海光 DCU 方案 + +| 参数 | 海光 DCU Z100 | NVIDIA A100 | 对比 | +|------|-------------|-----------|------| +| FP16 算力 | 256 TFLOPS | 624 TFLOPS | A100 的 41% | +| HBM 容量 | 64 GB | 40/80 GB | 对标 A100 80G | +| 功耗 | 350 W | 400 W | 略低 | +| 生态 | ROCm（部分兼容）| CUDA | 兼容性较好 | + +**优势**：海光 DCU 基于 AMD ROCm 生态，**与 CUDA 兼容性较好**，迁移成本低于昇腾。 + +--- + +### 4.7 集群管理、监控与运维 + +#### 4.7.1 硬件监控体系 + +| 监控维度 | 工具 | 采集指标 | +|---------|------|---------| +| GPU 监控 | DCGM（NVIDIA）/ msmonitor（昇腾）| 温度、功耗、利用率、显存、ECC 错误 | +| InfiniBand 监控 | UFM（NVIDIA）/ Mellanox firmware | 端口状态、误码率、拓扑 | +| 存储监控 | JuiceFS / BeeGFS 内置工具 | 带宽、IOPS、元数据延迟 | +| 节点监控 | node_exporter + Prometheus | CPU、内存、网络、磁盘 | +| 集群健康 | Grafana 大盘 | 综合集群状态 | + +**关键告警阈值（参考）：** + +| 告警级别 | 指标 | 阈值 | 动作 | +|---------|------|------|------| +| P1（紧急）| GPU 温度 | > 85°C | 立即降频/关机 | +| P1 | GPU ECC 错误数 | > 100/小时 | 标记节点下线 | +| P2（重要）| GPU 利用率 | < 10%（训练时）| 检查 NCCL 通信 | +| P2 | InfiniBand 端口误码 | > 10⁻⁶ | 更换光模块/线缆 | +| P3（一般）| CPU 利用率 | > 90% 持续 30 分钟 | 扩容/调优 | +| P3 | GPU 显存占用 | > 95% | 优化 Batch Size | + +#### 4.7.2 NCCL 调优最佳实践 + +**上线前必须完成的验证清单：** + +```bash +# 1. NVLink 连接验证 +nvidia-smi nvlink --status + +# 2. InfiniBand 物理层验证 +ibstat # 检查端口状态 +ibdiagnet -r # 检测线缆和光模块质量 + +# 3. NCCL 单节点带宽测试 +./build/all_reduce_perf -b 128M -e 1G -f 2 -g 8 +# 目标：AllReduce 带宽 > 850 GB/s（NVLink 域内） + +# 4. NCCL 跨节点带宽测试 +# （每个节点后台启动） +./build/all_reduce_perf -b 128M -e 1G -f 2 -g 8 -N 1 -w 100 -n 100 +# 目标：AllReduce 带宽 > 300 GB/s（IB 400G） + +# 5. GPU Direct RDMA 验证 +ib_write_bw -d mlx5_0 # 测试 IB 网卡到 GPU 内存直接带宽 +# 目标：> 350 GB/s + +# 6. 端到端训练基准测试 +torchrun --nproc_per_node=8 /workspace/nccl_tests/resnet50/hello_world.py +# 验证 8-GPU 线性扩展效率 > 90% +``` + +--- + +### 4.8 机场智算中心集群配置推荐方案 + +#### 方案一：中等规模（千万级旅客机场，推理为主） + +| 项目 | 配置 | +|------|------| +| **GPU 类型** | NVIDIA L40S × 4/节点 | +| **节点数量** | 32 节点 = 128 GPU | +| **主要负载** | 推理服务、视频分析、Agent | +| **集群算力** | ~256 TFLOPS（FP16）| +| **网络** | RoCE v2 200G + 以太网管理 | +| **存储** | JuiceFS + 对象存储，2 PB | +| **服务器形态** | 4U 液冷机架服务器 | +| **预估功耗** | 64 节点 × 4 kW = 256 kW | +| **国产化** | 可选昇腾 910B × 4 混部 | + +#### 方案二：大规模（两千万级旅客机场，训练+推理） + +|| 项目 | 配置 | +||------|------| +| **训练 GPU** | NVIDIA H100 SXM5 × 8/节点 | +| **训练节点数** | 32 节点 = 256 GPU | +| **训练算力** | ~1 PFLOPS（BF16 稀疏，约 2× 渲染）| +| **推理 GPU** | L40S × 4/节点 | +| **推理节点数** | 16 节点 = 64 GPU | +| **主要负载** | 大模型微调、航班调度 AI、推理 | +| **计算网络** | InfiniBand NDR 400G × 2（双上联）| +| **存储网络** | RoCE v2 200G + 全闪存存储 | +| **存储容量** | JuiceFS + 全闪存，10 PB | +| **服务器形态** | HGX H100 8-GPU 液冷服务器 | +| **预估功耗** | 训练：32 × 13 kW ≈ 416 kW + 推理：16 × 4 kW ≈ 64 kW + 存储/网络 ≈ 70 kW ≈ **550 kW** | +| **国产化** | 昇腾 910B 训练集群（备选）| + +> **注**：原"~256 PFLOPS"存在歧义（未注明精度和稀疏性）。按 H100 官方标称 BF16 稀疏算力 1,979 TFLOPS/GPU（≈ 2 PFLOPS），32 节点 256 GPU × 2 PFLOPS ≈ **512 PFLOPS ≈ 0.5 EFLOPS**（BF16 稀疏），或 FP16 稠密约 256 PFLOPS。如原文档意指 FP16 稠密，则 256 PFLOPS 大致准确；如指 BF16 稀疏，则应为 ~0.5 EFLOPS。 + +#### 方案三：旗舰规模（三千万级以上，新建超大规模智算） + +|| 项目 | 配置 | +||------|------| +| **训练 GPU** | NVIDIA H200/HH200 × 8/节点 | +| **训练节点数** | 128 节点 = 1024 GPU | +| **SuperPOD 架构** | 16 × 64 GPU SU，Fat-Tree 组网 | +| **训练算力** | ~2 EFLOPS（BF16 稀疏），~1 EFLOPS（BF16 稠密）| +| **推理 GPU** | H100/L40S 混合 | +| **计算网络** | InfiniBand NDR 400G，1:1 无收敛 | +| **超节点扩展** | 支持 Scale-Up 到 GB200 NVL72 | +| **存储** | 全闪存并行文件系统，50 PB+ | +| **预估功耗** | **~13 MW**（GPU ~10 MW + 服务器/网络/液冷 ~3 MW，详见注）| +| **PUE 目标** | ≤ 1.15（全液冷）| + +> **功率测算注**：H200 GPU TDP ~700W/卡，1024 GPU 仅 GPU 即 ~717 kW；8-GPU 服务器整机功耗约 10-13 kW/台，128 台服务器约 1.3-1.7 MW；加上 InfiniBand 交换机、存储节点、液冷 CDU 二次侧水泵、冷却塔等辅助负载，总计 ~13 MW。2 MW 严重低估，仅够覆盖约 1/6 的 GPU 数量。 + +--- + +## 五、网络技术方案 + +### 5.1 智算中心网络架构 + +#### Spine-Leaf 架构（推荐大型机场） + +``` +Spine 层（核心） + ├── Spine-A（400G） + └── Spine-B（400G，冗余） + ↑ +Leaf 层（接入） + ├── Leaf-1（连接 GPU 服务器） + ├── Leaf-2（连接 GPU 服务器） + ├── Leaf-3（连接存储） + └── Leaf-4（连接通用服务器） +``` + +- **收敛比**：建议 1:1（无收敛） +- **东西向带宽**：全部东西向全速 +- **400G 端口密度**：按需配置 + +#### GPU 集群专用网络（InfiniBand） + +| 项目 | 参数 | +|------|------| +| 带宽 | 400 Gb/s NDR | +| 拓扑 | Fat-Tree 或 DragonFly+ | +| 端口数 | 按 GPU 卡数 × 1.6 配置 | +| 路由 | 自适应路由（AR）| + +### 5.2 存储网络 + +| 类型 | 协议 | 带宽需求 | +|------|------|---------| +| 训练数据存储 | RoCE v2 + NVMe-oF | 200 Gb/s | +| 模型仓库 | RoCE v2 + 对象存储 | 100 Gb/s | +| 备份存储 | 以太网 + iSCSI | 25-100 Gb/s | + +**存储性能目标：** +- 训练数据集读取带宽：≥ 500 GB/s +- 训练检查点写入：≤ 30 秒（100GB 检查点） + +### 5.3 智算网络安全 + +| 安全措施 | 说明 | +|---------|------| +| 零信任网络（ZTNA）| 微隔离，按需授权 | +| DDoS 防护 | 清洗异常流量 | +| 算力隔离 | 训练/推理网络物理隔离 | +| 数据加密 | 传输加密（TLS）+ 存储加密 | +| 运维审计 | 全量日志留存，堡垒机访问 | + +--- + +## 六、供电系统方案 + +### 6.1 智算中心供电架构 + +``` +市电（双路10kV/35kV） + ↓ +自动转换开关 ATS + ↓ +高压配电 + ↓ +SCALE-UP UPS（2N冗余，模块化） + ↓ +配电单元 PDU + ↓ +GPU服务器机柜（液冷CDU集成供电） +``` + +### 6.2 关键供电参数 + +| 项目 | 推荐值 | +|------|-------| +| 市电引入 | 双路 10kV 或 35kV（互为备用）| +| UPS 配置 | 2N 冗余（Tier IV）/ N+1（Tier III）| +| UPS 效率 | 模块化效率 ≥96% | +| 柴油发电机 | 1000-5000 kVA，启动时间 <10s | +| 储油时间 | 24 小时（关键负载）| +| 单柜功率密度 | 40-130 kW（液冷方案）| +| 总功耗估算 | GPU 单柜 100kW × 100柜 = 10 MW | + +### 6.3 液冷对供电的影响 + +| 影响项 | 说明 | +|-------|------| +| 供电密度提升 | 单机柜功率从 10kW 升至 100kW+，对 PDU 配电模块要求更高 | +| 液冷 CDU 供电 | CDU 设备需独立配电回路 | +| 变压器容量 | 需提前规划，按 100kW/柜计算总容量 | +| 市电申请 | 大规模智算中心（10MW+）需与电力公司单独协商 | + +--- + +## 七、智算中心运维与平台 + +### 7.1 算力调度平台 + +| 功能模块 | 说明 | +|---------|------| +| 作业调度 | Slurm / Kubernetes + Volcano | +| 算力编排 | 训练/推理任务自动调度到合适集群 | +| 配额管理 | 按部门/项目配额控制 | +| 计费 | 按 GPU 卡时、存储量计费 | +| 碳排放管理 | 实时碳排放统计（配合绿电）| + +### 7.2 监控与运维 + +| 监控维度 | 工具 | +|---------|------| +| GPU 监控 | DCGM（NVIDIA）/ smi（昇腾）| +| 集群监控 | Prometheus + Grafana | +| 液冷监控 | CDU 自带系统 + 动环平台 | +| 网络监控 | 带内/带外分离，综合网管 | +| 告警 | 分级告警（P1-P4），短信/邮件/IM | + +### 7.3 运维安全 + +- **堡垒机**：所有运维操作经堡垒机，留存完整审计日志 +- **双人授权**：高危操作需双人确认 +- **变更管理**：所有变更经审批，保留回滚方案 +- **应急响应**：制定智算中心专项应急预案（SOP） + +--- + +## 八、智算中心案例参考 + +### 8.1 典型智算中心案例 + +#### 中国电信临港智算谷 + +| 项目 | 内容 | +|------|------| +| 位置 | 上海临港新片区 | +| 规模 | 一期 119 亩，总规划 10 万卡 GPU 集群 | +| 机楼 | 10 栋数据机楼，最高单栋 >40 MW | +| 单柜功率 | 8 kW（风冷）/ 20-60 kW（冷板）/ 液冷浸没 | +| PUE | < 1.2（液冷方案）| +| 网络 | 接入国家超算互联网 | + +#### 曙光数创浸没式液冷案例 + +- **相变浸没式**：单机柜功耗突破 **900 kW** +- **单相浸没式**：高密度部署，芯片全浸没于氟化液 +- **代表项目**：多个国家级超算中心、运营商智算集群 + +#### 联想 × 吉利 HPC 智算集群 + +- **服务器**：联想 SD650 V3（海神温水水冷） +- **散热方式**：100% 冷板式液冷 +- **PUE**：1.1 以下 +- **节能效果**：节省 **45%** 电力成本 + +#### Vertiv × 英伟达 GB200 NVL72 参考设计 + +- **单机柜功率**：130 kW +- **能效提升**：减少 25% 能耗 +- **空间节省**：减少 75% 机柜占地 +- **适用场景**：超大规模智算中心 + +### 8.2 机场智算中心建设案例 + +| 机场 | 智算应用 | 基础设施 | 液冷情况 | +|------|---------|---------|---------| +| 大连金州湾（在建）| AI巡检、数字孪生 | BIM+数字孪生 | 预留风液融合 | +| 北京大兴机场 | 平台化 AI（19平台68系统）| 维谛 Liebert PEX+ | 风冷精密空调 | +| 迪拜机场 | 智能运维、预测性维护 | 华为预制模块化 | 行级变频空调 | + +--- + +## 九、供应商与设备参考 + +### 9.1 液冷系统供应商 + +| 供应商 | 方案类型 | 代表产品/案例 | +|--------|---------|-------------| +| 维谛技术（Vertiv）| 冷板式（英伟达独家合作）| GB200 NVL72 参考设计，Liebert PEX+ | +| 英维克（Envicool）| 冷板式 + 浸没式 | 国产液冷龙头，多个 AIDC 项目 | +| 曙光数创 | 浸没式（相变/单相）| 国内浸没式液冷最大供应商 | +| 华为 | 冷板式 + 液冷 CDU | 临港智算谷项目 | +| Keydak 金盾 | 风液融合 | 2025 机场博览会发布 | +| 施耐德电气 | 冷板式液冷基础设施 | 132 kW/rack 方案 | + +### 9.2 GPU 服务器供应商 + +| 供应商 | 产品系列 | GPU 支持 | +|--------|---------|---------| +| 浪潮信息 | NF5688M7 / NF5698M7 | H100/H200/L20 | +| 新华三 | R4900 G6 | H100/H200 | +| 华为 | 昇腾 910B 集群 | 昇腾 NPU | +| 联想 | ThinkSystem SR670 V2 | H100/H200 | +| 超聚变 | FusionPoD | 多元异构 | + +### 9.3 网络设备供应商 + +| 设备 | 推荐供应商 | 规格 | +|------|---------|------| +| InfiniBand 交换机 | NVIDIA Quantum-2 | 400Gb/s NDR | +| 以太网交换机 | 华为 CloudEngine 16800 | 400G | +| RoCE 网卡 | NVIDIA ConnectX-7 | 400Gb/s | +| 光模块 | II-VI / 华为 | 400G DR4/FR4 | + +--- + +## 十、技术方案总结 + +### 10.1 机场智算中心推荐配置 + +|| 层级 | 推荐技术选型 | +||------|------------| +| **算力芯片** | NVIDIA H100/H200（训练）+ L40S（推理），预留昇腾 910B 国产化 | +| **液冷方案** | 冷板式液冷为主（当前主流），PUE 目标 ≤1.25（典型），≤1.15（优秀）| +| **网络架构** | Spine-Leaf 400G + InfiniBand 400G（NDR）| +| **存储架构** | 全闪存分布式存储，≥500 GB/s 聚合带宽（需 20+ 存储节点前提）| +| **国产化** | 昇腾 910B + 曙光数创液冷 + 华为存储 | +| **运维平台** | Kubernetes + Volcano + DCGM + Prometheus | +| **PUE 目标** | ≤1.25（80%液冷）/ ≤1.15（全液冷+自然冷却配合）| + +### 10.2 关键参数汇总 + +|| 参数 | 数值 | +||------|------| +|| 单机柜功率（训练）| 80-130 kW | +|| 单机柜功率（推理）| 40-80 kW | +|| GPU 互联带宽（节点内）| NVLink 900 GB/s（双向对等）| +|| 网络互联带宽（节点间）| IB 400G / 以太网 400G | +|| PUE | ≤1.25（典型），≤1.15（优秀，全液冷+自然冷却）| +|| 可用性（Tier III）| 99.982%，年均故障时间 ≤1.6 小时 | + +### 10.3 实施建议 + +1. **液冷优先**：新建机场智算中心应直接采用冷板式液冷，避免后期改造成本 +2. **弹性架构**：预留机柜电力容量和网络端口，适配未来芯片功率持续上升 +3. **国产化路径**：可采用"主流国际芯片+国产化备用"的双轨策略 +4. **建设运营一体化**：参考上海机场 BIM 经验，将数字孪生从设计阶段贯穿至运维 +5. **分期建设**：首期部署推理集群满足当前需求，中期扩展训练集群能力 + +--- + +## 附录 + +### A. 术语表 + +| 缩写 | 全称 | 说明 | +|------|------|------| +| AIDC | Artificial Intelligence Data Center | 智算中心 | +| PUE | Power Usage Effectiveness | 电能利用效率 | +| CDU | Coolant Distribution Unit | 冷却液分配单元 | +| NCCL | NVIDIA Collective Communications Library | GPU集合通信库 | +| RoCE | RDMA over Converged Ethernet | 以太网远程直接内存访问 | +| NVLink | NVIDIA High-Speed GPU Interconnect | 英伟达高速GPU互连 | +| InfiniBand | High-Speed Network Architecture | 高速网络架构 | +| DCGM | Data Center GPU Manager | 数据中心GPU管理工具 | +| vLLM | Virtual Large Language Model Server | 开源LLM推理服务框架 | +| HBM | High Bandwidth Memory | 高带宽存储器 | +| BF16 | Brain Float 16 | AI训练常用浮点格式 | +| ZTNA | Zero Trust Network Architecture | 零信任网络架构 | + +### B. 数据来源 + +1. **中国信通院**，《人工智能算力基础设施赋能研究报告（2025年）》 +2. **国信证券**，《数据中心液冷专题报告：液冷：智算中心散热核心技术》 +3. **头豹研究院**，《2025年中国AIDC产业发展白皮书》 +4. **中国工业互联网研究院**，《工业智算发展研究报告（2025年）》 +5. **中国基金报**，液冷市场专题报道（2025年8月） +6. **Vertiv**，《GB200 NVL72 参考架构白皮书》 +7. **临港算力**，智算中心液冷实践（2025年6月，中国电信算力大会） +8. **联想集团**，海神温水水冷系统技术资料 +9. **Keydak金盾**，2025国际机场博览会发布资料 + +### C. 相关标准与政策 + +- 《数据中心绿色低碳发展专项行动计划》（发改环资〔2024〕970号） +- 《数据中心设计规范》GB 50174-2017 +- 《新型数据中心发展三年行动计划（2021-2023）》 +- 《算力基础设施高质量发展行动计划》 +- Uptime Institute Tier Standard + +--- + +*本方案为技术方案参考文档，具体项目需结合机场业务规模、预算、国产化要求和所在地区政策进行定制化设计。建议在项目立项后委托专业设计院进行深化设计。* diff --git a/flight-wiki/SCHEMA.md b/flight-wiki/SCHEMA.md new file mode 100644 index 0000000..e6c7d43 --- /dev/null +++ b/flight-wiki/SCHEMA.md @@ -0,0 +1,91 @@ +--- +title: Flight Wiki Schema +created: 2026-04-08 +updated: 2026-04-08 +type: schema +tags: [meta] +--- + +# Wiki Schema + +## Domain + +机场航班数据管理运营 — 涵盖航班运行数据的管理、运营、分析、系统建设。覆盖航班计划、实时动态、地面保障、旅客服务、空侧/陆侧运营数据全生命周期。 + +## Conventions + +- 文件名：小写、中划线、无空格（如 `flight-data-system.md`） +- 每个 wiki 页面以 YAML frontmatter 开头 +- 使用 `[[wikilinks]]` 建立页面间链接（每页至少 2 个外部链接） +- 更新页面时同步更新 `updated` 日期 +- 新页面必须添加到 `index.md` 对应版块 +- 所有操作追加到 `log.md` + +## Frontmatter + +```yaml +--- +title: 页面标题 +created: YYYY-MM-DD +updated: YYYY-MM-DD +type: entity | concept | comparison | query | summary +tags: [从下方标签体系选取] +sources: [raw/articles/source-name.md] +--- +``` + +## Tag Taxonomy（标签体系） + +- 航班数据：flight-data, schedule, real-time, historical, passenger +- 系统建设：system, platform, database, api, integration +- 运营管理：operations, turnaround, gate, baggage, deicing, catering +- 旅客服务：fids, bag-trace, checkin, boarding, lounge +- 空侧运营：airside, runway, taxiway, apron, stands +- 陆侧运营：landside, curbside, parking, transit, ground-transport +- 合规与安全：safety, security, compliance, sms, audit +- 供应商：vendor, oem, integrator +- Meta：comparison, timeline, glossary, draft, archived + +## Page Thresholds（页面创建规则） + +- **创建独立页面** 当一个实体/概念在 2+ 来源中被提及，或在一个来源中处于核心位置 +- **追加到现有页面** 当来源提到已在覆盖范围内的内容 +- **不建页面** 仅一次提及、细节性内容、或超出本领域的内容 +- **拆分页面** 当页面超过 ~200 行时，拆分为子主题并交叉链接 +- **归档页面** 内容完全被取代时，移至 `_archive/` + +## Entity Pages（实体页面） + +每个主要实体一页，包括： +- 概述 / 是什么 +- 关键事实和数据 +- 与其他实体的关系（[[wikilinks]]） +- 来源引用 + +## Concept Pages（概念页面） + +每个概念/主题一页，包括： +- 定义 / 解释 +- 当前知识状态 +- 开放问题或争议 +- 相关概念（[[wikilinks]]） + +## Comparison Pages（对比页面） + +并排分析，包括： +- 比较对象及原因 +- 对比维度（表格格式优先） +- 结论或综合判断 +- 来源 + +## Update Policy（更新政策） + +新信息与现有内容冲突时： +1. 检查日期 — 新来源通常取代旧来源 +2. 如确实矛盾，记录双方立场和日期、来源 +3. 在 frontmatter 标记：`contradictions: [page-name]` +4. 在 lint 报告中标记待用户审核 + +## Glossary（术语表） + +建设中涉及的英文缩写和术语，统一在 `concepts/glossary.md` 中解释。 diff --git a/flight-wiki/comparisons/airport-operations-systems.md b/flight-wiki/comparisons/airport-operations-systems.md new file mode 100644 index 0000000..dad7b2d --- /dev/null +++ b/flight-wiki/comparisons/airport-operations-systems.md @@ -0,0 +1,49 @@ +--- +title: 机场运营系统供应商对比 +created: 2026-04-08 +updated: 2026-04-08 +type: comparison +tags: [system, vendor, comparison] +--- + +# 机场运营系统供应商对比 + +## AODB 供应商 + +| 维度 | adb safegate Cortex AODB | Amadeus AODB | AirportLabs SkyCore AODB | PDC AODB | +|------|--------------------------|--------------|--------------------------|----------| +| **AI 支持** | 是（模块化+AI） | 有限 | 是 | 待确认 | +| **2025 部署** | 全球枢纽 | 全球（覆盖 95% 航司计划） | 芝加哥 ORD（2025.8） | 多机场模式 | +| **A-CDM 集成** | 原生支持 | 原生支持 | 原生支持 | 原生支持 | +| **云化** | 是 | SaaS（Amadeus cloud） | 是 | 本地/混合 | + +## 智能机位管理供应商 + +| 维度 | Assaia StandManager | adb safegate AmberFAIR | AirportLabs SkyCore RMS | +|------|---------------------|------------------------|-------------------------| +| **发布时间** | 2025 | — | — | +| **核心技术** | AI 视频分析 | 可持续分配算法 | 机位资源管理 | +| **集成方式** | API / 云 | API / 云 | API / 云 | + +## BHS 供应商（头部） + +| 维度 | Siemens Logistics | Beumer Group | Vanderlande | Alstef | +|------|-------------------|--------------|-------------|--------| +| **技术亮点** | RFID 全流程追踪 | Tote-based 分拣 | 高吞吐量分拣 | 仓储自动化 | +| **2025 动态** | 斩获多个大合同 | Tote 技术快速推广 | — | — | +| **目标市场** | 大型枢纽 | 大型枢纽 | 全类型 | 全类型 | + +## A-SMGCS 厂商 + +| 厂商 | 专注领域 | +|------|----------| +| Frequentis | 空管通信与监视 | +| Saab | SMR 场面雷达 | +| TERMA | 场面灯光控制 | +| NADIN（欧洲） | 全系列 A-SMGCS | + +## 综合评价 + +- **全栈机场平台**：adb safegate、Amadeus、Siemens 覆盖多个子系统 +- **专注细分领域**：Assaia（视频AI）、AirportLabs（停机位）专注单点突破 +- **集成趋势**：各厂商积极推动开放 API，兼容 IATA A-CDM Toolkit 数据模型 diff --git a/flight-wiki/concepts/a-cdm.md b/flight-wiki/concepts/a-cdm.md new file mode 100644 index 0000000..d2ec93e --- /dev/null +++ b/flight-wiki/concepts/a-cdm.md @@ -0,0 +1,90 @@ +--- +title: A-CDM — Airport Collaborative Decision Making +created: 2026-04-08 +updated: 2026-04-08 +type: concept +tags: [operations, system, integration] +sources: [raw/articles/iata-acdm-toolkit-2025.md] +--- + +# A-CDM — Airport Collaborative Decision Making + +## 定义 + +A-CDM（Airport Collaborative Decision Making，机场协同决策）是 IATA 与 Eurocontrol 联合推动的运营协同概念，通过建立信息共享机制，使机场各运营方（航司、机场、地面服务商、管制）在统一的操作视图下做决策，提升航班可预测性和机场整体效率。 + +## 核心原则 + +| 原则 | 说明 | +|------|------| +| **SSOT** | Single Source of Operational Truth — 所有参与方使用同一套数据 | +| **Milestone 标准化** | 统一关键运营事件和时间节点定义 | +| **Variable Taxi-Times（VTT）** | EXOT/EXIT 预测，减少滑行时间不确定 | + +## 关键 Milestone 定义 + +| 缩写 | 全称 | 中文 | +|------|------|------| +| ELDT | Estimated Landing Time | 预计落地时间 | +| ALDT | Actual Landing Time | 实际落地时间 | +| EOBT | Estimated Off-Block Time | 预计起飞时间（航班计划） | +| AOBT | Actual Off-Block Time | 实际推出时间 | +| TOBT | Target Off-Block Time | 目标推出时间 | +| TSAT | Target Start-Up Approval Time | 目标启动许可时间 | +| TTOT | Target Take-Off Time | 目标起飞时间 | +| ATOT | Actual Take-Off Time | 实际起飞时间 | +| EXOT | Expected Taxi-Out Time | 预计滑出时间 | +| EXIT | Expected Taxi-In Time | 预计滑入时间 | +| CTOT | Calculated Take-Off Time | ATFM 计算起飞时间 | + +## A-CDM 系统架构 + +``` +┌─────────────────────────────────────────────────────────────┐ +│ A-CDM Systems │ +├──────────────┬──────────────────┬──────────────────────────┤ +│ AODB │ ACISP │ PDS │ +│ 航班数据库 │ 信息共享平台（SSOT） │ Pre-Departure Sequencer │ +│ │ │ TSAT = TTOT - EXOT │ +└──────────────┴──────────────────┴──────────────────────────┘ +``` + +### ACISP（A-CDM Information Sharing Platform） + +- 多渠道接入（Web + 手持终端） +- 各参与方直接录入 TOBT 等数据 +- 集成 AODB、VDGS、RMS、PDS、塔台、地面服务系统 + +### PDS（Pre-Departure Sequencer） + +- 依据管制设定的离港率（departure rate）分配起飞序列 +- 约束条件：CTOT（ATFM）、VTT、机位限制 +- 软约束：航司优先级、航班互换、寒区优先权 + +## 参与方 + +1. **机场运营方（Airport Operator）** — 资源协调 +2. **航司（Aircraft Operators）** — 提供 TOBT，提供航班动态 +3. **地面服务商（Ground Handlers）** — 过站保障时间更新 +4. **空管（ANSP）** — 提供跑道离港率和 CTOT + +## A-CDM 效益 + +- 优化离港流量，减少航班在地面等待时间 +- 提升航班准点率 +- 与 ATFM（空管流量管理）实时联动 +- 减少跑道容量浪费 +- 增强不正常情况下的恢复能力 + +## 现状 + +- 全球已实施 A-CDM 的机场：**40+**（以欧洲为主） +- IATA 2025 年 6 月发布最新 **A-CDM Toolkit** +- 澳大利亚已将 A-CDM 深度整合入国家 ATFM 系统 + +## 相关链接 + +- [[aodb]] — A-CDM 的数据基础设施 +- [[smgcs]] — 场面活动监控与 A-CDM 共享场面状态数据 +- [[flight-data-exchange]] — 数据交换标准（IATA SSIM） +- [[deicing-operations]] — 除冰运营是 A-CDM 过站时间的重要变量 diff --git a/flight-wiki/concepts/aodb.md b/flight-wiki/concepts/aodb.md new file mode 100644 index 0000000..ac6469b --- /dev/null +++ b/flight-wiki/concepts/aodb.md @@ -0,0 +1,380 @@ +--- +title: AODB — Airport Operational Database +created: 2026-04-08 +updated: 2026-04-08 +type: concept +tags: [flight-data, system, database, a-cdm] +sources: [raw/articles/adb-safegate-aodb-2025.md, raw/articles/amadeus-aodb.md] +--- + +# AODB — Airport Operational Database + +## 定义 + +AODB（Airport Operational Database，机场运营数据库）是机场信息系统的**核心数据中枢**，负责集中管理航班运营相关的所有静态和动态数据，为各业务系统提供单一数据源（SSOT — Single Source of Truth）。 + +## 核心功能 + +| 功能 | 说明 | +|------|------| +| 航班数据管理 | 存储航班计划、动态更新、历史记录 | +| 资源管理 | 机位、登机口、设备、人员的配置与分配 | +| 运营事件注册 | 记录所有关键运营时间节点（A-CDM milestones） | +| 多源数据融合 | 支持 IATA SSIM、ARINC 协议、XML/CIDX、实时传感器数据 | +| 实时计算 | 生成衍生数据（EIBT、EXIT 等预测值） | +| 告警与预警 | 航班延误、冲突检测、资源超负载告警 | + +## AODB 在 A-CDM 架构中的位置 + +``` +┌────────────────────────────────────────────────────────────┐ +│ A-CDM Ecosystem │ +├──────────────┬──────────────────────┬─────────────────────┤ +│ AODB │ ACISP │ PDS │ +│ 核心数据库 │ 信息共享平台（SSOT） │ 起飞排序器 │ +│ 航班数据中枢 │ │ TSAT = TTOT - EXIT │ +└──────────────┴──────────────────────┴─────────────────────┘ + ↑ + 各航司/管制/地面服务商系统 ──────────────────────→ +``` + +## A-CDM Milestone 完整定义 + +| 缩写 | 全称 | 更新责任方 | +|------|------|----------| +| ELDT | Estimated Landing Time | 系统计算 | +| ALDT | Actual Landing Time | ANSP（管制）| +| EOBT | Estimated Off-Block Time | 航司 | +| TOBT | Target Off-Block Time | 航司/地面服务商 | +| TSAT | Target Start-Up Approval Time | AODB/PDS | +| TTOT | Target Take-Off Time | AODB/PDS | +| ATOT | Actual Take-Off Time | ANSP | +| CTOT | Calculated Take-Off Time | ATFM（Network Manager）| +| EXOT | Expected Taxi-Out Time | AODB VTT 模块 | +| EXIT | Expected Taxi-In Time | AODB VTT 模块 | + +## 主要供应商深度分析 + +--- + +### 1. ADB SAFEGATE — Cortex AODB + +**定位：** 大型枢纽首选，AI 驱动全栈机场运营平台 + +#### 技术架构 + +| 层级 | 技术特性 | +|------|---------| +| 核心引擎 | AI/ML 引擎驱动资源分配和运营规划 | +| 模块化设计 | Flight Grids / Seasonal Schedule / Message Centre / Reference Data / Alarms | +| 数据验证 | 表格逻辑校验 + 多源数据优先级判定 | +| 仿真能力 | "What-if" 模拟，支持运营控制与效率评估 | +| 移动端 | 移动端优化界面，角色化信息定制 | +| 审计追踪 | 全操作审计日志，支持多种格式导出 | + +#### 核心技术特性 + +- **多源数据优先级判定**：多个来源的运营时间数据自动验证和优先级排序 +- **"What-if" 仿真模拟**：优化配置方案评估，支持管理决策 +- **历史数据同步**：过期数据自动归档至历史表，支持在线查询和账单生成 +- **集中告警模块**：支持自定义规则触发告警，覆盖规划与日常运营 +- **参考数据统一分发**：统一管理 Reference Data，向 Cortex 生态模块和第三方系统分发 + +#### 部署与安全 + +| 项目 | 详情 | +|------|------| +| 部署方式 | Web 界面，云托管 + 本地多种选项 | +| 安全认证 | ISO27001 认证，NIST 合规 | +| 安全监控 | 云态势配置检测 + 异常行为识别 | +| 运维支持 | 全面安全监控覆盖 | + +#### 生态集成 + +- **Time2Integrate**：集成生态基础，支持与停机位管理（Apron Manager）、场面灯控、VDGS 等第三方系统对接 +- **ACISP 兼容**：原生支持 A-CDM 信息共享平台 +- **Cortex 套件**：Service（CMMS 维护管理）、Apron Manager（机位管理）统一联动 + +#### 目标场景 + +- 年旅客量 > 3000 万的大型枢纽 +- 需要 AODB + A-CDM + Smart Gating + SMGCS 统一管理 +- 对 AI 预测分析有明确需求 + +--- + +### 2. Amadeus — Airport Operational Data Base + +**定位：** 云优先，95% 全球航司数据覆盖，中大型机场 + +#### 技术架构 + +| 层级 | 技术特性 | +|------|---------| +| 部署模式 | 纯云托管（state-of-the-art data center），无本地基础设施依赖 | +| 数据覆盖 | 95% 全球航司，**提前 365 天**获取航班计划数据 | +| 数据更新 | 实时自动推送（Live feed），无需人工录入 | +| 多站点支持 | 跨多机场同步运行，站点间航班数据实时共享 | +| 集成层 | 与 Amadeus Altéa DCS、H-RMS、PROPworks、BRS、Sequence Manager 深度整合 | + +#### 核心模块 + +| 模块 | 功能 | +|------|------| +| **AODB Core** | 航班计划与动态数据管理，提前 365 天可见 | +| **A-CDM Portal** | 实时停机坪视图（雷达集成），协同运营仪表盘 | +| **Sequence Manager** | 欧洲 Eurocontrol CDM 合规，TSAT 智能计算 | +| **Turnaround Manager** | 过站阶段监控，预测延误连锁效应 | +| **F-RMS** | 固定资源管理（登机口、行李带），甘特图界面 | +| **FIDS** | 航班信息显示系统，自动从 AODB 拉取实时更新 | + +#### A-CDM Portal 关键技术指标 + +- **雷达集成**：场面活动实时视图，跟踪飞机位置 +- **协同决策**：航司、地面服务商、管制共享同一操作视图 +- **非正常事件告警**：仪表盘高亮异常，支持下钻分析 +- **角色权限控制**：基于角色的数据访问与更新分配 + +#### 与 Altéa 生态的协同优势 + +Amadeus AODB 天然集成 Altéa（全球最广泛使用的乘客服务系统），带来独特优势： +- 航司 DCS 数据直连 AODB， passenger 动态实时反映 +- 地面处理器可通过 Altéa DCS 直接录入过站完成时间 +- 账单系统（BRS）基于 AODB 数据自动生成 + +#### 目标场景 + +- 已有或计划采用 Amadeus Altéa 的机场 +- 需要长周期航班规划（365 天可见性） +- 希望减少本地 IT 基础设施投入 +- 多机场统一管理 + +--- + +### 3. AirportLabs — SkyCore AODB + +**定位：** 云原生、中型机场性价比方案，2025 年落地芝加哥 ORD + +#### 技术架构 + +| 层级 | 技术特性 | +|------|---------| +| 基础架构 | **Red Hat OpenShift**（云原生 Kubernetes 平台）| +| 消息中间件 | **ActiveMQ**（实时数据流）| +| API 网关 | **3scale API Management**（安全、可扩展外部访问）| +| 身份管理 | **Keycloak**（集中身份与访问控制）| +| 架构模式 | **事件驱动**（Event-driven architecture）| +| 数据交换 | **双向**实时交换，涵盖所有关键系统 | + +#### 核心功能 + +| 功能 | 说明 | +|------|------| +| **规则引擎编辑器** | 可视化配置业务规则，无需编码 | +| **实时通知中心** | 所有运营corner实时推送 | +| **自服务能力** | 全运营环节自助服务 | +| **无限并发用户** | 支持多公司用户同时在线 | +| **模块化计费** | 按需订阅，只为所需组件付费 | + +#### 生态系统集成 + +SkyCore AODB 并非孤立产品，而是 AirportLabs 全套生态的核心： + +| 关联产品 | 用途 | +|---------|------| +| **Allegra RMS** | 资源管理（机位优化分配）| +| **VisionAir FIDS** | 航班信息显示 | +| **Laminar IQFMS** | 队列管理 | +| **GCAM** | 登机口协调 | +| **Community App** | 机场内部通信 | +| **AirportLabs Billing** | 计费 | +| **ADR** | 机场数据仓库 | +| **Pocket Flights** | 移动端航班追踪 | + +#### 重大部署案例 + +- **芝加哥奥黑尔 ORD**（2025 年 8 月完成初始部署） + - 合作方：International Gate Control（IGC） + - 覆盖：SkyCore AODB + Allegra RMS 核心功能 + - 支持方：Chicago Department of Aviation（CDA） + +#### 设计认可 + +- **Red Dot Award 2024**：用户界面设计与最大可用性获奖 + +#### 目标场景 + +- 年旅客量 500 万 ~ 5000 万的中型机场 +- 需要快速部署（weeks 级别而非 months） +- 需要双向数据交换和运营自动化 +- 预算敏感但追求现代云架构 + +--- + +### 4. PDC Aviation — AODB + +**定位：** 多机场模式专家，北欧/加拿大系，小型机场快速上线 + +#### 技术架构 + +| 层级 | 技术特性 | +|------|---------| +| 架构模式 | **事件驱动**，服务器占用小 | +| 数据库 | **Oracle**（行业标准，可靠性高）| +| 开发语言 | Java + C（任务适配）| +| 数据交换 | **Publish-Subscribe Webservices**（发布-订阅模式）| +| 消息格式 | XML 或 compact JSON | +| 接口支持 | Type-B 消息（SITA、ARINC）或 POP3 邮件 Type-B | +| 响应时间 | **1-2 秒**（事件驱动，实时性有保障）| + +#### 核心能力 + +| 能力 | 说明 | +|------|------| +| **多机场模式（Multi-Airport Mode）** | 独立机场或机场集团统一管理，单基础设施架构 | +| **全在线可配置** | 基于表格配置，无硬编码参数；随机场成长在线更新 | +| **快速上线** | 小型机场**2 周**内完成部署和运营 | +| **PDC SCORE 集成** | Slot 协调数据实时接入，季节性航班数据从源头获取 | +| **全天候支持** | 7×24 小时支持（现场 + 远程）| + +#### 系统集成清单 + +| 系统类型 | 具体接入 | +|---------|---------| +| ATC | 雷达系统（AIMS）| +| Slot 协调 | PDC SCORE | +| BHS | 行李处理系统 | +| Docking | 泊位引导系统 | +| FIDS | 航班信息显示系统 | +| AFAS | 自动航班到达系统 | +| Billing | 计费系统 | + +#### 客户案例 + +- **Aarhus Airport（丹麦）**：6 年无因系统问题导致的停机记录 +- **Torp Airport（挪威）**：6 年运行无停机，财务/质量经理背书 + +#### 目标场景 + +- 年旅客量 < 2000 万的小中型机场 +- 需要多机场统一管理（机场集团场景） +- 需要极快上线（竞争激烈的新兴市场） +- 偏好传统可靠 Oracle 技术栈 + +--- + +### 5. Indra — InBASE AODB + +**定位：** Aena 亲睐，西班牙/拉丁美洲最大机场网络 + +#### 技术架构 + +| 层级 | 技术特性 | +|------|---------| +| 实现技术 | **J2EE**（业界标准）| +| 架构风格 | 开放式架构，完全可扩展 | +| CDM 合规 | **Level 3**（信息共享、协同飞行管理、起飞前排序、不利条件 CDM）| +| 部署模式 | 单机场或**多机场集中架构**（单基础设施服务多个机场）| + +#### 功能模块 + +| 模块 | 功能 | +|------|------| +| **核心模块** | 实时管理、系统管理、基础信息管理、外部系统集成 | +| **编程模块** | 生成系列信息（航班编程）| +| **调度模块** | 从 slot 协调系统接收航班时刻表，实时部署运营信息 | +| **资源分配** | 图形化界面管理值机柜台、登机口、机位、行李提取带 | +| **计费模块** | 基于资源使用量向航司计费 | +| **KPI 报告** | 可定义运营指标（准点率、取消率）、告警阈值、仪表盘 | + +#### 主要客户 + +- **Aena（全球最大机场运营商）**：47 个机场生产运行 + - 马德里 Barajas（主要枢纽） + - 巴塞罗那 El Prat（主要枢纽） + - 覆盖西班牙全境及拉丁美洲（Aena 扩张中） +- **GAP 机场网络（墨西哥）**： rollout 进行中 + +#### 目标场景 + +- 已有 Indra 其他空管/机场系统的机场 +- 拉丁美洲机场网络 +- 需要多机场集中管控 + +--- + +## 供应商综合技术对比 + +| 维度 | ADB SAFEGATE Cortex | Amadeus | AirportLabs SkyCore | PDC | Indra InBASE | +|------|---------------------|---------|---------------------|-----|-------------| +| **部署模式** | 云托管 + 本地 | 纯云 | 云原生（OpenShift）| 本地/混合 | 本地/集中 | +| **数据库** | 未公开 | 未公开 | PostgreSQL（推测）| Oracle | J2EE 标准 | +| **消息中间件** | 未公开 | 私有 | ActiveMQ | Publish-Subscribe WS | JMS（推测）| +| **AI/ML 能力** | 原生 AI 引擎 | 有限 | 规则引擎（可视化）| 无 | 无 | +| **"What-if" 仿真** | 支持 | 否 | 否 | 否 | 否 | +| **多机场模式** | 支持 | 支持 | 支持 | **原生多机场** | 集中架构 | +| **A-CDM 原生支持** | 是 | 是 | 是 | 是 | Level 3 CDM | +| **上线周期** | 2-3 个月 | 1-2 个月 | **2-4 周** | **1-2 周** | 1-2 个月 | +| **数据覆盖** | 依赖集成 | **95% 航司 365 天** | 依赖集成 | 依赖集成 | Aena 网络 | +| **生态完整性** | 极强（Cortex 全套）| 强（Altéa 生态）| 强（AirportLabs 全套）| 中（PDC SCORE）| 中（Indra 空管）| +| **国际案例规模** | 全球枢纽 | 全球大型 | 100+ 机场，ORD 旗舰 | 北欧/加拿大为主 | Aena 47 机场 | +| **安全认证** | ISO27001, NIST | 未公开 | 未公开 | 未公开 | 未公开 | +| **典型目标机场** | >3000 万 | >1000 万 | 500 万-5000 万 | <2000 万 | 所有规模 | + +## 关键技术差异分析 + +### AI 能力梯队 + +| 梯队 | 厂商 | AI 能力 | +|------|------|---------| +| 第一梯队 | ADB SAFEGATE | 原生 AI 引擎 + ML，支持运营预测和资源优化 | +| 第二梯队 | Amadeus | 有限 AI（辅助决策），强在 Altéa 数据整合 | +| 第三梯队 | AirportLabs | 规则引擎 + ML 可视化配置，无原生 AI 引擎 | +| 无 AI | PDC / Indra | 传统规则驱动，无 AI/ML | + +### 实时性能 + +| 厂商 | 响应时间承诺 | 架构依据 | +|------|-----------|---------| +| PDC | **1-2 秒** | 事件驱动 + Oracle | +| Amadeus | 实时推送（< 5s）| 私有云基础设施 | +| ADB SAFEGATE | 实时（规格未公开）| 模块化 + 内存计算 | +| AirportLabs | 实时流（ActiveMQ）| 事件驱动 + OpenShift | +| Indra | 实时（规格未公开）| J2EE 企业架构 | + +### 生态锁定程度 + +| 级别 | 厂商 | 说明 | +|------|------|------| +| 高锁定 | Amadeus | 换出成本极高（Altéa 绑定）| +| 中高锁定 | ADB SAFEGATE | Cortex 套件深度集成 | +| 中锁定 | AirportLabs | 全套生态但 API 开放 | +| 低锁定 | PDC | Oracle + 标准 WS，易替换 | +| 低锁定 | Indra | J2EE 标准，可部分替换 | + +## 选型决策树 + +``` +年旅客量 > 3000万 +├── 需要全栈统一管理 → ADB SAFEGATE Cortex AODB +├── 已有 Amadeus Altéa → Amadeus AODB +└── 需要 AI 预测能力 → ADB SAFEGATE Cortex AODB + +年旅客量 1000-3000万 +├── 需要快速上线 + 云原生 → AirportLabs SkyCore AODB +├── 已有 Amadeus 系统 → Amadeus AODB +└── 预算有限 → AirportLabs SkyCore AODB + +年旅客量 < 1000万 +├── 多机场集团 → PDC AODB（Multi-Airport Mode） +├── 快速上线（< 2周）→ PDC AODB +└── 欧洲/拉美 Aena 网络 → Indra InBASE AODB +``` + +## 相关链接 + +- [[a-cdm]] — A-CDM 依赖 AODB 作为核心数据源 +- [[flight-data-exchange]] — SSIM/XML 数据交换标准 +- [[smart-gating]] — 机位管理系统依赖 AODB 数据 +- [[baggage-handling]] — 行李系统与 AODB 航班动态联动 +- [[airport-operations-systems]] — 供应商综合对比 diff --git a/flight-wiki/concepts/baggage-handling.md b/flight-wiki/concepts/baggage-handling.md new file mode 100644 index 0000000..40a8d5a --- /dev/null +++ b/flight-wiki/concepts/baggage-handling.md @@ -0,0 +1,63 @@ +--- +title: BHS — 机场行李处理系统 +created: 2026-04-08 +updated: 2026-04-08 +type: concept +tags: [bag-trace, system, operations] +sources: [raw/articles/baggage-handling-market-2025.md] +--- + +# BHS — 机场行李处理系统 + +## 定义 + +BHS（Baggage Handling System，行李处理系统）覆盖行李从值机托运到目的地提取全流程的分拣、输送、追踪管理。 + +## 行业规模（2025） + +- **市场规模：** USD 7,630 百万（2024年）→ USD 13,640 百万（2033年），CAGR 6.67% +- **主要驱动：** IATA Res. 753 合规要求、RFID 强制推广、硬件升级需求 + +## IATA Resolution 753 + +强制要求在以下四个节点追踪行李并向航空公司数据系统报告： + +| 节点 | 英文 | 说明 | +|------|------|------| +| 接收 | Acceptance | 值机口接收并记录 | +| 装载 | Loading | 装入飞机货舱 | +| 中转 | Transfer | 航班衔接时的转运 | +| 到达 | Arrival | 到达目的地交付 | + +> RFID 追踪精度接近 100%，是满足 Res. 753 的核心技术。 + +## 核心技术 + +| 技术 | 说明 | +|------|------| +| **RFID** | 替代条码，近零误读率；IATA Res. 753 合规核心 | +| **Tote-based 分拣** | 以轮式载具（tote）代替皮带直接分拣，大幅降低行李损坏率 | +| **Cross-Belt Sorter** | 高速分拣机，处理量可达 6000+ 件/小时 | +| **实时行李状态 API** | 42% 旅客通过航司 App 实时查看行李状态，驱动低延迟数据需求 | +| **Early Bag Storage（EBS）** | 提前储存行李，平衡高峰时段处理压力 | + +## 主要供应商 + +| 厂商 | 动态（2025） | +|------|------| +| Siemens Logistics | 斩获多个大型枢纽合同 | +| Beumer Group | Tote-based 技术快速成为高吞吐量航站楼标准 | +| Vanderlande | 行李处理系统巨头 | +| Alstef | 分拣与仓储自动化 | + +## 系统效益指标 + +- 实施 RFID + 实时追踪后，行李错运率降低 **30-50%** +- 预测性维护减少计划外停机 **30-50%** +- 维护成本降低 **18-25%** + +## 相关链接 + +- [[aodb]] — 行李系统与 AODB 航班动态联动（航班延误影响行李分拣优先级） +- [[flight-data-exchange]] — CIDX/XML 数据交换标准 +- [[a-cdm]] — 航班动态影响行李中转分拣时机 diff --git a/flight-wiki/concepts/deicing-operations.md b/flight-wiki/concepts/deicing-operations.md new file mode 100644 index 0000000..8391f17 --- /dev/null +++ b/flight-wiki/concepts/deicing-operations.md @@ -0,0 +1,65 @@ +--- +title: 除冰运营管理 +created: 2026-04-08 +updated: 2026-04-08 +type: concept +tags: [operations, airside, safety] +sources: [raw/articles/detroit-deicing-system.md, raw/articles/aircraft-deicing-2025.md] +--- + +# 除冰运营管理 + +## 定义 + +飞机除冰（Aircraft Deicing）是在结冰或积雪条件下，飞行前清除飞机表面冰雪的操作。机场除冰运营管理覆盖除冰液管理、调度排班、环保合规。 + +## 关键标准 + +| 标准 | 说明 | +|------|------| +| ARINC | 航电与地面系统接口标准 | +| AEA（国际航空电子企业协会） | 除冰液规格与使用指南 | +| FAA / EASA | 适航与操作规章 | + +## 除冰液（ADF）管理 + +| 类型 | 成分 | 特点 | +|------|------|------| +| **Propylene Glycol（PG）** | 丙二醇 | 主流，大型机场（如 DTW）大规模回收再用 | +| **Ethylene Glycol（EG）** | 乙二醇 | 早期使用，环境毒性较高 | + +**代表案例：底特律 DTW** +- 全球最大 ADF 管理系统运营方 +- 4 个远程除冰坪 + 回收系统 +- 除冰径流与一般雨水完全分流 +- 回收丙二醇用于塑料/油漆生产（循环经济） + +## 除冰运营调度要素 + +- **集中资质数据库**：除冰操作人员资质、证书、实时可用性 +- **实时排班调整**：运营中心可在数分钟内调整除冰班组 +- **合规框架**：劳动法规、集体协议、休息规定 +- **响应时间窗口**：从气象预警到除冰完成的时间预测 + +## 除冰对 A-CDM 的影响 + +除冰时间是 TOBT（目标推出时间）的关键输入变量之一： +- 实际除冰完成时间直接影响 AOBT（实际推出时间） +- 除冰延误会级联影响 TSAT、TTOT，进而影响离港排序 +- 2025 年 IATA A-CDM Toolkit 将除冰运营状态纳入过站监控（TMS — Turnaround Monitoring） + +## 除冰坪布局（大型机场典型） + +``` +远程除冰坪（Remote Deicing Pad） + ↑ +行李车道 ─── 除冰设备（Elevated Platform / Grooming Vehicle） + ↑ +飞机推出后进入除冰坪，完成后滑行至跑道 +``` + +## 相关链接 + +- [[a-cdm]] — 除冰状态是 A-CDM 过站时间的关键变量 +- [[smgcs]] — 除冰后滑行需要 SMGCS 引导 +- [[aodb]] — 除冰事件时间节点记录在 AODB Milestone 体系中 diff --git a/flight-wiki/concepts/flight-data-exchange.md b/flight-wiki/concepts/flight-data-exchange.md new file mode 100644 index 0000000..bd1c077 --- /dev/null +++ b/flight-wiki/concepts/flight-data-exchange.md @@ -0,0 +1,67 @@ +--- +title: 航班数据交换标准 +created: 2026-04-08 +updated: 2026-04-08 +type: concept +tags: [flight-data, api, integration, system] +sources: [raw/articles/iata-ssim-2026.md, raw/articles/schedule-data-exchange-2025.md] +--- + +# 航班数据交换标准 + +## 定义 + +航班数据交换标准是 IATA 主导的全球航空数据格式规范，涵盖航班计划、运营动态、地面保障数据的标准化报文格式，是机场信息化系统的数据互操作基础。 + +## 核心标准 + +| 标准 | 全称 | 用途 | +|------|------|------| +| **SSIM** | Standard Schedules Information Manual | 航班计划数据交换格式 | +| **AIRIMP** | Airline Industry Reservations Interline Message Procedures | 订座与运价报文 | +| **AHM** | Airport Handling Manual | 地面操作数据标准 | +| **CIDX** | Cargo Interchange Data Standard | 货运数据交换（部分机场也用于航班动态） | +| **IATA-OS** | IATA-OS Data Model | 机场运营数据模型（与 ICDM 合并演进） | + +## SSIM — Standard Schedules Information Manual + +| 项目 | 信息 | +|------|------| +| 最新版本 | **第 36 版（2026）** | +| 发布频率 | 年度 | +| 适用范围 | 全球所有 IATA 成员航司及合作伙伴 | +| 核心内容 | 航班计划报文格式、最小衔接时间（MCT）、机场协调程序 | + +SSIM 是航班计划数据交换的行业基准，采用固定长度报文格式（flat file），支持批量数据交换。 + +## IATA Schedule Data Exchange Program（2025 新动态） + +- **2025 年 8 月启动**：航司可从 IATA 数据库**接收**其他航司的航班计划数据 +- **数据范围**：航班计划 + MCT（Minimum Connect Time）异常数据 +- **开放性**：向所有航司开放，包括非 IATA 成员 +- **与现有 DDS / CDD 协同**：IATA Direct Data Solutions 系列扩展 + +## 数据流向示意 + +``` +航司 ──SSIM格式──→ 机场 AODB ──ACISP──→ 各运营系统 + │ │ + │←──── 运营更新（动态）───────→│ + │ │ + └──── 地面服务商 ────────────┘ +``` + +## XML vs. 传统 Flat File + +| 维度 | SSIM Flat File | XML/IATA-OS | +|------|----------------|-------------| +| 结构 | 固定长度字段 | 树形结构，可扩展 | +| 实时性 | 批量/定时交换 | 支持实时 API | +| 主流场景 | 计划数据批量交换 | 运营动态实时共享 | +| IATA 推进方向 | 逐步向 XML/IATA-OS 迁移 | — | + +## 相关链接 + +- [[aodb]] — AODB 是数据交换标准的最终接收与处理方 +- [[a-cdm]] — A-CDM 的 ACISP 平台实现运营数据实时共享 +- [[baggage-handling]] — 行李数据也通过类似报文标准交换 diff --git a/flight-wiki/concepts/smart-gating.md b/flight-wiki/concepts/smart-gating.md new file mode 100644 index 0000000..7bf036e --- /dev/null +++ b/flight-wiki/concepts/smart-gating.md @@ -0,0 +1,54 @@ +--- +title: AI Smart Gating — 智能停机位管理 +created: 2026-04-08 +updated: 2026-04-08 +type: concept +tags: [operations, gate, system] +sources: [raw/articles/assaia-standmanager-2025.md, raw/articles/ai-smart-gating-2025.md] +--- + +# AI Smart Gating — 智能停机位管理 + +## 定义 + +AI Smart Gating（智能机位管理）指利用 AI 算法实时优化停机位（gate/stand）分配的系统，目标是最小化滑行时间、提升机位利用率、减少航班延误。 + +## 核心功能 + +| 功能 | 说明 | +|------|------| +| 实时机位分配 | 基于航班动态（实际到达时间、机型、衔接航班）动态重分配 | +| 冲突检测 | 机位时间重叠、翼展冲突、拖车路径冲突预警 | +| 预测性分析 | 预测机位冲突并提前调整 | +| 多目标优化 | 平衡航司偏好、旅客步行距离、地面滑行时间 | +| 可持续性指标 | 减少地面滑行燃油消耗和碳排放 | + +## 关键技术 + +- **约束规划（Constraint Programming）**：处理复杂的业务规则和硬约束 +- **强化学习（RL）**：从历史分配数据中学习最优策略 +- **数字孪生**：机场场面仿真，用于分配方案评估 +- **实时数据集成**：AODB 航班动态 +场面活动（SMGCS）数据 + +## 供应商动态（2025） + +| 厂商 | 产品 | 进展 | +|------|------|------| +| Assaia | **StandManager** | 2025 年发布，基于 AI 的停机位资源管理系统 | +| adb safegate | **AmberFAIR** | 可持续机位分配算法 | +| AirportLabs | **SkyCore RMS** | 2025 年 8 月已部署于芝加哥 ORD | +| Airsimate (Northeast Systems) | 机位优化平台 | — | + +## AI Smart Gating 趋势（2025） + +- **从被动调度到主动管理**：AI 系统能预判延误并主动重分配，而非被动响应 +- **全网络优化**：单机场优化 → 多机场协同优化 +- **标准化推进**：IATA 与 Eurocontrol 推动 A-CDM 数据接口标准化，使 AI 系统能获取实时航班数据 +- **经济效益**：减少飞机滑行时间直接降低燃油成本和碳排放 + +## 相关链接 + +- [[a-cdm]] — 协同决策为智能机位分配提供实时数据 +- [[smgcs]] — 场面活动监控防止机位冲突 +- [[aodb]] — 机位管理依赖 AODB 航班数据 +- [[deicing-operations]] — 除冰作业影响航班推出时间，影响机位占用时长 diff --git a/flight-wiki/concepts/smgcs.md b/flight-wiki/concepts/smgcs.md new file mode 100644 index 0000000..d7e1126 --- /dev/null +++ b/flight-wiki/concepts/smgcs.md @@ -0,0 +1,57 @@ +--- +title: SMGCS / A-SMGCS — 场面活动引导与控制系统 +created: 2026-04-08 +updated: 2026-04-08 +type: concept +tags: [airside, system, safety] +sources: [raw/articles/smgcs-lax-2025.md, raw/articles/a-smcgs-market-2025.md] +--- + +# SMGCS / A-SMGCS — 场面活动引导与控制系统 + +## 定义 + +- **SMGCS**（Surface Movement Guidance and Control System，场面活动引导与控制系统）：在低能见度条件下（< 1200ft RVR）管控飞机地面滑行、推出、起飞、落地的程序与系统。 +- **A-SMGCS**（Advanced SMGCS，高级场面活动引导与控制系统）：在 SMGCS 基础上增加了场面活动监视、路径引导和冲突预警功能。 + +FAA 要求日均旅客量达到一定规模的机场必须制定并维护 SMGCS Plan。 + +## 功能层级 + +| 级别 | 功能 | +|------|------| +| L1 场面监视 | 探测场面所有活动目标（飞机、车辆）位置 | +| L2 路径引导 | 为飞行员/司机提供最优滑行路径和冲突预警 | +| L3 运动规划 | 自动优化场面资源分配（停机位、滑行路线） | +| L4 场景管理 | 异常情况（紧急救援、鸟击）自动响应 | + +## A-SMGCS 市场数据（2025） + +- **市场规模：** USD 5,922.47 百万（2025年） +- **主要驱动：** 能见度受限机场的运营安全合规需求、AI 预测分析集成 +- **趋势：** 到 2025 年，A-SMGCS 正深度融合 AI/ML 进行场面活动预测 + +## 核心技术组件 + +| 组件 | 说明 | +|------|------| +| **场面探测雷达（ASDE-X / SMR）** | 探测飞机和车辆精确位置 | +| **ADS-B 接收站** | 飞机广播式自动相关监视 | +| **多点定位（Multilateration）** | 基于 TDOA 的精确定位 | +| **场面灯光引导系统** | 停止排灯、可变距灯（VSLS） | +| **VDGS（Visual Docking Guidance System）** | 泊位引导系统（机位停稳指示） | +| **CDM 集成接口** | 与 A-CDM 共享场面状态数据 | + +## SMGCS Plan 关键内容（以 LAX 为例） + +- 低能见度运营程序（分类：LVP Level 1/2/3） +- 跑道等待点/停止排灯控制程序 +- 地面车辆活动限制区域 +- 应急救援路线保障 +- 年度评审机制（LAX SMGCS Working Group） + +## 相关链接 + +- [[a-cdm]] — A-CDM 共享场面数据用于离港排序 +- [[aodb]] — 场面状态数据汇入 AODB +- [[smart-gating]] — 机位分配与场面活动联动 diff --git a/flight-wiki/index.md b/flight-wiki/index.md new file mode 100644 index 0000000..06b74aa --- /dev/null +++ b/flight-wiki/index.md @@ -0,0 +1,27 @@ +# Wiki Index + +> 内容目录。每个 wiki 页面按类型列出，附一行摘要。 +> 阅读此文件可快速查找相关页面。 +> Last updated: 2026-04-08 | Total pages: 9 + +## Entities + +## Concepts + +| 页面 | 摘要 | +|------|------| +| [[aodb]] | 机场运营数据库，航班数据中枢，支撑 A-CDM 和各业务系统 | +| [[a-cdm]] | IATA/Eurocontrol 协同决策框架，40+机场实施，统一 Milestone 标准 | +| [[smgcs]] | 场面活动引导与控制系统，LVP 低能见度运营合规基础 | +| [[smart-gating]] | AI 智能停机位管理，实时优化分配减少滑行时间 | +| [[baggage-handling]] | 行李处理系统，RFID 满足 IATA Res.753，市场 CAGR 6.67% | +| [[deicing-operations]] | 飞机除冰运营，ADF 液管理，除冰时间是 A-CDM 关键变量 | +| [[flight-data-exchange]] | IATA SSIM/AIRIMP/CIDX 报文标准，第 36 版 2026 发布 | + +## Comparisons + +| 页面 | 摘要 | +|------|------| +| [[airport-operations-systems]] | AODB/BHS/SMGCS/机位管理系统头部供应商功能对比 | + +## Queries diff --git a/flight-wiki/log.md b/flight-wiki/log.md new file mode 100644 index 0000000..cd7ffd2 --- /dev/null +++ b/flight-wiki/log.md @@ -0,0 +1,34 @@ +# Wiki Log + +> 按时间顺序记录所有 wiki 操作。追加写入。 +> 格式：`## [YYYY-MM-DD] action | subject` +> 操作类型：ingest, update, query, lint, create, archive, delete +> 本文件超过 500 条时轮转：重命名为 `log-YYYY.md`，重新开始。 + +## [2026-04-08] create | Flight Wiki 初始化 +- Domain: 机场航班数据管理运营 +- Structure: SCHEMA.md, index.md, log.md, raw/{articles,papers,transcripts,assets}, entities/, concepts/, comparisons/, queries/ +- Schema 定制：航班数据领域标签体系，8 大分类 +- 说明：[[SCHEMA.md]] 定义了页面类型、标签体系、创建规则、更新政策 +- 备注：此为独立 wiki，不在 llm-wiki 技能自动追踪范围内 + +## [2026-04-08] ingest | 2025-2026 机场运营系统行业调研 +- 来源1：IATA A-CDM Toolkit June 2025 +- 来源2：adb safegate Cortex AODB Brochure 2025 +- 来源3：Amadeus AODB 产品资料 +- 来源4：AirportLabs 芝加哥 ORD 部署（2025.8） +- 来源5：Assaia StandManager 发布（2025） +- 来源6：Grand View Research — Airport BHS Market 2025 +- 来源7：ReAnIn — A-SMGCS Market 2025 +- 来源8：IATA SSIM 第 36 版（2026）发布说明 +- 来源9：Detroit Airport Deicing Management System +- 新建/更新页面： + - concepts/aodb.md（新建） + - concepts/a-cdm.md（新建） + - concepts/smgcs.md（新建） + - concepts/smart-gating.md（新建） + - concepts/baggage-handling.md（新建） + - concepts/deicing-operations.md（新建） + - concepts/flight-data-exchange.md（新建） + - comparisons/airport-operations-systems.md（新建） +- 更新：index.md（Total pages: 9） diff --git a/flight-wiki/机场航班数据管理运营方案.md b/flight-wiki/机场航班数据管理运营方案.md new file mode 100644 index 0000000..7f20bb0 --- /dev/null +++ b/flight-wiki/机场航班数据管理运营方案.md @@ -0,0 +1,454 @@ +# 机场航班数据管理运营技术方案 + +> 本方案综合整理自：IATA A-CDM Toolkit June 2025、SSIM 第 36 版（2026）、adb safegate/Amadeus/Assaia 2025 官方资料、Mordor Intelligence BHS 市场报告、ReAnIn A-SMGCS 市场报告、底特律机场除冰系统文档 +> 生成时间：2026-04-08 +> 数据来源：详见各子系统页面 + +--- + +## 一、系统总体架构 + +### 1.1 架构分层 + +``` +┌──────────────────────────────────────────────────────────────────┐ +│ 应用服务层 │ +│ 航班智能调度 │ 行李追踪 │ 安防分析 │ 机位优化 │ 除冰管理 │ 客服 │ +├──────────────────────────────────────────────────────────────────┤ +│ 数据交换层 │ +│ SSIM │ AIRIMP │ CIDX │ IATA-OS │ XML real-time feeds │ +├──────────────────────────────────────────────────────────────────┤ +│ 运营协同层（A-CDM 核心） │ +│ ACISP（信息共享平台 / SSOT） │ +│ ↑ │ +│ ┌──────────┼──────────┐ │ +│ │ AODB │ PDS │ TMS（过站监控） │ +│ │ 运营数据库│ 起飞排序器 │ │ +│ └──────────┴──────────┘ │ +├──────────────────────────────────────────────────────────────────┤ +│ 资源管理层 │ +│ RMS（资源管理）│ Smart Gating │ BHS │ SMGCS │ 除冰系统 │ +├──────────────────────────────────────────────────────────────────┤ +│ 数据采集层 │ +│ ADS-B │ SMR │ 多点定位 │ RFID │ VDGS │ 气象 │ 地面传感器 │ +└──────────────────────────────────────────────────────────────────┘ +``` + +### 1.2 核心数据流 + +``` +航司（FMS/CRS） + ↓ SSIM 格式（计划数据） +机场 AODB + ↓ +ACISP（单一真相源 SSOT） + ↓ [实时推送 / Web API / 手持终端] + ├── PDS（Pre-Departure Sequencer）→ TSAT 计算 → 离港序列 + ├── Smart Gating → 机位实时分配 + ├── BHS → 行李分拣优先级 + ├── SMGCS → 场面活动引导 + └── 除冰调度系统 → TOBT 更新 +``` + +--- + +## 二、AODB — 机场运营数据库 + +### 2.1 定位 + +AODB 是整个航班管理系统的**数据中枢**，为所有业务系统提供 Single Source of Truth（SSOT）。A-CDM 的 ACISP 平台以 AODB 为核心数据源，所有参与方的数据最终汇入 AODB 进行一致性管理。 + +### 2.2 核心数据模型（基于 IATA A-CDM Toolkit） + +| 数据类型 | 内容 | 更新频率 | +|---------|------|---------| +| 航班静态数据 | 航班号、机型、航司、起降机场 | 季度更新 | +| 航班计划数据 | EOBT、起降时刻、停机位 | 每日更新（SSIM） | +| 航班动态数据 | ELDT、AOBT、ATOT、ALDT | 实时（5s-1min） | +| A-CDM Milestone | TOBT、TSAT、TTOT、CTOT、EXIT | 实时 | +| 资源状态 | 机位可用性、登机口、设备状态 | 实时 | +| 衍生计算数据 | EIBT、预测延误、冲突预警 | 实时 | + +### 2.3 A-CDM Milestone 完整定义 + +| 缩写 | 全称 | 定义方 | 更新责任方 | +|------|------|--------|---------| +| ELDT | Estimated Landing Time | AODB 自动计算 | 系统 | +| ALDT | Actual Landing Time | 塔台 | ANSP | +| EOBT | Estimated Off-Block Time | 航司 | 航司 | +| TOBT | Target Off-Block Time | AODB 综合计算 | 航司/地面服务商 | +| TSAT | Target Start-Up Approval Time | PDS 计算 | AODB/PDS | +| TTOT | Target Take-Off Time | PDS 计算 | AODB/PDS | +| ATOT | Actual Take-Off Time | 塔台 | ANSP | +| CTOT | Calculated Take-Off Time | ATFM | Network Manager | +| EXOT | Expected Taxi-Out Time | AODB VTT 模块 | 系统 | +| EXIT | Expected Taxi-In Time | AODB VTT 模块 | 系统 | + +### 2.4 供应商选型 + +| 厂商 | 产品 | 推荐场景 | 核心优势 | +|------|------|---------|---------| +| adb safegate | Cortex AODB | 大型枢纽 | 模块化 + AI，原生 A-CDM 支持 | +| Amadeus | Airport Operational Data Base | 中大型机场 | 覆盖全球 95% 航司计划数据 | +| AirportLabs | SkyCore AODB | 中型机场 | 2025 年已落地 ORD，性价比高 | +| PDC | AODB | 多机场集团 | Multi-Airport Mode 支持 | + +--- + +## 三、A-CDM — 机场协同决策系统 + +### 3.1 系统定位 + +A-CDM（Airport Collaborative Decision Making）是 IATA 与 Eurocontrol 联合推动的运营协同框架，目标是通过信息共享机制使机场各运营方（航司、机场、地面服务商、管制）在统一操作视图下做决策，提升航班可预测性和机场整体效率。 + +**全球已实施机场：40+**（以欧洲为主，亚太增长快） + +### 3.2 三大核心组件 + +#### ACISP（信息共享平台） + +- 实现 SSOT（Single Source of Operational Truth） +- 多渠道接入：Web 界面 + 手持终端 +- 各参与方直接录入 TOBT 等数据 +- 集成：AODB、VDGS、RMS、PDS、塔台、地面服务系统 + +#### AODB（运营数据库） + +见第二章。 + +#### PDS（Pre-Departure Sequencer） + +**核心公式：** `TSAT = TTOT - EXOT` + +- 依据管制设定的离港率（departure rate）分配起飞序列 +- **硬约束：** CTOT（ATFM）、VTT、机位限制 +- **软约束：** 航司优先级、航班互换、寒区优先权、禁区优先权 + +**TSAT 计算示例：** + +``` +TTOT = 14:30（目标起飞时间，PDS 依据离港率计算） +EXOT = 00:12（预计滑出时间，基于 VTT 历史统计 + 实时场面状态） +TSAT = 14:18（目标启动许可时间 = TTOT - EXOT） + +→ 航司需在 14:18 之前申请启动，14:18 之前完成所有过站操作 +→ 若 TOBT > TSAT，PDS 触发重排序告警 +``` + +### 3.3 参与方职责与数据交互 + +| 参与方 | 输入数据 | 使用数据 | +|--------|---------|---------| +| 航司 | TOBT、EOBT、实际动态 | TSAT、CTOT、PDS 序列 | +| 地面服务商 | 过站保障时间、除冰完成时间 | TSAT、TOBT | +| 机场运营方 | 机位分配、VDGS 状态 | 全部 | +| ANSP（管制） | CTOT、跑道离港率、ATOT、ALDT | TSAT、TTOT | + +### 3.4 A-CDM 关键绩效指标 + +| KPI | 定义 | 目标 | +|-----|------|------| +| TOBT 准确性 | TOBT vs AOBT 偏差 | ≤ 3 分钟 | +| TSAT 准确性 | TSAT vs ASAT 偏差 | ≤ 1 分钟 | +| 离港准点率 | ATOT ≤ CTOT + 15min | ≥ 80% | +| CTOT 顺从率 | 实际按 CTOT 起飞比例 | ≥ 90% | + +### 3.5 与 ATFM 集成 + +``` +ATFM（Network Manager） + │ + ├──→ CTOT（Calculated Take-Off Time） + │ ↓ + │ PDS 接收 CTOT 作为硬约束 + │ ↓ + └──→ 流量限制信息 + ↓ + ACISP 显示全网状态 +``` + +澳大利亚已将 A-CDM 深度整合入国家 ATFM 系统，2025 年 IATA A-CDM Toolkit 推广此模式。 + +--- + +## 四、SMGCS / A-SMGCS — 场面活动引导与控制系统 + +### 4.1 系统定位 + +SMGCS 在低能见度条件（< 1200ft RVR）下管控飞机地面滑行、推出、起飞、落地。机场场面是 A-CDM 离港/到港流程中最后一环，SMGCS 与 A-CDM 共享场面状态数据。 + +### 4.2 功能等级 + +| 级别 | 功能 | 技术说明 | +|------|------|---------| +| L1 | 场面监视 | SMR/ADS-B/多点定位，探测所有活动目标位置 | +| L2 | 路径引导 | 最优滑行路径计算 + 冲突预警 | +| L3 | 运动规划 | 自动优化停机位、滑行路线分配 | +| L4 | 场景管理 | 应急响应自动化（紧急救援、鸟击） | + +### 4.3 核心技术组件 + +| 组件 | 技术 | 供应商参考 | +|------|------|---------| +| 场面探测雷达 | ASDE-X / SMR | Saab | +| 广播式监视 | ADS-B 接收站 | — | +| 精确定位 | Multilateration（TDOA） | — | +| 停止排灯 | 停止排灯控制 | TERMA | +| 泊位引导 | VDGS（Visual Docking Guidance） | — | +| 场面灯控 | 可变距灯（VSLS）| TERMA | + +### 4.4 SMGCS Plan 核心内容（FAA 规范） + +- 低能见度运营程序（LVP Level 1/2/3） +- 跑道等待点 / 停止排灯控制程序 +- 地面车辆活动限制区域 +- 应急救援路线保障 +- 年度评审机制 + +**市场规模（2025）：** USD 5,922.47 百万，AI/ML 集成是发展方向。 + +--- + +## 五、AI Smart Gating — 智能停机位管理 + +### 5.1 系统定位 + +AI Smart Gating 利用 AI 算法实时优化停机位（gate/stand）分配，目标是最小化滑行时间、提升机位利用率、减少航班延误。与 A-CDM 和 SMGCS 深度集成。 + +### 5.2 核心算法能力 + +| 能力 | 说明 | +|------|------| +| 实时机位分配 | 基于航班实际到达时间、机型、衔接航班动态重分配 | +| 冲突检测 | 机位时间重叠、翼展冲突、拖车路径冲突 | +| 预测性分析 | 预测机位冲突并提前调整 | +| 多目标优化 | 平衡航司偏好、旅客步行距离、地面滑行时间 | +| 可持续性指标 | 减少地面滑行燃油消耗和碳排放 | + +### 5.3 与 A-CDM 的集成 + +``` +AODB（航班动态） + ↓ +Smart Gating AI 引擎 + ↓ [机位分配更新] +ACISP（SSOT） + ↓ +TSAT 重新计算（若机位变更影响 EXOT） + ↓ +PDS 序列调整 +``` + +### 5.4 供应商动态（2025） + +| 厂商 | 产品 | 进展 | +|------|------|------| +| Assaia | StandManager | 2025 年全新发布，AI 视频分析为核心 | +| adb safegate | AmberFAIR | 可持续分配算法 | +| AirportLabs | SkyCore RMS | 2025 年 8 月部署于芝加哥 ORD | + +### 5.5 典型效益 + +- 减少飞机滑行时间 → 降低燃油消耗和碳排放 +- 机位利用率提升 → 相同资源处理更多航班 +- 预测性分配 → 减少延误被动响应 + +--- + +## 六、BHS — 行李处理系统 + +### 6.1 系统定位 + +BHS 覆盖行李从值机托运到目的地提取全流程的分拣、输送、追踪管理。行李系统与 AODB 航班动态联动：航班延误影响行李分拣优先级和中转分拣时机。 + +### 6.2 IATA Resolution 753 合规 + +行李必须在以下四个节点被追踪并向航司数据系统报告： + +| 节点 | 说明 | +|------|------| +| Acceptance（接收）| 值机口接收并记录 | +| Loading（装载）| 装入飞机货舱 | +| Transfer（中转）| 航班衔接时的转运 | +| Arrival（到达）| 到达目的地交付 | + +**RFID 是满足 Res. 753 的核心技术，追踪精度接近 100%。** + +### 6.3 核心技术选型 + +| 技术 | 参数 | 说明 | +|------|------|------| +| RFID | 读准率 ~100% | 替代条码，满足 Res.753 | +| Tote-based 分拣 | 损坏率大幅降低 | 轮式载具代替皮带，枢纽标配 | +| Cross-Belt Sorter | 处理量 6000+ 件/小时 | 高速分拣机 | +| EBS（Early Bag Storage）| 提前储存 | 平衡高峰处理压力 | + +### 6.4 系统效益 + +- RFID + 实时追踪后，行李错运率降低 **30-50%** +- 预测性维护减少计划外停机 **30-50%** +- 维护成本降低 **18-25%** + +### 6.5 供应商（头部） + +| 厂商 | 技术亮点 | +|------|---------| +| Siemens Logistics | RFID 全流程追踪 | +| Beumer Group | Tote-based 分拣，快速成为高吞吐量航站楼标准 | +| Vanderlande | 高吞吐量分拣 | +| Alstef | 仓储自动化 | + +--- + +## 七、除冰运营管理 + +### 7.1 系统定位 + +除冰运营是 A-CDM 过站时间的重要变量：实际除冰完成时间直接影响 AOBT，进而影响 TSAT、TTOT 和离港排序。除冰延误具有级联效应，需纳入 A-CDM 过站监控（TMS）。 + +### 7.2 除冰液（ADF）类型 + +| 类型 | 成分 | 适用场景 | +|------|------|---------| +| Propylene Glycol（PG）| 丙二醇 | 主流，大型机场回收再用（DTW）| +| Ethylene Glycol（EG）| 乙二醇 | 早期，环境毒性较高 | + +### 7.3 除冰对 A-CDM 的影响链 + +``` +气象预警 → 除冰需求识别 → 除冰排程 + │ + ├──→ TOBT 更新（含除冰时间） + │ ↓ + ├──→ AOBT 实际除冰完成时间 + │ ↓ + ├──→ TSAT 重算（TSAT = TTOT - EXOT） + │ ↓ + └──→ PDS 离港序列调整 +``` + +2025 年 IATA A-CDM Toolkit 将除冰运营状态纳入 **TMS（Turnaround Monitoring System）**。 + +### 7.4 底特律 DTW 案例（行业标杆） + +- 全球最大 ADF 管理系统运营方 +- 4 个远程除冰坪 + 回收系统 +- 除冰径流与一般雨水完全分流 +- 回收丙二醇用于塑料/油漆生产 + +--- + +## 八、航班数据交换标准 + +### 8.1 标准体系 + +| 标准 | 用途 | 格式 | +|------|------|------| +| SSIM | 航班计划数据交换 | Flat file（固定长度）| +| AIRIMP | 订座与运价报文 | 报文格式 | +| AHM | 地面操作数据 | 报文格式 | +| CIDX | 货运数据交换（部分机场用于航班动态）| XML | +| IATA-OS | 机场运营数据模型 | XML/JSON | + +### 8.2 SSIM 最新动态 + +| 项目 | 信息 | +|------|------| +| 最新版本 | **第 36 版（2026）** | +| 发布方 | IATA | +| 核心内容 | 航班计划报文格式、最小衔接时间（MCT）、机场协调程序 | + +### 8.3 IATA Schedule Data Exchange Program（2025 新动态） + +- **2025 年 8 月启动**：航司可从 IATA 数据库接收其他航司的航班计划数据 +- **开放性**：向所有航司开放，包括非 IATA 成员 +- **数据范围**：航班计划 + MCT 异常数据 + +### 8.4 数据流向 + +``` +航司 ──SSIM──→ 机场 AODB ──ACISP──→ 各运营系统 + │ │ + │←──── 运营更新（动态）───→│ + └──── 地面服务商 ─────────┘ +``` + +--- + +## 九、系统集成与数据接口 + +### 9.1 接口关系总览 + +``` +┌──────────────────────────────────────────────────────────────┐ +│ ACISP（SSOT 核心） │ +│ ┌─────────────────────────────────────────────────────┐ │ +│ │ AODB │ PDS │ TMS │ Smart Gating │ BHS │ 除冰系统 │ │ +│ └─────────────────────────────────────────────────────┘ │ +│ ↑ ↑ ↑ ↑ ↑ │ +└─────────┼────────────┼──────────┼──────────┼───────┼───────┘ + │ │ │ │ │ + SSIM/ARINC ATFM/CTOT SMGCS RFID 气象 + XML实时 (Network 场面状态 Res.753 + feeds Manager) 行李追踪 +``` + +### 9.2 关键集成点 + +| 集成项 | 数据内容 | 频率 | +|--------|---------|------| +| AODB ↔ 航司 | SSIM 计划数据、EOBT、TOBT | 批量/实时 | +| ACISP ↔ ANSP | CTOT、跑道离港率 | 实时 | +| Smart Gating ↔ SMGCS | 机位分配、场面活动状态 | 实时 | +| BHS ↔ AODB | 行李分拣状态、中转优先级 | 实时 | +| 除冰系统 ↔ A-CDM | 除冰完成时间 → TOBT 更新 | 实时 | + +--- + +## 十、供应商综合推荐 + +### 10.1 全栈平台 vs. 单点专家 + +| 类型 | 厂商 | 推荐场景 | +|------|------|---------| +| **全栈平台** | adb safegate | 需要 AODB + A-CDM + Smart Gating + SMGCS 统一管理 | +| **全栈平台** | Amadeus | 已有 Amadeus PSS，希望扩展运营系统 | +| **全栈平台** | Siemens | 需要 BHS + 运营系统整合 | +| **单点专家** | Assaia | 专注 AI 机位+视频分析，集成到其他平台 | +| **单点专家** | AirportLabs | 中型机场性价比方案 | +| **单点专家** | Beumer Group | 高吞吐量 BHS 分拣系统 | + +### 10.2 推荐组合 + +| 机场规模 | 推荐组合 | +|---------|---------| +| 大型枢纽（年旅客 > 5000万）| adb safegate 全栈 + Assaia StandManager + Beumer BHS | +| 中型机场（年旅客 1000-5000万）| AirportLabs SkyCore（AODB+RMS+Gating）+ Siemens BHS | +| 小型机场（年旅客 < 1000万）| Amadeus Cloud AODB + 基础 RMS | + +--- + +## 附录 + +### A. IATA A-CDM Toolkit June 2025 关键参考 + +- SSOT 实现：ACISP 为核心，所有参与方通过同一平台访问一致数据 +- VTT（Variable Taxi-Times）：EXIT/EXOT 是 TSAT 准确性的关键变量 +- 澳大利亚案例：A-CDM 与 ATFM 深度整合为行业示范 + +### B. IATA SSIM 第 36 版（2026）关键变更 + +- 协调程序章节独立（Chapter 6） +- MCT（Minimum Connect Time）数据质量要求提升 +- 推动向 XML/IATA-OS 迁移 + +### C. 相关页面索引 + +- [[aodb]] — 机场运营数据库详解 +- [[a-cdm]] — A-CDM 协同决策完整规范 +- [[smgcs]] — 场面活动引导控制系统 +- [[smart-gating]] — AI 智能停机位管理 +- [[baggage-handling]] — BHS 系统与 Res.753 +- [[deicing-operations]] — 除冰运营管理 +- [[flight-data-exchange]] — SSIM/AIRIMP/CIDX 标准 +- [[airport-operations-systems]] — 供应商综合对比