随着数字经济快速发展，人工智能技术成为推动各行业转型的核心动力。以智算中心为基础设施，支撑生成式人工智能（AIGC）和大模型训练等新兴应用，其规模和复杂性迅速提升，多样化的智能场景对算力提出了更高要求，推动运维保障面临诸多挑战。 大规模算力集群的运维自动化在算力利用率、故障管理、资源监控、需求匹配以及全局可观测性等方面存在难题，导致运维成本和复杂度不断增加。企业亟需完善智算运维体系，规范关键指标，推动跨部门协作，提升运维的高可用性和可靠性，保障算力资源的稳定高效运行。 本报告聚焦智算运维现状及挑战，深入解析关键技术与实践经验，致力于构建科学合理的运维指标体系。旨在帮助企业充分释放人工智能的潜力，应对数字化转型中的计算需求，为智算运维领域的发展提供理论支持与实践指导，推动人工智能时代的高质量发展。