AIGCAIGC专题报告：从文生图到文生视频专题报告：从文生图到文生视频技术框架与商业化技术框架与商业化陈梦竹(证券分析师)尹芮(证券分析师)S0350521090003S评级：推荐(维持)证券研究报.

0人已浏览 2023-11-03 73页 5星级

行业及产业 行业研究/行业深度 证券研究报告 电子 2023 年 11 月 02 日 从消费电子到 AIPC 看好AIGC 系列深度之 25 相关研究 三季度半导体设备业绩继续高增；提示关注 AI 加. 

0人已浏览 2023-11-03 26页 5星级

德勤数智研究院德勤数智研究院生成式人工智能用例汇编 序篇涵盖六大主要行业的高影响力应用案例2德勤生成式AI用例汇编 -序章 2023。欲了解更多信息，请联系德勤中国。生成式AI给人类文明创造了无限的可能，同时也引发了一系列发人深省的问题。生成式人工智能（生成式人工智能（AI）的兴起）的兴起人工智能（AI）时代的发展可谓是路漫漫而修远兮。近十年来，生成式AI技术通过不断的进化演变，在“超级算力” “海量数据” “大模型”的范式下，能够凭借自身强大的“理解/推断”能力生成新的文本、代码、声音、图形、视频和流程。尤其当以GPT-4为代表的预处理大语言模型突然闯入人们的视野时，生成式AI终于迎来高光时刻，突破了人们对其应用的传统认知。生成式AI的核心魅力在于其能够通过学习和模拟人类的语言能力、知识和创造力，自动生成新颖、有意义且高质量的内容或解决方案。当人们发现生成式AI具备在渐进式数字化和基本生产力场景下发挥效用的巨大潜力时，如何更好地将它部署在多元化场景中且炸裂式地释放能量，最终达到刺激商业价值和造福人类的目标便成为了当今炙手可热的话题。Sources:Gartner,Bloomberg至2032年，AI的市场规模将达到美元1.3万亿万亿，在2022年这一数字为400亿至2025年，全球10%的数据将由AI生成。ChatGPT法律影响伦理考量风险与法规战略规划人才培养公众关注的公众关注的与企业息息与企业息息相关的相关的商业案例可靠且可扩展的实施MidjourneyBARD3德勤生成式AI用例汇编 -序章 2023。欲了解更多信息，请联系德勤中国。任任务务工工作作量量验证难易程度验证难易程度易难大可忽略小待评估34可考虑21确定理想用例确定理想用例：生成式AI最适用于人力投入高但易于验证的用例。德勤推出了一种“数字化工件”*生成以及验证方法，旨在帮助创新领导者判断某个想法是否能通过利用生成式AI变成有益的实际应用。该方法主要围绕两大核心要素：在没有生成式AI的情况下完成任务所需的人力 “任务工作量（无任务工作量（无AI）”验证或核实生成式AI输出所需的努力 “验证难易程度验证难易程度”由此形成了一个二维分类体系，对采用生成式AI技术的应用案例进行分类。生成式生成式AI在应用中的最佳平衡点在应用中的最佳平衡点来源：生成式AI 火遍全球 发掘赋能时代价值潜力示例示例创作一个笑话创作一个笑话创作一个有趣的笑话需耗费精力来设计笑点和独特叙事风格，而验证笑话质量则相对容易，通过阅读笑话即可验证。1起草一份合同起草一份合同（不具备法律专业知识）（不具备法律专业知识）如果不具备法律专业知识，起草一份合同就非常困难，而验证合同也同样困难。3画一幅大象站在棕榈树画一幅大象站在棕榈树下的图下的图对于大多数人来说，无论可用的工具有哪些，绘制任一复杂图像都需要付出合理的努力。然而，验证图像质量却相对容易，通过查看图片即可验证。起草一份合同起草一份合同（具备法律专业知识）（具备法律专业知识）如果具备法律专业知识，起草一份合同仍需耗费精力，但验证合同就明显更加容易。4*“数字化工件”的概念涵盖了从技术、工程到教育等多个领域的应用，具有较广泛的含义和应用。在本文中，是指通过数字化方法和技术生成或验证的具有特定用途或价值的数字产物。24德勤生成式AI用例汇编 -序章 2023。欲了解更多信息，请联系德勤中国。目前目前生成式人工智能加速加速日常业务效率假设假设企业找到办法降低目前尚不成熟的技术带来的风险加速内容生成加速内容生成自然语言处理和多模态模型的重大进展加速了文案撰写、用户界面/用户体验设计、内容编辑等活动。但是，这项技术需要大量的人工监督和干预，针对风险和信息信息真实性问题，更加依赖投入大量的更加依赖投入大量的人力去验证和检查输出结果。短期短期生成式人工智能可让少量业务活动实现自动化自动化假设假设可解决关于责任、所有权和安全性的问题创新与集成实现完全自化创新与集成实现完全自化技术持续创新可减少对人工监督的需求。人工智能将能够预测人类反应，生成高保值、可验证且可信赖的内容，并嵌入其他工具（如邮件、日历）对日常业务的开展产生有利影响，详见 生成式人工智能对企业的影响和意义报告。只有制定明确的法律法规，才能实现人工智能对企业的价值最大化。长期长期生成式人工智能可增强增强人类劳动力假设假设公众和监管机构能够理解人类在劳动力市场中不断演变的角色增强智能是终极目标增强智能是终极目标伴随着“脑机接口”和“量子计算”等新技术的发展，生成式人工智能可以介入新药研发、高级模拟和创意自动化等复杂问题。随着越来越多的企业全力押注人工智能技术技术，促使人工智能作为虚拟劳动力参与到人们的日常工作中，而非一种无形的无形的工具，当然前提是公众改变其心态和想法。生成式生成式AI发展的展望发展的展望5德勤生成式AI用例汇编-序章 2023。欲了解更多信息，请联系德勤中国。生成式AI的崛起必将会掀起一场新的工业革命、开创全新的社会分工，它给人类社会带来的颠覆性改变必将让世界为之而振奋。随着科技的发展和裂变，人工智能早已不再是科幻大片中的虚拟幻境或是一道光影，它在不经意间占据了人们生活的方方面面。曾经那扇遥不可及的高科技之门已经向人们敞开，门中映射出的那一抹耀眼的光就是AI为人类呈现出的无尽可能！生成式AI不仅能够消化海量数据，并且自主产出高质量的新内容。其独特的创新能力能够为企业和个人用户提供有价值的建议，开拓新的应用视角，起到提升企业的决策能力和个人工作效率的作用，甚至能够重塑各行各业的未来蓝图。本系列手册集结了6大行业中60个令人瞩目的生成式AI应用案例。简介：德勤生成式AI用例汇编6德勤生成式AI用例汇编-序章 2023。欲了解更多信息，请联系德勤中国。金融服务行业金融服务行业科技、传媒和电信行业科技、传媒和电信行业（TMT）能源、资源及工业行业能源、资源及工业行业（ER&I）政府及公共服务政府及公共服务消费行业消费行业生命科学与医疗行业生命科学与医疗行业行业覆盖7德勤生成式AI用例汇编-序章 2023。欲了解更多信息，请联系德勤中国。消费行业消费行业生成式AI已经激发了消费者的想象力。随着生成式AI市场的发展，消费者接触到越来越多的由生成式AI驱动的搜索、教育工具以及各种免费和付费服务。对消费行业的企业而言，生成式AI展现出了巨大的潜力，它不仅能帮助消费者更好地理解和寻找他们需要的产品，提供更实时的支持，还能增强品牌的忠诚度。生成式AI为消费行业带来的一个令人振奋的能力是，它能按需自动并大规模地创建吸引人的内容。企业可以利用生成式AI创造的文本、图像、营销活动和产品提供等，为客户在多个市场和渠道上提供高度个性化的体验。此外，还出现了利用生成式AI优化业务运营和实现企业目标的新机遇。如今，生成式如今，生成式AI开始被融入到消费业务的技术解决方案中。开始被融入到消费业务的技术解决方案中。8德勤生成式AI用例汇编-序章 2023。欲了解更多信息，请联系德勤中国。能源、资源及工业能源、资源及工业行业行业（ER&I）随着全球向可再生能源转变和能源多元化需求的增加，能源、资源和工业（ER&I）行业的公司面临着能源安全、成本、盈利和转能源安全、成本、盈利和转向清洁、可持续未来的挑战向清洁、可持续未来的挑战。采用生成式AI为解决这些问题提供了有吸引力的机会，可以帮助减少成本、提高运营效率、增强韧性，并降低排放。生成式AI以其“超级算力” “海量数据” “大模型”的优势不仅能为公司带来当前的竞争优势，也为未来的发展奠定基础。如通过投资人力资源、优化健康和安全风险的管理，以及支持环保通过投资人力资源、优化健康和安全风险的管理，以及支持环保技术的发展技术的发展，助力企业与日新月异的技术保持同步，使组织能够在生成式AI达到成熟时充分利用其全部能力。9德勤生成式AI用例汇编-序章 2023。欲了解更多信息，请联系德勤中国。金融服务行业金融服务行业金融服务行业是一个数据密集型行业，它同时代表了商业成功的机会和对运营及效率的挑战。传统的手动数据分析缓慢且成本高。虽然已有一些利用AI自动化业务和数据驱动决策的进展，但生成式AI的出现可大幅加速和扩展这些努力。生成式AI不仅是下游应用，更是与其他机器学习模型和应用协同工作的强有力工具。成熟的成熟的AI项目将生成式项目将生成式AI视为一系列模型的视为一系列模型的一部分，互相指导，形成协同效应一部分，互相指导，形成协同效应。最终，生成式AI的引入能助力金融服务企业从以产品为中心转向以客户为中心，借助AI优化客户生命周期管理。配合其他AI技术，如情感分析和客户分析，生成式AI能实现产品和客户参与的超个性化，满足客户对定制化产品和服务的期望，同时推动业务增长。10德勤生成式AI用例汇编-序章 2023。欲了解更多信息，请联系德勤中国。政府及公共服务政府及公共服务在社会责任方面，政府积极为社会公众提供生存和生活保障，最根本之处在于在有限的预算内最大限度满足百姓的需求，实现投入产出的最大化目标。在公共服务方面，政府提出快速响应机制，及时协调、应对处置群众各类紧急事项。在这样的管理要求下，生成式AI能够凭借其海量数据基础，为政府采购部门提供可靠有效的供应商、合同及招投标信息。此外，生成式AI还能自动化行政任务，如报告编制，分析和总结政策文件，解析案件记录以提升效率。政府组织正探索生成式AI这样的新技术的使用，同时考虑到部署时的安全、公平、透明和合规性。通过有效的模型治理，政府组织可以推动生成式AI的负责任使用，更好地为人民群众服务。11德勤生成式AI用例汇编-序章 2023。欲了解更多信息，请联系德勤中国。生命科学与医疗行业生命科学与医疗行业生命科学和医疗行业面临众多挑战，如大数据、新治疗需求、老龄化、监管要求、复杂的索赔流程和患者信息共享等，均寻求提高效率和创新以改善患者护理和健康结果。生成式AI能以三种主要方式助力行业转型。首先，生成式AI可以提高运营效率和员工生产力，例如自动化索赔授权、优化研发流程和减少采购及合约中的浪费，从而使企业用更少的资源做更多的事；其次，生成式AI能为患者、客户和员工提供个性化体验。第三，生成式AI能够增强企业的数字化和数据能力，改善决策，从而帮助解决人力资源等挑战。综合这些优势，生成式生成式AI能加速产品上市时间，增强能加速产品上市时间，增强业务灵活性，为未来的工作、员工和工作场所奠定基础，推动生业务灵活性，为未来的工作、员工和工作场所奠定基础，推动生命科学和医疗保健行业的创新和发展。命科学和医疗保健行业的创新和发展。12德勤生成式AI用例汇编-序章 2023。欲了解更多信息，请联系德勤中国。科技、传媒和电信行业科技、传媒和电信行业（TMT）科技、传媒和电信行业的迅猛发展无疑是建立在强大的数据应用基础之上，该领域也是人工智能技术最早深耕的行业之一。生成式AI可以通过进一步的数字化提升效率，帮助企业从产品中心转向客户中心，优化运营和提高生产力，如加快市场营销、撰写和研究等流程。通过将生成式AI与企业现有的AI生态系统整合，企业能够为客户创建个性化的内容，定制广告，从而拓展新业务。生成式AI还可以作为风险管理流程的重要工具。利用实时网络数据分析，进行异常和模式检测，建立自动化响应机制。尽管生成式AI带来新挑战和风险，如监管不确定性，但它为TMT企业提供了专注客户、简化流程、释放人力资本以创造价值和推提供了专注客户、简化流程、释放人力资本以创造价值和推动企业成长的变革性机遇动企业成长的变革性机遇。13德勤生成式AI用例汇编 -序章 2023。欲了解更多信息，请联系德勤中国。部分案例部分案例生成式生成式AI案例精选案例精选能源、资源及工业行业能源、资源及工业行业金融服务行业金融服务行业政府及公共服务政府及公共服务科技、传媒和电信行业科技、传媒和电信行业生命科学与医疗行业生命科学与医疗行业消费行业消费行业音频音频现场虚拟助理现场虚拟助理使用自然语言允许现场工作人员无需手持设备就能访问最佳实践和修复信息。零售银行交易支持零售银行交易支持为复杂的零售交易（如客户申请、问题、协商等）提供像人类一样的支持。智能代理智能代理为大众提供自然语言支持，包括提供常规服务和按需信息访问。翻译、字幕和描述翻译、字幕和描述将音频内容翻译成多种语言（例如，多语言字幕），为视觉媒体内容提供描述。转诊随访转诊随访 摄入临床记录以识别需要后续回访的患者，创建提醒信息，鼓励健康习惯。对话式零售对话式零售使用类似人类的聊天机器人提供关于特定品牌和/或类别的详细产品支持和指导。代码代码零代码物理基础环境零代码物理基础环境允许研究人员创建高计算性能的气象、流体动力学和环境的物理基础模型。数据库搜索数据库搜索通过自然语言和数据库语言（如SQL）查询大型金融交易数据库以获取特定项目的洞察。知识管理知识管理允许政府工作人员通过自然语言搜索、聚类和过滤来自图像、视频和文本文件的非结构化数据。原创游戏创建原创游戏创建构思和编码电脑游戏，并加速游戏测试过程。临床试验数据处理临床试验数据处理允许研究人员清理数据，为临床试验生成图表和见解，并使用自然语言处理审批过程。营销加速营销加速 帮助营销人员构建网站和外部资料，并使用自然语言更快地推出新产品和服务。图像图像新产品开发新产品开发为工业产品和部件创建详细的示意图，以帮助新产品开发和维修。欺诈检测欺诈检测生成客户签名，检查信用卡授权等关键领域，概括可能的欺诈热点。基础设施映射基础设施映射通过使用自然语言生成详细计划并迭代优化来增强基础设施映射和规划过程。半导体芯片设计半导体芯片设计 基于性能参数迭代和优化设计，缩短开发生命周期。改进的医疗成像改进的医疗成像生成大量合成医疗图像，更好地识别异常，为临床人员提供培训以更好地识别问题。产品摄影和详情产品摄影和详情生成新旧产品的详细和超真实的照片，展示在不同的环境中。文本文本技术文档摘要技术文档摘要从详细的现场文档中提取信息并按特定格式生成报告。客户尽职调查报告客户尽职调查报告为新客户生成报告，汇总关键进展，使员工能够采取行动并做出客户入职的决策。智能案例管理智能案例管理解析复杂的政府案件文件，生成高级管理的摘要，以便快速理解和生成报告。网络安全威胁检测网络安全威胁检测 概括高风险领域，回答问题，并为恶意软件、异常和潜在威胁生成高级管理报告。医疗病史摘要医疗病史摘要概括患者的人口统计信息、药物过敏史、药物和其他从电子健康记录中提取的相关信息，以辅助医院接收。个性化超市个性化超市创建为每个买家或家庭特定的定制餐饮计划和购物清单，根据商店的实际存货状况。视频视频(初期初期)事件识别事件识别观察生产链的实时视频，回答有关流程和事件的具体问题。索赔片段索赔片段查看索赔片段（例如，车祸）以提取摘要，从而生成可能的碰撞场景的新视频。公众支持公众支持在机场、交通部、边境巡逻和移民等地方为公众提供高度真实、类似个人的助手。虚拟主播虚拟主播 为高需求事件（例如，体育）创建虚拟现场主播，以满足跨语言/边界的需求。数字疗法数字疗法 为数字治疗或虚拟环境生成AR/VR内容。商业头脑风暴商业头脑风暴 快速为电视/在线广告等内容生成视频和故事板。3D模型模型和数据和数据地质评估地质评估评估用于石油勘探的真实和合成数据，以及找到资源的可能性。金融模型优化金融模型优化生成合成数据来改进和加强金融模型，以及压力测试金融机构的流动性和流程。灾难恢复和规划灾难恢复和规划使用合成数据（例如，交通，如果场景）支持恢复团队，以帮助规划和准备。电信网络维护电信网络维护生成网络数据以帮助识别网络故障，并为现场故障提供补救措施。新药发现新药发现生成分子和蛋白质的结构和功能信息，加速新药候选物的创建。快速产品设计快速产品设计/消费者偏好消费者偏好加速产品原型设计的生命周期，通过高保真度模拟生成产品模型，并创建模拟消费者的购买行为数据。模态模态行业行业14德勤生成式AI用例汇编-序章 2023。欲了解更多信息，请联系德勤中国。德勤数智研究院是“勤启数智”的重要组成力量，持续关注德勤中国的人工智能和数据的关键领域，包括风险、政策、战略、治理、未来工作、人才和技术应用。我们还积极促进与德勤全球人工智能网络的交流与合作，推动“赋能时代”的人机协作。德勤数智研究院在生成式AI领域，我们致力于探索：尖端科技追踪尖端科技追踪生成式人工智能技术选型与评估生成式人工智能技术选型与评估生成式人工智能技术测试与验证生成式人工智能技术测试与验证多场景概念验证多场景概念验证D E L O I T T E A I I N S T I T U T E15德勤生成式AI用例汇编 -序章 2023。欲了解更多信息，请联系德勤中国。联系我们联系我们欲了解德勤中国生成式人工智能方案与服务，敬请联系 德勤数智研究院联席主管合伙人德勤管理咨询中国技术卓越中心领导人德勤管理咨询中国金融行业整合服务领导人尤忠彬尤忠彬电子邮件：德勤数智研究院联席主管合伙人德勤中国审计与鉴证科技赋能领导合伙人德勤中国审计与鉴证数据分析领导合伙人 范为范为电子邮件：关于德勤德勤中国是一家立足本土、连接全球的综合性专业服务机构，由德勤中国的合伙人共同拥有，始终服务于中国改革开放和经济建设的前沿。我们的办公室遍布中国31个城市，现有超过2万名专业人才，向客户提供审计及鉴证、管理咨询、财务咨询、风险咨询、税务与商务咨询等全球领先的一站式专业服务。我们诚信为本，坚守质量，勇于创新，以卓越的专业能力、丰富的行业洞察和智慧的技术解决方案，助力各行各业的客户与合作伙伴把握机遇，应对挑战，实现世界一流的高质量发展目标。德勤品牌始于1845年，其中文名称“德勤”于1978年起用，寓意“敬德修业，业精于勤”。德勤全球专业网络的成员机构遍布150多个国家或地区，以“因我不同，成就不凡”为宗旨，为资本市场增强公众信任，为客户转型升级赋能，为人才激活迎接未来的能力，为更繁荣的经济、更公平的社会和可持续的世界开拓前行。Deloitte（“德勤”）泛指一家或多家德勤有限公司，以及其全球成员所网络和它们的关联机构（统称为“德勤组织”）。德勤有限公司（又称“德勤全球”）及其每一家成员所和它们的关联机构均为具有独立法律地位的法律实体，相互之间不因第三方而承担任何责任或约束对方。德勤有限公司及其每一家成员所和它们的关联机构仅对自身行为承担责任，而对相互的行为不承担任何法律责任。德勤有限公司并不向客户提供服务。请参阅

0人已浏览 2023-11-02 16页 5星级

探索数实融合大兴发展新模式，打造人工智能产业创新应用高地大兴区AI赋能高质量发展白皮书2023.10CONTENTS目 录Part 01AI产业发展进入时代拐点P02Part 03大兴区AI和实体经济融合发展重点领域P11Part 02大兴区AI产业发展情况P06AI 2.0时代已经到来AI2.0时代开启社会生产力新变革Part 04大兴区AI赋能产业高质量发展建议P171.1 AI2.0时代已经到来当前AI能力进化处于从生成式AI到通用型AI的过渡阶段人工智能概念从1956年被提出，到现在已经接近70年。过去70年，AI能力不断进化，逐步具有自主感知、认知、决策、学习、执行、社会协作能力，直到符合人类情感、伦理与道德观念的智能机器逐步浮现。AI能力进化曲线分为三个阶段：决策式AI、生成式AI、通用型AI。当下正处于从生成式AI到通用型AI的过渡阶段，ChatGPT属于生成式AI，也是它拉开了AGI时代的序幕，AI2.0时代已经到来。ChatGPT为代表的系列模型发布，不仅代表着技术上的突破性进展，也推动AI技术从实验室走向市场应用，让AI真正进入大众生活，启发了商业模式创新，激发出更多创新应用，推动AI从技术成熟期迈向大规模应用落地期。而在这一阶段，刚好可以让大兴区众多应用场景 的 优势得以发挥。因此，大兴区将AI作为战略性关注领域，是一个非常明智的选择。图：AI能力进化曲线AI综合能力时间感知决策式AI生成式AI认知决策学习执行社会协作情感伦理201319562020通用型AI20232030？当下1.2 AI2.0时代开启社会生产力新变革（1/2）以ChatGPT为代表的AIGC工具的出现，标志着人类生产效率出现了第二次脑力效率飞跃原始时代宙线：时间（人类文明进化历程）数智时代数字时代信息时代工业时代农业时代体力脑力辅助生产效率的提升石器农具 牛机械PC/软件云、网、端、芯、链AIGC？脑力创意体力效率的提升体力输出者脑力生产效率的提升内容生产者脑力生产效率的二次飞跃内容再加工者AI2.0时代将开启社会生产力新变革，首先体现在对于人类生产效率的颠覆式提升。人类文明演进依次走过了原始时代、农业时代、工业时代、信息时代、数字时代，到今天的数智时代，每个时代的代表性生产工具都不同。所有生产工具反映的都是生产效率的提升能力。数字时代 的 云、网、端、芯、链等数字工具，除了体力效率的提升之外，还有脑力效率的辅助作用；ChatGPT所代表的AIGC工具的出现，标志着人类生产效率出现了第二次脑力效率飞跃，是新一轮生产力的跃迁，真正实现从体力效率提升向脑力效率提升的转变，这将推动人类社会发生深远变革，其意义不亚于新时代的蒸汽机。图：社会生产效率提升与人类文明进化历程1.2 AI2.0时代开启社会生产力新变革（2/2）AI将推动千行百业数智化，是区域高质量发展的必由之路多模态X多场景文本生成 结构化写作：新闻播报 非结构化写作：剧情续写 辅助性写作：帮助润色 闲聊机器人 文本交互游戏音频生成 语音克隆 文本生成特定语音 乐曲/歌曲生成图像生成 图像编辑工具：去除水印 创意图像生成：生成画作 功能性图像生成：生成海报视频生成 视频属性编辑：删除特定主体 视频自动剪辑 视频部分编辑：视频换脸等图像、视频、文本间跨模态生成 文字生成图像 文字生成演示视频 文字生成创意视频 图像/视频到文本：视觉问答系统Game Al AI Bot NPC逻辑及剧情生成 数字资产生成策略生成虚拟人生成数字内容构建合成数据助推自动驾驶场景 应用于仿真引擎模拟驾驶场景银行和投资场景 应用于欺诈检测、交易预测、风险因素建模医疗场景 通过仿真医疗数据训练医疗诊断模型 利用合成的基因组数据进行医学研究零售场景 通过3D模拟创建合成数据集，助力无人零售工业场景 创建了虚拟工厂，在模拟平台上使用多种工具进行合作AI2.0时代开启社会生产力新变革，还体现在AI作为数字经济的重要技术底座，正在渗透各行各业，成为推动传统行业数智化转型的重要技术手段，为各个行业和领域带来巨大的效益和提升。地方政府抓住人工智能产业爆发的战略机会，是赢得未来区域发展竞争的重要布局，也是数字经济和实体经济融合发展的必经之路。可以说，谁能抓住AI全面推动区域数智化进程的机会，谁就握住了产业发展的杠杆。图：AI赋能千行百业数智化CONTENTS目 录Part 01AI产业发展进入时代拐点P02Part 03大兴区AI和实体经济融合发展重点领域P11Part 02大兴区AI产业发展情况P06大兴区AI产业发展目标大兴区AI产业链分析大兴区AI产业发展基础分析Part 04大兴区AI赋能产业高质量发展建议P172.1 大兴区AI产业发展目标（1/2）承担中央和北京赋予大兴区的新使命，必须提前谋划部署AI产业发展全面贯彻中央要求积极落实京津冀一体化牢记习近平总书记嘱托，大兴国际机场这个国家发展新的动力源，赋予了大兴区新的使命和机遇，大兴区正蓄力打造“数字新国门”。大兴区是面向京津冀的协同发展示范区，当下数字经济是引领京津冀协同发展的新方位，大兴区在其中要发挥辐射带动作用。北京赋予了大兴区“三区一门户”的定位，大兴区要全面把握住首都国际科技创新中心建设和人工智能技术创新策源地建设带来的历史机遇。大兴区把握新时代中央和北京赋予的新使命，要走出高质量发展之路，就需要提前谋划部署AI赋能产业发展。探索大兴特色的数实融合发展新模式，打造国际一流的人工智能产业创新应用高地。当好首都“新国门”2.1 大兴区AI产业发展目标（2/2）产业融合生命健康临空经济先进制造AI产业支撑平台数字健康智慧氢能卫星数据智能制造数字贸易 一个支撑平台：夯实AI技术支撑底座，提升AI技术对各行业的赋能作用，推动AI与实体经济融合发展。三个重点方向：推动大兴区重点打造的三个千亿级产业集群：生命健康，临空经济，先进制造的全面数智化转型。图：大兴区AI产业发展目标AI制药智慧医疗.新型消费智慧机场.技术赋能打造国际一流的AI产业创新应用高地，关键是推动AI赋能实体经济大兴区AI产业应用层优势明显，未来将继续拓展算法层、夯实平台层、补强算力层，打造具有全球影响力的AI产业集群2.2 大兴区AI产业链分析基础层算力层算法层AI芯片及处理器平台层应用层机器人数字健康元宇宙数字智造数字金融数字体育数字文化智算中心中间层.模型生产训练平台数据平台大兴区内企业大兴重点关注企业图：大兴区AI产业链分析2.3 大兴区AI产业基础分析大兴区AI产业发展优势与面临挑战优势挑战 抢跑数字经济新赛道，将打造千亿产业集群。2022年，大兴经开区作为数字经济主要承载地，总收入超800亿元，为人工智能的全面产业化打下了坚实基础。链接全球高端产业，集聚国际创新资源。尤其是大兴机场到2030年将成为全球最大枢纽机场，带来的宝贵数据资源，将有助于大兴区更好地发展AI产业。支撑AI发展的数字基础还不夯实。AI、数字孪生等共性能力统筹规划建设有待提升等。AI产业集群还不完整。部分环节缺乏具有核心技术和带动效果的龙头企业。产业空间资源充足，充分保障AI产业发展。尤其是能够提供充足的应用场景。跨区域产业承接和协作有待加强。京津冀地区算力一体化协同等有待提升。首都实体经济承载地，将成为数实融合标杆。大兴区在AI医疗、智能制造等方向已经展现出了充分的创新成果。融资环境有待多元化。当前存在项目融资难、周期慢、渠道少的问题，难以满足AI产业快速发展的需求。五重政策红利叠加，为AI产业提供新动力。大兴经开区的数字经济发展政策明确提出对人工智能等新兴技术发展的配套支持。产学研平台有待完善。人工智能开放创新平台不够完善，缺乏吸引核心技术人才和高端科技企业的关键要素。CONTENTS目 录Part 03大兴区AI和实体经济融合发展重点领域P11Part 02大兴区AI产业发展情况P06AI 生命健康融合发展的大兴实践AI 先进制造融合发展的大兴实践（智能制造 商业航天 氢能）大兴区智慧城市建设进程Part 04大兴区AI赋能产业高质量发展建议P17Part 01AI产业发展进入时代拐点P023.1 AI 生命健康融合发展的大兴实践大兴区在AI与生命健康融合发展中涌现出众多创新成果200 家企业实现“AI 医疗”双赋能据科技部数据，大兴AIAI药物研发生产AIAI疾病预测和预防AIAI大健康服务AIAI辅助诊断手术机器人北京生物信息智算中心.华伊智能凯德尼医疗科技AI 生命健康产业生态 同仁堂、好药师等一批数字健康新场景层出不穷 医疗机器人的出现推动AI发展成果大众共享 华科精准自主研发的应用于脑部的磁共振监测激光消融治疗系统，亮相2023中关村论坛重大科技成果专场发布会 北京生物信息智算中心等新型基础设施正在加快建设.3.2 AI 先进制造融合发展的大兴实践：智能制造大兴区为传统制造产业升级注入AI强劲动力，迈入升级发展新阶段2022年度北京市智能工厂和数字化车间名单发布，大兴区2家智能工厂和4家数字化车间上榜智能工厂数字化车间博泽汽车车用门模块及座椅骨架生产智能工厂北京铁路轨道交通控制系统装备制造数字化车间京仪北方智能电力量感装备数字化车间利亚德LED电视（墙）生产数字化车间富思特新材料高端建筑涂装及饰面材料制造智能工厂海纳川李尔汽车线束生产数字化车间3.3 AI 先进制造融合发展的大兴实践：商业航天大兴区商业航天产业起步晚，发展快，在2年内建立起完整的产业链，实现了后发先至应用卫星制造卫星运营源头基础上游中游下游卫星数据应用中宗星通无限光辉问鼎苍穹丝路天图配套平台咨询服务孵化器培训服务图像识别、遥感分析、自然语言处理数据源/数据标注AI训练无人机、自动驾驶汽车、机器人等自主系统开发场景模拟测试和改进AI算法自然灾害、资源管理、环境变化和天气预测预测监测AI预测警报.大兴区的卫星数据产业链已完整成型，“麻雀虽小，五脏俱全”能够从数据、场景和基础设施支持AI的应用和创新3.4 AI 先进制造融合发展的大兴实践：氢能大兴区利用AI赋能，推动京津冀氢能产业走向数字化绿色化创新京津冀智慧氢能大数据平台服务于京津冀氢能产业高质量发展“3 2”核心功能产业全景透视氢能供给监测车辆运行监测平台接入氢能产业、技术、车辆、场景、能源等多维数据信息2691辆氢车19座加氢站120项实时数据数据层应用层高端决策辅助关键政策服务平台层氢能AI算力中心 支撑政府前瞻布局、科学决策和智慧管理 发挥产业聚合效用，推动氢能产业上下游协同发展 数智驱动产业安全可控、精准布局与高质量发展，提高能源使用效率 支撑氢能产业运行状况跟踪、场景应用评估、氢能供应保障、国家示范考核等工作 加速了新产品新技术迭代升级，缩短验证周期.3.5 大兴区智慧城市建设进程大兴区启动智慧城市2.0建设，完成第二批17个智慧城市应用场景开发互联网政务网专网通信网智慧医疗公共安全智能制造.公共服务平台城市运行管理平台N N应用两平台智慧云大数据服务核心支撑服务数据资源计算储存资源“强基为先”的智能感知之城；“惠民为本”的服务体验之城；“慧治为要”的精细共治之城；“兴业为源”的绿色创新之城。全面赋能数字经济加速发展，打造人民高品质生活、营商环境大幅度改善、经济社会高质量发展。20252025智慧城市“四城”目标2020年，大兴推出新型智慧城市建设“一云 两平台N应用”的总体框架当前，大兴区智慧城市1.0建设已基本完成CONTENTS目 录Part 03大兴区AI和实体经济融合发展重点领域P11Part 02大兴区AI产业发展情况P06AI产业重点布局思路AI产业重点布局方向AI产业发展抓手Part 04大兴区AI赋能产业高质量发展建议P17Part 01AI产业发展进入时代拐点P024.1 AI产业重点布局思路打造大兴特色AI产业集群，发挥产业链集聚效应与区域协同效应实施路径重点关注环节产业链布局重点关注环节市场培育：根据中央，市级和区级对AI产业的指导，结合大兴区产业特色，以应用场景培育作为切入点和拓展点，以实体经济高质量发展作为落脚点，提供AI产业发展资源，支持人才培养和建立合作伙伴关系，促进AI产业的市场培育。实施路径顶层设计政策配套市场培育资本介入企业入局产品研发赋能实体基础设施赋能实体：搭建AI技术全链路科创服务平台，推动AI 行业关键要素融合，推动AI技术向垂直行业领域靠拢，垂直行业数据反哺AI技术发展，鼓励AI技术的广泛应用，推动重点产业的创新和增长。基础设施：注重AI技术基础设施的区域合作和自建自育，面向三大重点产业夯实符合行业价值需要的数字基础设施，夯实产业数智化转型的技术底座。资本介入：根据AI产业特点设立专项扶持基金，围绕AI项目特点搭建全生命周期投促孵化平台，鼓励引进符合大兴产业特色的企业入驻，并逐步建立完整的产业链集群。大兴区在产业链环节注重应用层的优势发挥和领域拓展、重点关注中间层和算力层的夯实，做好招引和培育工作，并做好安全合规相关管理与支持工作。算力层算法层AI芯片及处理器平台层AIDC智算中心AI传感器模型生产训练平台数据平台数据采集数据清洗数据标注数据合成数据鉴真数据溯源基础层NLP大模型CV大模型多模态大模型中间层医疗 图像汽车 3D建筑 文本文旅 多模态应用层智能客服聊天机器人元宇宙搜索引擎数字人教育等垂直场景音/视频大模型能源层AI安全训练数据的处理标准体系AI安全与伦理核能水利生物质能煤炭油气风光其他预训练数据合规与监管公有云基础设施大兴区优势环节，重点拓展大兴区重点规范环节大兴区薄弱环节，重点招引和培育大兴区薄弱环节，重点招引和培育4.2 AI产业重点布局方向结合大兴区既有优势走数实融合之路，以行业价值为导向夯实AI技术基础布局，推动AI赋能实体经济数智化以行业价值为导向夯实AIAI技术基础，避免技术空心化发挥应用场景优势，推动AIAI赋能实体经济数智化AI芯片空间智能平台垂直行业模型机器人激光雷达AI医疗工业互联网脑机科学元宇宙智能车联网数字贸易数字人新型消费4.3 AI产业发展抓手：塑造AI产业生态平台（1/2）打造大兴特色的AI技术全链条科创服务平台运营服务链服务范围主要职责市场运营服务金融相关服务AI产品相关服务AI技术相关服务AI人力服务组织相关服务人才技术产品资金组织上游中游下游产业链人力资源服务共性技术服务技术转移服务技术转移服务知识产权服务AI技术金融服务企业基础服务产业组织服务产业组织服务科技咨询服务知识产权服务创业孵化服务科技大数据服务共性技术服务AI技术咨询服务AI 大数据服务创业孵化服务AI技术全链路科创服务平台4.3 AI产业发展抓手：塑造AI产业生态平台（2/2）全生命周期投促孵化平台幼稚期成长期成熟期衰退期天使投资天使投资风险投资风险投资股权投资股权投资股权投资IPO并购增发配股并购增发配股并购增发配股IPO资产配置资产配置财富传承银行信贷银行信贷资产配置财富传承核心服务卫星服务供应链金融供应链金融供应链金融供应链金融资产配置供应链金融创新型风格科创基金招大引强型重点服务区间孕育期婴儿期学步期青春期盛年期稳定期贵族期官僚期死亡期针对AI为代表的科技新兴企业，成立针对早期成长型项目的创新型风格科创基金以企业成长空间，长期收益和效益作为主要关注点聚焦成长期末期、成熟期的重点企业，以投资促进模式引进创新孵化型重点服务区间4.4 AI产业发展抓手：构筑AI产业区域合作高地立足京津冀，着眼先进地区，迈向国际，打造三级区域合作高地立足京津冀开展产业协同布局积极融入全球AI创新网络 京内地区，加强产业协同和承接，重点关注与北京经开区的工业互联网、智能车联网产业的协同互补机会，关注围绕海淀中关村核心区域重点地区人工智能产业集群的产业承接机会；京外地区，进一步探索驻点招商模式，瞄准AIAI产业先进地区拓展招商网络，如上海，杭州，深圳等地。牵头建立京津冀AIAI创新生态圈，加强与廊坊市，天津市等地的协同合作；融入共建市级人工智能创新策源地；成立AI产业专班加强区级统筹调度。先进地区产业协同和承接发挥国际交往新门户优势，开展人才培育，研发等方面的合作 在人才培育方面，加强国际合作，培养具有国际视野的高端AI人才；在研发合作方面，鼓励企业和国际顶尖机构的双向合作。4.5 AI产业发展抓手：建立AI驱动的招商新范式（1/2）广泛应用招商数智化工具，解决招什么和怎么招的问题AI为代表的数字技术快速赋能地方政府招商引资，形成新一代招商工具，充分赋能政府招商工作降本增效，解决招什么和怎么招的问题。招商大数据产品多对多云端招商直播城市招商数字人产业链招商数据库精准招商AI分析平台招商管理云平台线上政府招商名片实时互动流畅稳定观众表情动作精准捕捉.灵活多元实时互动云端招商第二空间招商智能问答助手实时在线解答企业诉求优惠政策、招商项目和投资资源等在线讲解推荐落地方案生成，投资机会匹配等自助式服务.政策讲解问答.4.5 AI产业发展抓手：建立AI驱动的招商新范式（2/2）原始数据积累；招商服务门户建设；数据分析服务精准招商；.融合对内协同和对外服务，提供AI驱动的高效、灵活的招商流程；对内跨部门协同平台，数据信息实时共享；对外AI精准定制化服务；基于平台的内外双向互动；.招商后链条建设，落地后生产生活配套服务；沉淀数据反哺产业界，构建知识，信息，资源，工具等为核心的平台赋能企业长期成长；AIAI赋能产业集群数智化转型，凝聚力向心力培育；.Step1：大数据招商工作平台Step2：协同招商服务平台Step3：产业发展支撑平台为解决这一难题，政府的角色不再仅仅停留在招商者，而是企业成长的培育者，企业转型升级的赋能者，产业资源整合的牵引者。因此需要平台化数智化的招商模式进一步转型升级。招商企业成长培育企业转型赋能 产业资源整合解决企业的长期留存和成长的问题，需要平台化招商模式进一步转型升级

0人已浏览 2023-11-01 24页 5星级

数据通信网络加速AI，AI改变网络迈向智能世界白皮书2023序言人工智能正在重塑整个人类社会。我们预计人工智能的行业渗透率将从2021年的7%增长到26年的30%。随着大模型加速行业智能化的转型，到2030年渗透率将超过50%，提升10倍。人工智能的快速发展，将进一步推动行业数字化转型，为网络创新提供了新机遇。企业加速上云，广域网络敏捷性和安全性亟需提升：一方面，全球企业上云比例已高达70%，混合分布式多云成为主流，上云和云间流量快速增长，企业希望通过一张弹性、敏捷的网络灵活、按需的连接多云以释放云端效率。另一方面，能源、交通、金融等传统行业进入快速云化转型期，对网络提出差异化的承载诉求，网络需要提供基于业务诉求的定制化质量保障能力。为做好企业业务云化的有效支撑，网络需要向弹性敏捷，安全可靠演进。AI算力激增，带来数据中心网络变革：ChatGPT等激发了AI的快速普及和增长，到2026年，AI行业渗透率将达到30%。从2023到2030年，AI算力将增长500倍。AI训练所用的计算量呈指数增长，带宽需求平均每3.5个月便会翻倍，远超摩尔定律定义的18个月。AI算力激增将带来全球数据中心网络建设需求增长以及网络技术变革。0.1%的网络丢包会带来50%的计算性能下降，如果要100%释放算力，需要构建高吞吐、零阻塞的数据中心网络。园区网络代际升级，进入体验为王的时代：行业数字化转型需要建立高速、稳定的园区网络环境。园区网络连接范围正在快速扩大，从办公到生产，从联接人到联接物，未来5年，园区接入终端数将增加3倍，园区网络需要提供泛在的网络连接，并基于办公业务和生产业务提供隔离能力；园区业务正在快速变革，移动办公和视频会议成为园区的两大主流发展趋势，园区内80%的流量将是音视频流量，园区网络进入体验为王的时代。这些都需要对原有网络进行升级换代，例如，从Wi-Fi 4/5到Wi-Fi 6/7，从千兆到万兆接入。网络复杂性急剧提升，智能化加速网络自治：随着云计算和物联网等技术的不断发展应用，万物互联、万物感知、万物智能的智能社会逐步推进。企业网络从辅助办公到支撑生产，从静态配置到按需调整，从单域管理到全网协同，网络的边界不断拓宽，网络的质量属性日益增强，网络的运维模式正在发生质的改变。AI应用于网络可以帮助网络突破人工运维的效率瓶颈，让网络具备高度的自动化和智能化能力，即实现网络的自动驾驶，为企业数字化业务创新和敏捷运营铺就基石。网络攻击无处不在，需构筑一体化安全防御体系：随着业务上云，传统网络边界被打破，给网络安全带来了更大的挑战和更多的不确定性。2022年，85%的企业都经历过网络攻击，全球网络攻击数增长42%，平均每11s就会发生一次勒索攻击。网络攻击可直接引起企业业务中断，敏感数据泄露，甚至巨额的经济损失。为有效防范网络攻击，建立“云网边端”一体化的安全防御体系是关键。数据通信产业正在变革，网络提升AI训练效率，让算力无所不及，AI也将彻底改变网络，让智能无处不在。目录趋势3：数字化转型深入，园区网络进入以体验为中心时代03趋势4：从点级走向系统级，AI改变网络进入规模部署拐点04趋势5：一体化、服务化、智能化成为网络安全建设新特点0502趋势2：AI大模型爆发，正在推动数据中心网络发生根本性变革趋势1：多云成为新常态，弹性、可靠、可视的网络创新正在加速011多云成为企业数字化新常态企业多云新常态：企业出于成本节约、数据安全、不同云间的技术整合等多方面考虑，开始逐渐从过去的上IaaS、PaaS和SaaS，发展到私有云、行业云、边缘云、分布式云等各种形态，企业基于自身业务诉求，灵活利用各种不同形态的云服务，将正确的工作匹配到正确的云服务，将多项工作负载分散在不同云平台上运行，就是企业上多云。Flexera 2023 云业务报告显示，在受访企业中，已有87%的企业正在使用多云服务，多云成为企业数字化转型新常态；传统行业上云加速：随着云计算、大数据和人工智能的发展，云服务作为助推业务创新、企业升级的动力覆盖到了越来越多的领域。企业为了紧追技术变革，寻求新的发展机遇，纷纷向“云”敞开了怀抱，云服务的实践者从互联网行业开始逐步向工业、教育、医疗、政府、能源、金融等传统非数字原生行业迈进，数字化转型的带动效应开始显现。以工业领域为例，麦肯锡预计，到2025年，传统行业的业务上云比例将大幅提升；行业上云以分布式混合多云为主：行业上云发生在企业不断追求更高的效率、性价比和业务增长的背景下，而混合多云结合了公有云和私有云的优点，既保障了企业数据的安全性，又提供灵活的云架构，受到企业的青睐。同时，大量新兴业务应用需要海量数据分析和计算能力，多层级、分布式的云计算建设模式成为行业的主流方向，如金融行业“两地三中心”，能源行业的分布式数据中心叠加公有云服务的架构等；来源：麦肯锡2021年中国云计算调研各行业的IT工作负载分配每个行业所有受访者的平均百分比本地服务器私有云936552846462426502334536252946343630372835402931工业旅行/物流零售/快消金融制造医疗保健酒店、餐饮房地产汽车教育TMT电子商务到2025年的IT负载变化平均变化，百分比公有云6266209612248到2025年，行业业务上云比例将大幅提升来源：Flexera 2023 State of the Cloud Report96%公有云76%私有云24r%混合云多公有云72%的受访客户使用混合云来源：Flexera 2023 State of the Cloud Report87%多云72%混合云13%多公有云2%多私有云11%单公有云2%单私有云2023年，87%受访企业已采用多云2匹配多云战略，企业多云网络建设进入高峰期网络成为多云战略核心需求：云业务的开展需要强大的网络能力支撑，网络资源的优化同样要借鉴云计算的理念。随着多云战略的快速落地，异构联接、复杂的网络管理、E2E业务体验保障以及安全防护，都要求网络基础设施要更好的适应云计算应用的需求，并能更好的优化网络结构，以确保网络满足行业云业务要求。行业数字化专网建设进入高峰期：金融：金融业务规模快速增长和分布式架构转型，对承载金融业务的广域网络提出了新需求。金融广域网作为金融云和金融网点间的连接通道，是金融业务高效、稳定运行的基石。金融机构以满足多地多中心及分支机构的互联互通需求为基础，正在加速构建高速、智能、弹性的广域网络。在中国，已经有包括中国建设银行、交通银行等20多家金融机构进行多云网络重构；能源：多地多中心的分布式多云架构成为能源行业云化战略，生产、管理、经营数据全面上云，要求网络、算力以及数据的高效灵活调度。数字化生产，前端数据采集和后端实时智能化分析，前后端联动实现智能化作业，要求能源数据网提供确定性体验的网络保障能力。电力、油气等能源领域已经基于数字化发展需求，开始进行多云网络的建设；政府：政务云是一朵物理分散、逻辑集中的云，面向全国各地各部门提供统一的云服务。政府多云网络打通各政府部门的壁垒，实现资源融通，满足不同部门不同业务的差异化承载诉求，实现多级联动、服务智能、集约建设、全面覆盖；实时可视：网络、业务、体验多维可视业务隔离：数据安全，确定性体验保障弹性敏捷：多云按需连接，多云协同行业多云网络特征2019年到2023年，中国已有300 行业客户进行多云网络建设3运营商抓住企业上云风口，多种模式展开多云网络创新传统运营商网络无法满足行业多云业务诉求：随着架构在网络基础上的云计算及其应用的快速发展，云计算对于网络的要求正从简单的提供专线接入向弹性敏捷、业务隔离、体验可靠的多云网络演进。但传统运营商网络注重建设和运维，在业务网络开通速度，灵活调整，智能化等方面，运营商传统大网无法满足企业需求。运营商开始进行多云网络创新：运营商拥有庞大的网络基础设施，这对运营商来讲既是优势，可以基于网络基础设施面向企业提供各类业务，但同时也成为一种负担，当业务出现新诉求时，运营商因为庞大的网络资产负担，网络转型需要逐步进行。上云专线模式，叠加套餐增加盈利：传统组网或互联网专线向上云专线和多云互联专线转变，部署SD-WAN等实现上云专线敏捷开通。基于POP资源池，提供任意接入方式的网关能力。POP点通过传统专线实现与云的按需连接。SD-WAN 专线连接到多云,并不是真正的多云网络，无法提供端到端的连接、安全、可视等能力。多云汇聚模式，抢占统一采购入口：运营商新建多云汇聚骨干网络，实现本地不同云资源的预连接，并基于Overlay网络,提供一站式多云连接及增值服务。运营商提供从企业到骨干网的端到端SRv6能力，实现企业多云网络的自动化编排，以及多云协同。运营商建设多云汇聚平台，通过与第三方云平台的API接口对接，实现第三方云服务的转售，使能商业模式创新；行业专网模式，价值客户体验保障：行业办公、生产上云，金融、政府、教育等高价值行业出于安全性的考虑，业务要求和公用业务隔离，业务体验对网络质量要求高，不能因为网络中的其他突发业务导致体验受损。运营商为了满足行业客户需求，在SRv6云骨干基础上部署网络切片，或基于客户诉求建设行业物理专网。上云业务SLA通过对租户网络业务流量和性能指标的实时分析呈现，一方面让租户可实时感知自己专线的服务质量，支撑SLA商业变现。同时，可通过集中监控各租户的业务SLA，及时发现上云网络流量、性能指标劣化等事件，进行提前优化和有针对性的维护，提升云业务体验；模式1：增加上云专线，捆绑套餐增加盈利4G/5GL99.99-100%双平面网络4G/5GM4G/5GS企业连接业务连接总线99.99.99.99.99%数据中心工厂企业分支模式3：高价值客户建设专属网络，确保数据可靠互联网企业专网政务行业专网教育行业专网医疗行业专网安全云服务NCE智能管控多云云管理云网运营系统（能力开放平台/政企门户/租户APP）云骨干县域环网城市环网区级环网教育卫健政府企业天翼云AWS私有云医疗云政务云教育云模式2：建设多云汇聚平台，统一多云入口多云聚合门户企业订购多云汇聚网络智能管控层多云对接新型城域网边缘云网络能力服务化开放边缘云云骨干微软云4运营商云弹性网络4大特征M级带宽颗粒池化分钟级租户流量预测秒级智能决策和调度秒级弹性带宽调整弹性网络架构弹性网络服务层弹性网络服务目录及开放API流量决策调度层全网和节点两级流量均衡调度弹性资源抽象层节点级带宽颗粒抽象和管理弹性网络使能用户基于使用量按需购买弹性流量包BW固定带宽费用弹性带宽*持续时间*单位带宽费用总费用500MpbsTime基础带宽16T5 Gpbs流量突发业务对传统专线的商业模式提出挑战：传统上云专线供应模式为固定时间内固定带宽，无法应对企业临时性大带宽业务：购买专线带宽不足，导致业务体验受损，或者长期维护大带宽专线，导致成本过高；临时性大带宽业务包括大带宽实时通信和周期性数据搬迁两类业务。大带宽实时通信即时性强，主要由事件造成，持续时间数小时或几天不等，无法通过随意拉长通信时间解决带宽不足问题，只能损失即时的通信体验；周期性数据搬迁业务实时性不强但总耗时有要求；弹性上云专线，满足企业潮汐业务带宽诉求：弹性计算在云计算领域已经相当成熟，从消费者角度看弹性服务带来的是满足其任务诉求的最优成本的服务产品，真正实现PAYG，既满足任何业务场景要求又买的起、不浪费的高性价比产品，从供应商角度看，弹性服务本质是资源的高效管理，使其发挥最大效能；弹性上云专线引入云计算的弹性理念，将网络带宽资源池化，并基于对租户业务流量进行实时感知与预测，实现全网带宽资源的灵活调度，保障上云专线业务体验；弹性专线保障用户体验，助力网络资源变现：通过弹性专线，企业在保留一个固定带宽专线的同时，基于业务情况，临时增加带宽或购买流量包，并在临时增加带宽或流量包上提供和固定带宽专线一致的质量保障，真正实现按需购买、按量付费。运营商则可以充分运用空闲带宽资源，最大化网络价值；关键特征1：弹性敏捷，多云算存资源可调度5行业业务上云，对安全隔离、可靠性提出更高要求。为了在同一张网络上满足不同业务的安全隔离和差异化保障需求，业界提出网络切片的概念。资源与安全隔离：IP网络切片隔离的目的，一方面是从服务质量的角度，需要控制和避免某个切片中的业务突发或异常流量影响到同一网络中的其他切片，做到不同网络切片内的业务之间互不影响。这一点对于垂直行业尤其重要，如智能电网，这类行业对于时延、抖动等方面的要求十分严苛，无法容忍其他业务对其业务性能的影响。另一方面是从安全性角度，某个IP网络切片中的信息不希望被其他用户访问或者获取，这时需要为不同切片之间提供有效的安全隔离措施，如金融、政府等专线业务；差异化SLA保障：网络切片使运营商从单一的流量售卖服务，逐步向面对不同行业、不同业务提供差异化服务进行转变，以切片商品的方式为租户提供差异化服务。按需、定制、差异化的服务将是未来运营商提供业务的主要模式，也是运营商新的价值增长点；高可靠保障：高价值业务和uRLLC业务要求IP网络提供高可用性网络，毫秒级故障恢复已经成为IP网络的基础要求。基于SRv6的网络切片提供针对IP网络中任意故障点的本地保护技术，如TI-LFA（Topology-Independent Loop-free Alternate，与拓扑无关的无环路备份路径）、中间节点保护等，利用这些技术可以极大地提高保护成功率，增强IP网络切片的可靠性。并且，各网络切片内的链路故障倒换能够控制在切片内进行，不影响其他业务切片；关键特征2：业务隔离，关键上云业务质量可保障一网多用，体验可保障 分片即子网，资源独享 分片内SRv6灵活计算最优业务路径灵活分片，差异化SLA 基于固定带宽或收敛比的端到端网络分片 不支持分片的局部网络可以直接透传切片提供最高的资源隔离和体验保障VPN网络专线网络互联网切片网络物理专网分享/多用户专享/单用户业务隔离和体验保障越来越好，成本越来越高资源共享越来越高，成本越来越低网络切片为行业提供专网式上云体验智能电网切片智慧医疗切片6关键特征3：实时可视，端到端业务质量可监控网络不可视，运维效率低：企业网络的复杂性将指呈数级增加：由于混合办公的趋势，互联分支增多，接入位置也随之增多；办公网与物联网融合，联接数量激增；云化与新应用对网络性能的要求更高、变更频繁；网络设备的种类多、厂家多，设备管理量规模化扩大；网络保障从基于联接到基于体验，要求更高。与此同时，运维保障工程师的数量却不会线性增加，甚至不增加，这就意味着要用少量的人去做更多的事情。因此，网络运维的痛点更加凸显出来，没有一张统一的视图感知企业网络的健康状态，用户网络体验差，故障投诉多，异常恢复的效率低等，远远跟不上企业数字化转型的步伐；多维可视化，实时感知网络变化：网络可视化拥有实时、动态、高清的全网资源可视能力，通过大数据计算引擎、AI、搜索算法、路由仿真和验证算法等关键技术，实现多维可视、路径导航、搜索定位、确定性应用体验保障等，提供网络质量实时可视、定界定位和自愈能力，帮助客户从传统的静态拓扑运维模式切换到动态高清的电子地图运维模式，即通过网络数字地图来看直观感知网络，大大提高网络运维效率；性能拓扑，质量劣化清晰可见区域流量/质量地图，逐层下钻分析网络TOPN，快速发现网络瓶颈环比、对比、同比分析，提前发现网络隐患应用交互拓扑监控应用流量路况监控ACK时延TCP重传TCP握手时间零窗口连接数连接重置交互拓扑可视网络传输性能主机服务性能应用随流检测时延检测丢包检测出入端口可视吞吐量分布指标联动分析流量路况可视路况质量可视节点负载分析一体化监控故障诊断智能分析流拨测流抓包主动链路监控全链路故障诊断审计/核查网络随流检测日至关联分析异常根因定位网络故障预测网络容量预测故障影响分析7行动建议：针对多云网络建设，聚焦弹性敏捷、业务隔离、实时可视数字孪生已经在行业中得到广泛应用，网络数字孪生已经成为业界共识，网络数字孪生结合人工智能、大数据等技术，实现业务体验劣化、网络故障等问题的预测，主动实施网络优化，可以让企业和运营商更好的掌握网络、业务质量。增加网络可视化能力SRv6、网络切片等网络技术，在简化上云网络复杂度，保障上云业务体验等方面均取得效果，企业和运营商在进行云网协同建设过程中，应该考虑引入新技术，享受技术红利；积极引用网络新技术运营商通过转售第三方合作伙伴云服务、提供弹性专线能力，一方面可以更好的满足企业客户上云对网络的诉求，还可以更好的释放网络资源优势，实现营收增长；持续探索商业模式创新顺应当前行业云网诉求高涨趋势，升级上云网络、建设多云生态等，逐步推动云、网深度协同，降低业务上云难度，提升上云业务体验；增加云网投资8目录趋势3：数字化转型深入，园区网络进入以体验为中心时代03趋势4：从点级走向系统级，AI改变网络进入规模部署拐点04趋势5：一体化、服务化、智能化成为网络安全建设新特点0502趋势2：AI大模型爆发，正在推动数据中心网络发生根本性变革趋势1：多云成为新常态，弹性、可靠、可视的网络创新正在加速019生成式AI市场收入预测（2020年-2032年）30% %5%0 32203020282026202420222020$1,400$0$1,200$1,000$800$600$400$200$14$23$40$67$137$217$304$399$548$728$897$1,079$1,304收入($B)生成式AI/总技术支出（%）生成式AI收入生成式AI在总技术支出中的占比来源:Bloomberg Intelligence4%5%6%7%9%3%全球大模型参数量变化趋势1000100101来源:iResearchGPTBERT-largeGPT-2T5MegatronGPT-3Switch TransformerERNIE-3PaLMHunyuanPaLM-EPangu大模型发布时间大模型参数(亿)200224全球AI支出增幅远超数字化转型及GDP35.00.0%.0 .0.0.0%5.0%0.0%-5.0 202022416.9).0&.6.9&.3%3.0%3.0%2.9%5.7%-3.3.2.6.9.6.0%AI支出增幅DX支出增幅GDP增幅来源:IDC，世界银行，2022AIGC催生万亿产业市场新价值，全球算力基础设施建设提速大模型爆发，AIGC时代到来：2022年11月，随着Open AI发布ChatGPT，AI产业迅速进入以大模型为技术支撑的AIGC（Artificial Intelligence Generated Content，简称生成式AI）时代，开辟了人类生产交互的新纪元，也引爆了AI时代的内容生产力革命。根据Bloomberg Intelligence的最新报告显示，到2032年，生成式AI市场的营业收入从2022年的400亿美元将增长到1.3万亿美元，年均复合增长率达到42%；AIGC将在全行业引发深度变革：AIGC正在加速渗透到各行各业，但总体而言，AIGC主要影响内容创作和人机交互，行业线上化程度和内容在价值链中的占比越高，AIGC对其颠覆效应越明显。比如电商、游戏和广告行业线上化程度高，且内容质量直接决定其价值创造，因此AIGC应用在这些领域能够产生最大化的价值；全球算力基础设施建设提速：2018年6月Open AI的GPT模型参数量已经突破1.17亿，模型参数量开始亿级别的飞跃式发展，平均每3-4个月即呈现翻倍态势，由此带来的训练算力需求也“水涨船高”。计算力指数平均每提高1点，国家的数字经济和GDP将分别增长3.5和1.8，算力正成为影响国家综合实力的关键要素，算力基础设施建设成为国家数字经济高质量发展的战略举措。IDC数据显示，全球企业在AI基础设施及服务的投资，有望到2025年突破2000亿，增幅远超企业数字化转型（DX）和国内生产总值（GDP）；10网络性能决定算力效率，传统网络无法满足AI需求0.1%的丢包会造成50%的算力损失丢包率吞吐率来源:Congestion Control for Large-Scale RDMA Deployments10.750.50.2501e-050.00010.0010.01ReadWrite/Send0.1P%算力现实计算节点数理想期望通过增加节点数量获得性能线性增长算力天花板网络性能带来算力天花板，投资收益严重失衡传统数据中心网络不能满足AI数据中心要求：IDC报告显示，当前主流数据中心以太网占比超过95%，但传统以太网在AI训练等场景下，吞吐量、时延及避免丢包等方面的表现并不出色。众所周知，由于人工智能应用程序的通信方式会对网络造成很大负担，这给 CPU 和 GPU 服务器以及将这些系统连接到一起的现有底层网络基础设施带来了新的挑战。在如今的AI时代，AI训练过程中不能出现任何数据的丢失，而传统以太网络具有“天然丢包”的特性，已经不适应AI时代数据中心的需求；万卡算力集群，需要超大规模的网络：为了能够更快推出AI大模型，同时又满足参数和token数十倍的增长需求，GPU集群规模已经从千卡走向万卡，例如OpenAI GPT4使用上万张GPU卡训练1.8万亿参数。这就需要一张大规模的训练网络支撑如此庞大的算卡间无阻塞互联；万亿参数模型，需要超高吞吐的网络：大模型采用分布式训练方法来提高训练质量和速度，海量的参数分布于多个服务器的多个GPU之上，需要用到成千上万个GPU来训练数十TB级甚至更大的数据，大量GPU之间的通信容易出现由于网络负载分担不均而导致的网络吞吐下降，从而引发AI训练性能整体下降；长稳训练，需要极致可靠的网络：大模型训练是一个复杂的系统工程，从数据准备，模型预训练到模型训练，系统稳定运行十分重要，而网络基础设施是长稳训练的关键。某个千亿大模型总训练时长65天，期间由于故障引起的重启达到50多次，真正的训练时长只有33天，平均无故障时间（MTBF）仅为1.3天。AI大模型训练时间长，中断次数多，亟需通过提升网络健壮性，确保训练高效可靠的进行；11以太网技术持续创新，推动AI数据中心从封闭走向开放主流玩家持续发布基于以太网技术创新的新产品时间厂商事件2018年10月华为发布AI Fabric极速以太网2020年8月HPEHPC以太网互联技术Slingshot2022年4月浪潮发布基于RoCE的无损以太网解决方案2023年5月NVIDIA发布高性能以太网架构Spectrum-X2023年7月微软、博通、AMD、Intel等联合成立超以太网联盟UEC大模型广泛采用基于以太网技术的RoCE网络自然语言处理基础大模型行业应用基因研究、药物研发智能巡检 变化监测、地物分类生物医药电力遥感鹏程.神农盘古电力武汉.LuoJiaERNIE 3.0星火认知HPC TOP500 以太网占比超过Infiniband40E.4%7%Gigabit EthernetInfinibandOmnipathCustom InterconnectProprietary Network产业积极布局：2023年7月，Linux 基金会联合多家厂商成立超以太网联盟(Ultra Ethernet Consortium，UEC)，旨在提高数据传输速度和网络性能，以更好地适应人工智能和HPC工作负载的更高要求。UEC主席表示该项目构建在以太网技术之上，因为它是行业内持久、灵活且适应性强的基本网络技术的最佳例子；用户广泛使用：Infiniband具有高带宽、低时延转发的特点，传统的HPC网络通常采用其进行组网。但InfiniBand架构封闭，可扩展性不足，网络部署和维护成本高。随着以太网技术的发展，以太网在HPC和人工智能领域的应用规模持续扩大。最新TOP500统计的数据显示，全球HPC TOP500使用以太网互联的比例达45.5%，超过Infiniband。基于以太网技术的RoCE网络也被广泛被用于大模型计算集群，如鹏程神农、华为盘古、百度文心等；创新方案接连落地：业界基于以太网技术持续开展创新，自2018年10月华为率先发布AI Fabric极速以太网方案以来，多个主流厂商积极推进技术攻关，并陆续推出用于HPC和人工智能领域的高速互联产品和方案；12400GE交换机进入批量部署阶段，支撑超宽极简架构400GE端口发货数量统计报告0200,000400,000600,000800,0001,000,0001,200,0001,400,0001,600,0001,800,0002,000,0002021Q12021Q22021Q32021Q42022Q12022Q22022Q32022Q42023Q1CLOS网络架构，通用性和扩展性强单层多轨网络架构，减少网络层级和建网成本生态开放，技术快速发展：以太网一直是开放的生态，这为网络技术的迭代奠定了良好的环境基础。经过40 多年的发展，其速率已从10Mbps快速演进到 400Gbps，为人工智能场景下海量数据的高速流动提供了超宽的通道。IDC数据显示，在2021年到2023年的两年内，400GE端口的发货数量复合增长率达46%，2023年第一季度400GE端口发货量高达173万；从标准到产品，产业成熟：2013年，400G的以太网标准工作正式启动；2017年，IEEE 802.3bs以太网定义标准被批准，预示着400GE标准全面成熟。当前主流厂商均能够提供400GE交换机，华为在2019年已经率先发布了业界首款面向AI时代的最高密的400GE数据中心交换机CloudEngine 16800；400GE构建超宽极简架构：AI集群当前广泛采用200G/400G的高性能网卡，400G接入和互联需求凸显。基于大带宽的以太网交换机可以构建灵活的网络架构，满足用户不同业务场景的组网需求。其中，多轨网络架构和CLOS网络架构成为业界两种重要的选项。在分布式AI训练场景，多轨网络架构只需要建多个独立的网络平面，把同号卡连接起来。相较于传统架构，可以有效减少网络层级，降低数据转发跳数，降低建网成本；另一种是通常采用两层CLOS网络架构，网络的上下行收敛比需要满足1:1，这种架构的优点是通用性和可扩展性更强，可支持更大规模的组网需求；13GPU0/NPU0GPU2/NPU2GPU1/NPU1GPU3/NPU3GPU4/NPU4GPU6/NPU6GPU5/NPU5GPU7/NPU7400GGPU0/NPU0GPU2/NPU2GPU1/NPU1GPU3/NPU3GPU4/NPU4GPU6/NPU6GPU5/NPU5GPU7/NPU7GPU0/NPU0GPU2/NPU2GPU1/NPU1GPU3/NPU3GPU4/NPU4GPU6/NPU6GPU5/NPU5GPU7/NPU7GPU0/NPU0GPU2/NPU2GPU1/NPU1GPU3/NPU3GPU4/NPU4GPU6/NPU6GPU5/NPU5GPU7/NPU7多轨网络GPU/NPU GPU/NPU GPU/NPUGPU/NPUGPU/NPU GPU/NPU400G200/400G从零丢包到零阻塞，提升AI训练效率华为网络级负载均衡技术整网吞吐提升至90%以上 被动-主动 静态-动态 局部-全局squeezenet_4msimplenet_24mgooglenet_40mresnet50_97malexnet_217mvgg16_512m系列1100%0 0Pp0%结合AI流量特征，实现全网动态负载均衡，网络无拥塞、满吞吐，支持多任务、多租户传统负载均衡流量分布不均会导致网络拥塞，影响训练速度squeezenet_4msimplenet_24mgooglenet_40mresnet50_97malexnet_217mvgg16_512m系列1565200)%0 0P%本地冲突被动静态哈希，负载分担不均，leaf上行拥塞全局冲突无法预见下一跳冲突，spine下行拥塞网络吞吐是AI训练效率的关键：目前业界主流厂家已能够很好的解决以太丢包问题，但零丢包问题只是智算网络的基础。除此之外，还需要进一步提升网络的吞吐量。因为从技术上说，几乎所有的网络传输都有一个固有的问题，就是同一条连接在网络内要避免乱序，一旦发生乱序，在接收端就会触发重传逻辑导致降速。AI训练大流为主（100MB几GB），流数量少，单流通信数据量大，基于传统模式进行负载均衡会导致网络节点仅站在自身视角将流量选路发送，会出现流量分布不均，常年吞吐率较低；每个周期内最慢的一条流到达后，才能进行下一轮通信，性能取决于最慢的流。在没有实现全局负载均衡的网络中，整体通信效率为30P%左右，这说明有一半的网络性能没有被使用，也就意味着整个集群的算力使用率仅仅为30P%左右；网络级负载分担提升网络吞吐：为了提升网络吞吐量，业界主流玩家的优化思路基本一致，即要想使RoCE网络适配大模型AI训练的需求，需要针对端、网和协议进行深度协同以及适配，实现整网负载均衡和90%以上的高吞吐性能，才能实现通信效率提升。目前华为通过网络级负载均衡（NSLB）技术，通过网络控制器和AI调度器协同，可根据整网交换机节点流拥塞状态和全网拓扑进行全局算路，并根据AI调度器分配的训练任务获取通信关系矩阵，结合通信库和网络拓扑、带宽、拥塞情况识别出最优路径，自动下发至网络交换机，业务流根据统一规划路径进行传输，整网吞吐可提升至90%以上；14本地快速收敛故障收敛突破毫秒，保障集群稳定可靠网络高可靠是集群系统稳定的基础：AI大模型依托的智算中心网络是业务流量的核心枢纽，其稳定性直接关系到整个集群系统的稳定性。一方面，一个网络节点的故障可能会影响数十个甚至更多计算节点的连通性，网络故障域大。另一方面，与单个GPU或者服务器容易被隔离不同，网络作为集群共享资源，性能波动会导致所有计算资源的利用率受到影响，具有放大效应。因此，在大模型的训练过程中，确保网络的持续稳定至关重要，提升网络的故障恢复能力和运维效率成为当前亟待解决的问题之一；网络高可靠的技术创新方向：(1)硬件快速感知，亚毫秒级故障恢复：AI训练场景里每次主机间通信任务时间在毫秒级，如果依靠传统的路由收敛方式，通过感知端口状态、路由收敛、转发路径切换等操作完成流量从故障链路到备用链路的收敛，时间一般在秒级，中断多轮AI主机通信，极大地影响了AI效率。针对这个问题，一种优化策略是利用数据面快速收敛技术，提供基于数据面的故障快速感知、本地快速收敛或远程快速收敛等能力，实现故障链路亚毫秒级快速切换，训练任务无感知；(2)训前智能自检，训中智能运维：据统计，90%的高性能网络故障是由配置错误导致。随着AI训练集群规模不断扩大，进一步增大了配置的复杂度。通过算网协同机制，设计符合 AI 场景的网络模型，完成网络配置的自动化生成、自动化下发和自动检测，被普遍认为是AI集群稳定交付的重要技术。此外，AI大模型具有流量大、周期短的特征，传统的轮询和报文采样机制无法支持AI网络流量的指标可视化，整网被视为一个黑盒。通过毫秒级的网络性能测量、网络与计算协同的集合通信性能测量，实现业务可视化、质差分析与故障定界；并联合集群计算运维平台统一调度，实现网络故障快速闭环，是行业探索的另一个重要方向；远端快速收敛Leaf2GPU1GPU2GPU3GPU4Spine1Spine2Leaf1Leaf2GPU1GPU2GPU3GPU4Spine1Spine2Leaf1GPU1GPU2GPU3GPU4GPU1GPU2GPU3GPU4GPU1GPU2GPU3GPU4Spine1Spine2Leaf2Spine1Spine2Leaf1Leaf2Spine1Spine2Leaf1Leaf2Leaf115广域网络向弹性智能演进，加快AI推理速度AI推理给网络带来新需求：随着AI技术的发展和行业智能化的深入，网络不但要联接人、联接物、支持传统应用，还要支持好大模型训练、分发、推理、迭代等智能应用的全流程。针对广域网络来说，一方面，模型云上训练，云下推理带来了海量数据流转，需要网络具备大带宽高吞吐的能力。另一方面，随着AI推理海量终端与应用走进企业核心生产系统，带来应用数量百倍增长，不同的AI应用对网络有不同的要求。比如工业园区网络中AOI机器视觉质检要求实时推理交互，软件包下载要求高峰值带宽，视频会议要求稳定带宽。网络如何提供更加精细化、差异化的体验保障成为新的挑战；400GE/800GE构筑弹性智能广域网：目前行业正在探索利用400GE/800GE构建超宽网络，并通过网络与终端和计算协同、智能调度算法对应用进行智能感知和分析，准确预测网络的流量变化趋势，从而根据不同的应用类型智能地优化网络资源，提前消除网络拥塞，保障海量训练数据的高效流转，满足应用对网络时延、带宽等差异化服务保障的需求；PB级训练数据上传，TB级模型文件下发带来海量广域数据传递需求AI进入生产系统，应用百倍增长网络面临时延保障和吞吐不足双重挑战公有云/私有云（CDC）模型训练1数据上传模型下发推理交互分支机构1分支机构2分支机构3总部机关企业边缘云数据统一采集/推理算力推理存储训练VMVMVM海量多模态数据实时推理文本 图像图像 红外图像 红外 激光雷达声音 近红外 可见光图像图像 声音 气体传感 温度 压力10100倍上行推理流量1001000倍应用种类推理终端智能应用感知智能应用感知算路网元16弹性智能的广域网络加速推理交互17AI网络是覆盖云、网、边、端全场景的端到端网络，包含数据中心网络、广域网络以及覆盖边和端的网络。算网协同被普遍认为是支撑实现AI大模型从训练到推理，从专用到通用的关键技术。通过实时感知应用，保障关键应用的差异化体验，加速推理实时交互。关注算网协同保障应用差异化体验随着大模型的参数越来越多，网络规模也将成倍增长，随之而来的网络部署和运维管理复杂度指数级增长。数据中心网络应该尽可能地自动化、智能化，包括网络部署、配置管理、故障自愈等，在增强网络可靠性的基础上，将大幅提升企业的运营效率并使能全新的智能化业务;积极推进网络自动化、智能化网络性能已经成为决定AI训练效率的关键因素，当前主流GPU服务器网卡接口已经到达200G/400G，应当构建400GE的互联网络，并具备向800GE演进的能力，以支撑AI训练海量数据的高效传输；同时建议引入网络级负载均衡等领先的技术，构建超宽极简的无阻塞网络，提升网络有效吞吐和AI训练效率;引入400G大带宽网络在构建数据中心网络时，应充分考虑技术的可扩展性，以满足AI应用的不断增长。开放的以太网技术可以根据不同的业务场景和算力需求，灵活组网并兼容多样化算力接入。此外，使用开放技术可以避免被单一供应商锁定，从而增加议价权和选择权；选择开放的以太网络技术行动建议：将开放的超高吞吐、极致可靠的AI网络带到每个数据中心目录趋势3：数字化转型深入，园区网络进入以体验为中心时代03趋势4：从点级走向系统级，AI改变网络进入规模部署拐点04趋势5：一体化、服务化、智能化成为网络安全建设新特点0502趋势2：AI大模型爆发，正在推动数据中心网络发生根本性变革趋势1：多云成为新常态，弹性、可靠、可视的网络创新正在加速0118新兴业务涌现驱动园区网络升级，更好支撑企业数字化转型随着企业数字化转型加速，新兴业务及应用不断涌现，在提升企业办公及生产效率的同时也对园区网络提出了新的要求，目前看到主要的驱动力包括：视频会议盛行：视频会议成为企业远程沟通和混合办公的重要工具，预计全球每年将以10%增长，到2032年将达到950亿美元。以华为为例：视频会议连接着员工及上下游合作伙伴近40万用户，覆盖170个国家、1000多个办公点，每天最高峰在线用户达6万人，每个月有60多万场会议召开，视频传输的质量直接决定着企业内外部的沟通及交流效率；物联应用海量部署：除了传统办公类终端，企业数字化将催生海量的物联类终端，包括资产管理、电子价签/标签、高精定位、智能仪表、环境感应器等。以零售业为例，大量超市开始采用支持远程实时刷新价格的电子价签替换传统纸质价签，预计到2025全球电子价签市场规模将超过30亿美金。物联应用及设备的快速普及，会进一步增加企业IT系统的复杂度；用户终端即将升级：6GHz频谱的陆续发放推动Wi-Fi终端升级，截至 2023年上半年，支持6GHz的终端已达到2064款，同比2022年上半年增长了260%，这其中有67款设备支持新一代Wi-Fi 7，包括22款手机、30个路由器和网关、11个接入点以及4台笔记本电脑。终端的升级换代也将驱动企业加速WLAN无线网络升级换代，以更好适配新型终端的接入；沉浸式体验等新兴业务逐步兴起：算力以及视频显示技术的不断成熟，也在催生沉浸式应用的不断涌现，包括全息投影、裸眼3D、元宇宙办公等逐步在企业得到应用。如果企业考虑在近期尝试新技术创新，对于园区网络也会带来冲击；20212025全球电子价签市场预测3000500300350202242025M$支持6Ghz频段的终端快速普及6339867795007009000022Q222Q423Q2PCDPhone 59% 64% 38% 51% 26% 62%H/H企业视频会议市场预测2595020406080B$CAGR 10企业园区建网理念升级，打造面向未来的高品质园区网络随着应用的多元化发展，企业网络承载的业务数量和类型快速增加，不同业务对带宽、时延、安全等诉求有所差异，需要改变传统的建网思路，全力构建以用户体验为中心的高品质园区网络；从带宽驱动到体验保障：园区网络的业务从传统电脑办公为主演进到高清视频会议为主，办公应用也正从本地走向云端，对园区网络带宽和时延提出更高要求，网络带宽是有成本的，因此我们要提升带宽效率，探索基于应用感知的差异化服务，保障用户体验；从专网专用到融合承载：园区网络中业务类型快速增加，专网专用的建网模式导致综合建网及运维成本高，网络资源利用率低，且会导致信息孤岛，无法实现企业数据的自由流转。通过网络虚拟化实现多重业务的融合承载成为刚需，为企业客户降本增效；从网络自建到网络服务化：传统园区网络的规划，部署及运维通常在本地开展，且依赖于IT运维人员的经验和专业技能，无论是建设还是运维效率都比较低下；我们需要基于云的自动化网络规划部署及智能化的运维方式，提升IT运维效率，让企业聚焦于自身业务发展；从通信连接到通感一体：在企业无线网络中实现通信和感知的功能，通信辅助感知，感知辅助通信，实现通信与智能生活的融合，推动各行各业的绿色发展；从网络状态可评估到用户体验可保障从多张网络到一张融合园区网络基于云化园区网络管控20WLAN进入Wi-Fi 7时代，园区无线网络全面提速Wi-Fi 7已经从标准定义进入商业阶段：Wi-Fi 7标准802.11BE已于23年7月完成Draft4.0的发布，预计将于24年Q1定稿并发布；芯片方面包括高通，博通，MTK，英特尔等厂家从2022年开始发布了Wi-Fi 7芯片。在频谱方面，全球54个国家已发布6GHz频谱给Wi-Fi，覆盖欧洲、亚太、中东、拉美等地区。华为将在23年9月正式发布业界首款企业级 Wi-Fi 7，其他大多数制造商将在2024 年将Wi-Fi 7产品推向市场；企业级Wi-Fi 7市场即将进入快速发展期：根据Gartner预测，预计到2027年，企业级Wi-Fi 7 AP的出货量将达到1240万台，相当于AP总量的 27%；尤其在制造行业市场中超过30%的组织将升级到Wi-Fi 7，这将为他们的业务流程引入更多用例。与此同时，Wi-Fi 7与时间敏感网络(TSN)的组合在带宽以及可靠性方面全面提升，支持制造和仓储中的关键业务流程，有助于新一代Wi-Fi技术的加速采用；Wi-Fi升级将同步带动有线网络升级：Wi-Fi 7的峰值速率超过10Gbps，2.5GE将成为Wi-Fi 7 AP最低要求，这意味着传统千兆交换机已经无法支撑新一代企业无线网络的带宽需求，这意味着接入交换机正在从GE朝着2.5/5GE升级，进而带动25GE汇聚，100GE核心的市场发货；IDC发布的市场份额数据显示2022年2.5/5GE端口发货量同比增长108%，25GE同比增长78%，100GE同比增长62%，同时预计在未来几年仍将保持高速增长势头，推动企业园区网络全面进入万兆时代；全球已经有超过50个国家发布6 GHz频谱0.0500.01,000.01,500.02,000.02,500.03,000.03,500.04,000.020232024202520262027010,000,00020,000,00030,000,00040,000,00050,000,00060,000,000202242025202620272.5GE/5GE25GE100GE$3.7 B 全球企业级Wi-Fi 7市场收入预测园区多速率/25GE/100GE端口市场发货预测21从带宽到可靠性，Wi-Fi 7加速海量行业场景化应用更高带宽：相比Wi-Fi 6，Wi-Fi 7在2.4G/5Ghz频段基础上新增支持6GHz频段，在降低信号干扰的同时提供更宽的频谱资源，160Mhz连续组网成为可能，配合4096-QAM将用户带宽提升2.4倍，轻松满足4K视频，AOI高清质检，车载软件灌装，AR/VR等高带宽诉求；更低时延：相比Wi-Fi 6，Wi-Fi 7基于Multi-RU特性实现空口RU的灵活组合，为单用户分配多个RU，提升空口资源使用效率，可将用户平均降低时延25%以上，特别适合高品质办公场景，为高清视频会议，交互式办公，云端多媒体渲染等时延敏感业务提供更好保障；更高可靠性：在链路可靠性及用户体验保障方面，Wi-Fi 7也取得了较大改进，引入Multi-Link Operation特性，让终端与AP之间可同时建立多条数据连接（2.4Ghz，5Ghz及6GHz），三条链路可同时收发数据，增加链路带宽；也可收发相同数据（多发选收），提升链路的可靠性；也可支持基于应用识别的数据链路匹配，实现差异化体验保障；这将为AGV智能仓储，柔性制造提供更优选择；适用场景：Wi-Fi 7可广泛适用于终端无线化改造场景，如智能生产线、智能仓储，工业终端控制，车辆路测，未来的元宇宙等；更高链路可靠单链路 升级为 多链路010101102.4G010101106G010101105G工作模式1高带宽，同时收发数据工作模式2高可靠，数据多发选收工作模式3优体验，应用差异化传输更大无线带宽单终端峰值达到5GpbsSpectrum Bandwidth:160MHz-320MHz160(Wi-Fi6)320(Wi-Fi7)100%QAM:(wi-fi6)212(wi-fi7)20%催生广阔应用场景元宇宙高带宽低时延 10Gbps ,毫秒级制造AOI高带宽 78 Gbps(站点)工业控制低时延 5毫秒远程医疗低时延、高可靠性 5ms，多链路仓库高可靠性 多链路，0中断AR/VR教育高带宽低时延 1Gbps ,5毫秒22从多张网到一张网，融合网络架构实现企业网络投资最优Wi-Fi&IoT融合：园区内IoT应用的出现使得企业IoT基站采购、部署及运维诉求激增，考虑到IoT基站和AP的工作原理类似，且WLAN作为全无线时代首选接入方式，AP已遍布在企业办公及生产区域，基于WLAN AP进行IoT应用扩展让成为更优选择，当前主要实现方式有PCIe插卡，USB dongle，内置蓝牙等实现方式，该方案可大幅降低综合建网和运维成本；生产网和办公网融合：园区通常存在办公、视讯，安防，生产，IoT等多种业务，专网专用的建网模式综合成本高，占用大量机房空间，产生大量综合布线，但网络利用率通常在5%以下；随着VxLAN被引入到园区网络，多业务的融合承载成为可能，由一张物理网络同时承载多中业务，同时通过应用识别、网络切片等技术，为不同业务提供差异化的优先级调度，保障业务质量和用户体验；适用场景：未来可在教育，医疗，零售，大企业等行业的物联应用、多业务融合承载场景，广泛部署和应用；由一张物理网络承载多种业务，彼此安全隔离，综合建网成本节省50%以上生产与办公 融合网络1GE/10GE仪器仪表工业交换机485/DI/DO视频回传驱动器机械臂仪表M-LAG工业网关 IO扩展PLC传感器核心/汇聚工业网关共用WLAN AP作为接入点、共享有线回传资源，建网成本节省30%以上IoT与Wi-Fi 融合组网PCIe 蓝牙RFIDZigBeeUSB扩展内置蓝牙物联管理平台WLC23从不确定到确定性时延，时间敏感网络（TSN）实现IT/OT融合TSN技术飞速发展：当前制造行业主流连接方式是使用工业总线和工业以太。传统的IP/Ethernet网络，虽然具有开放性好、互通性好、产业成熟、带宽大、成本低等优势，但是其网络服务是统计复用的、尽力而为的，不能提供行业所需要的时延确定性保障。而基于场景设计的工业以太网络，通过特定的方法实现了时延有界，但是其互通性、可扩展性较差，且使用专用的软硬件，对于用户而言成本更高。时间敏感网络（TSN）是一项兼具传统以太和工业以太两者的优点的技术，为用户提供低成本、大带宽、支持统计复用的网络基础设施，解决各种总线、工业以太协议互通难的问题；又具备提供有界时延、极低时延、自动化网络配置、高可靠性等性能优势；TSN商用进程加速：TSN支持采用周期性网络传输机制，借助时间同步 精准调度可为业务提供微秒级的确定性时延保障，满足生产、制造、交通场景下时间敏感型业务的传输诉求；当前，TSN技术标准（有界时延、资源管理、时间同步、高可靠性等）完成了发布，众多芯片厂家陆续推出了满足标准的芯片，包括华为在内的10 设备厂家发布了产品及方案，异厂家的互联互通得到充分验证，在北美及中国已有商用部署案例。同时，Wi-Fi 7在带宽、时延及可靠性方面优势明显，可为TSN网络提供无线侧的灵活性和扩展性，通过Wi-Fi 7无线 TSN有线结合为工业自动化、机器人等应用提供更多可能，加速商用进程；标准AVB工作组更名为TSN2000212802.1Qbv-2015802.1Qbu-2016802.1Qch-2017IEC/IEEE 60802802.1Q-2018802.1CM-2018802.1DG车载标准802.1QdjTSN UNI802.1DP航天标准802.1Qcr异步调度芯片NXP发布芯片BCM发布芯片XILINX发布芯片Intel发布芯片NXP发布MPUMarvell发布芯片瑞萨发布芯片国防科大发布芯片NXP发布MCUTI发布MCU东土发布芯片微芯发布芯片全球TSN网络市场预测489.6005006002020202242025M$24从设备采购到网络即服务（NaaS），企业数字化创新开启加速度越来越多的企业从采购设备转向采购服务：过去，企业通过一次性购买硬件、软件、许可和服务来建设园区网络，这些硬件、软件、许可证和服务有时会被打包在一起，同时网络运营管理也要求IT团队具备专业的数据通信的规划，部署及运维管理优化能力，以确保园区网络稳定及安全运行，由于受限于已购买的硬件和基础设施，传统网络的灵活性通常较低。随着数字化业务的深入，网络复杂度与日俱增，企业对于灵活创新的需求越来越旺盛，基于云管理的模式，网络即服务应运而生，其具有高度的灵活性，可以定制网络配置并选择所需的特定服务，实现敏捷运营、服务定制和灵活计费模式，来支持复杂的网络和多云环境；网络即服务（NaaS）的优势：首先企业无需购买、拥有或维护网络基础设施，即可运营和控制网络，可以根据需求扩大或缩小规模，快速部署服务，并降低或消除与硬件相关的成本。其次在使用过程中允许企业通过按期订购和按用量计费的灵活商业模式，财务的灵活性可以使企业能够在快速变化的业务环境中灵活选择服务模式。此外NaaS服务还可以保持软件的实时更新以及增强网络安全特性，加快业务创新速度和降低安全漏洞造成的风险；市场趋势：NaaS模式近年来保持着快速增长势头，根据 Mordor Intelligence的预测，从2023 年至2027年，NaaS市场的复合年增长率将达到34.5%，预计到2027年全球园区NaaS服务市场收入将超过6亿美金；传统模式：企业自己采购设备企业自采全网自动化|AI智能运维SDN控制器（云平台）NaaS模式：企业向MSP购买服务MSP租赁企业全网自动化|AI智能运维SDN控制器（云平台）园区NaaS市场快速增长M$6090050060070020232024202520262027CAGR 34.5%从网络通信到通感一体，赋予数据通信网络感知世界的能力Wi-Fi 设备走向智能感知：Wi-Fi不仅可以用于通信，还可以用于感知，Wi-Fi 传感使用 Wi-Fi 波来检测运动和存在，然后应用机器学习算法以促进高级应用。可将无线设备转变为传感器，能够通过无线的方式来进行高精度的身体定位和动作识别，并把识别的结果转换为指令，并实时传回控制系统，计算人和物体物理空间中信号的干扰和反弹收集有关人和物体的数据，已建立的 Wi-Fi 设备将成为用于确定特定区域内人和物体位置和网络交互的一部分；Wi-Fi感知的标准进展：2020年9月IEEE 802.11bf标准组成立，开启通感一体化标准化研究的序幕，它不是用于数据通信，而是用于传感。23年1月发布标准规范Draft1.0，7月发布Draft 2.0，计划11月发布Draft 3.0，2024年1月发布Draft 4.0，届时将有早期的产品及方案问世，而正式标准将在2025年发布；开启广阔应用场景：通感融合，提高无线系统的性能和效率，为更多新应用场景提供可能，如实现高精度生理性摔倒检测实现康养监护，存在检测实现节能减碳；驱动广阔应用场景创新室内感知家庭安全音频追踪存储感知家居控制手势识别生物感知人脸识别距离态势检测摔打检测远程诊疗喷嚏感知车内感知Wi-Fi网络走向感知Wi-Fi感知感知数据AI分析数据回传通感融合应用模块模块感知毫米波低空安防智慧交通健康监测导航/跟踪智能电力手势感知26行动建议：数字化应用的推进速度远超想象，改变园区网络建设理念在园区接入推荐多速率交换机，满足高性能Wi-Fi 6/7大带宽回传需求，同时为有线终端提供超千兆接入服务；园区汇聚推荐高密25GE交换机，园区核心推荐100GE交换机，从而打造10G接入/25G汇聚/100GE核心的全无线办公网络，为用户提供万兆极速体验；园区拥有多种业务时，推荐多业务融合承载方案，在一张物理网络上为多种业务提供差异化策略，保证用户业务体验，提升园区网络资源使用效率，降低网络部署成本；一网多用，体验保障推荐采用SDN控制器实现对园区有线及无线网络的统一管理和控制，业务配置自动化发放，提升IT运维人员网络规划及部署效率；同时基于Telemetry实现网络、设备、用户及应用的实时可视，发生故障后快速定位定界，智能分析根因并完成故障处置，简化园区网络日常管理运维及故障排查的难度，从而提升园区内网络用户的满意度；在大型网络场景（含多分支），企业有独立的IT运维团队，推荐自建云管理平台（控制器）进行自身网络的日常运维和管理；在中型网络场景，企业网络投资紧张且无运维能力，推荐采用Naas模式完成网络建设及运维托管，节省初期建网成本，降低投资风险。云化管理，智能运维企业存量Wi-Fi 5 AP面临设备老化及过保风险，如今换代升级已迫在眉睫；新增办公生产区域或无线化改造场景，WLAN成为刚需，如AOI高清质检，车载平台灌装升级，AGV智能仓储等。无论是WLAN换代或WLAN新建场景，推荐选用Wi-Fi 7，为用户提供带宽倍增能力的同时，提供更低时延，更高可靠性；IoT共站场景，推荐采用IoT融合AP，为企业节省综合建网成本；超宽接入，物联融合27目录趋势3：数字化转型深入，园区网络进入以体验为中心时代03趋势4：从点级走向系统级，AI改变网络进入规模部署拐点04趋势5：一体化、服务化、智能化成为网络安全建设新特点0502趋势2：AI大模型爆发，正在推动数据中心网络发生根本性变革趋势1：多云成为新常态，弹性、可靠、可视的网络创新正在加速0128人工智能快速发展，网络智能化的规模部署拐点已至网络智能化的定义和发展：网络智能化是指通过实时数据收集、关联、预测来快速发现和隔离问题，使网络人员不需要深入的配置和故障排除技能来管理网络，人工智能在应对不断增长的网络复杂性方面发挥着越来越重要的作用，提供了巨大的潜力，可以颠覆长期存在的传统网络运营，从而大幅提高生产力。电信管理论坛(tmforum)从2019年开始引入网络自动驾驶概念，将通信网络分为L1L5五个等级，目标是实现“完全自治网络”，目前业界的通信网络大致处于L2L3的水平；网络智能化面临的挑战：网络智能化，有效数据是关键，过去由于网元设备自身的分析能力有限，运维人员难以从海量日志、告警信息中获取有价值的网络建议，即便是有经验的网络工程师，很多时候也难以输入准确的意图；另外一方面，即便是有可靠的网络建议，由于缺乏全方位的可视手段，运维人员也担心风险，在未看到实际数据以及效果之前，并不愿意完全信任人工智能。因此迄今为止人工智能网络应用大部分还是针对某些具体问题的点状应用，难以形成大规模系统级，整个人工智能网络的采用率不到10%；网络智能化即将进入快速发展期：近几年来，算力的快速进步催生了数字孪生和各种大模型广泛应用，数据的有效性以及对于业务影响的可视程度得到了一个全面的提升，这将推动网络智能化即将进入一个快速部署的阶段。根据Gartner的预测，到2026年，50%的网络供应商将在其解决方案中提供数字孪生功能，20%的初始网络配置将采用生成式人工智能技术，而到2027年，使用人工智能功能来自动化网络运营的企业会从现在的10%提升到90%，人工智能本身的快速发展，推动网络智能化打开规模部署的大门；L5网络自治系统定义及时间轴2025203020232019自配置自修复自优化Self-X零等待零故障零接触自智网络Zero-XL3有条件自治L5完全自治L1工具辅助L4高度自治L2部分自治人工智能网络创新趋势洞察202620272019202350%支持数字孪生的网络供应商采用生成式AI配置网络比例20)数据通信网络智能化进入系统级，数字孪生和生成式AI成为关键系统级网络智能化是广泛部署的核心：AI的应用在各行各业都需要一个过程，通常分为三个层次，第一层是点级别解决方案：AI解决非常具体的问题，用于改进现有流程且可独立部署，不改变系统，包括告警压缩、Wi-Fi体验保障以及站点自动开通等都属于这个层级；第二层是应用级解决方案：AI解决一系列问题，使能独立可部署的新流程，也不改变系统，数据中心网络中的知识图谱自动识别、定位并解决问题属于这一类，能够适应部分场景，但无法做到整个系统重构。第三层是系统级解决方案：AI能够同时改进多个现有流程，或者通过改变相互依赖的流程使能多个新流程。在数据通信网络领域，数字孪生以及生成式AI属于具备重构多个流程的技术变革，已经开始进入系统级解决方案的阶段，这也是能够支撑网络智能化广泛部署的关键；系统级解决方案1：数字孪生，从2018年开始，基于数字孪生技术的网络数字地图开始在现网中开始逐步应用，最初从园区和数据中心网络，主要是提供网络可视以及提供部分网络故障修复，如今数字地图已经开始广域应用，把网络数字孪生体作为网络的基础运维平台来实现低成本试错、加快创新迭代、提高网络智能运维水平；系统级解决方案2：生成式人工智能，2022年底，随着ChatGPT将生成式 AI 推向前沿，网络大模型迎来快速发展期，网络智能化将越来越多地包含生成式人工智能，它可以根据人类输入创建详细的配置和故障排除程序，而无需明确的模板，目标是赋予其业务意图转换成网络需求的关键能力，打造业务意图引擎；点级：现有流程某个环节增强AI商业应用的三个层次应用级：基于数据 AI构建新流程系统级：基于数据 AI同时重构多个流程故障处理告警事件压缩环节：基于规则AI模型（改进现有流程）AI知识图谱，DCN网络故障闭环基于数据 AI使能的新流程站点开通查验环节：人工查验AI查验（改进现有流程）运维助手原来靠人工查现在基于外线助手APP实时给出用户影响、故障具体位置、恢复方案(新应用流程)Wi-Fi体验保障WiFi调优：人工调整基于AI的一键调优（改进现有流程）基于网络数字仿真的倒换基于数字孪生仿真重新设计的倒换新流程网络数字地图，业务全息可视基于数字孪生 智能算法重构网络可视流程生成式AI构筑网络意图引擎网络大模型(NetGPT)，重构网络意图交互流程30从接受意图到生成意图，智能网元是网络智能化的前提智能网元是网络智能化的前提：数据是实现网络智能化的关键要素，网络数据主要有设备网元产生，如果网络设备单纯只是日志以及告警，这些数据对于运维人员而言，在大部分时间也很难形成准确的网络意图，导致被动运维，如果网元不智能化，整个网络是难以智能化的，因此网络智能化成为必然趋势，其重要意义在于，可以让网元从接受意图到生成意图网元，设备做自身的分析，多维度数据信息收集、预处理、上报，网络根据实际的流量变化，生成人分析不出来的意图，为AI提供数据基座；网元智能化的关键价值：网元的智能化可以通过深度学习模型，基于报文流行为特征，对数据流进行分类，并根据推理结果对流做出处置动作，提升设备关键能力，如业务保障能力，及安全检测能力。以金融骨干网场景为例，应用流量异常会对高价值业务造成冲击，导致业务出现故障，但这种网络流量的异常是完全可以通过设备自行发现并上报风险的，网络设备通过智能化升级，提供应用流量异常感知服务，异常流秒级识别，支撑流量限速与疏导闭环，保障高价值业务SLA性能。此外在安全防护DDOS攻击方面，路由器秒级DDoS攻击检测仅依赖流速变化，无法感知攻击细类，且对现网链路故障多切一等特定场景可能存在误报；设备自身协议攻击防护能力弱，易被攻陷，而智能化设备可以针对过路流量提供攻击细类感知能力，秒级触发上报，与清洗设备快速闭环；011110数据处理流程：分流与特征提取 模型推理 识别后处理日志、告警、流量普通网元智能网元传统网元叠加算力分析面NPM分析音视频重保NPM卸载&网安联动微突发检测静默丢包感知网络调优南向接口/解压超大规模测量数据存储、分析框架NPM分析异常流（DDoS）静默丢包体验评估应用/网络关联拨测路径编排BGP攻击发现探针发现测量系统管理网管平台日志处理告警分析流量分析设备状态传统网管叠加分析0.11.10123特征信息模型流量31从多维可视到优化仿真，数字孪生地图开始规模应用网络数字地图全面应用：网络数字孪生体作为物理网络设施的数字镜像，与物理网络具有几乎相同的网络拓扑、业务及流量数据模型，是真实物理网络全生命周期、多维度的精细化副本，可以为网络运维提供真实网络的数字化验证环境；相比传统的仿真技术，网络数字地图不只是静态的网络快照，不但可以根据网络的状态实时更新；与AI技术相结合，能自我学习，使得网络的数字孪生可根据在线预验证反馈的结果自我演进，具备更高的真实性和可靠性；技术趋势1：从单维可视到多维可视，业务网络关联感知：普通的网管系统更多是针对网络质量单维度的可视化，但实际运维中更经常出现的是业务发生故障但无法找到网络故障，或者网络无法快速自证清白，以某银行为例，上百个应用与上万个网元之间没有建立可视的关联，导致运维效率低下，因此网络数字孪生不仅仅需要够构筑网络层面的可视，还要基于网络数字孪生引擎构建物理网络统一模型的数字化副本，面向运维场景以多领域、多维度仿真验证为基础，支撑网络规建维优活动，包括应用内、应用间互访关系呈现业务异常秒感知；技术趋势2：从离线仿真到实时仿真，降低网络变更风险：网络仿真按照场景分两大类，过去主要是以用于网络规划的离线仿真为主，但随着网络自动化水平越来越高，网络故障、自助申请一类的业务闭环周期短，期望在分钟级、秒级实现，因此实时仿真技术开始成为热点，根据网元配置数据模拟设备路由协议控制面和转发面行为，精准生成网元协议路由表，全局路由表，基于路由表项进行分析，完成对网络影响分析验证；交通数字地图和导航网络数字地图Orange Spain 实践网络全息可视：全网SLA可视网络性能最优：P3测试网络时延降低30%网络自治优化：路径调优时间 3个月3分钟持续升级多维度可视网络信息业务应用网络实时仿真全网一图可视、实时拓扑还原应用网络互视路径一键导航多云变更仿真全息主动感知网络实施00001验证策略实施策略验证结论仿真系统主动感知异常或请求自动生成应对策略32生成式人工智能为网络大模型（NetGPT）发展带来机遇生成式人工智能驱动网络大模型发展：大模型”百模千态“的个性化发展为通信网络大模型的出现提供了绝佳的机遇，应用层大模型必须经过网络才能和终端用户连接起来，而通信网络具备“瘦腰”的特性，因此要求存在一个通信网络大模型（NetGPT），使用统一的大模型处理多类网络业务，减少业务复杂度，是未来趋势；当前网络大模型还处于起步阶段，应用场景还在初步探索中，目前主要有大模型赋能知识管理平台以及交互式网络意图引擎处理等几个场景，面向未来，网络大模型可能会发展到在云边协同部署，这样有助于有效编排异构分布式通信和计算资源，是网络大模型NetGPT发挥重大作用的关键一步；探索场景1：知识管理平台，大幅提高交互问答准确度，传统的AI问答助手基于知识图谱技术，如果用户提问的关键字存在偏差，那么系统回答的准确率就比较低，大模型训练基于网络构建数通领域语料数据集，以及NetGPT大模型知识扩展重训练 任务对齐微调，精准理解用户意图，提升交互效率，突破通用大模型 专用小模型的有效协同机制，应用于智能问答、网络体验保障的场景，特性类回答率从20%提升到80%；探索场景2：人工意图引擎，全面理解网络意图，过去虽然有网管平台，但是网络运维工具多，界面入口多；处理问题时，不知道从何入手，应用/业务流数据与网络数据割裂，缺乏关联，依赖专家经验来协同。网络大模型可以识别用户意图，区分类型，精准理解语义并完成网络需求转化，同时根据维护人员输入创建详细的配置和故障排除程序，而无需明确的模板，提升运维效率，降低运维团队的专业依赖度；意图分类语义理解NetGPT大模型（意图理解能力）精准意图理解智能答案生成网络体验保障运维专用小模型健康度报告/查询故障闭环推荐API编排、匹配已知问题未知问题To-Be：智能识别意图，推荐闭环措施As-Is：用户上手难，故障排查复杂生产网管系统NPM系统集中监控其他平台告警、KPI流事件巡检API编排与匹配：数据孤岛33行动建议：将AI技术与人类智慧结合，加快创新速度，提升网络运营效率优先选择具备一定算力能力或者具备算力扩展能力的网络设备，对于网络智能化而言，单纯依靠网络控制器以及分析组件肯定是不够的，设备的智能可以实现从静态的推理和被动的响应，变为动态的分析和主动的推荐，这无论对于实现网络全局可视以及网络自治都是非常必要的；部署智能化的网络设备对于数据通信网络而言，使用数字孪生技术首先实现网络全面可视，是网络智能化的第一步，有了数字孪生网络这个平台，现网实施的调整、维护、优化等变更操作，都可以先在数字孪生网络中进行充分的试验和验证，并通过其反馈来不断的评估、修正、优化操作方案，最大限度降低对真实网络带来的冲击；同时数字孪生网络还会实时记录网络的数字孪生体的状态和行为，支持对历史的追溯和回放，从而能在不影响网络运营的情况下完成预验证，极大地降低试错成本；采用数字孪生技术实现全面网络可视保持对于网络大模型的研究以及应用进展的关注，随着生成式人工智能对于行业的拓展速度不断加快，可以考虑尝试在智能问答、网络配置指导以及运维交互方面尝试引入一些创新，引入有远见的厂商和解决方案，将生成式AI扩展到本地网络领域，实现创新的价值；加速生成式AI应用创新网络智能化对于提高网络可用性、性能和运营效率有明显的效果，随着AI技术的不断进步，应用的价值已经开始显现，规模部署开始进入拐点。AI的本身并不是全面取代人，而是更好地辅助人，人工智能网络将全面提高网络可用性、优化效率、提高性能，使用相同或者更少的资源做更多的事情。拥抱AI从现在开始34目录趋势3：数字化转型深入，园区网络进入以体验为中心时代03趋势4：从点级走向系统级，AI改变网络进入规模部署拐点04趋势5：一体化、服务化、智能化成为网络安全建设新特点0502趋势2：AI大模型爆发，正在推动数据中心网络发生根本性变革趋势1：多云成为新常态，弹性、可靠、可视的网络创新正在加速0135企业上云和混合办公打破安全边界，网安一体化协同防御成为主流选择企业上云打破防御边界：传统的网络安全体系架构是以企业内部为中心，在企业边界构筑层层防御体系以确保数据安全，然而随着企业上云逐渐兴起，网络从传统封闭架构走向多云多分支互联，企业的边界被打破，网络安全的风险暴露面增多，同时面临生产高可靠、高安全的诉求。原先的集中的服务访问与安全体系显得越来越无效和繁琐。传统网络安全技术无法处理网络外围面临的日益高级的威胁和漏洞。随着外部访问的加速，企业需要实施高级访问控制，以确保具有处理相关网络安全需求和风险的能力；混合办公增加安全风险：企业员工不再局限于固定场所办公，混合办公成为常态，这意味着员工可能会在任意时间以及任意地点通过无法保障安全的互联网接入到公司网络，原有的基于企业局域网边界的安全架构不再有效，这对于企业数据安全的防御带来了新的挑战，企业需要考虑如何随时随地保障员工安全接入到企业总部以及多云平台；以SASE为代表的网安融合成为趋势：为了应对这些转变，以零信任为基础的SASE（安全访问服务边缘）成为趋势，带来分支网络和安全融合的新服务演进。SASE通过从单一云交付平台提供多种融合网络和安全即服务功能，如零信任网络访问、云访问安全代理、安全 Web 网关、防火墙和SD-WAN等，可以提供通过任何网络、任何位置或者设备为任何应用提供安全且无缝的连接；根据Gartner预测，2026年将有80%企业会采用SASE方案进行架构组网改造，市场空间达到210亿美元；企业上云以及混合办公对于网络安全架构的影响云化访问模型业务上云混合办公内部办公合作伙伴出差人员移动办公EveryWhere资源安全策略AnyWhere接入安全策略Mesh连接人力信息财务信息代码信息本地访问模型本地园区办公本地数据中心DC边界集中安全防护策略南北向流量为主人力信息财务信息代码信息92430860050000000250002023202420252026SASE 最终用户支出预测（百万美金）36网络安全建设成本高、专业人才匮乏，网络安全迈向云服务是必然趋势2023年中国网络安全人才需求增长40 23网络安全人才市场状况研究报告从传统驻场服务到基于云的网络安全服务架构5*8安全运维，部分日志分析主动发现部分安全问题7*24被动应急，基于远程指导7*24安全运维，全量日志分析主动发现基于流量全量安全问题7*24主动应急，威胁情报触发安全产品安全驻场安全产品云端服务现场L1级别人员技能有欠缺，联动后端L2人员效率低、纯手工实现服务交付专业安全专家与服务人员，技能储备强、实操经验足，借助云端平台实现高效服务交付网络安全建设成本高：当前，大多数企业安全建设仍是在发生信息安全事件后才进行信息安全的资源投入，属于“事件驱动型”和“项目驱动型”，遇到相关问题采购相应设备，由于缺少体系化的考虑和设计，最终导致安全设备极度依赖设备堆叠部署解决某个具体安全事件问题，重复建设严重，设备成本过大；网络安全专业能力匮乏：网络攻击的日趋复杂对企业的IT人员提出了很高的技术要求，既要了解攻击手法、又要精通防御手段，以及安全数据分析和高执行力。对于一些中小企业或单位，专业安全人才的人力成本过高，这就造成了大部分中小企业或单位安全管理缺失、面对安全事件束手无策的局面；此外安全威胁事件的发生是没有时间规律的，即使部署了安全设备，由于缺乏专业的安全管理流程和安全事件预警机制，运维人员无法快速发现攻击威胁，并及时响应；网络安全向云服务迈进：对大多数企业来说，受制于时间、资金、人才、流程等方面的缺失，要建立一个全天候的安全服务团队是不现实的，并非所有企业都能自建现代化安全运营中心，通过持续运营获得网络动态防御能力，安全云服务是一种网络安全创新模式，通过云端为企业提供持续进化的安全防护能力和一站式服务，具有实施技术难度低、服务成本低、不需要专业网络安全人员等优势，补足中小企业的安全短板；同时通过云端服务联动和持续进化，可以实现一处检出、全局免疫，网络安全防护能力也有很大优势。根据调查，85%小企业愿意采用云管理、云服务的方式，为数字化转型构筑ICT特别是安全基础设施；37勒索攻击成为常态，建设纵深防御体系以筑牢堤坝变得尤为重要勒索软件攻击成为常态：近年来，勒索攻击事件层出不穷，已经对全球政府、金融、教育、医疗、制造、能源等关键领域造成严重影响，在某些事件中，攻击者挟持关键基础设施索要高额赎金，甚至可能影响国家的正常运行。迄今为止，勒索软件平均导致的业务中断达到16天，每11秒就有一个组织遭受勒索攻击，最大一笔勒索赎金高达7000万美元。大公司企业拥有庞大而复杂的数字基础设施，已成为勒索软件网络犯罪分子的主要目标之一。IDC报告显示，全球35%的组织经历了3-4起勒索软件事件，一次成功的勒索攻击，平均要求缴纳赎金约15万美元，平均造成5天业务中断；防护体系趋向纵深防御：勒索攻击方法和勒索变种类型不断演进，传统的数据备份、网络边界防护设备和依靠特征检测的传统杀毒软件已经基本失效。并且勒索病毒变种数量呈指数上升，从2021年H2的5400种增长到2022年H1的10666种，增长了98%；勒索软件的加密速度和窃取权限的速度非常快，留给管理员处置的时间窗口期非常短，勒索最快渗透系统获取权限时间是45分钟，而平均加密10万个文件的加密速度仅为43分钟，另外最新一代勒索软件攻击的目标是备份系统、设备和虚拟机，经常导致被攻击后超过46%交付赎金的组织，最终也无法完全恢复数据。新业务变化和新型威胁频发让安全防护变得越来越专业，越来越复杂，同时也需要更智能的安全防护手段，安全防护产品叠加向基础设施网络可信演变，纵深防御体系建设成为企业投资热点；Source from:Cybersecurity Ventures2021年因勒索软件损失200亿美金是2015年的57倍预计2031年2650亿美金57倍Source from:ZDNet勒索软件攻击平均导致16个工作日的系统停机16天Source from:Cybersecurity Ventures2021年，每11秒就有一个组织遭受勒索软件攻击，预计到2031年，每2秒就有新攻击11s勒索软件威胁持续升级：病毒变种快，业务中断久、受攻击频繁网络边界生产环境网络内部黑客Internet文件防线1网络边界防入侵防线2网络内部防扩散防线3生产环境防加密从勒索攻击看企业纵深防御体系构筑38从网安分离到网安一体，融合架构全面提升企业整体安全态势网络安全融合架构体系：对于企业而言，网络的主要需求包括分支上网、分支和总部互联、分支访问SaaS服务等场景。企业纷纷迁移到云，越来越多的员工采用移动办公的今天，导致大量用户、设备、应用程序和数据位于企业数据中心和企业网络之外。网络和安全一体化融合架构，把网络能力和安全防护能力部署在对应网络节点，通过软件定义，实现灵活，分布式的Overlay逻辑网络，将安全防护能力应用到实体就近的位置，通过运营大脑的协同，提供统一策略、统一安全态势感知，以满足企业各种场景下得网络安全互联需求；网安融合技术优势：相较于传统网络安全架构，以SASE为代表的网安融合具有零信任访问、云原生架构、支持所有边缘、全球分布四大特点，更能适应企业对于云上应用服务与云化网络安全产品需求的增长，这四个特点也是网络、安全融合部署的体现。SASE可提供整体网络和安全服务，建立分支上网、分支访问总部、分支上云的overlay灵活组网能力，建立基于“overlay连接”的端到端管理机制和安全防护措施，摆脱物理网络的限制，复杂网络简单化，以身份为中心的SASE提供泛在防御能力。通过集中运营服务简化策略管理、安全事件处置，为客户提供简单、高效、安全、稳定的网络接入和业务部署体验；基于SASE的网安融合架构以及用户价值降低复杂性和成本：单一服务提供商，减少分支结构边界的物理或虚拟设备及减少代理数量；性能/延迟的改善：SASE供应商提供遍布全球的POP点，能够优化接入时延和优化选路；运营费用低：企业不在在受硬件扩容和EOL的更新设备烦扰，同时可针对新威胁快速提供防护能力，而无需关注特征库升级等；支持零信任：使用多种威胁信号和上下文信号来确保对内部资源和互联网的安全访问；提升网络和网络安全人员的效率：单一平台来构建企业安全战略；分支总部移动办公家庭办公企业IT资源物联终端安全资源池安全网关安全网关终端EDR终端EDR安全能力网络能力广域优化SD-WAN拨测DNSCASBSandboxZTNASWGFWaaS安全服务云私有云公有云SaaSPOP节点POP节点POP节点POP节点39从本地防御到云端协同，安全专业能力持续升级基于云服务的网络安全体系：该体系架构由基于安全云服务平台以及在客户本地网络的安全网关防护节点构成，实现云端服务 本地设备联动，构建简单、高效、易用的安全云服务方案。云边端分工明确，安全网关发挥本地实时防护优势，仅将安全日志信息及攻击取证数据上云，安全云平台发挥算力及威胁信息优势，关联分析，全面检测；全天候动态变化防护：通过在互联网出口位置部署安全检测设备，本地实时流量检测，云端威胁情报实时更新，专家模型结合AI算法实现海量日志的智能聚合分析，用动态变化的安全防护能力，应对动态变化的安全威胁，用全自动化的威胁分析处置能力，威胁秒级判定；全自动威胁实时阻断：云端分析发现外部攻击源后，自动下发安全策略，联动本地硬件盒子，分钟级封禁外部攻击，用全自动化的威胁分析处置能力，应对专业复杂的安全分析和人工处置，企业基本可以零人力成本投入分析和使用安全能力；安全服务可按需订阅：云端安全服务种类多样，订阅更多的服务持续演进，云端漏洞扫描和日志审计服务等新的安全服务能力不断更新，可以持续增强安全防护能力，企业可以完全按照实际需求订阅使用，避免初期大量无效的网络安全投资；威胁阻断指令下发日志、信息采集上送安全网关：阻断/采集日志审计服务护网重保服务威胁信息服务终端安全防护与响应边界防护与响应服务漏洞扫描服务等保合规服务资产风险评估服务安全云平台安全能力中心AI分析防护能力监测安全日志分析威胁信息关联分析安全网关：采集 阻断采集：采集并发送安全日志通过加密通道发送至华为乾坤云平台，为AI分析师提供数据阻断：对网络中的流量数据进行深度安全检测，发现并阻拦攻击流量及恶意文件；接收云端下发的黑名单信息，执行IP封禁动作。安全能力中心：提供平台能力，后续持续增加终端安全防护、资产风险评估等安全能力AI分析：基于AI技术对安全日志和取证文件关联分析，准确、快速处置攻击事件；云端专家服务：具备攻防对抗经验的未然实验室安全专家，持续在线服务安全云平台：安全能力中心 AI分析 云端专家服务华为乾坤网络安全云服务架构40从单点防御到多级联动，构建智能化全流程防勒索防护体系全流程防御策略：基于勒索病毒的攻击流程，勒索软件的防范也需要从传统的防范策略演变到全流程防御策略。首先，事前网络边界防入侵阶段，做好边界的隔离、防攻击、防病毒及恶意文件检测，基本能防住70%的攻击；其次，事中横向扩散阶段，通过边界隔离、自动化的安全分析和处置，可以防住20%的攻击；最后，事后勒索加密阶段，通过存储备份、隔离区建设，剩余10%的攻击也能防护住了。但这三个阶段的防护成本和效果差异很大，网络层的安全防护成本最低，效果最好，做好网络层的防入侵和防扩散，可以防住90%以上的勒索攻击，就好比建一道“防盗门”，让黑客没那么容易进来；网络存储多层联动：通过存储、网络等基础设施的结合，采用多层次、端到端的有效防护，可提供抵御勒索软件的最佳防御。网络与存储多层检测及联动的数据保护，通过有效的攻击前预防、攻击时的精准检测及响应和攻击后快速恢复，使勒索攻击防护从被动响应向主动防御转变，帮助用户及时发现并拦截勒索攻击，保护数据不被非法加密和窃取，在必要时还可快速安全恢复数据，全方位构建防勒索安全防护体系。网存联动勒索攻击防护可以实现事前、事中、事后全流程覆盖，具有攻击识别准、威胁防护全、数据恢复快三大特征；边界防御为主，内部防护辅助事前：强化边界防护能力事后：数据加密存储与多重备份事中：全网异常监控与威胁隔离防火墙：访问控制IPS/AV：防攻击、防病毒沙箱：恶意文件检测防火墙：边界隔离安全控制器：策略自动下发态势感知：安全分析暴力破解钓鱼邮件漏洞利用介质传播网站挂马暴力破解漏洞利用非法外联数据加密数据篡改生产区存储防篡改备份区存储防篡改隔离区存储数据恢复可防住70%攻击投入成本1A可防住20%攻击投入成本2A可防住10%攻击投入成本3A企业纵深防御体系建设防勒索检测防勒索检测DME防篡改防篡改防篡改AIR GAP隔离区存储生产存储防篡改AIR GAP备份存储备份存储隔离区交换机交换机办公区服务器区安全管理区关联分析网安联动联动阻断勒索病毒通知存储侧创建文件黑名单、AirGap熔断、变更快照频率存储边界防火墙Internet防火墙沙箱已知、未知勒索病毒实时阻断事前：网络边界防入侵威胁智能检测 准事后：生产环境防加密数据智能恢复 稳事中：网络内部防扩散威胁智能处置 快防火墙防火墙生产网络备份网络勒索病毒检测率80%业界华为勒索病毒溯源处置时间天分钟业界华为数据恢复速度30TB/h170TB/h业界华为41行动建议：网络安全成为核心要素，加快安全防护理念和技术演进“发生事件后再考虑网络安全”的被动防御已经过时，要想让数字化转型稳定开展，就需要将网络安全建设被视为数字化业务发展的伙伴，并得到公司的战略支持。这也意味着，制定网络安全计划不仅仅是为了防止各种网络安全攻击事件发生，更是为了提高企业有效承担数字化发展风险的能力；将网络安全置于业务核心位置由于连接性增加、SaaS和云应用程序得到广泛使用，企业组织的安全攻击面持续变大，公司需要更广泛的可见性和统一策略来持续监控威胁和风险暴露情况。企业组织需要构筑一体化的防护系统，体系化的开展并管理对威胁的检测、调查和响应工作，让安全运营团队全面了解风险和潜在影响。拥抱网络和安全一体化创新，统一网络和安全管理策略网络安全牵一发而动全身。对于非网络安全或IT专业人员来管理公司网络空间，或者安全投资预算有限的公司，建议选择安全云服务的方式，为企业数字化转型保驾护航；采用基于云服务的网络安全模式，快速提升安全能力42Copyright2023 Huawei Technologies Co.,Ltd.All Rights Reserved.The information in this document may contain predictive statements including,without limitation,statements regarding the future financial and operating results,future product portfolio,new technology,etc.There are a number of factors that could cause actual results and developments to differ materially from those expressed or implied in the predictive statements.Therefore,such information is provided for reference purpose only and constitutes neither an offer nor an acceptance.Huawei may change the information at any time without notice.把数字世界带入每个人、每个家庭、每个组织，构建万物互联的智能世界。Bring digital to every person,home and organization for a fully connected,intelligent world.Thank you.43

0人已浏览 2023-11-01 45页 5星级

|2024 1 2023|2024 21/2/3/6912154 4/6/7 7//9 9/1010/3336394243434163134前进中的媒体|2024 51 12 23 3 60101ChatGPTBing3Bard4 701011 1 20162018OpenAIChatGPT5KAYAK50061.5SnapchatmyAImyAI 72024801011 1 1990 82024 90101 1001012 201012 2/11 120101 1301013 3/1401013 3/前进中的媒体|2024 1516前进中的媒体|2024 174 45 56 67 7 180202 1902024 4/2002024 4 210202API 2202025 5/2302025 5 240202 2502026 6/2602026 6 270202 2802027 702027 7/29/前进中的媒体|2024 3031前进中的媒体|2024 328 89 91010 330303 3403038 8 03038 835 360303AIAI68697071 3703039 9/38 03039 972 390303 4003031010 03031010/41/前进中的媒体|2024 42https:/ 43441.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.26.27.28.29.30.31.32.33.34.35.36.37.38.39.40.41.42.43.44.45.46.47.48.49.50.51.52.53.54.55.56.57.58.59.60.61.62.63.64.65.66.67.68.69.70.71.72.73.74.|2024 45 2023|2024

0人已浏览 2023-11-01 45页 5星级

 2 0 2 3 年深度行业分析研究报告2WiXnXkZdYlXtPqMtO6MaOaQmOnNoMpMlOmNqQjMoPmNbRmNqQuOrMqRNZsQqRCONTENTS目录CONTENTS目.

0人已浏览 2023-10-31 32页 5星级

点击查看更多北京经信局：2023AIGC产业链北京市专精特新企业图谱（30页）.pdf精彩内容。

0人已浏览 2023-10-31 30页 5星级

 请务必阅读正文之后的免责声明及其项下所有内容20232023年年1010月月3030日日电子电子AI+AI+系列专题报告（五）系列专题报告（五）华为盘古大模型：让华为盘古大模型：让AIAI重塑千行百业. 

0人已浏览 2023-10-31 37页 5星级

  致广大而尽精微 生 成 式 AI 企业应用落地技术白皮书神州数码集团股份有限公司神州数码通明湖研究院北京信百会信息经济研究院CONTENT 目 录1 生成式 AI 是一场技术范式变革 2 生成式 AI.

0人已浏览 2023-10-30 77页 5星级

建构人工智能发展的国际规则-趋势、领域与中国角色上海国际问题研究院国际传播中心2023 年 10 月鲁传颖 田丽 封 帅 周亦奇王玉柱 王天禅 张璐瑶建构人工智能发展的国际规则：趋势、领域与中国角色作者简介鲁传颖上海国际问题研究院公共政策与创新研究所副所长上研院网络空间国际治理研究中心秘书长清华大学战略与安全研究中心特约专家封帅上海国际问题研究院国际战略与安全研究所所长助理王玉柱上海国际问题研究院世界经济研究所研究员上研院“一带一路”与上海研究中心秘书长张璐瑶上海国际问题研究院网络空间国际治理研究中心实习生田丽北京大学新媒体研究院副院长北京大学互联网发展研究中心主任周亦奇上海国际问题研究院公共政策与创新研究所副研究员王天禅上海国际问题研究院网络空间国际治理研究中心实习生作者简介目录引 言01一、人工智能国际规则建构的总体趋势02二、人工智能国际规则覆盖的领域05三、人工智能治理进程的中国价值观11四、中国参与人工智能国际规则制定的路径14关于上海国际问题研究院 17关于清华大学战略与安全研究中心18关于北京大学互联网发展研究中心19建构人工智能发展的国际规则：趋势、领域与中国角色01引言引 言2023 年以来，人工智能技术的突破又一次成为全球瞩目的焦点。在高速进步的生成式人工智能，以及取得突破性进展的大语言模型的带动下，人类似乎已经开始触及通用人工智能技术的门槛。围绕着人工智能技术跨越式发展而展开的关于智能化社会的想象吸引了全球社交媒体与资本市场的追捧，但关于人工智能技术可能引发的各种安全风险和社会问题也成为社会关注的焦点。为了确保人工智能技术始终保持良性发展，确保技术进步与人类价值观相向而行，为人工智能发展设定合理的国际规则逐渐成为全球范围的重要共识。2023 年 7 月 18 日，联合国安理会举行了主题为“人工智能给国际和平与安全带来的机遇与风险”的高级别公开会议，这是联合国安理会首次举行人工智能主题会议。在本次会议上，联合国秘书长古特雷斯公开呼吁对人工智能技术风险进行有效治理，并且提议在联合国框架内成立一个新的监管机构推动人工智能领域的全球治理。国际规则具有重要的导向性作用，世界各国政府和企业都希望参与甚至主导人工智能国际规则的建构议程。可以预见，全球围绕人工智能国际规则制定问题将会展开复杂的竞合博弈，最终形成的国际规则体系也将成为影响全球人工智能技术、产业和安全的重要变量。多年来，在有关各方的共同努力下，我国人工智能技术和产业都取得了较为丰硕的成果，人工智能已经成为推动我国经济高质量发展的重要力量，中国也已经成为全球人工智能版图上的重要一环。中国在人工智能领域已经积累了丰富的治理经验，能够为全球人工智能规则建设提供宝贵的发展中国家视角。因此，中国应积极参与人工智能国际规则制定，一方面，将中国在人工智能领域的治理经验转化为国际规则。另一方面，通过参与国际规则的讨论，加深对先进治理理念的理解，更好地促进国内人工智能的安全与发展。建构人工智能发展的国际规则：趋势、领域与中国角色建构人工智能发展的国际规则：趋势、领域与中国角色02一、人工智能国际规则建构的总体趋势人工智能国际规则建构之所以受到世界各国的普遍重视，在于人工智能已经成为影响国家安全和发展的重要力量。美国、中国、欧盟等主要大国先后发布了人工智能的国家发展战略，围绕着人工智能而展开的国际竞争已经成为当前国际议程的重要组成部分。人工智能及其相关衍生技术本身具有强渗透性和高赋能性，能够与诸多社会生产部门建立深度链接。如果其技术潜能得到充分释放，可能对人类社会的生产生活带来颠覆式的影响。因此，在推动人工智能技术进步的过程中，必须充分重视技术发展与社会稳定之间的动态平衡。在这种情况下，世界各国逐渐认识到通过规则建构推动人工智能治理的必要性。美欧等发达国家认为掌握人工智能规则建构的主动权是保持其在技术与产业领域优势地位的重要一环。他们积极推动相关议题的研究，并试图主导规则建构的国际议程，尝试在国内、国际两个层面着手进行机制完善和规则构建。然而，相比于更具同质性的国内环境而言，国家之间的互动关系更为复杂、不同主体之间的利益纠缠更为突出、文化和价值观更为多元，这也造成了形成人工智能国际规则的共识更加困难。从实际进展情况来看，当前人工智能国际规则仍处于早期阶段，各主体在不同层次上都在尝试推动各种形式的治理方案，归纳起来包括以下几个方面的内容：第一，在多边层面，联合国积极主导人工智能国际治理规则建设。2023 年 6月，联合国秘书长古特雷斯公开表示，支持建立人工智能领域的“国际原子能机构（IAEA）”，对人工智能技术进行监管。这一事件意味着联合国希望在未来的人工智能国际规则制定的进程中将进行角色调整和功能增强，将其作用范围从原则层面深入到机制层面，建设更具约束力的人工智能监管机构，这可能会成为未来人工智能国际规则建构的基础架构。此外，在 2023 年 7 月联合国最新出台的和平新议程中，也专门提及人工智能和致命性自主武器系统对国际和平与安全的影响，建议各国紧急制定关于负责任地设计、开发和使用人工智能的国家战略；通过多边、多方进程推动人工智能军事领域的设计、开发和使用；最终就一、人工智能国际规则建构的总体趋势建构人工智能发展的国际规则：趋势、领域与中国角色建构人工智能发展的国际规则：趋势、领域与中国角色03一、人工智能国际规则建构的总体趋势人工智能全球范围内的监管框架达成一致。近年，联合国下属多个机构积极参与人工智能治理议程，取得阶段性成果。2021 年，由联合国教科文组织人工智能伦理建议特设专家组出台的人工 智 能 伦 理 问 题 建 议 书（Recommendation on the Ethics of Artificial Intelligence）是人工智能国际规则制定的重要里程碑。该建议书从人类共同的价值观和可持续发展目标的基本立场出发，提出了十一项关于人工智能发展的指导性原则，被 193 个成员国共同接纳。2014 年起，联合国在特定常规武器公约会谈机制下召开了多次非正式专家会议，围绕着致命性自主武器系统的相关问题进行了讨论，已有近 100 个国家参与了相关活动。此外，在联合国裁军研究所、联合国毒品和犯罪问题办公室等机构的活动和议程中，也有将致命性自主武器系统的伦理和安全、深度伪造的政治风险等问题纳入讨论的范围，但尚未出台明确的原则倡议或国际规则。第二，在发达国家阵营，美国、英国、荷兰加大筹码试图垄断人工智能国际规则主导权。美国在推动其国内规则国际化方面做了很多工作，在美国关键与新兴技术国家战略（National Strategy for Critical and Emerging Technology）等战略文件的引导下，美国将“推动与盟友的合作”“建设新兴技术的世界领导者地位”作为基本立场，建立了一系列人工智能的国际合作机制。例如，在军事防务领域，美国不仅在北约框架内发布人工智能战略，宣扬自身的安全和地缘竞争立场，还新建立了人工智能防务伙伴关系（AI PfD）、美英澳三国集团（AUKUS）新机制，进行国防和安全领域人工智能的使用规则协调；在标准协调领域，美国则依托四方（QUAD）关键新兴技术工作组、美欧贸易和技术委员会（TTC）以及美印人工智能倡议（USIAI）等机制，融合亚太、印太和西欧的关键盟友，进行技术合作并推行共同的人工智能技术标准；在价值观领域，美国则通过民主峰会、自由在线联盟人工智能与人权工作组（T-FAIR）等机制，选择性听取其“小圈子”内的伙伴对于意识形态和价值观的赞许和认同，理所当然地证实其观念的真理性，并积极推动其从区域化走向国际化。英国、荷兰等西方国家也开始搭建起人工智能领域的“观念一致同盟”，希望把主导人工智能国际规则的能力控制在少数几个发达国家之内。2023 年 2 月，荷兰在海牙举行“军事领域负责任人工智能”峰会，该峰会邀请了全球 80 多个国家参加，会议核心目标有三：提升军事领域负责人使用人工智能的政治重要性、建构人工智能发展的国际规则：趋势、领域与中国角色建构人工智能发展的国际规则：趋势、领域与中国角色04动员激活更广泛的利益攸关方参与、分享经验实践。该会议虽号称寻求凝聚国际社会在人工智能在军事领域内的共识，但其实际包容性依然受到西方地缘政治议程的影响，俄罗斯未获此会议邀请。在会上中国代表详细阐释了中国在人工智能安全治理领域的主张，提出智能向善、以人为本、多边主义的治理原则。2023 年3 月，英国政府发布题为促进创新的人工智能监管方法白皮书，提出了自己的人工智能监管框架。此外，英国宣布将在 2023 年内举办首届人工智能安全全球峰会。该会议虽然打着“协调各国应对人工智能风险的共同方法”的旗号，似乎能够对人工智能国际规则制定起到正向的促进作用。但事实上，英国首相苏纳克却无意透露出英国的真实意图：努力协调英美合作并巩固“在未来技术领域的共同领导地位”。英国试图在伦敦设立人工智能监管国际机构，从而掌控人工智能规则制定方面的国际话语权。第三，发展中国家在人工智能国际规则建立上仍处弱势地位。发展中国家作为一个整体，在人工智能的国际规则制定上还处于早期阶段。一方面，这与广大发展中国家的人工智能发展还处于落后阶段有关；另一方面也与发展中国家参与国际规则的动力和意识不强有很大关系。面对西方国家不断强化人工智能国际规则体系，广大发展中国家应当快速觉醒，加大参与力度，贡献各自智慧。作为非西方国家和发展中国家的代表，中国是为数不多在人工智能国际规则领域积极发声的国家。中国不仅积极参与联合国在人工智能国际规则领域的工作，还在G20、金砖国家和上合组织等国际组织中积极推动和加强人工智能国际规则方面的合作。不仅如此，中国也在积极推动广大发展中国家在人工智能领域规则制定方面的合作。例如，中国与东盟国家和中东国家围绕着人工智能议题举办了各种形式的会晤合作，并成功建立起了的默契和互动规范。公平合理的国际规则需要兼顾西方与非西方国家的立场和声音。在当前失衡的现实背景下，需要非西方国家更加团结努力，在国际规则制定中积极作为，为自身争取应有的利益。一个真正合理的国际规则体系应该是包容而非排斥的，是尊重最广泛国家利益和关切，而非仅仅关注小团体利益的。人工智能可能带来的各种安全风险是人类需要共同面对的挑战，非西方国家在人工智能领域的合理诉求不能被忽视，非西方国家在治理方面的智慧也值得借鉴。一、人工智能国际规则建构的总体趋势建构人工智能发展的国际规则：趋势、领域与中国角色建构人工智能发展的国际规则：趋势、领域与中国角色05二、人工智能国际规则覆盖的领域二、人工智能国际规则覆盖的领域人工智能已经成为数字经济发展的核心驱动力。尤其是在生成式人工智能（AIGC）和通用型人工智能（AGI）不断取得技术突破的背景下，人工智能在技术上的治理需求和主权国家治理效能之间的鸿沟有日益扩大之势。目前，全球范围内人工智能的国际规则制定仍处于起步阶段，在形式和内容上主要以国际软法和间接规制为主。但是，由于全球主要国家和地区组织都提高了对人工智能领域建章立制的重视程度，全球范围内的人工智能规制竞赛实际上已然开始。各国和地区不仅积极起草、出台规范人工智能技术的法律法规，还竞相出台与人工智能技术向善发展相关的政策指南等。这种规制竞赛有助于推动全球形成一个完善的、基于普遍共识的人工智能治理框架，也为我国争取国际规则制定的“先手”带来了机遇与挑战。根据现阶段人工智能技术发展状况，结合各国在人工智能治理方面的经验总结，目前全球人工智能国际规则已经形成了较为稳定的覆盖领域，在相关领域的规则建构将成为国际规则的主要支柱。（一）伦理问题人工智能技术伦理问题一直是国际规则制定的重点领域，其目的是通过对人工智能伦理的有效规范，确保技术进步不会偏离人类基本的利益轨道和道德法则。在伦理问题方面，国际上已经出现了很多关于规则的探索，部分重要的国际组织和机构提出了人工智能的伦理原则和指导方针，也有一些国家也开始规范专门领域的技术伦理问题。其中有代表性的成果包括下列内容：2021 年 11 月联合国教科文组织（UNESCO）发布了人工智能伦理问题建议书，成为首个规范性的人工智能全球伦理框架，同时赋予各国在相应层面应用该框架的责任；欧盟方面，2021 年4 月提出的人工智能法案经过多轮磋商后已进入最后阶段，未来极大可能成建构人工智能发展的国际规则：趋势、领域与中国角色建构人工智能发展的国际规则：趋势、领域与中国角色06二、人工智能国际规则覆盖的领域为全球首份人工智能监管法案，并以此形成规则示范效应；美国在人工智能伦理问题上的规范则更为细化，例如，2020 年 2 月美国国防部发布人工智能伦理原则，以及美国国家情报总监办公室 7 月发布的情报界人工智能伦理原则和情报界人工智能伦理框架等；2021 年 12 月，中国发布关于规范人工智能军事应用的立场文件，呼吁各方遵守国家或地区人工智能伦理道德准则；2022年 11 月，中国发布 关于加强人工智能伦理治理的立场文件，从技术监管、研发、使用及国际合作等方面提出具体主张，呼吁各方秉持共商共建共享理念，推动国际人工智能伦理治理。这些原则和指导方针虽然在具体内容上有所差异，但都强调了人工智能应该符合人类的价值观和利益，尊重人的尊严和权利，保障公平、透明、可解释、可信赖和可问责等方面的内容，该领域的规则制定将确保人工智能发展的基本方向。（二）国际安全人工智能技术的发展能够产生广泛的国际影响，对于全球安全具有重要意义。从国际安全的角度来看，人工智能与军事武器的结合已经对国际安全构成了实际上的挑战。目前国际上已经有很多组织和机构在关注和讨论人工智能对军事化、核武器等方面的影响和挑战。例如，联合国裁军研究所于 2023 年 2 月发布迈向负责任的国防人工智能：绘制和比较各国采用的人工智能原则报告，为“迈向负责任的国防人工智能”项目第 1 阶段成果。该项目旨在建立对负责任的人工智能系统研究、设计、开发、部署、使用的关键共识，审查负责任的人工智能在国防领域的应用情况。2021 年，红十字国际委员会在日内瓦发布了关于自主武器系统的立场文件，明确指出当前军事利益和投资的趋势已经充分表明，如果不确立国际公认的限制标准，未来的自主武器系统可能会日益依赖人工智能和机器学习软件，由此其在设计层面存在的不可预测性令人担忧。这些组织和机构呼吁加强对人工智能在军事领域的监督和限制，防止人工智能引发新的冲突和危机，维护国际和平与安全。针对人工智能在不同领域的安全影响仍会不断扩大这一情况，建立相应的国际规则具有重要意义。人工智能技术在核领域的应用也逐渐受到国际社会的关注，尤其是人工智能建构人工智能发展的国际规则：趋势、领域与中国角色建构人工智能发展的国际规则：趋势、领域与中国角色07二、人工智能国际规则覆盖的领域对核安全的影响。2020 年 9 月，第 64 届国际原子能机构大会首次讨论了人工智能在核领域的应用问题，并展示了人工智能赋能下的核技术如何造福于人类健康、水资源管理和核聚变研究。2022 年 8 月，国际原子能机构发布题为人工智能加速核应用、核科学与核技术的报告，介绍了人工智能在核科学和核应用、核电，以及核安全和保障核查等领域的应用。2023 年 6 月，人工智能将如何改变核世界的信息和计算机安全一文在国际原子能机构简报中刊出，专门强调了人工智能的快速发展对核安全带来的诸多风险。文章指出，恶意行为者可能会利用人工智能发起更先进、更有针对性的攻击，或利用它来破坏核设施和放射性设施中网络、系统和敏感信息的完整性。为此，国际原子能机构还制定了题为“加强核设施计算机安全事件分析”的“联合研究计划”（CRP），以支持加强计算机安全的研究。这一计划汇集了 13 个国家的代表，致力于提高核设施的计算机安全能力，包括通过人工智能技术来检测网络攻击带来的异常情况。自此，人工智能的核安全问题被正式纳入国际机制的议事日程。（三）技术安全从人工智能技术诞生伊始，如何确保技术本身的安全性就是各国关注的焦点。简单来说，人工智能的技术安全集中在算法、数据和场景三个层面。而通过相关标准的设定，设置技术发展的规范将构成人工智能国际规则的另一个重要组成部分。具体而言，人工智能技术的发展应秉持以下原则：其一，可扩展监督，即确保人工智能技术在开发、使用和更新过程中得到有效的监督，防止人工智能技术被用于危害人类安全的目的；其二，机制可解释性，即帮助人们理解人工智能技术的决策过程，从而更好地预防和应对人工智能技术可能产生的负面影响；其三，危险能力测试可以帮助识别人工智能技术的潜在风险，并采取措施降低这些风险。当前，国际社会已经围绕上述三项技术安全标准开展了大量工作，诸多国际组织和地区、国家都开始在标准领域发力。在技术安全方面，国际上已经有一些标准化组织和机构在积极制定和推进人工智能的安全标准和规范。2022 年 7 月，国际标准化组织（ISO）和国际电工委员会（IEC）联合发布了两项人工智能领域新的基础标准，即信息技术人工智能概念和术语（ISO/IEC 22989:2022）和运用机器学习的人工智能建构人工智能发展的国际规则：趋势、领域与中国角色建构人工智能发展的国际规则：趋势、领域与中国角色08系统框架（ISO/IEC 23053:2022）。上述技术标准和框架的提出旨在为全球数字化转型提供规范保障，并且为通用型人工智能技术的发展提供系统性框架。此外，国际电信联盟（ITU）也积极投身于人工智能技术标准与规范的建立，并通过下设的电信标准化部门（ITU-T）和无线电通信部门（ITU-R）来专门负责人工智能和机器学习相关的标准化工作。此外，由中国电信牵头在国际电信联盟制定的国际标准AI 增强电信运营管理架构（Framework of Artificial Intelligence Enhanced Telecom Operation and Management，AITOM）于2021 年正式发布，将中国电信的智慧电信运营管理技术与安全实践以标准的形式推广到全球产业界，帮助行业解决电信运营管理中人工智能技术应用的问题。在国家和地区组织层面，围绕人工智能技术规范和标准的制定也在如火如荼推进。其中，欧盟作为全球首屈一指的“规范性力量”，早在 2019 年 4 月就提出了人工智能的伦理准则，列出了 7 项评价“可信赖人工智能”的标准。2019 年5 月 22 日，经济合作与发展组织（OECD）通过了人工智能建议书，这是首个人工智能领域的政府间标准，旨在通过对人工智能技术的负责任管理，确保其尊重人权和民主价值观，并促进人工智能的技术创新。2022 年，欧盟委员会提出了人工智能责任指令提案，进一步提出人工智能安全责任认定机制，来确定当人工智能发生故障或造成伤害时谁应该承担责任。2023 年 6 月，欧洲议会又通过欧盟人工智能法案草案，对人工智能系统进行风险分类，限制深度伪造，并对 ChatGPT 等生成式人工智能提出了更高透明度的要求。此外，美国、英国等国在人工智能技术安全的基本原则和具体标准方面也展开了一定的规范实践活动。例如，英国在 2021 年 9 月 22 日发布的首份国家人工智能战略中指出，对内要制定跨部门标准以确保人工智能算法的透明度，对外则要参与全球人工智能标准化制定工作，并且要提高政府对人工智能技术安全的认识。美国人工智能国家安全委员会（NSCAI）在 2021 年 3 月 2 日正式发布的最终研究报告中也强调，要对人工智能系统建立合理的信心，即确保人工智能系统的坚实、鲁棒和可靠。此外，2023 年 5 月 23 日美国白宫发布了国家人工智能研发战略计划（The National Artificial Intelligence R&D Strategic Plan），其中的战略支柱之一就是确保人工智能系统的安全性。值得注意的是，2020 年以来学术界和产业界对于人工智能价值对齐（AI Value Alignment）问题的讨论进入白热化阶段，并认为这是人工智能技术安全二、人工智能国际规则覆盖的领域建构人工智能发展的国际规则：趋势、领域与中国角色建构人工智能发展的国际规则：趋势、领域与中国角色09面临的重大挑战之一。由于人工智能技术的发展产生了诸多不确定性，如何通过从设计到使用的“全链式”治理来确保人工智能与人类的预期目标、道德准则和价值观保持一致成为当前的核心关切，即价值对齐问题。目前，IBM、谷歌，以及 OpenAI 等领先的人工智能企业都发布了自己在价值对齐问题上的解决方案和路径，成为全球人工智能技术规范建立的生力军。2023 年，数百名世界领先的技术研发人员、学者和企业领袖在非政府组织人工智能安全中心（Center for AI Safety）的协调下共同签署了一份网络声明，表明“减轻人工智能带来的灭绝风险应该与流行病和核战争等其他社会规模风险一起成为全球优先事项。”总体而言，当前国际社会中关于人工智能技术安全的标准和规范涵盖了人工智能的术语、框架、方法、理念等多个方面，旨在提升人工智能的安全性、可靠性和质量。该领域的规则制定确保人工智能技术始终在安全的标准下运动。（四）技术创新促进人工智能安全有效发展是人工智能国际规则的落脚点。通过规则建构保障技术要素能力的充分释放，也是规则制定的重要目的。因而可以说，技术创新发展是推动人工智能国际规则制定的充分条件，也是国际规则制定的目标与归宿。目前，国际上较为领先的地区和国家已经着手推动和支持在人工智能技术创新发展方面的布局。欧盟委员会在 2020 年 2 月发布的人工智能白皮书中提出，要大幅提高人工智能研究和创新领域的投资水平。日本在 2019 年发布的人工智能战略中提出，要把人工智能作为国家战略性技术来发展，并推动人工智能技术发展与社会应用的结合。韩国在 2019 年 12 月发布的人工智能国家战略中提出扩充人工智能基础设施、确保掌握人工智能技术竞争力，以及创新规制和调整法律制度等目标。2023 年 5 月，美国白宫继 2016 年、2019 年之后发布第三版国家人工智能研发战略计划，在规划中将投资人工智能技术研发置于首位，并强调了人才和国际合作对于技术创新的支持作用。中国在人工智能技术发展方面也进行了规划部署，例如 2017 年国务院印发的新一代人工智能发展规划，是我国第一份在人工智能技术发展和应用领域进行系统部署的战略规划。2022 年7 月，科技部等六部委联合印发关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见的通知，系统性地指导各地方和各主体加快人工智二、人工智能国际规则覆盖的领域建构人工智能发展的国际规则：趋势、领域与中国角色建构人工智能发展的国际规则：趋势、领域与中国角色10能场景应用，以场景创新推动人工智能的技术升级、产业增长，进而实现经济高质量发展。可以看出，当前国际社会在推动人工智能技术创新领域的着力点主要包括基础研究、应用开发、人才培养、伦理规范以及国际合作等。上述国家和国际组织通过一系列战略计划和政策措施的部署，在人工智能技术创新发展方面投入大量的资金和资源，用以培育人才和团队、建设基础设施和平台，以及促进跨领域和跨国的合作与交流。（五）社会发展充分利用人工智能技术，带动社会各领域的全面发展，是世界各国的共同愿望。但要保证智能技术的成果能够成功外溢到其他社会领域，相关的制度引导非常重要。从发展问题的视角来看，目前国际上已经有一些组织和机构在关注和应对人工智能对经济社会发展的影响和挑战，但总体来看相关制度建设仍有进一步完善的空间。目前，就人工智能与社会发展问题形成的国际机制主要集中在多边领域。例如，2023 年 7 月 6 日在中国上海举行的 2023 世界人工智能大会（WAIC 2023）开幕式上，联合国工业发展组织（UNIDO）发布了成立全球工业和制造业人工智能联盟的倡议（简称“AIM-Global”联盟）。这一开创性的举措旨在联合国家政府、私营部门和国际组织，以及专注于推动人工智能技术负责的、可持续和包容性应用的行业领导者，共同为全人类创造一个共享开放、自由和安全的数字未来。此外，世界经济论坛关注到人工智能对人类工作模式可能造成的冲击。在 2023 年 6月发布的2023 年十大新兴技术报告认为，生成式人工智能（AIGC）技术除了能对社会和经济带来巨大发展外，将无可避免地造成就业的流失。在教育领域，世界银行于 2021 年 9 月发布高等教育转向面向人工智能的弹性系统报告，介绍了世行在人工智能时代发展有效、公平、高效和有弹性的高等教育系统方面的一系列做法。当前的国际组织和机构主要分析了人工智能对就业、教育、健康、环境等方面的影响，提出了一些应对建议和措施。但如果想实现更加全面的社会发展目标，还需要更多研讨与设计。二、人工智能国际规则覆盖的领域建构人工智能发展的国际规则：趋势、领域与中国角色建构人工智能发展的国际规则：趋势、领域与中国角色11三、人工智能治理进程的中国价值观三、人工智能治理进程的中国价值观中国政府高度重视人工智能技术的发展，对其可能带来的产业变革和社会变迁给予了高度关注。国务院先后出台了新一代人工智能发展规划等一系列政府文件，对于人工智能技术和产业发展提供了卓有成效的顶层设计。同时，中方也密切关注人工智能发展可能带来的各种风险与挑战，积极探索适用于我国国情的治理方案，确保人工智能产业的健康发展。在治理方面，中方先后发布了新一代人工智能治理原则等重要文件，对于人工智能治理的认知也逐渐成熟。经过一段时间的实践磨合与深入的理论探讨，具有中国特色的人工智能治理规则的独特价值观逐步形成，它也将为我国参与人工智能国际规则建构提供坚实的思想内核。长期以来，中方积极参与联合国框架内关于人工智能治理议题的讨论，曾先后在联合国框架内提交了关于规范人工智能军事应用、加强人工智能伦理治理两份立场文件。在 2023 年 7 月 18 日联合国安理会关于人工智能的讨论中，中方又明确提出了关于人工智能治理的五条原则，即坚持伦理先行、坚持安全可控、坚持公平普惠、坚持开放包容、坚持和平利用。这五条原则是人类命运共同体理念在人工智能领域的反映，是中国关于人工智能治理价值观的充分展现，具有重要的现实意义。概括而言，经过长时间的研究与磨合，中方已经初步形成了关于人工智能治理和规则制定方面的中国价值观，将为全球人工智能规则建构和治理议程提供卓越的“中国智慧”。第一，促进技术与产业的安全有序发展是中国价值观的基本导向。“发展才是硬道理”是改革开放时代中国社会的底层逻辑，也是所有价值观的基础支撑。中方一直将汹涌而来的人工智能技术浪潮视为重大战略机遇，希望能够借助技术进步和产业发展，带动国家竞争力整体跃升和跨越式发展。因此，中国在人工智能治理方面的一个基本导向是：人工智能治理的目标是要减少阻碍人工智能技术发展的不利因素，推动技术的广泛利用，使得更多生产部门和人口建构人工智能发展的国际规则：趋势、领域与中国角色建构人工智能发展的国际规则：趋势、领域与中国角色12三、人工智能治理进程的中国价值观可以享受技术带来的红利。安全是发展的前提，如果没有安全，发展取得的成果也会得而复失。中国政府高度重视人工智能安全问题，针对人工智能技术发展可能带来的潜在安全风险积极推进相应的治理体系建构。例如，面对生成式人工智能的迅猛发展，国家网信办联合七部委于 2023 年 7 月 10 日颁布生成式人工智能服务管理暂行办法，成为全球最早对 AIGC 治理做出贡献的国家之一。该办法深刻地体现了我国在人工智能治理领域的基本价值理念：一方面，通过管理办法阐明我国积极支持 AIGC 技术发展，推动其创造更大的商业、社会价值的立场；另一方面，又对其生成内容与服务提出了清晰的道德伦理要求，并且明确了监管主体与责权分配原则。面对新兴技术的挑战，中国坚持以包容审慎的态度处理新技术所带来的安全问题，保持发展与安全并重的基本立场，系统建构相应的治理体系。在人工智能治理的中国价值观中，治理本身是为了促进技术和产业的安全有序发展，其目的始终要在维持发展进程的基础上，通过相关的规则建构，确保人工智能技术安全，增进人类的共同福祉。发展与治理密不可分，治理是为了更好地发展，脱离了发展的治理就将成为无源之水无本之木。因此，在推进相关国内规则建设过程中，不能以牺牲技术发展和产业进步为代价，要始终在发展与安全、变革与稳定等多重维度之间寻找合理的平衡点。第二，建构“负责任的人工智能”是中国价值观的核心内涵。在国家新一代人工智能治理专业委员会颁布的新一代人工智能治理原则中，将“负责任的人工智能”作为治理原则的主题加以描述。发展“负责任的人工智能”作为一个重要的标准贯穿于人工智能的研发与应用过程，构成了人工智能治理的中国价值观的核心内涵。建构“负责任的人工智能”就要求从基础研发到实践应用，始终要保持在安全可控的范围内，所有的参与主体都要以负责任的态度维持相应的伦理和安全的标准。在伦理方面，要确保人工智能技术始终符合人类的价值观和伦理道德，应以保障社会安全、尊重人类权益为前提，避免误用，禁止滥用、恶用。同时，要确保公民能够较为公平地享受技术进步的成果，推动各行各业转型升级，缩小区域差距，提升弱势群体适应性，努力消除数字鸿沟。在安全方面，则应不断提升人工智能透明性、可解释性、可靠性、可控性，逐步实现可审核、可监督、可追溯、可信赖等方面的要求。在数据获取方面则要尊重和保护个人隐私，充分保障个人建构人工智能发展的国际规则：趋势、领域与中国角色建构人工智能发展的国际规则：趋势、领域与中国角色13三、人工智能治理进程的中国价值观的知情权和选择权，防止信息数据滥用。人工智能研发者、使用者及其他相关方应以建构“负责任的人工智能”为目标，以高度的社会责任感和自律意识，严格遵守法律法规、伦理道德和标准规范。建立人工智能问责机制，明确研发者、使用者和受用者等的责任。只有建立在这一价值观基础上的治理规则，才能够最大限度体现中方的意愿。第三，坚持开放交流与多元协作是中国价值观的基本精神。人工智能技术和产业的发展是一个系统工程，需要广泛的交流与协作。这种协作既包括多元主体之间的分工协作，又包括全球范围内的充分交流与资源分享。在长期的实践中，中国充分理解开放交流与多元协作对于人工智能技术发展的重要意义，它也构成了人工智能治理的中国价值观的基本精神。多元协作，指的是人工智能技术的发展需要跨学科、跨领域、跨地区、跨国界的充分交流，要积极推动国际组织、政府部门、科研机构、教育机构、企业、社会组织、公众在人工智能发展与治理中的协调互动。在协作互动过程中，应以公正的态度回馈所有的贡献者，以公平的精神保障利益相关者的权益，充分释放各主体的潜能，提供均等的机会。开放交流，则强调在人工智能领域，世界各国所处的发展阶段不同，人工智能发展存在着各种独特的应用场景，这就需要在交流沟通的基础上开展合作研究和对话，不断推动国际合作，在充分尊重各国人工智能治理原则和实践的前提下，推动形成具有广泛共识的国际人工智能治理框架和标准规范。人工智能的发展不是一国一地之事，闭关自守和以邻为壑都不是人工智能发展的合理方式，只有在充分尊重各国人工智能治理原则和实践的前提下，推动形成具有广泛共识的国际人工智能治理框架和标准规范，才能增进人类共同福祉。综上所述，当前全球人工智能发展已经进入了新阶段，技术的进步正在深刻改变人类社会生活，人类正在进入到一个全新的世界。面对全新的局面，如何确保人工智能技术的发展安全、可靠、可控，且始终保持在向善的轨道上，已经成为中国与世界需要共同面对的挑战。在理论研究与实践磨合的基础上，中方逐渐形成了具有中国特色的治理思路与价值观。在它的指引下，中方将不断提升智能化技术手段，优化管理机制，完善治理体系，并以此为思想的锚点，参与到国际规则的制定中去。以此促进新一代人工智能健康有序发展，更好协调发展与治理的关系，确保人工智能推动经济、社会及生态可持续进步，共同建构人工智能领域的人类命运共同体。建构人工智能发展的国际规则：趋势、领域与中国角色建构人工智能发展的国际规则：趋势、领域与中国角色14四、中国参与人工智能国际规则制定的路径为了人类经济社会生活的持续发展和人工智能技术的持续向善，中国应当以人类命运共同体理念为引导，主动参与人工智能国际规则制定，以国际社会可理解、可接受的方式来展示和推广人工智能领域的中国价值观与中国经验，并主动提出中国的人工智能国际规则建构方案，争取国际规则建构的主导权。为此，本报告提出中国参与人工智能国际规则制定的四大原则，即以联合国为主舞台开展国际治理（AI Governance by UN）、以促进全球经济社会发展作为关键目标（AI for Development）、以大国稳定机制建构作为基本保障（AI for Stability），并优先发展以私营部门的知识、经验和资源为基础的人工智能应用解决方案（AI Implication by Private Sector）。由此，形成了我国参与人工智能国际规则制定的独特路径，即“以联合国为中心实现人工智能的稳定发展以造福全人类”（Multilateral and Stable Development of AI for All People，MSDP）。第一，以联合国为代表的多边主义平台为基本立足点。作为当前全球最具代表性和权威性的国际组织，联合国在全球数字治理和规则制定方面发挥着不可替代的主导作用。联合国秘书长古特雷斯在安理会就人工智能举行的首场公开辩论上强调，各方必须共同为发展人工智能努力，以弥合社会、数字与经济鸿沟，而不是让人们之间的距离进一步拉大。为此，中方应积极响应联合国秘书长的号召，在联合国框架内通过广泛的国际协商，在确保发展中国家合理发展利益的情况下制定相关规则。例如，在联合国秘书长科技特使办公室的引领下，积极参与 2024年联合国未来峰会上就全球数字契约达成一致的进程，并在 2026 年之前与各方共同制定一个禁止使用完全自主武器系统的法律约束性协议。中国还要继续支持联合国教科文组织等机构在人工智能伦理和标准方面的工作，并促进人工智能伦理建议在全球范围内的实施和监督。第二，积极参与人工智能国际规则，为弥合发展中国家参与人工智能治理的鸿沟作出更大贡献。当前，在全球人工智能治理领域存在着明显的数字鸿沟，广大发展中国家由于技术和政治的多重原因，在人工智能治理领域明显失语。他们四、中国参与人工智能国际规则制定的路径建构人工智能发展的国际规则：趋势、领域与中国角色建构人工智能发展的国际规则：趋势、领域与中国角色15四、中国参与人工智能国际规则制定的路径的内在诉求无法得到有效表达，往往只能被动接受发达国家制定的各种标准，很难深度分享人工智能发展的红利。因此，作为全球最大的发展中国家的中国，在人工智能国际规则制定过程中有着特殊的角色，既是发展中国家参与人工智能规则制定的主要代表，也是扭转发展中国家在人工智能治理方面话语权缺失的关键力量。中国需积极协调发展中国家立场，切实理解发展中国家对于相关国际规则的核心关切，并将其与中国立场有机结合，在国际规则建构过程中给予充分表达，为发展中国家参与人工智能全球治理体系建设提供有效路径。第三，以推动全球南方的经济社会发展作为优先事项。从根本上说，想要弥平数字鸿沟，让世界各国共享人工智能技术所带来的发展红利，就要全力推进全球南方在人工智能领域的深度合作，促使其深度参与人工智能产业发展。因此，中国应以推动全球南方国家研发和应用人工智能技术为优先选项，并积极开展与重要国家和区域的技术、产业合作。尤其要重视在东南亚、中东等潜力市场，积极尝试不同的合作方案，从南方国家视角积累人工智能发展与治理方面的有益经验，积极推动南方国家参与全球人工智能产业链和价值链，在实践中增强其综合影响力和在国际规则建构过程中的话语权。此外，中国在利用人工智能促进经济社会发展方面也有着丰富的实践和案例，如智慧城市、智慧医疗、智慧教育和智慧农业等。中国应积极与全球南方国家共享在人工智能领域的知识、经验和资源，以此助力经济社会发展和治理体系建设。第四，以建构人工智能稳定机制为契机推动大国合作。当前关于人工智能国际规则制定的形势复杂，部分国家希望将他们所主导的小圈子的共识，以国际规则的形式推广到全世界，从而获得规则制定主导权。尽管存在着激烈的竞争与博弈，但规则制定本身对于人工智能技术发展而言仍意义重大。2023 年 2 月，由荷兰与韩国联办的“在军事领域负责任使用人工智能”峰会在海牙举行，包括美国、中国在内的 60 多个国家签署联合声明，倡议负责任开发使用军事人工智能。作为发展中国家的代表，中国在坚持维护发展中国家利益的同时，亦需积极与美、欧、日等科技前沿国家开展相关对话与合作，以寻求共识和防止误判，并且据此建立多层次的对话机制以不断更新治理理念。例如，中国可以推动建立多个面向的人工智能安全稳定对话机制，在区域层面通过欧盟、亚太经合组织等建立一个协调性、互补性、协作性的人工智能合作网络，以推动人工智能的技术交流和产业协同；在双边层面，可与美国、英国等科技强国建立人工智能安全稳定对话机制，以促建构人工智能发展的国际规则：趋势、领域与中国角色建构人工智能发展的国际规则：趋势、领域与中国角色16进双方在人工智能研发和应用方面的交流合作。第五，优先发展以私营部门的知识、经验和资源为基础的人工智能应用解决方案。作为全球人工智能发展的重要力量，中国国内与人工智能技术和产业发展相关的各类主体数量庞大，包括众多技术与产业主管部门、行业协会、互联网企业、大学及科研机构、社会科学相关研究部门等主体都为中国的人工智能发展做出了不同程度的贡献。大型科技企业在推动人工智能技术发展方面发挥着其他主体难以替代的关键作用，他们是智能技术发展诸要素的主要所有者，他们也是前沿智能技术发展的主要推动者，当然也是人工智能产业的主要受益者。所以，大型互联网企业对于规则体系的建构具有更高的积极性，他们对于人工智能的潜在风险也最为敏感和熟悉。故此，在人工智能国际规则制定过程中，应充分重视中国人工智能企业的意见，关注其核心立场和诉求，积极鼓励其参与跨国企业层面的国际对话，成为国际规则制定的主力。四、中国参与人工智能国际规则制定的路径建构人工智能发展的国际规则：趋势、领域与中国角色建构人工智能发展的国际规则：趋势、领域与中国角色17关于上海国际问题研究院上海国际问题研究院成立于 1960 年，是隶属于上海市人民政府的高级研究机构和知名智库。我院的主要任务是：以服务党和政府决策为宗旨，以政策咨询为方向，通过对当代国际政治、经济、外交、安全的全方位研究，为党和政府决策提供有力的智力支持；通过与国内外研究机构和专家学者的合作交流，增强我国的国际影响力和国际话语权，提升国家的软实力。多年来，我院一直被国内外权威机构评为中国最重要的国际问题和中国外交智库之一。上海国际问题研究院下设六个研究所和六个研究中心，分别是：全球治理研究所、外交政策研究所、世界经济研究所、国际战略研究所、比较政治和公共政策研究所、台港澳研究所；美洲研究中心、亚太研究中心、俄罗斯中亚研究中心、西亚非洲研究中心、欧洲研究中心、海洋与极地研究中心。此外，我院还是上海国际战略研究会和上海国际关系学会的机构会员。上海国际问题研究院编辑出版的中文刊物国际展望双月刊，上研院报告（中英双版）和英文刊物China Quarterly of International Strategic Studies季刊已经成为国际问题研究领域的重要学术论坛。建构人工智能发展的国际规则：趋势、领域与中国角色建构人工智能发展的国际规则：趋势、领域与中国角色18关于清华大学战略与安全研究中心清华大学战略与安全研究中心是清华大学校级研究机构，成立于 2018 年 11月 7 日，旨在打造国际战略和安全领域的国际化和专业化高端智库。中心有两大目标：一是就国际秩序、国际关系以及战略与安 全等问题开展研究，跟踪形势变化并做出判断，为决策提供参考意见和建议；二是通过开展多种形式的国际交流与合作，宣介、阐释和传播中国的理念和政策主张，增进国际社会对中国的了解，提升清华大学在战略与国关界的国际影响力。研究中心以战略与安全、外交与国际关系等问题为主要研究领域，以全球秩序、国际安全治理、人工智能与国际安全等重大战略与安全问题作为主要研究方向。研究中心实行管委会领导下的主任负责制。外交部前副部长傅莹大使为中心的创始主任。中心设立学术委员会作为学术指导和顾问机构，下设美欧研究项目、全球治理研究项目、欧亚研究项目、人工智能与国际安全研究项目、“战略青年”研究交流项目以及中国论坛秘书处。建构人工智能发展的国际规则：趋势、领域与中国角色建构人工智能发展的国际规则：趋势、领域与中国角色19关于北京大学互联网发展研究中心北京大学互联网发展研究中心是北京大学为适应时代发展，服务国家网络强国战略，推动互联网领域的知识创新和文化交流而成立的研究机构。中心致力于以互联网发展为中心，面向问题、面向社会、面向未来的研究，依托北京大学的学术优势和社会影响力，联合国内外一流研究机构和专家，开展学术性、政策性、实践性相结合的跨学科融合研究，同时也为政府机构、企事业单位、社会组织提供相关调研、咨询和培训等服务，旨在推动研究创新，从而促进互联网更好造福社会，增进人类福祉。研究领域包括：互联网产业发展、互联网治理、互联网伦理、互联网与社会、互联网与传播、未成年人数字保护与发展等。主编/出品人 陈东晓 上海国际问题研究院院长、国际传播中心主任执行主编 李忻 上海国际问题研究院国际传播中心执行主任编 辑 陈雪 上海国际问题研究院国际传播中心助理研究员 本报告版权归 上海国际问题研究院 所有联系方式：地 址：上海市徐汇区田林路 195 弄 15 号邮政编码：200233联系电话： 86-21 54614900传 真： 86-21 64850100http:/

0人已浏览 2023-10-30 25页 5星级

2023 年深度行业分析研究报告 1/32 行业研究报告 慧博智能投研 目录 目录 一、大模型概述.1 二、国内外大模型发展现状及竞争格局.5 三、国内大模型竞争壁垒.9 四、国内主要大模型及应用端梳.

0人已浏览 2023-10-30 33页 5星级

全面实现可信赖的 AI 治理212345人工智能伦理道德的 商业需求为什么要拥抱可信赖的 AI？与生俱来的善念但行善举的外部压力日益严格的监管实现可信赖的 AI 治理监督合规运营文化SAS 可信赖的 .

0人已浏览 2023-10-30 20页 5星级

主 编：百度智能云侯震宇副主编：百度智能云 中国信通院谢广军忻 舟宋 飞詹 颖谢智刚王 强编写组：陈 丝关若琳靳 伟金宗艺李鸿昌刘健萍容敏华邵 聃杨 正李景秋李昱龙苏 乐前言随着ChatGPT浪潮席卷全球，人们看到了无限接近或通往通用人工智能的发展路径，也展现出一种具备普适性的基础大模型构造和应用的方法，并能够延伸至行业中去，可高效支撑更多应用领域模型的构建和研发。大模型带来的应用效果惊人，且能激发形成新的业态，包括大模型与AIGC（生成式人工智能）对应用生态格局的重塑、传统产业智能化变革以及科学基础研究新范式等，由此也正式点燃了人工智能技术发展新引擎。这是一次能够比肩互联网和智能手机的技术革命，人工智能发展的奇点即将到来。智能化带来的不仅仅是一次新的科技革命，更是对现有生产生活方式的颠覆性改变，从智能化的企业、产业到智能社会。不远的将来，我们终将生活在智能化的基础之上，AI技术的全面融入渗透已经开启。大模型更是加速了AI价值定位演进，从辅助性工作形态迈入AI生产力新阶段，全面融入推进智能型企业变革，并深度支撑区域产业实现智能化转型升级。以落地赋能为导向，AI供给侧亟需“大模型 大数据 大算力”的支撑与推动，AI供给“基建化”势在必行，而企业级和产业级智算中心正成为AI“基建化”的关键供给形态。“百度AI大底座”源自百度多年产业深度实践积累，是国内首个全栈自研的AI基础设施，面向AI开发和应用提供端到端自主可控、自我进化的解决方案，让使用者可以快捷、低成本地实现“AI能力的随用随取”，降低AI产业应用的门槛，充分挖掘智能化带来的价值，实现产业与技术融合创新。1 AI正成为智能时代的新型生产力1.1大模型点燃AI技术发展新引擎.061.2AI开始以生产力形态释放价值.061.3AI大模型激发新模式新业态持续涌现.07.05前言.02目录1.4企业与产业迎来智能化发展新范式.072 AI大底座助力AI生产力价值释放加速2.1AI基础设施是AI落地赋能的核心关键.102.1.1 AI基础设施内涵与特性.102.1.2AI基础设施整体视图及主流产品.102.2AI大底座构筑新一代AI基础设施.122.3AI大底座具备四大优势.18.092.1.3 智算中心是AI基础设施落地的主要形态.122.2.1 AI大底座是国内首个全栈自研的AI基础设施.122.2.2AI大底座技术栈：“芯片-框架-模型-应用”四层架构.132.2.3 AI大底座核心平台：百度百舸AI异构计算平台（AI IaaS）与AI中台（AI PaaS）.152.3.1 高效能算力.182.3.2高效率研发.192.3.3 端到端优化.192.3.4 持续性运营.193 AI大底座助力企业构建智能化新范式3.1前瞻智能化布局对企业可持续发展至关重要.213.1.1 智能型企业的关键组成.213.1.2智能型企业构建面临的挑战.213.2AI大底座在构建智能型企业中的价值实现.22.203.2.1 依托AI大底座构建的企业级智算中心，是企业部署AI基础设施的优质解决方案.223.2.2AI大底座助力企业快速打造AI能力，实现智能化企业转型价值.233.2.3以AI大底座为基础，实现企业生产效率和体验效果的“双效提升”.233.3企业级智算中心构建路径.253.3.1 整体规划.263.3.2平台建设.273.3.3 持续运营.273.4以AI大底座构建企业级智算中心的优秀实践.283.4.1 自动驾驶：数据重塑汽车，云端加速智能.283.4.2生命科学：构建生命计算的超强“算力”和“智力”.314.4以AI大底座构建产业级智算中心的优秀实践.474.4.1 宜昌点军“芯”基建智算中心.473.4.3 金融：打造三智新引擎，迈向数智金融新未来.333.4.4 工业：工业4.0时代的新旧动能转换.363.4.5互联网：云智融合，助力AI技术研发及应用.374 AI大底座支撑区域产业实现智能化转型升级4.1智能化转型升级是区域产业高质量发展的必由之路.414.1.1 智能型产业的发展蓝图.414.1.2区域产业智能化升级面临的挑战.414.2以AI大底座构建产业级智算中心，推动区域产业智能化升级.424.3产业级智算中心构建路径.44.404.2.1 依托AI大底座构建产业级智算中心，是区域产业构建智能化底座的可靠路径.424.2.2AI大底座助力产业升级与区域发展，提升区域产业效力、合力、活力.434.3.1 整体规划.444.3.2平台建设.454.3.3 持续运营.46整体展望.491.3 AI大模型激发新模式新业态持续涌现AI驱动企业智能化转型，是否实现智能化将成为企业未来发展分水岭。近5年来，全球范围内企业的AI使用率大幅提升，2022年有50%的企业部署了AI，我国AI使用率略低于全球平均水平，达到了41%2。随着企业由数字化转型开始迈入智能化阶段，大模型加速AI工程化落地，企业形态也会逐渐分化为智能型企业与非智能型企业。智能型企业能够借助AI快速实现提质增效，将在新的技术浪潮中抢占先机，而非智能型企业在同业竞争中将面临着落后淘汰的风险。各行业将面临重塑，新的巨头将会诞生，前瞻布局智能型企业至关重要。AI驱动产业链优化升级，区域产业生态正向着高价值侧转移集聚。对区域经济产业而言，AI正成为重组要素资源、重塑经济结构的重要变量，可重构生产、分配、交换、消费等经济活动各个环节，形成从宏观到微观各领域的智能化新需求，从而推动社会生产力的整体跃升。通过数字化、智能化的改造升级，助力中国传统产业高质量发展，有助于构建以高端化、智能化、先进性为重要特征的现代化产业体系，推动整个区域经济产业体系的效率提升和质量变革。根据高盛预测，AI在未来10年将带来7万亿美元的价值，累计带动全球GDP增长7%以上，届时AI在区域经济活动中的价值创造作用将更加凸显。1.4 企业与产业迎来智能化发展新范式大模型与AIGC将重塑应用生态格局。人工智能时代，大模型以及AI应用能力将成为企业的核心竞争力。如互联网行业将从PGC（专业生产内容）、UGC（用户生产内容）向AIGC演进，实现新型内容创作，在创意、表现力、迭代、传播、个性化等方面改善并创造新的体验。此外，除基于大模型构建开发新的AI原生应用外，对现有应用产品、业务形态依托大模型技术进行重构，也将是智能时代的重要发展趋势。大模型将催生产业级新兴业态。智能化转型升级，是在国际环境趋于复杂严峻、全球产业链供应链深度调整的大背景下，我国传统产业突破发展瓶颈、寻求发展新动能的必然选择。大模型的成熟能够支撑产业界快速部署构建智能应用，为产业智能化转型提供了可实施的路径，并加速这一进程。对于AI大模型来讲，核心定位将是新型基础设施，而在应用端也蕴藏着丰富的产业机遇。对于技术供给侧，大模型时代将产生三大产业机会：第一类是新型云计算公司，其主流的商业模式将发展成模型即服务（MaaS）；第二类是行业模型精调公司，将作为通用大模型和企业之间的中间层，助力通用大模型转化为行业大模型；第三类是应用开发公司，将打通产业智能化的最后一公里，基于大模型开发应用。大模型将激发人工智能驱动科学研究（AI for Science）的新范式。科学研究从传统“作坊”模式转变到智能“平台”模式。传统科研模式下，科研人员需要做大量重复性的基础工作，同时面临着数据计算量指数级上升的问题，导致在复杂问题或者场景中“算不起”、“算不动”。AI for Science以智能平台建设为起点，推进面向重大科学问题的人工智能模型和算法创新。以大模型为代表的AI技术可用于各个学科中的科研、技术创新、成果转化等，让科研人员可以更高效地进行前沿创新领域的研究。AI for Science极大地拓展了人工智能助力科学研究的边界，促进产、学、研融合发展，打通从科学研究到产业创新的通路。AI正成为智能时代的新型生产力07 麦肯锡2022年全球AI调研，麦肯锡官网。AI战略重要性已成为全球普遍共识，我国政策重点聚焦推动人工智能在各领域的发展应用。放眼全球，截至2022年12月，先后有60余个国家和地区发布了国家人工智能战略，无论是我国，还是具备一定科技实力的世界主要国家，都已经洞察到智能化时代的到来，从国家战略层面来推进和主导人工智能技术的发展应用，希望能够在新一轮技术革命中获取领先优势。我国高度重视人工智能技术应用发展，近年来出台了多项人工智能相关政策支持和推进人工智能技术与产业的发展，并通过重点任务揭榜挂帅、建设国家新一代人工智能创新发展试验区、应用场景创新等举措，更聚焦、更落地地推进人工智能在各领域的发展应用。AI正成为智能时代的新型生产力08AI大底座助力AI生产力价值释放加速07AI大底座助力AI生产力价值释放加速0902AI大底座助力AI生产力价值释放加速AI大底座助力AI生产力价值释放加速10以深度落地赋能为导向，AI供给侧持续推进技术要素全面融合、技术能力自主可控、技术服务普惠低成本，AI供给“基建化”势在必行，AI基础设施正成为AI的关键供给形态。算法、算力、数据是AI技术应用的三大核心支撑要素，而大模型时代对三要素也提出了更高的要求。优秀的应用能力需要更大参数规模的模型、足够多的训练数据以及强大的计算能力作为支撑，而这样的技术能力只有少数企业具备。如果能够把这样的能力以基础设施的形式普惠化地开放共享给社会，即实现AI基建化，就能够大大降低AI应用的门槛，让更多的主体能够拥抱AI。AI供给的基建化正顺应产业智能化转型发展的需求，也是我国发展和布局AI的重要举措之一，将为我国人工智能产业发展壮大、数字经济蓬勃发展提供强大的牵引力。AI基础设施以“数据、算法、算力”为资源要素，以AI算力设施、AI数据平台、AI算法平台、AI开放创新平台等为主要载体，可提供包含模型训练等在内的专业前沿的AI应用及服务，支撑AI产业发展、赋能行业应用，为培育智能经济、构筑智能社会提供基础承载。AI基础设施须满足作为基础设施的技术能力先进自主性。为适应AI技术迭代速度快、行业应用需求不断涌现的特点，AI基础设施必须提供灵活多样、动态迭代、性能领先、具备前瞻性的技术能力，保障AI基础设施始终满足我国智能社会发展需要。此外，AI基础设施须掌控底层核心技术创新能力，从源头实现自主可控，这也是AI基础设施平稳运行的关键前提。AI基础设施将着力推进AI落地赋能，并释放更深更广的价值。从人工智能产业发展看，AI基础设施将推动人工智能与5G、云计算、大数据、物联网等领域相互耦合，加速人工智能与实体经济深度融合，形成新一代信息基础设施赋能产业的核心能力。从培育智能经济看，算法、算力、数据既为构建人工智能基础设施的核心环节，也是培育智能经济的关键生产要素，对其进行系统深入的发展，将推动生产效率提升与经济结构优化，促进实现智能型产业化与产业智能化协同并进。从国家战略转型看，发展AI基础设施，将促进国家资金与社会资本的融汇与高效利用，助力我国构建“双循环”新发展格局，推动经济高质量发展。2.1 AI基础设施是AI落地赋能的核心关键2.1.1 AI基础设施内涵与特性2.1.2 AI基础设施整体视图及主流产品当前AI基础设施已形成“3 1”体系，包括三大核心要素平台/设施，与AI开放创新平台。整体布局既分步又协同，共同构成了AI基础设施的核心内容。02AI大底座助力AI生产力价值释放加速11AI算力设施，基于AI专用算力芯片及加速芯片等组成异构计算架构，以AI服务器为核心设施构筑AI算力集群，面向人工智能场景，支撑智能计算中心、AI云的高效运行，能够为AI算法及应用提供更高性能、更低成本的计算能力。目前市场上的AI服务器普遍采用CPU GPU，善于处理图形渲染、机器学习等密集数据操作。在AI芯片领域，GPU占有率较高，其中NVIDIA领先优势显著，我国国产GPU起步较晚，近年来初创公司不断涌现，产品生态正在不断构建和完善中。我国国产AI芯片目前主要由百度、华为等互联网企业基于全局的人工智能业务布局领军研发，寒武纪、地平线等代表性AI芯片企业作为重要力量，燧原、壁仞等新生力量不断注入新的发展活力。AI数据平台，包括以政府、企业、高校、开源社区等为主体构建的AI开放数据集、行业专用的高质量数据集等，能够为AI算法提供源源不断的训练数据供给，促进AI模型优化。我国互联网巨头、大型科技企业、AI技术企业积极构建AI开放数据生态、共享共建数据集，企业开放数据平台逐步增多，如百度2022年推出的ApolloScape，数据量是同类数据集10倍以上。此外，阿里云天池数据集、华为悟空数据集等开放数据集，也为供给AI模型训练提供了数据基础。AI算法平台，包括开源算法框架、AI算法开发工具、模型部署等，可充分整合AI算法及工具集资源，以API或SDK的方式调用，实现数据处理及标注、模型训练、模型评估及性能优化、模型推理等功能，并预置各种各样的算法模型，高效支撑开发人员进行AI应用产品开发。百度针对不同的用户需求推出了全功能AI开发平台BML和零门槛AI开发平台EasyDL。全功能AI开发平台BML是面向企业和个人开发者的机器学习集成开发环境，为经典机器学习和深度学习提供了从数据处理、模型训练、模型管理到模型推理的全生命周期管理服务，帮助用户更快地构建、训练和部署模型。零门槛AI开发平台EasyDL是为AI零算法基础或者追求高效率开发的企业用户提供的零门槛AI开发平台，提供从数据采集、标注、清洗到模型训练、部署的一站式AI开发能力，设计简约，极易理解，最快15分钟完成模型训练。腾讯云TI-ONE训练平台是一站式政府部门科研机构传统行业企业AI创新企业面向关键行业应用的AI开放创新平台工业农业金融安防AI通用技术开放创新平台AI算力设施语音图像自然语言处理其他人机交互AI算法平台自动机器学习模型优化模型评价知识图谱可信AI分析部署监测AI数据平台数据处理数据清洗数据标注AI专用领域高质量数据集AI开放数据集AI框架AI加速芯片AI计算服务器高性能AI智算集群图 1 AI基础设施整体视图医疗AI大底座助力AI生产力价值释放加速12“百度AI大底座”是源自百度多年产业深度实践积累、结合AI全栈技术科研成果打造的国内首个全栈自研的AI基础设施，面向企业和产业AI开发与应用提供端到端自主可控、自我进化的解决方案，能够快捷、低成本地实现“AI能力的随用随取”。AI大底座可助力企业和产业快速高效地建立AI生产力。2.2 AI大底座构筑新一代AI基础设施2.2.1 AI大底座是国内首个全栈自研的AI基础设施百度自2010年以来，一直在人工智能领域深耕细作持续布局，已经形成了覆盖领域广泛、生态完善、发展均衡的人工智能体系。这一战略决策，一方面体现出百度对人工智能的坚定信念，另一方面是百度在践行一家中国企业的社会责任，这是一个和国外科技巨头起点差距相对较小的赛道，我国需要有能力、有技术的企业站出来，在这一领域持续蓄力，为我国人工智能领域技术应用发展夯实基础，带动行业的发展。机器学习服务平台，提供了可视化的操作界面和大量的AI算法模板，方便用户进行AI模型构建和训练。华为云ModelArts提供从数据标注到模型推理全流程的开发工具，支持多种计算引擎和分布式训练。AI开放创新平台，包括AI通用技术开放创新平台与面向关键行业应用的AI开放创新平台，向下集成智算设施、AI算法平台、AI数据平台能力，同时有效整合技术资源、产业链资源和金融资源，向上持续输出AI核心研发能力和服务能力，是AI基础设施赋能的核心关键。AI通用技术开放创新平台方面，包括如百度、腾讯、滴滴、京东等综合性AI能力开放平台，云从、旷视、美图、萤石、虹软等侧重视觉图像识别AI能力开放平台，科大讯飞、依图、小米、搜狗、有道等侧重语音识别AI能力开放平台，其中百度AI开放平台已提供超过1300 项开放能力。面向关键行业应用的AI开放创新平台，包括如百度Apollo自动驾驶开放平台、阿里云ET城市大脑开放平台、腾讯觅影医学人工智能开放创新服务平台等。相对于信息化建设时期重点推进的云数据中心的建设运营，当前智能化时代对AI基建的技术架构、性能、能效等多个方面提出更高要求。硬件方面，智能计算对芯片异构、高速互联等有更强需求；软件方面，智能计算涵盖计算框架、大模型等关键要素，并需要与硬件充分协调适配；能效方面，实现智能计算所产生的单机能耗更高，对制冷、碳排放等有着更高的需求。智算中心能够很好地聚合上述能力，是各类AI基础设施落地应用的实体形态。从赋能主体看，智算中心可以分为企业级智算中心与产业级智算中心，二者技术架构基本一致，主要在实现目标和运营模式上有所差别。智算中心是涵盖了软硬件、解决方案为一体的技术创新综合体。未来的智能型企业、公共服务都将建构在智算中心的基础上，供给形态可以有自建、云服务、公共基础设施等多种形式。企业和组织将根据自己的需求和资源禀赋，选择匹配自身需求的服务形态。2.1.3 智算中心是AI基础设施落地的主要形态AI大底座助力AI生产力价值释放加速13图2 AI大底座全景图AI大底座涵盖了百度昆仑芯、飞桨深度学习框架以及文心大模型等核心能力以及百度百舸平台、AI中台等平台方案，可以为客户提供高性价比的智能算力、自主研发的开发框架以及完善丰富的大模型体系，为企业部署和开发各类AI应用、服务以及大模型提供一站式端到端支持，满足产业级低门槛、快速部署等AI落地需求。智能化时代IT技术栈发生了根本性变化，分为芯片、框架、模型和应用四层。百度在每一层都已布局自主可控的核心技术和产品，集聚了智能化时代IT技术全栈生产要素，能够真正支撑真实业务场景的端到端全流程调优，从而助力实现智能化应用的极致效能。昆仑芯是百度自研的高端AI芯片，于2018年正式推出，目前最新的产品是发布于2021年的昆仑芯2代。昆仑芯2代采用了新一代自研架构XPU-R及领先的7纳米制程工艺，并在国内率先使用了GDDR6高速显存，性能可达到国际领先水平。目前，昆仑芯产品已经在搜索、自动驾驶、工业、金融等应用场景实现了规模化的落地应用，实际部署超过两万片。昆仑芯3代预计2024年实现量产，将再一次带来质的飞跃。2.2.2 AI大底座技术栈：“芯片-框架-模型-应用”四层架构90% 千卡加速比70% 资源利用率100% 开发效率提升产业应用飞 桨AI中台NLP大模型CV大模型跨模态大模型生物计算大模型行业大模型文心大模型数据标注知识管理部署运行模型开发模型管理知识生产高速互连AI服务器GPU虚拟化AI作业调度弹性训练加速套件通用数据行业知识通用知识行业数据昆仑芯百舸AI异构计算平台AI质检智能客服AI大底座助力AI生产力价值释放加速14深度学习框架被称为“智能时代的操作系统”，是与芯片同样关键的科技领域“国之重器”。百度飞桨深度学习框架是我国首个自研深度学习开源框架，而以此为核心搭建的百度飞桨深度学习平台是产业级的深度学习平台，一站式解决了基础软件层的开发、训练、推理部署，以及模型库、开发套件等全系列问题。基于其开源开放的一站式能力，开发者无需从第一行算法代码写起，可以直接调用飞桨框架和飞桨开发平台的相关模块，大幅降低了人工智能技术应用门槛，可更快地推进产业智能化。目前在国内综合市场份额上，飞桨深度学习平台位居第一。截至2023年8月，飞桨深度学习平台已汇聚800万开发者，服务22万企事业单位，创建了80万个AI模型。此外，飞桨在上海、广州、宁波、南昌等地建设了飞桨人工智能产业赋能中心，与政产学研各界伙伴协同，加速人工智能的落地。图3 昆仑芯2代构筑全栈国产AI能力昆仑芯3代将于2024年初量产新一代自研架构采用昆仑芯自研XPU-R架构，通用性和性能显著提升强大算力256 TOPSINT8 128 TFLOPSFP16领先技术7nm先进工艺 GDDR6高速显存完备功能支持虚拟化，芯片间互联和视频编解码规模部署搜索、自动驾驶、工业、金融等场景规模落地实际部署数万片生态完备已与多款通用处理器、操作系统、AI框架完成端到端的适配灵活易用昆仑芯SDK可提供从底层驱动环境到上层模型转换等全栈的软件工具AI大底座助力AI生产力价值释放加速15图4 飞桨产业级深度学习平台预训练大模型作为当前人工智能发展的重要方向，能够大大提升AI的效能，增加更多的业务可能性。文心大模型是百度自主研发的产业级知识增强大模型，包括NLP、CV、跨模态等基础大模型，对话、跨语言、搜索、信息抽取等任务大模型，生物计算领域大模型，行业大模型，以及支撑大模型应用的工具平台，形成了基础-任务-行业三级大模型技术体系，具备知识增强和产业级两大特色。目前，文心大模型已大规模应用于搜索、信息流、智能音箱等互联网产品，并通过飞桨深度学习平台赋能制造、能源、金融、通信、媒体、教育等各行各业。AI大底座正是整合了以上端到端全要素技术能力，将基础架构IaaS与应用平台PaaS能力深度融合，面向企业和产业AI生产与应用的全生命周期提供完整解决方案。2.2.3 AI大底座核心平台：百度百舸AI异构计算平台（AI IaaS）与AI中台（AI PaaS）飞桨企业版飞桨产业级深度学习开源开放平台工具与组件核心框架星河社区端到端开发套件基础模型库核心框架开发训练推理部署自动化深度学习量子机器学习强化学习联邦学习图学习科学计算生物计算低代码开发语义理解文字识别图像分类目标检测图像分割图像生成大模型训推一体预训练模型应用工具可视化分析安全与隐私资源管理与调度云上部署编排自然语言处理计算机视觉语音推荐时间序列文心大模型动态图静态图大规模分布式训练产业级数据处理模型压缩前端推理引擎服务器推理引擎服务化部署边缘与移动端推理引擎全场景统一部署零门槛AI开发平台全功能AI开发平台AI大底座助力AI生产力价值释放加速16图6 AI IaaS核心平台：百度百舸AI异构计算平台图5 AI大底座产品架构百度百舸AI异构计算平台是AI IaaS层的核心平台，包括AI计算、AI存储、AI加速、AI容器四层套件，实现算力资源的高性能、高弹性、高速互联、高性价比，承载海量数据的处理、超大模型的训练和推理，为AI场景提供软硬一体的智能算力基础设施。AI中台基础管控AI服务运行平台大模型平台样本中心模型中心AI资产共享平台全功能AI开发平台BML零门槛AI开发平台EasyDL百度百舸AI异构计算平台GPU调度AI作业调度弹性训练可观测性数据湖存储加速RapidFS分布式训练加速AIAK-Training推理加速AIAK-Inference海量数据湖存储对象存储BOS异构芯片昆仑芯GPURDMAInfiniBand高速互联AI服务器X-MAN高性能存储并行文件存储PFSAI计算AI存储AI加速AI容器GPU调度AI作业调度弹性训练可观测性数据湖存储加速RapidFS分布式训练加速AIAK-Training推理加速AIAK-Inference海量数据湖存储对象存储BOS业务场景城市大脑工业互联网产业金融智算中心生命科学自动驾驶异构芯片昆仑芯GPURDMAInfiniBand高速互联AI服务器X-MAN高性能存储并行文件存储PFSAI大底座助力AI生产力价值释放加速17百度百舸充分汲取了百度异构计算平台多年的技术积累，深度融合推荐、无人驾驶、生命科学、NLP等场景的实践经验。其中，百度太行服务器提供了基于自研GPU硬件架构X-MAN的高性能实例，充分满足AI单机训练、分布式集群训练、AI推理部署等对算、存、传的性能诉求。百度沧海存储通过云边一体、存算协同、软硬融合的技术架构，使得数据可以分场景跨地域流转汇聚，并通过统一的数据湖存储匹配不同的上层应用，加速智能计算，释放数据价值。AI加速通过对存储访问、模型训练和推理的加速进一步提速AI任务。AI容器提供GPU显存和算力的共享与隔离，集成PaddlePaddle、TensorFlow、Pytorch等主流深度学习框架，支持AI任务编排、管理等。AI中台是AI PaaS层的核心平台，打通样本中心、模型中心、大模型平台、AI开发平台、AI服务运行平台，实现从数据存储到模型训练、生产、部署、测试的全链路、批量化生产，面向企业AI开发、管理、应用提供全生命周期解决方案。图7 AI PaaS核心平台：AI中台百度AI中台解决方案自然语言处理文字识别人脸识别图像识别基础管控(AI Base)AI服务运行平台(AIS)账号&权限资源调度存储管理监控报警审计模型风险管理(MRM)离在线预测服务编排边端预测漂移监控设备缺陷识别生产安全检测反欺诈特征识别Notebook可视化拖拽预置模型开发Pipeline实验管理特征库机器学习/深度学习框架AI开发平台图像视频OCR文本语音表数据大模型数据管理及标注SFT/RLHF训练机制大模型评估插件市场安全干预大模型推理大模型平台数据集成SQL工作台联邦查询数据清洗样本标注样本审核特征工程库表管理样本中心 (EasyData)模型中心（MC）边缘适配模型加密模型体验模型共享模型审批资产管理风险监控AI资产共享平台(AI Hub)资产共享资产托管资产交易资产门户Prompt管理及优化通用AI能力服务管理行业专用AI能力全功能AI开发平台(BML)零门槛AI开发平台(EasyDL)电弧、绝缘子脱落检测表计识别信贷审批意见抽取数据增强样本管理模型管理部署包管理模型评估模型加速AI大底座助力AI生产力价值释放加速18其中，样本中心支持数据全流程处理能力，覆盖数据源管理、数据采集、数据清洗、智能标注、多人标注、数据生成、数据增强、数据质量评估、数据回流等一站式数据处理能力；模型中心支持完善的模型管理、模型评估、模型加速、模型转换等能力；AI服务运行平台支持云边端协同模式，支持灵活发布至各类边缘终端，在线服务支持模型漂移、自动扩缩容等便捷的服务追踪、运维服务。AI开发平台包含了零门槛AI开发平台EasyDL及全功能AI开发平台BML零门槛AI开发平台EasyDL是针对零AI算法基础的企业用户的AI开发平台，预置17种建模场景，可以助力用户快速定制高精度AI模型；全功能AI开发平台BML面向模型定制化要求较高的企业用户，为AI算法工程师同时提供机器学习和深度学习环境，并支持可视化建模、自动化建模、作业建模、Notebook开发、产线建模等多种开发方式，并可通过实验管理有效追踪建模数据及参数。百度智能云千帆大模型平台是面向企业开发者的一站式大模型开发及服务运行平台，可为企业提供包括文心大模型在内的大模型服务，同时也支持第三方大模型，提供开发AI应用的各种工具链及整套环境，让企业和开发者以简单的方式用上大模型、用好大模型。具体来看，百度智能云千帆大模型平台包含覆盖大模型生产和应用全生命周期的工具链能力，如模型训练与评估、推理服务与集成应用、Prompt工程、插件应用等，帮助企业更好地应用大模型赋能产品，向客户提供更好的产品体验。当前已有包括工业、金融、政务、互联网、运营商、教育等行业头部伙伴参与内测，并在400 真实场景里看到了令人兴奋的测试效果。以集约化、高性能、多样化的智能算力，为模型训练和推理提供绝佳负载。随着AI应用场景更加丰富、超大模型不断出现，云上AI任务的管理复杂性越来越高，芯片多元化、算力规模化、云原生化成为未来智能算力发展的重点方向。百度百舸支持各类异构计算芯片，单卡资源利用率达到 70%以上，千卡并行加速比至90%以上，使得单卡和集群的算力能够被充分发挥出来。云原生AI平台为百度百舸提供了各类高性能云资源的管理和任务调度，确保了大规模AI任务的高效运行。在行业智能化升级的深化过程，百度百舸不仅支持了文心大模型的落地，更在生科医疗、自动驾驶以及智算中心等领域作为AI基础设施提供普惠多元的AI算力，实现助力药物蛋白质结构预测模型的训练效率提升2倍、量产车自动驾驶迭代周期从月级别缩短为周级别等，更加极致地满足了产业智能化的AI算力需求。2.3 AI大底座具备四大优势2.3.1 高效能算力AI大底座以其全栈技术能力，帮助用户从上云，进入到用数、赋智的快车道，极大降低AI产业应用的门槛，从而释放用户侧的精力与资源，着力聚焦于业务融合创新。从落地实践看，AI大底座具备高效能算力、高效率研发、端到端优化、持续性运营这四大优势。通过MLOps等一系列AI研发运维工具，以AI工程化能力突破AI落地的“最后一公里”。AI模型开发运营全流程是多环节、复杂程度高的工作，从数据采集、数据标注、模型训练再到数据回流和模型观察，任何一个环节未能规范都将影响AI模型的应用效果。2023年初中国信通院首次公布了MLOps服务能力旗舰级评测结果，百度智能云企业AI开发平台成为全国首批在AI开发管理能力上达到旗舰级的MLOps平台。百度零门槛AI开发平台EasyDL与全功能AI开发平台BML提供高自动化水平的模型开发工具和标准化的流程规范指导，能大幅降低企业AI开发门槛，并让模型开发有规范和标准可参照，2.3.2 高效率研发AI大底座助力AI生产力价值释放加速19AI大底座构建平台化的反馈闭环机制，通过持续迭代、循环增强提升AI应用的整体效果。在面向实际业务场景时，AI生产全要素中的每一层能力都会得到很多真实业务的反馈，并通过不断调优，实现端到端优化，从而带来应用效能的大幅提升。例如，应用落地过程中的模型效果问题，将驱动迭代新的模型结构，新的模型结构又需要新的框架能力支撑，而新的框架能力对于底层芯片算力又会提出新的要求。百度在端到端各层都具有自主可控的核心产品技术，能够深入底层，进行纵向的深度整合优化，以提供极致的资源效能和模型效能。比如，在大模型的端到端自适应分布式训练过程中，飞桨统一的资源和计算视图以及自动并行能力可与百度百舸的弹性调度能力相结合，通过AI 框架和AI 异构算力平台的深入交互，实现算力、框架、算法三位一体的系统优化，支持大模型自动弹性地进行训练，端到端实测有2.1倍的性能提升，保证了大规模训练的高效性，训练场景资源利用率可达70%以上。在2022年11月发布的MLPerf Trainning v2.1测试结果中，百度使用飞桨加百度百舸提交的模型训练性能结果，位列同等GPU配置下世界第一，端到端训练时间和训练吞吐均超越NGC PyTorch框架。2.3.3 端到端优化AI大底座构建长效运营的平台，通过持续运营充分释放AI业务价值，实现全面升级和持续创新。AI大底座整合以上技术优势，并作为一个可持续运营的平台，从技术设施向企业发展全面赋能，提供人才培养赋能、业务场景共创、优秀案例推广等系列运营服务，将逐步提升面向企业各业务与管理等领域场景智能化需求的支撑能力，促进AI资产沉淀复用，保障资源高效使用。AI大底座成为企业的AI生产力中心，让AI渗透到企业的毛细血管之中，构筑起企业的智能化核心竞争力。2.3.4 持续性运营03保障开发质量。例如，通过丰富的AutoML/AutoDL能力，企业可以根据数据集及任务来自动选择网络和参数，从而节省90%的参数调优人力投入。20AI正成为智能时代的新型生产力0520AI大底座助力企业构建智能化新范式0321AI大底座助力企业构建智能化新范式智能型企业是指通过智能化升级，在设计、生产、管理、物流和营销等核心业务环节应用人工智能新技术，构建新型企业组织结构和运营方式的企业3。智能化顶设、智能化业务、智能化管理、智能化技术是智能型企业的关键要素，也将协同推进传统企业向智能型企业跨越。结合百度智能云的企业赋能实践，当前AI技术在我国企业中的融合应用不仅是局部的智能应用，而是从战略、组织、生态的顶层设计，到对外业务、对内运营以及智能技术底座支撑的完整闭环，为企业带来全面的价值提升。在企业的智能化转型过程中，智能化顶设、智能化业务、智能化管理、智能化技术是四大关键领域。其中，智能化顶设重点关注战略、组织及生态层面的智能化规划和布局，智能化业务重点关注智能产品竞争力与客户旅程体验，智能化管理重点关注员工工作效率与流程机制效率，智能化技术重点关注研发效能、稳定性与IT效能。四大领域协同一体，才能使企业获得可持续的转型价值。3.1 前瞻智能化布局对企业可持续发展至关重要3.1.1 智能型企业的关键组成3.1.2 智能型企业构建面临的挑战伴随科技革命和产业变革向纵深演进，科技创新成为重塑企业竞争力和市场竞争格局的关键变量，向智能型企业转型升级对企业在智能化新时代构建核心竞争力以及实现可持续发展至关重要。图8 智能型企业关键组成及AI价值评估智能化顶设层面，构建智能型企业需要自上而下进行全局规划，缺乏对AI布局的全局规划能力易导致资源无法聚力。部分企业以单点业务需求为导向布局AI技术，后期面临着资源利用率低、数据无法互通、系统可扩展性弱等挑战，会形成许多新的数据壁垒。多个AI系统间存在的架构差异，还将造成计算、存储、网络等基础资源难以互相调用，面对高并发任务时新一代人工智能发展规划，国务院2017年印发。智能化技术智能化管理智能化业务智能化顶设关键组成战略、组织、生态AI价值评估方向智能产品竞争力客户旅程体验员工工作效率流程机制效率研发效能、稳定性与IT效能AI大底座助力企业构建智能化新范式22企业级智算中心是基于最新人工智能理论，采用领先的人工智能计算架构，为企业本身提供人工智能应用所需算力服务、数据服务和算法服务的新型AI基础设施。从落地实践看，企业级智算中心是一整套AI基建解决方案，重点涵盖AI芯片、AI算法模型、AI数据集、AI应用产品及服务等，可整套推进企业侧落地，也可按需求提供相应方案。依托AI大底座构建企业级智算中心，助力企业高效能、可持续推进智能化转型。从资源效能看，企业级智算中心通过集中资源获得大算力和大数据，支持大规模模型训练和推理，以高性价比的资源优势，有力提升企业AI算力的资源效能。从运营效能看，企业级智算中心通过持续运营充分释放AI业务价值，提供AI应用开发全生命周期的支持，提升面向企业各业务与管理等领域场景智能化需求的支撑能力，助力企业实现智能化长效运营。从产品落地看，企业级智算中心能够支撑企业在现有业务产品上，基于AI技术研发落地更多创新产品、业务模式等，不断拓宽、拓深业务能力。3.2 AI大底座在构建智能型企业中的价值实现3.2.1 依托AI大底座构建的企业级智算中心，是企业部署AI基础设施的优质解决方案响应速度慢，影响用户体验。随着技术创新的加速，企业需要开展面向用户需求的创新应用探索，而单点建设的系统间协同与扩展的难度大，难以支撑未来业务快速迭代发展的需求。此外，构建统领全局的AI发展规划还需将智能化发展思想融入到企业整体的业务规划当中，结合业务发展进行前瞻性布局。智能化业务与智能化技术层面，AI应用场景碎片化可复制性弱，智能型企业建设过程中面临定制化成本、技术门槛高等挑战。AI对实体经济的赋能需要与各行业自身的业务场景紧密结合，而实体经济行业众多，每一个行业、企业都有大量的应用场景，应用规模不同，对技术的需求也不同，由此带来的场景碎片化是AI落地应用中的巨大挑战。应用需求方希望实现的全价值链场景，大多不能通过某个单一的系统或产品完成，企业所能提供的产品和解决方案也会呈现碎片化，需要根据用户需求提供高度定制化的解决方案，这不仅会带来高昂的时间和经济成本，也不利于持续地迭代更新。AI作为新兴的信息技术，对于大多数实体经济行业来说都有着较高的技术门槛，亟需更便捷、更通用的平台化部署模式来应对这一挑战。智能化管理层面，缺少科学的管理统筹机制，缺少AI技术快速推广应用以及持续迭代更新的能力，缺乏专业的知识、人才等，为智能型企业的后期运营带来挑战。智能型企业后期运营首先面临的就是管理机制统筹方面的挑战，涉及在企业智能化布局过程中如何去统筹管理业务流程、产品服务、资源调度等各个环节，从而实现快速高效的智能化部署。除常规管理统筹外，还有紧跟新技术不断进行更新迭代的问题。AI技术的发展迭代速度已经赶超了以往大部分新技术的更新速度，企业如果没有一定的AI技术研发能力，将很难跟上技术更新的脚步。AI技术在企业中的应用需要充分契合业务的发展，需要根据具体的应用场景需求快速构建出相应的模型等，而大多数没有AI技术积累的企业并不具备这样的能力。此外在人才方面，掌握AI技术的人才体系构建尚在培育初期，大部分企业没有智能化人才的储备，也缺少对现有人才的智能化培养。AI深入到企业应用中需要经过与专业技术人员紧密合作的学习过程，才能真正实现对某些重复性劳动的替代或提升，而人才在智能化企业中的应用可能也将面临着新的职业维度。AI正成为智能时代的新型生产力05AI正成为智能时代的01新型生产力AI正成为智能时代的新型生产力06随着ChatGPT浪潮席卷全球，AI产业化进程提挡加速，全面进入工程实践落地阶段。这是一次能够比肩互联网和智能手机的技术革命，人工智能发展的奇点即将到来。随着AI从辨别式发展到生成式，一场影响人类生产生活方式以及全球经济增长的新科技变革正在蓄势待发，未来会触及到大量业务流程的重塑，以及基于AI原生思维的应用开发。大模型带来的应用效果突破，让人们看到了无限接近或通往通用人工智能的发展路径。MLOps（人工智能研发运营体系）行业应用落地效果显著，也为AI工程化落地提供了利器，由AI驱动的新时代正在开启。AI领域爆发出的现象级应用背后，是“大模型 大数据 大算力”的支撑与推动。AI能力的快速精进来自于大模型的支持，超大规模预训练模型的应用辅以数据的不断精调，推动了效率与效果的同步提升，并且向着支持多模态的方向不断发展，为AI支持更多应用场景提供了可能。AI应用正朝着无限接近机制类脑、行为类人的方向快速演进。大模型的训练，主要依靠大数据提供足够的学习素材，以及大算力提供强大的计算支撑。自监督学习的出现，让大规模的数据无需再进行人工标注，由模型直接从无标签的数据中自行学习，节省了大量的人力和时间成本，也让可训练数据的范围无限扩大。算力的不断突破为大模型的迭代提供了可能在硬件架构方面，异构计算、算力高速互联等技术产品的应用，能够提供性能更强、灵活度更高的算力适配；同时，芯片、框架等跨层次间的全栈融合，实现了算力更高效的应用，带来综合能力的提升。011.1 大模型点燃AI技术发展新引擎预训练大模型的爆发加速AI价值定位演进，从辅助性工作形态迈入AI生产力新阶段。近两年，以Transformer为核心的预训练大模型在产品化和商业化上的持续突破，使得AI可高效率地完成重复性的工作，并更智能地开展创造性的工作。AI以更灵活的形式泛化为劳动工具、劳动者，实现内容创作、分析控制、智能助手等智能化任务，支撑用户大幅提升生产力。AI正在以生产力的形态从应用探索走向全面赋能，即AI技术成为或赋能劳动者、劳动工具、劳动对象，形成新的系统性力量。AI生产力的价值可以从AI对生产力三要素的作用角度来分析。当AI成为劳动者或者辅助劳动者工作，例如AI员工、AI形象等，以AI为形态的新劳动者将大量涌现，颠覆性地改变现有的生产生活方式，能够大幅度提升企业的人力资源效能。当AI成为劳动工具或提升传统劳动工具性能，例如AI模型、AI应用等，能够自动化地完成劳动或让劳动者使用更高效的生产工具，同样也能大幅度降低人力成本，提升工作效率，降低人为差异带来的风险问题。当AI成为劳动对象或赋能传统劳动对象，例如数据资料、知识资料等，使劳动对象的内涵更丰富、形式更多样，劳动者基于此也能够创造出更多新的业务形态，从而实现更高阶的应用。1.2 AI开始以生产力形态释放价值通过构建和运行机器学习流水线，统一机器学习（ML）项目研发（Dev）和运营（Ops）过程的一种方法，中国信通院人工智能研发运营体系（MLOps）实践指南（2023年）。图9 AI大底座促进AI应用规模化落地构建在AI大底座基础上的AI能力，特别是生成式AI能力，为企业带来的价值将主要体现在生产效率与体验效果的大幅度“双效提升”上，促进企业在生产研发、客户交互等方方面面的效能优化升级，甚至重塑业务形态与流程。生产效率的提升主要体现在内容生产效率、任务生产效率和应用开发效率的提升。体验效果的提升主要体现在重塑客户体验、重塑员工体验和AI原生组织的演进。以大模型和生成式AI为核心的AI大底座以大模型为内核的AI大底座促进AI应用规模化落地。大模型是智能型企业应用AI技术的核心落脚点，是人工智能迈向通用人工智能的里程碑技术，能够驾驭好大模型是完成智能化升级路径上的必答题。其一，大模型颠覆了人工智能的研发范式，AI应用落地门槛更低；其二，大模型实现从对现有内容或任务的分析、分类、判断、预测的辨别式AI演变为自动生成开放创新的内容或任务的生成式AI，AI应用范围更广；其三，大模型使得AI技术全面融入企业的前中后台，AI技术对领域赋能更深。3.2.2 AI大底座助力企业快速打造AI能力，实现智能化企业转型价值3.2.3 以AI大底座为基础，实现企业生产效率和体验效果的“双效提升”AI大底座助力企业构建智能化新范式23AI 1.0时代任务1模型1数据集1任务2模型2数据集2任务3模型3数据集3多种任务基础大模型“所有”的数据AI 2.0时代海量数据，无需人工标注，跨领域知识的基础大模型，执行多种任务01 AI应用落地门槛更低AI 1.0时代，一事一模型；AI 2.0时 代，一个大模型支持多种下游任务02 AI技术应用范围更广可以自动生成各类内容，包括文本、图像、语音、视频、代码等，能广泛应用于新闻、文案、对话、规划、设计创新等03 AI技术对领域赋能更深对企业前台、中台、后台业务均有支持重新定义技术应用范式重新定义人机交互体验图10 AI大底座的价值：实现生产效率和体验效果的“双效提升”以大模型和生成式AI为核心的AI大底座内容生产效率提升：智能型企业以人工智能生成内容，提升内容生产效率。随着ChatGPT和文心一言等大模型产品的发布，生成式AI可以帮助我们生成代码、文字，甚至跨模态的图片、视频，将来自互联网、学术研究、业务积累的大规模数据和专业技术知识通过大模型的泛化能力，生成对特定问题的合理回答，大大简化了企业在大规模数据准备和处理上的技术复杂度。通过大模型结合自有数据，即可充分利用外部知识和内部知识生产内容，缩短数据到知识、知识到应用的距离，广泛应用于对内管理和对外业务场景的内容生产中，提升效率。比如可口可乐公司正在与OpenAI和贝恩合作，使用ChatGPT和DALL-E平台来制作个性化广告文案、图形和消息，提升营销内容生产效率和创造力。任务生产效率提升：智能型企业以人工智能生成任务，缩短目标到执行的距离。基于大模型分解和处理复杂问题的能力，结合调用和执行外部插件的能力，生成式AI可以实现复杂流程的自动化调度与执行。我们只需要给大模型下达一个业务目标或意图，它就可以拆解目标、生成任务执行路径，并调动相关业务系统执行指令。比如在AutoGPT中，用户不需要不断对AI提问以获得对应回答，只需为其提供一个AI名称、描述和五个目标，然后AutoGPT就可以自己完成项目，包括读写文件、浏览网页、审查自己提示的结果等。这只是一个开始，未来用户可以将更复杂的任务交给AI智能体，让它自主地提出计划并且执行，在企业场景中可大大提升任务生成和执行效率。应用开发效率提升：智能型企业以新的软件开发范式，提升应用生产效率。在模型训练上，AI应用中的模型训练从以往单任务的定制化建模变成了跨任务、跨模态、跨语言的统一建模；在研发模式上，应用问题从之前的针对性编程解决变成数据驱动方式解决，企业开发AI原生软件的效率得到跨越式提升。比如，预训练开发模式可以把训练数据量减少90%，以更少的算力投入，通过端到端训练和微调，以更短的开发周期实现模型训练和精调。据测算，模型开发时间目前最快可实现双效提升生产效率体验效果应用开发效率软件开发范式任务生产效率AI生成任务内容生产效率AI生成内容AI原生产品和服务重塑客户体验AI原生组织演进人机交互范式渗透重塑员工体验AI原生工作方式AI大底座助力企业构建智能化新范式24重新定义技术应用范式重新定义人机交互体验AI大底座助力企业构建智能化新范式25下降85%，从1周缩短到1天。不同业务场景下的复制迁移更加便捷，训练和调优模型所需的数据量大幅减小，企业将能够直接生产自己所在场景的AI原生应用，塑造在智能时代的核心竞争力。重塑客户体验：智能型企业提供AI原生的产品和服务，重塑客户体验。在过去，AI实现了营销的千人千面；在现在，生成式AI实现了产品和服务本身的千人千面。智能型企业提供基于生成式AI的个性化的产品和服务，比如韩国外语学习应用Speak，通过大模型实现一对一的教师服务，为每一个孩子提供个性化教育。不仅是虚拟产品，未来在更多的智能产品身上，如智能网联汽车、智能家电，生成式AI将带来更多产品功能、形态和内涵的变革。与产品升级同步的转变将延伸至整个产品生命周期，研发、制造、调度、后服务等环节也将在AI的赋能下加速升级。当然，生成式AI也直观地重塑了营销和客服，基于生成式AI的各种数字人、智能客服，以更自然、友好的人机交互界面，更懂客户所思所想，成为客户的个性化助理。重塑员工体验：智能型企业提供AI原生的工作方式，重塑员工工作体验。智能型企业更注重为员工提供AI原生的工作方式。生成式AI一方面帮助我们写文档、写PPT、写代码，成为员工的生产力助手；另一方面提升员工协作和知识共享的智能化，重构新的工作方式。比如百度的如流智能工作平台，让每一位员工都有一个具有丰富专业知识、实时响应的工作助理，通过对话理解能力实现聊天记录的智能总结，通过日常沟通和工作内容分析推荐来自他人的知识分享，形成个性化的工作界面，让员工的业务敏感度和创造力都大大提升。近日，代码助手Baidu Comate也正是开放邀测，百度内部采纳率达到30%-50%。AI原生组织的演进：智能型企业应用新的人机交互范式，逐渐演变为AI原生组织。大模型带来人机交互方式的颠覆性转变，过去由人去适应机器，现在变成机器来适应人。智能型企业将在越来越多的对内和对外场景中应用新的人机交互范式，用生成式AI思维重塑产品、服务和工作流程，进而重塑组织形态、生态布局和企业战略，为下一个十年、下一个三十年的重要转型做准备。每个企业都要尽快行动起来，重新思考自身的优势以及如何用生成式AI放大优势，选择适合自身的技术路线，做好投资规划，在新的竞争环境下脱颖而出。3.3 企业级智算中心构建路径企业级智算中心的构建是一项系统工程，其构建的过程，也正是AI生产力在企业需求侧逐步释放的过程。依托AI大底座构建企业级智算中心，需要以精准识别、贴近企业的整体规划为顶层设计，以打通资源、覆盖全生命周期的平台建设为核心抓手，以业务导向、开放共享的持续运营为重要保障。AI大底座助力企业构建智能化新范式26整体规划平台建设持续运营蓝图设计资源支持制定基于AI大底座的AI发展路线图，具象化未来远景与发展路径调研AI应用需求摸底现有AI资源体系化推进AI平台建设形成企业内部AI应用开发新范式，提高模型研发运营的自动化水平并助力模型标准化场景应用开发生态联合运营AI人才培养运营管理机制业务导向，开放共享，实现AI的内化与外化，推动全面升级和持续创新战略升级组织协同生态布局企业级智算中心构建方法实现“AI能力的随用随取”，持续产生业务价值现状识别路径规划推进智能型企业全局规划，实现AI相关资源的科学有序整合，是企业侧释放AI价值的先决条件，也是企业级智算中心构建的关键第一步。自上而下的整体规划，将体系化梳理现有AI基础资源（AI底层能力、AI系统平台等），多元化呈现企业的AI场景需求，是高效建成企业AI能力与扎实推进AI应用赋能的重要驱动。整体规划以要素资源布局以及AI与业务融合为核心。对于AI基础要素，整体规划需要对数据资源互通、智算设施建设、AI算法平台系统级扩展进行针对性的规划设计。对于AI与业务融合，整体规划需将智能化发展思想融入到企业整体的业务规划当中，对AI技术布局以及未来发展有一定的理解和判断，并具备前瞻性布局的能力。3.3.1 整体规划现状识别蓝图设计路径规划资源支持通过全方位调研企业智能化渗透程度，依托智能型企业评估模型来对企业的智能化现状进行评估识别，摸清企业AI发展需求通过具象化未来愿景为企业设计蓝图，设立AI战略愿景，从技术底座、场景应用、持续运营三个层面描绘未来蓝图远景制定基于企业级智算中心的AI发展路线图，明确各阶段关键里程碑和成果评估指标协调资源的支持，通过组织、人才等资源配置支持，为整体工作提供保障 图12 企业级智算中心构建路径：整体规划图11 企业级智算中心构建方法AI大底座助力企业构建智能化新范式27从推进步骤看，整体规划可分为现状识别、蓝图设计、路径规划、资源支持等工作。第一步，现状识别。通过全方位调研企业智能化渗透程度，依托智能型企业评估模型来对企业的智能化现状进行评估识别，摸清企业AI发展需求。第二步，蓝图设计。通过具象化未来愿景为企业设计蓝图，设立AI战略愿景，从技术底座、场景应用、持续运营三个层面描绘未来蓝图远景。第三步，路径规划。制定基于企业级智算中心的AI发展路线图，明确各阶段关键里程碑和成果评估指标。第四步，资源支持。要协调资源的支持，通过组织、人才等资源配置支持，为整个工作提供保障。从推进步骤看，平台建设可分为调研模型需求、摸底现状、体系化建设等工作。第一步，调研AI应用需求。研判企业核心业务智能化发展趋势，归总各业务AI应用的建设及引入计划，明确AI应用背后对AI模型的整体需求，并围绕数据准备、数据清洗、模型设计、模型调优、模型部署等模型研发流程，进一步细化智能算力需求、AI数据集需求以及AI开发平台需求。第二步，摸底现有AI资源。准确掌握当前企业侧AI三要素设施资源，以及研发平台、运维平台资源，为下一步实现平台的协作与整合奠定基础。第三步，体系化推进AI基建平台建设。制定企业侧AI平台整体架构，明确AI平台不同模块的主任责任方，以及不同板块AI平台技术、功能、目标等。平台是企业侧AI能力的承载体，是企业统筹推进AI资源布局管理的关键工具，平台建设是企业级智算中心的核心。平台建设致力于打通智算资源、样本中心、模型中心、AI开发平台，建设具有统一的模型及计算资源纳管、模型训练和部署运行环境、企业级模型仓库和开放能力服务等功能的AI基础服务平台，提供面向企业AI模型开发全生命周期的解决方案，形成企业内部AI应用开发新范式，提高模型研发运营的自动化水平并助力模型标准化，为数据智能应用创新提供企业级平台支撑。3.3.2 平台建设持续运营，是将AI能力广泛应用到企业经营管理、业务运营的诸多场景，打通AI落地应用的“最后一公里”，让AI真正内化为企业价值创造的血液，是企业级智算中心的关键保障。业务导向是企业级智算中心运营的关键原则，需要通过持续运营，打通业务团队、内部管理团队、技术团队等多个组织。企业应培养适配新需求的AI人才，建设促进业务与技术融合的运营管理机制，通过AI能力的内化实现AI能力的外化。3.3.3 持续运营调研AI应用需求研判企业核心业务智能化发展趋势，归总各业务场景需求细化智能算力需求、AI数据集需求以及AI开发平台需求摸底现有AI资源准确掌握当前企业侧AI三要素设施资源，以及研发平台、运维平台资源，为下一步实现平台的协作与整合奠定基础体系化推进平台建设制定企业侧AI平台整体架构，明确AI平台不同模块的主任责任方，以及不同板块AI平台技术、功能、目标等图13 企业级智算中心构建路径：平台建设AI大底座助力企业构建智能化新范式28图14 企业级智算中心构建路径：持续运营从推进步骤看，持续运营可分为建立常态化机制、支撑场景应用开发、推进AI人才培养以及生态联合运营等工作。第一步，建立常态化运营管理机制。重点确立模型生产管理规划、模型服务管理规范、运维保障规范等，形成模型开发、管理、运行的标准与机制，支撑日常运营。第二步，支撑场景应用开发。通过构建业务导向的AI业务赋能平台，提供AI创新服务和解决方案，帮助业务方开发适用于具体业务场景的模型和应用，拓展业务方的AI认知宽度和应用深度。第三步，推进AI人才培养。通过搭建企业内部AI学习平台，以及建立持续成长的AI培养成长机制，提升全员的智能化意识和能力，建设企业AI人才梯队。第四步，开展生态联合运营。通过联合生态合作伙伴，共建AI创新实验室/创新中心等平台，推动行业模型、行业大模型和应用的创新共享，打造开放共享的生态联合运营模式。在汽车产业电动化逐步实现的过程中，智能化将成为下一个新的发展风口。自动驾驶将驾驶员从繁琐的驾驶操作中解放出来，成为汽车智能化的核心环节，自动驾驶技术成为汽车产业发展新变量。随着自动驾驶等级（L1级-L5级）提高，传感器数量、算力水平、数据采集量将随之增长，推动自动驾驶技术体系实现车端、云端、路端同步升级发展。“软件定义汽车，硬件定义软件天花板”，技术软件与硬件配置所共同决定的“算力”，是现阶段从低级别自动驾驶向高级别自动驾驶跨越的关键因素；而掌握自动驾驶领域的核心关键技术，从数据获取、底层算力、软硬件开发等层面形成闭环，是车企打造独特护城河的必由之路。3.4 以AI大底座构建企业级智算中心的优秀实践3.4.1 自动驾驶：数据重塑汽车，云端加速智能AI业务赋能平台助力AI业务落地应用场景规划AI知识 实战课AI平台实用教程AI场景需求实现AI创新服务与解决方案AI大赛AI落地场景探索AI创新实验室助力AI开放共享合作共建对外赋能供应商选型AI开发生态行业 AIAI培训认证AI技术沙龙AI私享会AICA首席AI架构师培养计划运营管理机制模型生产管理规范 模型服务管理规范 运维保障规范 宣传推广场景应用开发AI人才培养生态联合运营AI学习平台随时学获技能微认证AI企业内训集中培训获企业级认证AI大底座助力企业构建智能化新范式29经过多年的技术积累，百度自动驾驶业务沉淀了完备的研发全链路解决方案，为传统车企、造车新势力、Tier1厂商、自动驾驶解决方案厂商等各类车企提供基于云端的全链路开发工具，打通自动驾驶端到端开发流程，通过AI大底座-工具链-场景的完整流程，助力车企构建自动驾驶云，打造面向未来的“智能网联汽车”。针对自动驾驶业务所具有的海量数据、大规模数据处理、特殊感知模型、大规模仿真任务等特点，AI大底座为车企提供极致效能的算力，加速车企模型研发；同时提供数据采集、数据标注、智驾研发、云仿真、运营服务、合规服务等工具链体系，以进一步支持自动驾驶应用的具体场景，如自动驾驶研发迭代、量产数据回传、驾驶能力评估等。图15 自动驾驶行业AI大底座应用解决方案典型案例：长安汽车智算中心场景自动驾驶研发迭代真值系统车端采集程序云端管理平台量产数据回传驾驶能力评估驾驶仿真数据交易海量数据资产管理测试场运营管理Robotaxi运营AI中台百度百舸AI异构计算平台工具链采集标注服务标注平台数据管理标注量产数据闭环数据挖掘工作流引擎IssueFinder数据统计分析数据可视化自动驾驶数据管理平台数据闭环Badcase闭环路测问题闭环自动驾驶研发平台自动驾驶模型训练平台智驾研发传感器仿真场景挖掘服务V2X测试服务云仿真车辆监管盒子Fleet平台Robotaxi运营平台云代驾运营服务合规室建设合规云服务大里程测试服务合规服务自动驾驶应用百度AI大底座车辆改装外业采集数据处理智驾镜像管理服务测试分析平台度量评价平台场景库服务Worldsim仿真无限里程Logsim仿真云端数据脱敏量产车车端合规SDK客户背景：长安汽车是中国汽车四大集团阵营企业，拥有161年历史底蕴、39年造车积累，全球有12个制造基地，22个工厂。2021年，长安系中国品牌汽车销量累计突破2000万辆。长安汽车拥有来自全球30个国家的工程技术人员1.7万余人，建立起“六国十地”各有侧重的全球协同研发格局。同时，长安汽车拥有专业的汽车研发流程体系和试验验证体系，确保每一款产品满足用户使用10年或26万公里。AI大底座助力企业构建智能化新范式30客户需求：随着智能网联与自动驾驶等AI业务的发展，AI研发业务开展面临模型训练任务速度慢、资源利用率低等挑战，公司原有的算力与存储能力需要提升。建设路径：长安汽车携手百度智能云建设长安汽车智算中心，通过AI大底座为长安汽车智能网联和自动驾驶业务研发提供高性能、高弹性、高速互联、高性价比的AI算力与存储资源，加速长安汽车AI应用工程化落地，助力长安汽车智能网联和自动驾驶汽车自主研发进程，为推动中国汽车产业“换道超车”贡献力量。图16 百度智能云助力长安汽车构建智算中心价值提升（技术）：AI模型训练效率提升：通过AI大底座提升自动驾驶模型的训练效率，助力长安汽车智算中心实现计算能力突破100亿亿次，单模型训练效率提升高达125倍。资源利用率提升：通过应用云原生AI能力进行资源管理、调度、任务管理，实现GPU资源的精细化管理和调度，提升资源利用率。千卡集群算力调度及 PB 级分级存储管理专有云百度AI大底座长安汽车应用感知、决策、仿真、定位、语音.自动驾驶智能网联在人工智能、大数据、云计算等多种技术融合发展的背景之下，长安汽车投入新型IT基础设施的构建与应用，驱动智能网联与自动驾驶业务发展。AI大底座助力企业构建智能化新范式31生命科学是国家科技创新的关键领域，关乎人类社会的健康和发展。AI、云计算、大数据等互联网技术的发展，为药物研发、基因测序、RNA结构预测、病理诊断等方面注入新动能，支持生命科学领域向更快速、更精准、更安全、更经济、更普惠的方向稳步发展。随着计算能力的发展和海量数据的产生和积累，构建生命科学领域的人工智能基础设施，成为生命科学领域相关企业提质增效的关键，从而加速生命科学行业的智能化升级进程。聚焦生命科学领域，百度智能云的赋能思路是依托AI核心能力，构建算法 算力 生态：从生命科学行业核心场景切入，通过打造行业标杆应用，带动和沉淀高性价比的异构算力和高效的AI开发运行能力，进而可以向上优化生命科学行业已有应用、孵化新应用。目前百度智能云依托AI大底座，全新赋能生命科学领域，形成涵盖小分子药物研发、蛋白药物研发、mRNA疫苗设计、精准医疗等生命科学领域综合解决方案，为生命科学领域提供多维“数据”赋能，助力生命科学企业构建超强“算力”和“智力”。3.4.2 生命科学：构建生命计算的超强“算力”和“智力”图17 生命科学行业AI大底座应用解决方案典型案例：百图生科生物计算平台客户背景：百图生科（BioMap）是一家超大规模AI模型驱动的生命科学研发平台，致力于结合前沿AI和生物技术，构建高通量干湿闭环的生物计算引擎，建模蛋白质/细胞/系统的复杂规律，通过生成全新的蛋白质与生命体对话的方场景AIDD&CRO蛋白质基因测序mRNA疫苗设计AI 蛋白质组学AI中台百度百舸AI异构计算平台飞桨“螺旋桨”生物计算平台ADMET虚拟筛选分子生成分子活性预测小分子药物研发蛋白质结构预测蛋白质功能预测蛋白质与蛋白质相互作用PPI多肽设计蛋白药物研发RNA二级结构预测mRNA序列设计mRNA疫苗设计双药联用药物重定向精准医疗生命科学应用百度AI大底座AI大底座助力企业构建智能化新范式32客户需求：期望构建基于生命科学大模型的高性能生物计算平台，以实现药物研发效率的进一步提升，助力业务发展。建设路径：百度智能云为百图生科提供AI大底座，助力百图生科打造针对生物计算场景的超级计算集群，支撑其超大规模的蛋白质预训练模型、图神经网络靶点分析、蛋白质结构预测，并支撑EB级别的海量数据存储计算需求。基于超级计算集群，百图生科成功研发的xTrimo生命科学大模型体系，是生命科学领域的超大规模多模态模型体系，探索从蛋白到复杂生物体的进化规律，并基于此针对性地生成满足特殊需求的蛋白，以蛋白生成和与生物体对话的方式，加速人工设计蛋白进化的速度，从而解决生命科学行业的痛点问题。价值提升（技术）：算力提升：构建业界领先的高性能计算集群，提供微秒级通信时延，实现多元智能算力统一调度 架构感知，按业务场景匹配算力，加速AI模型训练与推理。成本降低：AI大底座助力加速计算对数据湖的访问性能，存储成本降低50%以上。式，实现特定的生物学功能，解决生命科学行业的痛点问题，比如靶点发现、药物设计、酶的从头设计和优化等，从而改善人类健康、实现可持续发展。百度AI大底座高性能计算引擎百图生科百度跨模态生命科学大模型体系xTrimo蛋白质结构预测蛋白质性质预测蛋白质互作网络预测复杂蛋白质结构预测扰动组学预测功能预测组学预测系统预测xTrimo-AxTrimo-PxTrimo-CxTrimo-S图18 百度智能云与百图生科共建生物计算平台AI大底座助力企业构建智能化新范式33价值提升（业务）：辅助预测：在蛋白质三维结构预测模型上，采用大规模蛋白质语言模型（PLM）替代多序列比对（MSA）和模板（Template）学习协同进化过程，蛋白质结构模型推理速度提升数百倍，加速药物研发进程。数智技术正在全面赋能金融机构转型升级以及促进金融与实体经济的加速融合，已呈现出金融机构数智化经营加速、产业数字金融深度融合、数字技术驱动绿色金融发展、金融信创成果涌现、金融机构加快数字化组织管理变革等行业趋势。根据银行业协会调研，78%的银行已将AI应用到业务场景中，但目前新兴技术在金融领域应用的标准规范还存在不足。对金融业而言，科技人才、交付速度、投放渠道等也都是AI应用所面临的难题。在金融机构加快金融科技布局和信息系统建设的过程中，借助外力成为必然。中小企业可通过与第三方机构合作的方式、大型企业可通过自研或合作研发的方式提升金融科技前沿技术应用研发能力。3.4.3 金融：打造三智新引擎，迈向数智金融新未来效率提升：1）百图生科xTrimo蛋白质结构的预测模型迭代周期从过去月级别提升至天级别，在组合药物协同效应的预测方面大幅度超过了SOTA水平。2）在多链蛋白复合物结构的精准预测方面，xTrimoDock 模型预测准确率与其他模型相比有80%以上的提升，并在业内首次实现了1-2埃米级别的预测抗体抗原复合物预测精度，达到冷冻电镜的解析水平。3）抗体结构预测模型xTrimoABFold执行速度比AlphaFold2快151倍，模型预测准确率显著优于SOTAs。AI大底座助力企业构建智能化新范式34典型案例：银行智能化中枢客户背景：某国有银行与百度智能云共同建立银行智能化中枢，支持风险业务建模、多业务场景AI能力应用和模型全生命周基于“云智一体”理念，百度智能云为金融机构提供“云智基座”、“数智经营”、“产融智合”三智新引擎，通过自主创新的基础云架构与AI大底座，全面满足金融业务场景的数字化与智能化转型经营需求，并与金融机构携手加速产业智能化升级，共赴数智金融新未来。其中，“云智基座”是自主化的云智一体底座，为金融机构提供安全可靠、自主可控的“云智一体”IT基础架构解决方案；“数智经营”助力金融业务数字化与智能化转型，赋能金融机构加速线上平台化运营和线下深度服务转型；“产融智合”意为产业与金融智能融合，金融科技深入产业场景，践行普惠金融，助力实体经济发展。AI大底座作为“云智基座”的核心组成部分，助力构建企业级智算中心，支撑企业在推进数字化、智能化转型的道路上不断发展。图19 金融行业AI大底座应用解决方案AI中台百度百舸AI异构计算平台市场调研行业、市场、用户产品智能金融数据平台银行互联网业务核心保险/证券互联网业务核心金融互联网核心AI建模层AI能力层AI业务层金融智能平台金融行业平台及应用百度AI大底座产品定价分层、差异定价产品优化数据采集、分析、市场监测业务场景开放用户开放开放生态技术服务开放平台开放寻客响应、CTR预测、风控前置营销智能落客推荐、销售、定价留客DMP、运营、召回智能投研智能风控运营智能智能审核智能办公智能监管内控风控智能事中监测、预警事后外呼、催收渠道触点云席、XTM、实体机器人、线上、家居、场景嵌入服务智能智能服务导购、售后、回访、面签、理赔、投顾数据服务产品数据智能工具投研、风险、精算产品开发策划、投放、交互触客事前 反欺诈、信评、审核、生物核身 AI大底座助力企业构建智能化新范式35在以数字技术、绿色技术为代表的新一轮科技革命浪潮中，我国工业转型升级的步伐逐渐加快。工业4.0时代，工业企业面临数智化转型，通过新技术、新方案进行产业变革，完成新旧动能转换已成为行业大趋势。智能化技术成为工业各细分领域企业的数智化转型关键，而针对工业领域细分场景繁多、企业应用场景碎片化、关注效益与性价比等挑战，建设并使用智能化底座可满足不同企业的数智化转型规划和落地计划。3.4.4 工业：工业4.0时代的新旧动能转换建设路径：通过引入AI大底座，该国有银行构建了全行范围内统一的机器学习平台作为智能化应用中枢，并持续进行平台升级、拓展场景建设。价值提升（技术）：模型开发：支持基于MLOps流程一站式开发和根据业务流程的模型迭代，解决云原生、大数据和 AI 配合的开发难题。通过提供强大的数据分析引擎、建模引擎，解决了大规模数据的工程难点；信用卡亿级别样本的数据清洗和分析时间从月级别、周级别压缩至小时级别，数据处理工作效率得以提升。同时，通过合理调配资源需求充分利用全集群算力资源，缩短训练耗时，提高集群利用率。模型纳管：平台可支持模型验证团队的模型全生命周期管理工作。目前银行共有上千个训练任务，管理上百项AI模型及在线服务，支撑各个核心业务系统及业务部门，成为行内智能化战略规划推进的中枢。价值提升（业务）：智能风控：助力风控领域的建模任务实施，如高级法达标零售分池、信用风险评分卡研发、反洗钱模型迭代、反欺诈模型研发、消金联合建模等多个项目。同时，已支持上百个信用评级、用户风险画像等相关模型的构建，实现了以天为周期的模型迭代，并通过自动化将审批时间缩短到秒级。智能旅程：为行内身份证、营业执照等通用票证识别能力提供了底层服务支持，支持移动展业、经营管理等场景的图像识别快速应用，满足行内外部客群个性化需求。期管理等。目前该人工智能平台已成为银行基础性金融科技平台之一，支持银行将AI技术应用于多个业务场景，全面提升银行智能化创新应用水平。客户需求：客户期望对各类AI应用整体统筹、规划，以避免相关能力开发和应用存在重复建设行为，同时提升模型纳管能力及资源利用率。同时，需要提高AI与金融业务的有效结合程度，提升各金融场景的模型开发及训练能力。AI大底座助力企业构建智能化新范式36百度智能云以自主可控、业界领先的AI技术为抓手，依托AI大底座，助力工业企业打造“云智一体”的技术能力。智能制造方面，以全面自研的IaaS、PaaS构建工业互联网基础平台，联合生态合作伙伴提供丰富的工业应用APP，实现设备、车间、企业、园区等制造产业链的全程智能化，优化企业生产效率，提高生产的灵活性和产品质量。智慧能源方面，基于AI、大数据、云计算、物联网等技术打造清洁、低碳、安全、高效的智慧能源体系，推进能源行业智慧化升级，助力双碳目标达成。交通物流方面，面向物流、港口、航空、城轨、道路等领域，打造全面互联互通的智慧大交通引擎，助力运输企业打造智慧化服务能力，并从运输效率、安全性、旅客/货主体验等方面，帮助运输企业提升自身竞争力。图20 工业行业AI大底座应用解决方案典型案例：国网福建电力人工智能规模赋能客户背景：国网福建省电力有限公司（简称“国网福建电力”）是国家电网公司的全资子公司，以建设和运营福建电网为核心业务，承担着保障福建省清洁、安全、高效、可持续电力供应的重要使命。公司稳步推进“数字闽电”建设，持续推动福建省能源系统数字化转型、智能化升级。客户需求：国网福建电力在人工智能技术领域已开展了大量研究工作（包括电力设备运检、安全监察、企业经营管理等方面），期望通过建立人工智能平台，发挥电力专业业务应用的协同、共享、集聚效应，针对智能客服、输电线路无人机巡检等业务场景AI分析处理需求，依托平台提供的训练环境进行相应的AI算法模型研发和迭代优化，实现行业汽车电子纺织电力油气水务化工钢铁装备煤矿AI中台百度百舸AI异构计算平台智能应用层设备管理智能排产质量管控能耗优化工艺优化安全生产企业服务产业大脑零碳园区安全园区产业教育产业金融创新孵化园区服务智能制造安全保障效能提升营销辅助服务改善交通物流智慧电厂智慧油气田智慧电网智慧管网区域能源互联网智慧供热智慧能源工业应用百度AI大底座AI大底座助力企业构建智能化新范式37建设路径：为探索人工智能精品应用，打开高质量发展空间，国网福建电力携手百度智能云，推进“两库一平台”（指模型库、样本库以及人工智能平台）新型基础设施建设，打通关键闭环，铸造电力智能化行业标杆。国网福建电力引入可完整体现国家电网总部“两库一平台”战略定位的AI大底座，建设省级训练环境，提供了国产化深度学习框架并具备notebook建模、可视化建模、自动化建模、产线建模等多种建模能力，在样本库、模型库及运行环境的基础上实现需求、样本、模型、应用和迭代的全流程业务贯通，构建人工智能电力关键业务全链条智能处理能力，支撑更高效、更规范的AI精品应用，形成电力“人工智能 ”的融合创新服务体系。价值提升（技术）：AI研发：AI大底座在完善样本库建设、模型库建设、人工智能平台训练环境建设、边云协同建设中充分发挥作用，有效支撑人工智能的应用研发。目前，国网福建电力已基于“两库一平台”研发、纳管上百个人工智能应用模型，与输电无人机、统一视频等应用集成，支撑省市侧电力业务智能应用。价值提升（业务）：智能巡检：深化应用无人机 输电智能巡检。在巡检一线，无人机接到工作人员指令后，可自主完成输电线路巡检作业，工作人员可通过管控平台远程监督，并将智能识别后的巡检结果快速推送给相关责任人，基于AI的智能识别算法的识别准确率与传统识别方式相比提升了30个百分点，识别效率提升了5倍。截至目前，AI在无人机巡检中已实现规模应用，福建全省2000多台无人机的巡检图片已经利用“两库一平台”实现智能识别与缺陷筛查；输电线路山火、烟雾等16类场景缺陷平均识别率达80%，一线人员日均阅读量下降90%。智能调控：在变电站，运维人员从线上接入智能调控系统，采用“一键顺控”操作，便可完成千伏变电站的倒闸操作，效率比过去提升了40倍到60倍，启动送电时间缩短了80%。智能抢修：利用无人机 人工智能，实现极端气候过后倒断杆的自动识别，极大提升了灾损定位速度和抢修效率，减少了用户的停电时间。互联网行业作为数字原生行业、AI原生行业，是云计算产业中的重要组成部分，也是AI、大数据应用水平较高的行业。互联网企业重视前沿技术的应用及价值，对于数智技术的接受和应用程度处于领先地位，通过广泛应用AI、物联网、大数据等新型技术，探索技术创新、促进业务发展。构建并提升AI基础设施，是加速互联网行业企业的技术创新发展的关键路径。3.4.5 互联网：云智融合，助力AI技术研发及应用海量数据智能分析的快速响应，满足高并发、大算力的AI业务需求。AI大底座助力企业构建智能化新范式38典型案例：互联网业务降本提效项目背景：某互联网企业与百度智能云合作，通过应用AI大底座，提升了开发效率和算力资源利用率，实现了企业业务的降本增效。客户需求：客户当前计算资源利用率不高，期望降低算力资源成本、提升资源利用率和开发效率，以支持推荐业务实现降本增效。建设路径：百度智能云通过AI大底座为客户提供高性能AI服务器及高速互联网络，支撑AI基础设施建设，并提供AI存储、AI加速能力，提升AI模型训练及推理效率。同时，通过提供GPU虚拟化能力及训推一体方案，完成业务混合部署，提升客户的资源利用率。百度智能云互联网解决方案以百度的技术优势和对互联网行业发展的洞察为基本出发点，经过与合作伙伴的共同实践和成长，基于AI大底座赋能互联网行业客户实现降本增效、业务创新。百度智能云已服务数百家互联网科技企业，覆盖了游戏、在线教育、影视等多个子行业，助力互联网行业AI原生应用创新发展。图21 互联网行业AI大底座应用解决方案AI中台百度百舸AI异构计算平台智能生产智能管理智能处理智能分发智能互联网视频智能选址智能营销智能客服智能门店零售场景创建渲染/烘培NFT游戏规则游戏建模数字人游戏引擎AR/VR游戏在线教学能力测评内容审核.考试阅卷监管合规教育营销在线教育互联网应用百度AI大底座.AI大底座助力企业构建智能化新范式39图22 百度智能云助力客户业务实现降本增效04GPU虚拟化 模型加速，助力互联网客户推荐业务降本增效百度AI大底座在线服务召回服务粗排服务精排服务数据集用户数据内容数据行为数据特征工程实时数据离线数据用户特征内容特征行为特征模型开发内容理解TagSpaceText-Classification召回模型TDMNCF排序Wide&DeepLR多任务ESMMMMOE互联网推荐业务价值提升（业务）：训练及推理效率提升：通过应用AI大底座的AIAK模型加速套件，模型训练和推理应用效率可提升30%；通过自研硬件与RDMA网络方案，可实现AI训练效率提升。资源成本降低：AI大底座的GPU虚拟化能力可支持算力和显存精细隔离，在保证业务稳定的情况下，助力客户在模型训练推理平台中提升整体资源利用率至50%以上，大幅降低GPU的资源成本。大模型建设：百度智能云为客户提供大模型相关经验，助力客户在AIGC大模型方向的探索建设及快速落地。40AI正成为智能时代的新型生产力4004AI大底座支撑区域产业实现智能化转型升级41区域产业智能化升级发展，是指依托AI等新一代数字技术提升社会生产力，为区域企业等提供基础资源，促进更多主体共同参与智能经济发展培育进程，推动产业生态创新化、多元化发展，拉动形成智能经济生态，实现产业升级、产业聚集、人才培养、经济发展，助力地方区域产业效力、合力、活力的提升。产业效力、产业合力、产业活力这三大关键要素，是区域产业智能化的主要特征，也是协同推进产业智能化转型升级的主体目标。以产业三力作为产业价值评估维度，将助力地方政府明晰当前AI能力水平与发展短板，同时对AI融合赋能实体经济现状有整体认知。产业效力主要关注AI拉动经济增长效益，产业合力主要关注AI对区域产业智能体发展的贡献程度，产业活力主要关注区域AI创新成果应用以及各层级人才规模。4.1.1 智能型产业的发展蓝图前期规划层面，AI如何与产业发展规划有机结合，寻找应用切入点是关键问题。在人工智能与实体经济融合过程中，各行业存在的共性问题集中且突出，即技术供需两侧彼此之间的了解不深刻。尤其在产业需求侧，由于人工智能技术的工程化应用尚在起步阶段，技术的更新迭代速度日新月异，产业界对如何自上而下进行布局规划，通过AI技术来重塑产业链、催生新业态，从而激发产业的效力、合力和活力的发展路径仍不明晰。此外，AI技术路线的选取，AI应用需求与算力供给的匹配，AI所需数据的规划、采集、治理等对于产业界而言均存在较大挑战。4.1.2 区域产业智能化升级面临的挑战除了在企业智能化转型中发挥作用外，AI的价值能够以点及面地扩展到更高层面，即对区域产业产生带动价值。使用AI技术推进产业智能化转型，是区域产业实现高质量的必由之路。4.1 智能化转型升级是区域产业高质量发展的必由之路图23 智能型产业关键组成及AI价值评估产业活力产业合力产业效力人工智能产值规模人工智能示范应用数量AI供给侧评估方向AI需求侧评估方向人工智能应用成效人工智能基建布局情况区域产业集聚度人工智能新应用数量人工智能高端人才规模人工智能复合型人才规模关键组成AI大底座支撑区域产业实现智能化转型升级AI大底座支撑区域产业实现智能化转型升级42建设布局层面，推进产业整体的智能化难度挑战很大，不仅需要贯通行业的统筹协调，还需要公共基础设施、体制机制配套等方面的跟进。产业的智能化转型的最终落脚点是在每一个企业，但是一方面，以单点去带动整个产业的智能化升级难度挑战很大；另一方面，算力、算法及数据各层面的基础资源也十分有限，算力资源的不平衡、算法的高技术门槛都是产业智能化推进过程中面临的挑战。在数据方面，用于AI训练的产业数据资源难以整合，高质量数据集缺失。在IT基础设施方面，支持产业智能化转型发展的公共基础设施目前仍处在早期的概念阶段或散点建设的状态中，在数据共享、数据交易等方面的体制机制建设也刚刚开始试点探索，在为产业智能化升级所提供的基础服务能力方面还存在很大挑战。运营发展层面，智能化产业生态的构建，产业集聚、智能应用在产业中的推广复制等多个方面均存在挑战。首先，在知识积累方面，AI技术在传统行业领域发挥作用的基础是建立在这个传统行业现有技术条件之上的，无法代替行业本身的基本原理、科学技术、工程经验。但是，当前业界主体对产业技术知识关注不够，未建立起知识收集积累并转化为算法模型的路径，“知其然而不知其所以然”的问题普遍存在，制约了AI赋能实体经济的进程。其次，在产业集聚方面，AI技术对产业链的重塑，会带来整个产业链条的变动，匹配新技术的需求会增加，新的产业视野也需要结合智能技术赋能的角度去进行解析。再次，在人才需求方面，与企业智能化转型中存在的问题类似，复合型人才的缺失是目前产业智能化升级中存在的较大挑战，如何通过智能化生态的打造来吸引和培育具备智能化知识的复合型人才，也是在产业智能化升级过程中需要解决的关键问题。最后，智能应用在整个产业链条中的推广复制也是一大挑战，需要明确通过何种路径能将优秀的智能应用快速推广复制到整个行业中，从而提升产业整体的智能化水平。4.2 以AI大底座构建产业级智算中心，推动区域产业智能化升级4.2.1 依托AI大底座构建产业级智算中心，是区域产业构建智能化底座的可靠路径产业级智算中心是基于最新人工智能理论，采用领先的人工智能计算架构，为区域内各方产业主体提供人工智能应用所需算力服务、数据服务和算法服务的公共的新型AI基础设施。从发展进程来看，智算中心已经成为助推数字经济高质量发展的重要力量，尤其在推进AI产业化、赋能产业AI化、助力治理智能化、促进产业集群化等方面发挥了显著作用。智算中心既是数字经济高质量发展的重要底座，也是支撑智能时代区域产业新生态格局构建的智能化底座。从技术资源的集聚来看，智算中心聚合了人工智能技术研发、应用转化、人才培养、企业孵化等功能，进一步集聚人工智能的技术研发优势、产业培育优势、人才优势等，激发倍增效应，实现推动人工智能产业发展、赋能本地产业。AI大底座能够拓展人工智能技术与产业间的触点，挖掘更多的应用场景，实现人工智能技术研发与产业应用快速衔接，为区域产业智能化升级提供基础保障。从智能化融合应用来看，当前区域层面城市治理、自动驾驶、新智能制造、智慧商业等关键领域场景应用和智算密不可分，产业级智算中心可依托专业的行业场景模型及知识库，高效支撑重点行业领域基础研发与业务升级，成为促进人工智能技术与实体经济有机结合的重要媒介，在赋能产业发展、促进数实融合发展方面发挥显著作用。比如，在医疗保健领域，可以提高医疗服务的精准性和效率，并且可以使医疗设备更加智能化，提高医疗水平；在金融领域，可以提高风险管理和投资决策的准确性和效率；在教育领域，可以改善学生的学习体验和教师的教学效果。AI大底座支撑区域产业实现智能化转型升级43图24 AI大底座的价值：提升区域产业效力、产业合力、产业活力智能计算中心创新发展指南，国家信息中心联合浪潮信息于2023年发布。4.2.2 AI大底座助力产业升级与区域发展，提升区域产业效力、合力、活力AI大底座助力增强地方经济效益，提升区域产业效力。AI产业作为高附加值产业，自身在区域的落地，是对整个区域产业结构调整、激活新的增长点的有力带动。AI大底座的落地，帮助区域产业构建AI技术能力，完成重复性高且复杂的工作任务，实现自动化生产，可替代人类完成重复繁琐的工作，释放劳动力，同时加快推进产业每个环节的智能化，极大地提升生产效率和产品质量。比如，在制造业领域，应用AI可以提高生产效率和质量，并且可以实现自动化生产流程，降低生产成本和劳动力成本。AI大底座的赋能还具备一定的示范效应，在行业内单点迭代形成的智能化能力，能够快速推广复制到整个行业，更为广泛高效地提升区域产业效能。此外，在AI大底座赋能过程中，可以沉淀大量的数据，通过数据流通、数据交易等方式，还能够进一步挖掘释放数据的深层次价值。产业级智算中心是区域智能经济生态的重要载体。据测算，“十四五”期间，在智算中心实现80%应用水平的情况下，城市/地区对智算中心的投资，可带动人工智能核心产业增长约2.9倍至3.4倍、带动相关产业增长约36倍至42倍4。AI大底座助力推动产业融合升级，形成区域产业合力。AI大底座可搭建数据要素采集流通平台，推动数据要素贯穿产业链、创新链上下游，将会推动形成产业链更短、协同更紧密的未来产业形态，在区域内形成集聚度更高、更智能化的产业生态，实现区域产业协同。AI大底座输出基于大模型提供的AI能力，帮助产业链上下游主体实现智能化、动态调整产品品类、优化产能等，实现精益管理，通过AI对供需的精准研判，辅助智能化采购决策，优化物流调度，提升供应链协同效率，对市场需求变化做出敏捷反应。在AI大底座之上构建的智能化的产业形态，将会大大加速生产、流通、分配、消费的社会生产循环过程，与国民经济各行业深度融合，深刻改变产业中的要素组合、组织结构、生产方式、业务流程、商业模式、客户关系、产品形态等，加快各行业质量变革、效率变革、动力变革进程，突破地理空间限制，推动区域间形成更强的产业合力。AI大底座助力营造企业发展生态，增强区域产业活力。AI大底座推进人工智能产业化发展，能够催生出许多新业态、新模式，尤其以智能化跨界融合为主要特点，打破了单一的产业路径，这些新兴产业对于国民经济、国防、国民社会的发展的活力至关重要。如AIGC可生成虚拟人物、角色形象等，可以为游戏、电影等行业提供更丰富多彩的角色形象，也可以为设计和创意领域提供各种艺术品和设计作品，带来新的商业机会。AI大底座为中小企业及个人应用大模型能力提供了可能性，以公共服务平台等方式为中小企业、个人提供用得起的AI能力，激发了更多创业主体的活力，从而实现业务的发展壮大。在人才集聚方面，AI大底座也能发挥出巨大的价值首先，可以催生出自由职业等更灵活的就业模式，降低就业门槛，提升就业率；其次，AI作为高新技术产业，天然对中高端科技人才具有强吸引力和汇聚力，人才的集聚与产业的发展同频共振，进而形成良好的、互相促进的循环发展格局。产业合力推动产业融合升级以大模型和生成式AI为核心的AI大底座产业效力增强地方经济效益产业活力营造企业发展生态推动人才聚集催生新业态、新模式提供普惠AI算力构建AI技术能力形成紧密的产业生态加速社会生产循环加快各行业变革具备示范效应释放数据价值AI大底座支撑区域产业实现智能化转型升级44推进整体规划，明确产业级智算中心建设定位，研判基建规模、技术生态、需求主体等基础要素，是产业级智算中心立足区域产业发展需求、助力区域产业高质量发展的必要前提。产业级智算中心的构建涉及到多主体、多环节、多场景，构建前必须明确整体规划，统筹各要素之间的协同关系，助力产业级智算中心成为促进AI产业化和产业AI化的重要引擎。4.3.1 整体规划产业级智算中心的构建是以更宏观的视角，聚焦区域产业转型发展，推进AI更快速科学地赋能区域产业，是AI生产力在产业侧逐步释放的过程。依托AI大底座构建产业级智算中心，需要以定位明确、要素清晰的整体规划作为顶层设计，以通用化、标准化的平台建设作为核心抓手，以智算中心产业基地为主体、产业运营和业务运营为两翼的持续运营作为重要保障。4.3 产业级智算中心构建路径图25 产业级智算中心构建方法整体规划平台建设持续运营明确建设模式明确建设定位研判建设规模确定技术生态路线明确产业级智算中心建设定位，研判基建规模、技术生态、需求主体等基础要素梳理场景需求设计功能架构细化技术方案支撑智能算力生产、聚合、调度和释放，将AI底层技术通用化、标准化“一体”：智算中心产业基地“两翼”：业务运营、产业运营实施“一体两翼”的运营模式，加强区域智算产业融通产业布局创新驱动资金保障人才培养产业级智算中心构建方法让AI融入区域产业“无阻碍”AI大底座支撑区域产业实现智能化转型升级45推进平台建设，支撑智能算力生产、聚合、调度和释放，将AI底层技术通用化、标准化，实现AI服务的规模化，是落实产业级智算中心整体规划定位的主体工作。随着产业端AI大规模部署以及多元算力的不断拓展，产业级智算中心面临异构芯片、多种类操作系统及多样化软件平台带来底层架构多芯多栈的问题，对平台建设也提出更高要求。平台需要向上承载和支撑各类行业应用，向下对接各类底层芯片，通过对底层资源的统一纳管、服务、运营和运维，助力不同客户实现业务的精细化运营。4.3.2 平台建设从推进步骤看，产业级智算中心整体规划可分为明确建设模式、明确建设定位、研判建设规模、确定技术生态路线等工作。第一步，明确建设模式。产业级智算中心是服务于产业的新型公共算力基础设施，致力于解决算力不平衡、不充分的问题。政府有效投资的牵引，能发挥可持续发展的保障作用，因此需要通过政府牵头建设、与社会企业合作运营的综合性建设模式来引导，兼顾公共性与盈利性。第二步，明确建设定位。根据区域层面产业发展、社会治理、科研创新等实际需求，结合区域十四五规划，明确产业级智算中心的总体定位与核心功能，通过建成普惠算力平台、科技孵化平台、人才培养平台、产业聚集平台，推动人工智能产业链、创新链、资金链、人才链深度融合，实现智算赋能体系的快速发展，全面提升区域智算产业的持续发展能力。第三步，研判建设规模。通过系统性调研，掌握区域层面推进AI模型开发应用的核心主体，以及消纳智能算力的重要场景，研判分阶段智能算力建设规模。第四步，确定技术生态路线。技术能力具备先进自主性是产业级智算中心的典型特征，也是必然要求。因此，需要开展产业级智算中心技术架构可行性研究，剖析当前全球智算最新技术趋势及典型产品，针对不同技术路线进行对标分析，围绕关键技术环节确定技术生态路线。图26 产业级智算中心构建路径：整体规划明确建设模式明确建设定位研判建设规模确定技术生态路线自主可控开放生态产业赋能业务场景生态运营数据中心AI PaaS AI IaaS绿色低碳城市大脑普惠算力万象智能监控平台科技孵化人才培养产业聚集智能制造生命科学自动驾驶AI中台知识中台产业级知识增强大模型深度学习框架智能大数据视频AI计算AI存储AI加速自研芯片供电魔方制冷魔方IT魔方建筑模块多元国产CPU多元国产GPUAI容器语音AI大底座支撑区域产业实现智能化转型升级46从推进步骤看，产业级智算中心平台建设可分为梳理场景需求、设计功能架构、细化技术方案等工作。第一步，梳理场景需求。针对区域层面AI应用场景，开展系统性调研分析，包括不同行业大中小微企业在生产、研发、管理、营销等产业智能化升级场景，数字政府、数字社区、智慧城市等社会治理智能化转型场景，以及高校院所推进基础科研创新场景，掌握区域内重要主体开展AI模型开发的具体需求，用以支撑确定智算/超算资源比例，以及通用大模型/行业专用大模型投入量等重要事项。第二步，设计功能架构。围绕细化的场景需求，依托AI基础设施“3 1”体系，开展产业级智算中心平台逻辑架构设计，包括智算设施、AI算法平台、AI数据平台，以及面向区域层面城市大脑、产业金融、自动驾驶、基础科研等场景的AI开放创新平台。第三步，细化技术方案。秉持技术先进、绿色低碳、自主可控、开放多元等原则，细化产业级智算中心平台建设技术方案，包括AI芯片、智能计算编程框架、智算集群、智能软件系统、通用大模型等关键技术环节。通过用一套云操作系统来管理不同架构的硬件服务器集群，实现多芯的“异构融合、异构加速、超大规模、场景通用”，高效利用云上资源池的强大算力，满足高并发、高弹性、高精度等不同计算需求，为用户提供体验一致、自主可控的云计算服务。图27 产业级智算中心构建路径：平台建设“一体两翼”的运营模式指以智算中心产业基地为主体，业务运营、产业运营为翼。通过加强区域智算产业融通，促进人工智能产业集聚和生态建设，助力区域打造国家级示范应用，建立“产学研投融贸”于一体的智算中心产业运营体系。从各省市已落地的智算中心看，产业级智算中心只有在持续运营中才能释放AI价值，并有效赋能区域产业发展。除算力算法供应外，持续运营还将推进行业赋能、科技孵化、人才培养、产业集聚。4.3.3 持续运营梳理场景需求针对区域层面AI应用场景，开展系统性调研分析，掌握区域内重要主体开展AI模型开发的具体需求等重要事项设计功能架构围绕细化的场景需求，依托AI基础设施“3 1”体系，开展产业级智算中心平台逻辑架构设计 细化技术方案秉持技术先进、绿色低碳、自主可控、开放多元等原则，细化产业级智算中心平台建设技术方案 AI大底座支撑区域产业实现智能化转型升级47宜昌市点军区位于宜昌城区长江以南，是宜昌5个主城区之一。电子信息、总部经济、商贸物流、文化体育、康养旅游、大数据等产业是点军区重点产业。通过联合投资模式，点军区政府和百度共同成立湖北省内首个百度智能云-昆仑芯智能生态中心，为当地引入百度生态与4.4.1 宜昌点军“芯”基建智算中心业务运营以AI项目合作为依托，面向用户主体推进AI咨询规划、提供智算资源、输出高价值产品及解决方案，并提供数据资讯、AI应用开发、AI人才培训等服务。业务运营为用户的创新发展提供高效、智能、开放的平台，营造良好人工智能创新氛围，孵化一批人工智能落地应用。产业运营基于业务运营沉淀的企业级标杆案例、机理模型、统一数据等，打通区域中产业链上下游各企业，并联合科研院所、创业公司、产业引导基金等生态，进行政策指引、创新孵化、品牌推广。通过产业运营，可以有效地推进当地AI人才的培育、吸引与留存，激发人才创新创业活力，创造大量的就业机会，使得有更多高质量人才服务当地企业。业务运营和产业运营共同支撑高质量、全通路的智算中心产业基地运营体系。智算中心运营以业务运营为基础打造优秀智算产业实践案例，以产业运营为核心融通构建区域智算产业基地，形成创新孵化中心、国家级示范应用、成果展示中心、云智人才中心、产教融合示范基地、产业基地试点示范等多项创新及示范组织。同时，智算中心产业基地可以通过特色智算产业模式探索、细分行业平台服务商培育反哺业务运营和产业运营。图28 产业级智算中心构建路径：持续运营4.4 以AI大底座构建产业级智算中心的优秀实践“一体两翼”智算运营生态建设品牌推广金融工具科研院所政策指引创新孵化产业链产业运营优秀实践区域智算产业融通构建智算运营应用服务典型案例机理模型数据统一AI芯片咨询服务教育服务开发服务解决方案智算服务云服务业务运营智算中心产业基地 细分行业平台服务商培育优秀智算产业实践案例打造特色智算产业模式探索政策创新孵化中心成果展示中心国家级示范应用资金 技术创新示范云智人才中心产业基地试点示范产教融合示范基地AI大底座支撑区域产业实现智能化转型升级48提升产业效力：依托点军人工智能算力中心，打造具有标杆意义的应用场景体系。智算中心落地后，承接点军区社会综合治理智能化、数字美丽乡村等项目。通过人工智能新基建智算中心项目建设，实现城市人口、车辆、河流、乡村、社区、火灾、电力、可燃气体、渔船等多领域智能化管理，保障人民群众生命和财产安全，提高区域城市管理智慧化水平，加快推动智慧城市建设。形成产业合力：智算中心构建数字经济平台，为人工智能等企业提供高价值数据系统，为点军区导入人工智能和物联网核心技术与生态资源，赋能当地企业、院校、机构，同时可吸引产业链上下游企业落户，推动人工智能和物联网产业集聚，引领当地数字经济发展。增强产业活力：点军区人工智能算力中心在服务本地区业务的同时，又将算力对外输出至周边区域，形成全新的商业与生态循环模式，探索出独特的可持续发展路径。智算中心形成区域化服务能力，为周边县市区算力需求提供强力支撑。价值提升：图29 宜昌点军“芯”基建智算中心效益 火灾预警4800处重点位置 河道管理80公里 智慧水务20000户农村家庭 关键卡口摄像头2500台高清摄像头 能源监控1100处核心能源节点城市智能“芯”视觉感知城市安全城市生态城市资源城市治理数据平台城市全感知系统物联感知大数据感知云平台算力平台品牌资源以及人工智能和物联网核心技术，定向为当地企业及有关机构提供“飞桨”、“百度大脑”、“物联感知网络”等开放性技术平台和资源，并开展人工智能培训课程、技术交流和行业论坛，推动人工智能和物联网产业集聚。随着全球价值链分工和贸易体系持续变革，国际政治经济环境动荡发展，我国现代化进程面临的挑战日益加剧，这亟需我国产业快速迈进更高的价值端，智能化转型成为了必然。从发展趋势看，经济社会将全面加速进入智能化时代。构建智能型企业与实现区域产业智能化，不仅是未来的愿景，也是当前形势下的要求，更是数字经济发展的必然趋势。在通往通用人工智能之路上，以大模型为核心的生成式AI的应用效果突破，将持续催生海量的商业新模式，新应用将以AI原生形态出现，企业级产品业务流程将会被重塑，产业级新兴生态也将构建。新技术的快速发展与传统产业模式、知识结构的错位，带来了AI供需间不匹配的挑战。以深度落地赋能为导向，AI供给侧持续推进技术要素全面融合、技术能力自主可控、技术服务普惠低成本，AI供给“基建化”顺应产业智能化转型发展所需所求，势在必行，AI基础设施正成为AI的关键供给形态。其中，AI大底座有能力成为衔接供需的优质人工智能基础设施平台与渠道。作为一个全栈融合的智算基础设施，AI大底座凭借其全要素、端到端优化的特点，在满足产业对基础设施的最新需求的同时，恰恰能解决智能化过程中资源效能和模型效能的瓶颈问题。这将推进AI底层技术的通用化、模块化，实现AI服务的规模化，从而极大降低AI产业应用的门槛。在智能化浪潮席卷而来的时候，以AI大底座支撑企业和产业的智能化转型和升级，将是面向未来的必然选择。整体展望版权所有本白皮书版权属于北京百度网讯科技有限公司所有，并受法律保护。未经事先书面许可，任何主体或个人不得修改、复制、转载、摘编或以其他任何方式使用本白皮书的全部或部分内容，或以任何形式发表。免责申明本白皮书仅供一般参考使用，并非针对任何个体或团体的个别情况而提供。虽然编写团队已致力于提供准确和及时的资料，但不能保证这些资料在您获取时或日后仍然准确。如您进行任何决策，请详细考虑相关情况并获取相关人士专业建议。

0人已浏览 2023-10-29 51页 5星级

2022AI INDUSTRIAL VISION SOLUTIONS AI工业视觉解决方案白皮书 2022 Microvision.All rights reserved.版权声明COPYRIGHT本.

0人已浏览 2023-10-29 60页 5星级

中国AI大模型工业应用指数中国工业互联网研究院香港科技大学 中国经济信息社2023年10月12党的二十大报告 构建新一代信息技术、人工智能、生物技术、新能源、新材料、高端装备、绿色环保等一批新的增长引. 

0人已浏览 2023-10-27 15页 5星级

12023智能质检选型指南Megaview 销售增长研究院2目录Contents序言Part 1.智能质检及其发展历程Part 2.智能质检的应用价值Part 3.智能质检的应用场景Part 4.智能质检选型的考虑维度Part 5.智能质检的未来发展趋势Part 6.Megaview 智能质检Megaview 销售增长研究院Contents1序言随着数字化转型深入发展，当今商业环境已经进入数智经济时代。这个时代充满挑战和机遇，“以客户为中心”成为企业取得成功的关键，其核心是要利用数字化技术和工具等手段，提升客户体验，为客户创造更多价值。而智能质检，作为人工智能技术的一项前沿应用，正在以前所未有的方式重塑着销售过程质量管理的面貌。智能质检为企业提供了更快更准确地覆盖全量销售会话数据的质量评估手段，不仅能够监控销售和客服过程，保证服务质量，还能够更好地了解客户诉求，为企业带来更多的增量和存量成交客户。本智能质检选型指南旨在帮助您全面了解智能质检及其应用和价值，并为您提供富有洞察力的指导，帮助您在选择智能质检产品或相关解决方案的过程中做出合适且明智的决策。在这里，您将会了解到智能质检及其价值、适用领域与场景、选型关键因素以及未来发展趋势。我们希望本指南能够为您提供有价值的参考和启发。PreambleAI 智能质检正在重塑销售质量管理之路Megaview 销售增长研究院2智能质检及其发展历程PART/01Megaview 销售增长研究院31.过程质量管理的基本手段质检销售团队的成功不仅仅取决于销售人员与客户发生的会话次数，包括拨打的电话数量、在线沟通的次数，更重要的是销售与客户沟通会话的质量。会话质量反映着销售人员或客服人员与客户之间沟通对话的有效性。销售代表与客户进行友好专业的沟通，可以帮助客户更好地理解产品、建立客户信任、提高客户满意度，进而增加销售成交机会。然而，若销售代表或客服人员在沟通中表现不佳，则会影响客户体验，甚至可能导致客户投诉。根据福布斯的一篇报道，96%的客户会因为差劲的服务而离开。因此，对销售人员和客服人员与客户沟通的执行过程进行监督和检查成为销售管理者非常关心的一个问题。进行会话质量检查并向销售代表提供反馈能够帮助管理者有效提高销售业绩。Megaview 销售增长研究院PART 01:智能质检及其发展历程42.质检的发展历程石器时代人工质检企业在意识到要对销售和客服过程进行质量控制的初期，限于技术和工具条件，只能采取比较原始的方法人工质检。顾名思义，人工质检就是指由质检人员对销售代表或客服人员与客户的会话（如电话录音、聊天记录、会议视频等）进行人工回顾，检查并判断其行为和话术是否符合公司规范和要求。然而，人工质检存在诸多弊端：效率低下：人工质检依靠个人回听回看沟通过程，个人能够处理的信息量极其有限，耗时也长，会导致整个质检任务效率很低。覆盖范围有限：人工质检往往只能对一小部分样本进行检查，难以覆盖全部数据。这可能导致部分问题被忽略或漏检，从而影响质量管理的全面性。客观性不足：人工质检的评判过程容易受到质检人员主观意识的影响，导致评分和判定的一致性和客观性不足。时效性差：人工质检往往需要一定的时间来完成，导致审核结果的反馈和应对措施的实施存在一定的延迟。人力成本压力：人工质检需要大量的人力资源进行审核和评估，尤其是在大规模和高频次的质检需求下，人力成本和工作量都会显著增加，不仅增加了企业的运营开支，还可能影响工作效率。Megaview 销售增长研究院PART 01:智能质检及其发展历程人工智能时代智能质检人工质检的种种不足倒逼企业寻求新的解决方案智能质检。智能质检是基于 AI（Artificial Intelligence，人工智能）技术和算法来实现客户服务过程的质量检查，以提高客户服务质量，提升客户满意度和忠诚度。智能质检是传统人工质检方法的升级和发展，通过先进的 ASR（Automatic Speech Recognition，语音识别）、NLP（Natural Language Processing，自 然 语 言 处 理）、ML（Machine Learning，机器学习）、大数据处理等技术，对销售人员和客服人员与客户之间的对话进行深入分析，识别出潜在的质量问题、异常情况或者是改进的机会，包括销售人员/客服人员在通话过程中是否用了违禁词、敏感词、是否使用了公司标准话术和标准作业流程（SOP）、对客户需求的响应是否及时、积极主动等。5智能质检本身的发展也经历了几个阶段：一，ASR（Automatic Speech Recognition，自动语音识别） 人工抽检。在这个阶段，企业利用 ASR 技术将通话录音自动转写成文字，质检员听看结合，质检效率一定程度上得到提升。有人认为在这一发展阶段还不算是智能质检，在这里，我们以 AI 技术的使用为分界点来划分，将这一阶段看做智能质检的初始起步阶段。Megaview 销售增长研究院PART 01:智能质检及其发展历程二，关键词 正则表达式。这个阶段开始真正进入全量质检时代。企业设置关键词和正则表达式构建质检模型，用机器或软件可以对所有会话进行检查，最后加一轮人工复检。这种方法准确率高但召回率低，即找得准但找不全。三，AI 语 义 质 检。随 着 深 度 学 习、NLP（Natural Language Processing，自然语言处理）等人工智能技术的发展，智能质检也演进到了语义理解的阶段，通过训练算法模型，让其更加准确地理解上下文语义并判断质检项。563.智能质检的能力分类 合规质检合规质检检查销售或客服人员与客户的沟通过程是否符合规范，包括是否存在违规风险，如是否使用了违禁词、敏感词，是否给予客户过度承诺，以及话术是否符合企业要求等。即检查业务人员说了什么不该说的，做了哪些不应做的，或者该说的什么没说，该做的什么没做。SOP 流程质检流程质检检查员工是否按照规范流程解答了客户的问题。例如，对于客户催单的情况，公司要求客服人员首先要询问客户的订单信息，然后为客户查询具体进展，在这个过程中还要注意安抚客户情绪。在一次会话质检中，如果客服人员仅做了前两点，而未出现安抚解释，那就没有完全按照规定流程进行处理，需要扣除一定的分数。SOP 流程质检，能够帮助企业保持高效的工作流程，提升员工的操作标准。专项质检专项质检相比合规质检和流程质检稍显冷门，但依然十分重要，它指的是对某一关键事件的检查。例如，公司最新推出一款新产品，交易质检交易质检是流程质检的升级。交易质检跳出了一个个单独的会话的“点”的维度，而是站在更高的“交易”这条“线”的维度。它的对象是某一项交易的所有销售会话。销售人员在跟进交易的过程中，会产生多通会话，每通会话对应着某一个交易阶段。对所有这些会话进行质检，可以检查销售的整个跟进流程是否符合公司销售流程。举例来说，某保险公司要求重疾险销售人员在签订合同前，必须引导受保人完成健康告知。通过交易质检，就可以判断销售代表是不是真的在进入“签订合同”这个交易阶段之前，完成了“受保人健康告知”阶段。如果销售人员在签订合同签没有获得受保人健康告知，那么他的销售交易流程就不符合要求。要求所有销售人员必须向客户推荐使用该产品，那么，新产品推荐这个关键事件就成为一个专项质检，可以检查销售的实际执行情况。Megaview 销售增长研究院PART 01:智能质检及其发展历程7智能质检的应用价值PART/02智能质检可以帮助企业实现更高效、更准确、更客观的销售全过程质量监控和评估。它对于改进客户服务、优化业务流程和提升业绩都有重要的价值。具体来看，包括以下几个方面：Megaview 销售增长研究院78一.全量质检，提高生产效率。传统的人工质检只能进行抽检，这会导致误检、漏检和问题发现不及时等风险。智能质检则突破了这些局限，实现全量质检。无论是语音通话、文字聊天还是视频沟通，智能质检系统都能够自动分析、识别并评估每一条记录，大大提升质检效率。不再局限于被抽到的样本，让每一次交互都能被看到，提高了质检的全面性和准确性。举例说明：按照业务开拓和监管相关要求，假设质检覆盖率至少需要达到 10%，需要建设质检系统和相关团队：Example二.机器质检，降低组织成本。传统的人工质检需要投入大量的人力资源，培训质检员、进行质检、记录结果等环节都需要耗费时间和精力。而智能质检采用机器自动化执行，大幅度降低了组织的运营成本。通过降低组织成本，企业能够更有效地管理资源，实现更好的投入产出比。Megaview 销售增长研究院业务现状客服中心日均呼入量10 万通；客服人员2000 人；质检与客服人力配比1:100按当前情况按业务要求完成简单的质检任务，需面临着新增成本元/年2000 万备注：质检人员人均处理 50 通/日，总处理量 1000 通对话录音超负荷工作状态人员流动性大质检敷衍了事的情况普遍10%质检覆盖率质检团队200人1%质检覆盖率质检团队20人PART 02:智能质检的应用价值89三，洞察趋势，优化决策。智能质检生成的数据分析报告可以为企业提供有价值的洞察和决策支持，如通过客户问题汇总，了解热门问题，推动业务部门快速解决问题；客户的高频诉求还可以形成业务部门的需求来源，促进产品和服务的迭代优化。四，实现售前、售中和售后全流程服务质量控制和合规性管理。智能质检可以帮助企业及时发现销售全过程中的违规之处并及早进行处理和预防。智能质检相当于帮助企业构建了一个销售过程/客服过程的质量监控系统，保证合规性，在增加客户成交几率的同时，降低客户流失风险。五，优化客户关系管理，促进客户成交和复购。过程在很大的程度上决定了结果。智能质检可以帮助企业监测销售/客服过程，促使员工提供更加标准、专业、友好的客户服务，提高客户关系管理的质量，提升客户对企业的满意度和忠诚度，从而加强双方的粘性，促成成交和复购。Megaview 销售增长研究院PART 02:智能质检的应用价值MMMM10智能质检的应用场景PART/03Megaview 销售增长研究院1011 电话销售和网络销售 在电话销售和网络销售中，智能质检可以分析销售人员与潜在客 户之间的对话，通过识别对话中的关键词和关键事件，了解销售人员的表现以及客户的需求和反馈。还能够检测销售人员是否存在过度承诺、虚假宣传等违规行为。客服服务 在客服部门，智能语音质检可以自动监控和评估客服人员与客户之间的通话，检查是否存在咒骂、反应不积极等违规词和行为，帮助企业发现客服人员的问题和优点，改进客户服务质量，提高客户满意度。呼叫中心 呼叫中心其实包含了前面两个，大部分企业的呼叫中心在做的事情就是电话销售和客服，这里单独列出是考虑到不同企业的职能结构和名称的不同。案场销售 案场销售也指现场销售，通常在售楼处、汽车 4S 店、银行营业厅等现场的销售业务。案场销售通常通过录音工牌来记录和收集下销售过程。智能质检可以对案场销售录音进行分析，检查销售过程是否符合企业要求。智能质检在许多业务场景中都有应用，按照使用职能对象的应用场景如下：如果按照行业给智能质检的应用场景分类，则包括金融、电商、教育、汽车、房地产等。实际上，只要企业具有上述的电话销售、网络销售、在线客服或呼叫中心，并且需要对这些对象的大量的语音和文本等数据进行质检和分析，都会用到智能质检，都可算作是智能质检的应用场景。银行教育保险房地产互联网金融电商汽车客服违规质检电销违规质检营销话术质检销售话术质检客服违规质检过度承诺质检专项质检客服违规质检电销违规质检SOP 流程质检营销话术质检案场话术质检客服违规质检案场话术质检客服合规质检催收合规质检电销违规质检客服违规质检营销话术质检客服话术质检售前售后质检客户投诉质检Megaview 销售增长研究院PART 03:智能质检的应用场景1112PART/04智能质检选型的考虑维度Megaview 销售增长研究院1213企业在选择智能质检系统/平台时需要从多个维度进行考虑，以确保能够选择到最符合自身要求的平台，灵活应用该平台提升企业的业务效率。这些维度包括：智能质检的目的是找出员工在客户服务过程中做得不好的地方和做得好的地方，那么，智能质检系统是否能够准确找出这些地方，是否有判断失误，这就称为智能质检的准确率。企业在选择智能质检系统时应该关注它的准确率，确保准确率处于较高水平。目前，企业使用智能质检通常采用“机器质检 人工复核”的模式，机器质检之后，人工去复核机器质检的结果，对于机器质检产生的错误判断（误检）进行修正。如果企业选择的智能质检系统的准确率不高，就会出现很多误检情况，加重人工复核的负担。质检能力指的是质检系统能够实现的质检类型，即我们在前面智能质检的能力分类里面提到的合规质检、SOP 流程质检、专项质检和交易质检。企业在选择智能质检系统时要考虑自己所需的质检能力，选择能够满足自己需求的智能质检平台。时效性是指质检系统出具检测结果的时间，是实时的（在销售人员沟通的过程中就可以直接质检），还是稍微滞后一些的，需要等到通话结束才能做质检，XX 时间（如 1 小时、1 天等）后才能出质检结果的。不同的企业由于自身的业务性质不同，对于时效性的要求可能会有差异。企业通常拥有多个工具系统，客户服务的联络过程分布在多个渠道，例如呼叫中心、企业微信、电商客服系统、CRM 等。企业选择智能质检平台时应该考虑平台的开放性和集成能力，以确保它能与公司现有系统集成，实现数据的传输。另外，系统的扩展能力也需要考虑。企业在不断发展壮大的过程中，需要处理的数据量和数据类型可能会越来越大、越来越多。因此，企业也要选择有足够扩展性的智能质检系统，保证其能够敏捷、灵活地适应企业需求的变化。准确率反映的是找的准不准的问题，召回率反映的则是找的全不全的问题。智能质检找不全的问题通常又称为“漏检”。漏检同样会加重人工复核的负担，如果漏检太多还可能导致企业对问题反应不及时，影响客户体验。准确率质检能力的多样性时效性质检系统的集成扩展能力召回率Megaview 销售增长研究院PART 04:智能质检选型的考虑维度14智能质检系统的实际使用者是业务人员或运营人员而非技术和产品人员，对于他们来说，质检规则配置简单易懂且灵活非常重要，无需太多理解和学习成本便可以让他们按照自己的场景和要求简单快速完成配置。企业在选择智能质检平台时，平台的学习培训成本也是需要考虑的维度之一。销售会话数据中可能会包含大量敏感数据，包括客户信息和商业秘密等。因此，企业在选择智能质检产品时需要考虑数据治理和安全方面的因素，确保能够满足公司网络和数据安全标准以及业务合规要求。有些企业在选择智能质检产品时还要考虑语种和语言的因素。有些企业的业务遍布全国，针对国内不同地区的业务可能有地方方言的需求。还有些企业做出海业务，其客户可能说着英语、西班牙语等不同的语言。这时就要求质检系统能够支持多种语言的处理。以客户为中心的时代，只有充分了解客户，才能为客户提供更好的体验和更多的价值。销售数据可以帮助企业好地了解客户，辅助企业决策。若智能质检系统中能够嵌入 BI 分析，从海量数据中提取有价值的信息，实现从过程到结果的有效监控，便可以为企业在销售运营管理、产品迭代等环节提供全方位、多维度的分析，帮助企业做出更明智的决策。质检规则配置的易用性和灵活性安全性和稳定性语种库数据洞察和决策能力Megaview 销售增长研究院PART 04:智能质检选型的考虑维度15智能质检的未来发展趋势PART/05Megaview 销售增长研究院1516智能质检未来的发展趋势主要包括以下几个方向：一，语义质检。目前很多智能质检系统使用“关键词 正则表达式”质检模式，这种模式虽然部署和上手使用速度快，但是也对企业梳理关键词的能力提出了很大的挑战，因为语言表达极具变化魅力，同一种意义可以有很多种不同的表达方式和用语，穷举所有关键词是一项不具备经济性的任务。而若不能穷尽所有关键词，就不可避免地会出现漏检的问题，影响质检效果。随着企业对质检的要求越来越精细、越来越高，用“关键词 正则表达式”质检模式已难以完全满足企业需求。于是，基于机器学习的 AI 语义质检开始得到应用。AI 语义质检模式能够理解句子上下文的意思，对会话内容做出更加准确的判断。这样即使未命中某些特定的关键词，但只要是表达的是相同的意思，都会被机器抓取到。还可以抑制销售人员为了规避公司检查，采用无特定关键词的语言表达的现象。部分智能质检产品已经加入了语义质检功能，为客户带来了不错的效果。未来，随着 NLP、ML 和 DL 等技术的深入发展，AI 语义质检将得到更深入的普及和应用。Megaview 销售增长研究院PART 05:智能质检的未来发展趋势1617四，从监督到优化。目前企业使用智能质检更多地是做对销售过程等客户服务过程的监督，但是这已经无法满足企业追求更加智能化的需求和趋势。开始有企业为客户提供监督之外的洞察和优化能力。例如，在 SOP 流程质检之外，还能发现 SOP 可以优化的地方。二，实时质检和反馈。随着技术的进步，智能质检系统已经向着实时检测和反馈的方向发展。通过即时分析和评估，智能质检系统可以在销售或客服与客户的交流过程中进行实时监测，并立即提供反馈。这将能够帮助企业更加及时地发现问题并快速做出反应，避免问题扩大和延误，进一步提高客户服务质量。例如，如果系统检测到销售代表正在使用不当的措辞回应客户，可以立即提醒代表进行调整，从而确保客户获得更好的体验。此外，实时质检还能够帮助销售团队在交互过程中及时调整策略，提高销售成功率。三，多模态数据处理。当前智能质检主要集中在语音和文本的检查上，未来的智能质检系统将向多模态质检发展。多模态质检将结合语音、文本、图像甚至视频等多种形式的数据，综合分析和评估销售和客服过程的质量。例如，销售电话的质检不仅可以关注语音内容和文本聊天记录，还可以分析客户提供的图片或视频等信息。这样的综合分析能够更全面地理解客户交流过程的情境和内容，为质检提供更丰富的信息和洞察。Megaview 销售增长研究院PART 05:智能质检的未来发展趋势18Megaview 智能质检PART/06Megaview 智能质检产品通过先进的语音识别（ASR）和MegaNLP 大语言模型等技术能力，实现覆盖文本、语音等所有销售会话的全量质检，轻松解决人工质检检不全、检不准和效率低等问题。同时，合规质检、SOP 流程质检、专项质检等多类型核心功能满足企业多样化的质检需求，全面提升企业销售服务质量，实现更高水平的业务优化和增长。新一代全场景 AI 智能质检Megaview 销售增长研究院1819Megaview 智能质检全方位满足企业多样性质检业务需求PART 06:Megaview 智能质检机器质检人工复检BI 数据分析丰富的字段灵活自定义全场景覆盖任务管理进度查询质检评价单关键词质检语义质检覆盖率 100%避免漏检误检SOP 分析客户触达情况业务转化卡点分析质检规则01020304Megaview 销售增长研究院20立足 MegaNLP 大语言模型的 AI 语义质检 质检结果更全更准智能质检系统的技术基础是语音转写（ASR）和语义理解分析（NLP）。深维智信 Megaview 拥有专业的 AI 技术团队，自主研发了垂直应用于销售领域的 MegaNLP 大语言模型，提供满足各类企业销售场景的 AI 能力。建立于 MegaNLP 大语言模型之上的 Megaview AI 语义质检，可以针对不同行业和业务的专用名词和话术进行算法模型优化，使用强大的深度学习模型和自然语言理解能力实现语义级识别，提高针对特定企业和场景语义识别的全面性和精准度，快速响应企业质检业务需求，减少漏检误检情况，弥补关键词 正则表达式质检模式的不足。音频数据文本数据电话录音工牌录音企微聊天合规质检流程质检专项质检交易质检情绪检测静音检测任务分配任务执行结果检验&修正质检评价单结果详情导出客户诉求分析客户高频问题舆情分析热词分析客户标签分析客户满意度客户意向全量会话数据智能质检机器质检人工复核洞察和分析AIASRNLPMLDLPART 06:Megaview 智能质检Megaview 销售增长研究院2021全自动、100%全量质检全面覆盖销售和客服等的各种沟通数据，涵盖电话录音、工牌录音、在线沟通文本、企微聊天文本等，系统全自动评分，不遗漏任何一条沟通数据，不忽略任何一项风险。支持自动或手动方式导入通话录音、聊天文本等数据。自由、灵活设置质检范围并一键分配质检员。例如：筛选出昨天华东大区通话时长超过 30s 的会话进行质检。PART 06:Megaview 智能质检昨天Megaview 销售增长研究院30s22可视化界面规则命中情况一目了然质检和会话详情页清晰展现质检结果，可以按照质检规则、评分项等快速查看机器质检的结果。命中评分项在会话语音中的具体位置则通过高亮文本进行突出显示，可以快速定位各规则在录音文本和音轨中的具体位置和内容，便于质检人员或销售和客服人员更加快速、准确地查看和分析违规内容和原因。PART 06:Megaview 智能质检Megaview 销售增长研究院23全面的质检能力合规质检、流程质检、专项质检、交易质检Megaview 智能质检具备合规质检、流程质检、专项质检和交易质检等全面的质检能力，可以满足企业多样化的质检需求。合规质检检查销售或客服人员与客户的沟通过程是否符合规范，是否存在违规风险。常用话术检查 针对销售或客服日常的开场白、问候语、结束语、邀请评价、情绪安抚等进行常规性检查。专业术语检查 针对本公司特定的产品和服务设计的专业术语和营销话术进行检查。服务态度检查 对销售或客服人员的沟通态度进行检查，如礼貌用语、语速和音量，还包括一些可能引起客户误会的反问，推诿等不适当行为的检查。敏感词、违禁词检查 检查与客户沟通的过程中是否使用了形成过度承诺、不实事实或容易造成客户反感的低素质表现等的敏感、违规用语，降低风险。专项质检指对某一关键事件的检查。例如，某公司要检查销售人员回应客户的积极性，可以设定 10 分钟内未响应的质检项。交易质检流程质检的升级，是 Megaview 在实践中提出的一种全新的质检维度。检查内容涉及某一项交易的所有销售会话。例如，受保人完成健康告知是签订合同的必要条件，要检查销售代表是不是真的在进入“签订合同”这个交易阶段之前，完成了“受保人健康告知”阶段，就可通过交易质检实现。SOP 流程质检检查员工是否按照规范流程解答了客户的问题。例如，催单处理的 SOP：询问订单信息 查询进展 安抚客户情绪 给予回复。某员工仅做到了前两点，并未出现安抚解释，则不符合标准流程，需要扣除一定的分数。PART 06:Megaview 智能质检Megaview 销售增长研究院2324让团队协作创造更快的组织效率提升 管理者一键分配质检任务销售团队和质检团队在 Megaview 的系统平台上虽隔离但协同。两团队使用同一数据源（销售会话数据），无需两次上传销售会话数据，管理者可直接设定质检会话范围，分配质检任务，质检人员只可接触到设定范围内的数据。PART 06:Megaview 智能质检选择质检员选择质检员搜索张丽公司名称李强王想陈小小赵明Megaview 销售增长研究院25PART 06:Megaview 智能质检 质检员在线评论反馈质检人员可直接在会话和质检详情页给予销售主管或特定销售人员在线评论反馈，有助于销售团队及时了解问题并解决问题。Megaview 销售增长研究院2526PART 06:Megaview 智能质检 剪辑库收集最佳实践进行分享学习质检人员在进行质检时，如果看到优秀的话术，可以直接在质检操作页面进行剪辑，将该段优秀话术剪辑保存至剪辑库，积累企业最佳实践，供销售人员进行学习使用。Megaview 销售增长研究院2627PART 06:Megaview 智能质检深度洞察和分析 客户高频问题知识点挖掘引擎能够根据会话数据自动抓取高频问题，了解客户的热门问题，推动业务部门快速解决，较为集中的客户诉求也可以作为业务部门的需求来源，促进产品迭代优化。Megaview 销售增长研究院了解更多内容，请访问：28 客户标签自动采集Megaview 系统能够基于销售与客户沟通的内容自动提取客户标签。联合对话内容和客户标签，挖掘有效客户群体信息，帮助业务发展。PART 06:Megaview 智能质检Megaview 销售增长研究院性别年龄婚姻状态预算男80后已婚 20 万触达时间偏好2829 业务流程卡点分析在质检 SOP 执行情况的基础上，Megaview 还能够分析 SOP 执行情况对销售赢单的影响，助力企业发现价值点。PART 06:Megaview 智能质检Megaview 销售增长研究院2930关于销售增长研究院Megaview 销售增长研究院致力于销售增长理论、方法和实践研究，我们的核心研究团队，具有超过 10 年销售领域的研究经验，曾为多家知名企业服务，是国内最早一批销售会话智能和销售收入智能的研究者、发展者和推广者，团队成员包括有专业的数据分析师、算法科学家和资深销售专家。在多年的实践研究中，我们意识到销售数字化的重要性，利用会话智能洞悉会话数据背后的深刻见解将为企业销售提供全新的视角和增长力量，帮助企业不论是在日益严峻的外部环境中，还是在激烈的同业竞争中保持核心销售竞争力。了解更多内容，请访问：Megaview 销售增长研究院关注销售增长研究院扫码预约产品展示

0人已浏览 2023-10-27 32页 5星级

网络赋能AI的思考和实践中国移动研究院 陆璐2023年10月目录201网络与AI的融合发展趋势02网络赋能AI的思考与实践 数字经济社会步入高质量发展新阶段，通用智能技术加速发展，促进网络从传统通信网络向新型信息通信网络加速转变数字经济和AI发展对网络提出了新的需求3数字经济步入发展新阶段由高速增长阶段转向高质量发展阶段,成为全面建设社会主义现代化国家的首要任务通用智能加速发展通用智能成为推动科技跨越发展、产业优化升级、生产力整体跃升的驱动力量 提供通信、感知、计算、智能、大数据、安全等一体融合的新一代信息服务提供语音、短信、移动宽带等各类传统通信服务 网络实现智能的普惠泛在，AI赋能未来网络的。智能自治。，二者“双向驱动”网络与AI的融合包括“AI赋能网络”和“网络赋能AI”两个方面新型信息通信网络是实现AI泛在普惠的基础平台，使能AI成为泛在化的社会级服务网络与AI相互驱动发展4AI赋能网络网络赋能AIAI是满足移动通信网络新指标的关键路径，赋能网络提升网络运行效率、降低运维成本、增强用户体验网络网络性能指标要求更全更高网络复杂度逐代递增网络需快速适配多样化场景定制化需求AI已成为社会级服务通用智能时代需要随时随地的AI接入需要泛在算力需要泛在连接由场景驱动，重点解决网络泛在算力和平台化服务网络的构建问题，支撑数据/AI模型流动和一体化AI服务供给，助推AI成为社会级服务6G和算网一体赋能AI的思考56G网络支持网络能力聚合、AI数据和模型流转及AI任务调度执行等，提供按需匹配的、质量可保障的平台化服务网络构建1、算力 能力2、平台赋能场景AI调用服务算网一体6G算网一体通过计算和网络的深层次融合，为AI提供新型智算基础设施、高效智算中心网络和高性能广域互联网络目录601网络与AI的融合发展趋势02网络赋能AI的思考与实践016G架构赋能AI02算网一体赋能AI7 数据面：构建统一数据服务框架，以服务化功能的形式支持数据的采集、预处理、分析、存储、转发，为AI提供高质量数据 计算面：以任务为中心进行算网联合编排，为AI的训练和推理提供按需、个性化、可保障的算力资源 服务使能层：对AI服务需求进行分解，对数据、计算、连接资源进行编排调度 数字孪生体：为AI赋能网络提供真实的训练环境和可靠的预验证平台提出三体、四层、五面的6G总体架构，其中数据面、计算面、服务使能层、数字孪生体共同实现6G AI内生的信息服务全流程支撑服务化功能层服务使能层控制面用户面数据面计算面安全面连接与路由层（空天地多接入，可信连接，异构互联，算力路由，确定性转发）通信与算力层（无线通信，光通信，计算，存储）网络本体数字孪生体管理编排体孪生大模型闭环预验证统一数据与控制接口自治运维管理资源智能调度编排数据管理能力开放管理网内AI服务第三方AI服务通感服务场景模型库任务分解能力 服务编排能力计算服务“三体四层五面”6G总体架构 功能异构：聚焦状态、AI模型等数据采集、预处理、存储、共享等；聚焦AI计算等任务的分解、调度、执行等 指标各异：数据存储要求高可靠，数据共享要求高同步，AI计算要求高性能 演进不同：可用可靠存储、高速数据访问等数据技术，以及高性能计算等技术新增数据面，计算面l 为什么需要新增数据功能和计算功能？l 为什么新增的数据功能和计算功能需要设计新的独立面？网络需新增两类功能：以数据为中心的新的存储和交换机制，以计算为主的新的处理逻辑功能、指标、演进优化路线和传统控制面、用户面差异较大能力问题：l面向机器和智能的业务与传统业务特征不同，控制手段不同l面向新型感知数据的传输、处理没有相应功能设计性能问题：l现有网络采集的数据在数量、质量、性能不足lAI的算法、数据、算力不能高效集成，与网络对象不能有机融合现有架构的不足业务需求跃迁服务于人与物 服务于机器和智能服务于连接管道 服务于信息的全流程服务于业务报文转发 服务于感知 AI数据综合处理 规则式信息“生产”智能化信息“生产” 86G架构新增数据面和计算面的必要性分析l数据采集：以服务化功能的方式支持6G新型网络数据的采集l数据预处理：对采集的网络数据进行去重、过滤、校正等预处理，为网络AI数据分析提供其所需的高质量数据l数据分析：通过AI模型对采集和预处理的6G新型数据进行分析处理；建立数据管道，实现数据的随路分析l数据存储：用户基础数据和个性化策略数据分级分类存储，实现6G新型数据的统一存储l数据转发：扩展5G用户面的数据转发功能，支持6G网络新型数据的多设备数据传输l数据按需提供：对网络数据进行采集、处理和存储，为网络AI提供高质量数据；l数据高效传输：为AI模型和参数的传输，提供满足其QoS需求数据通道数据面基本功能数据面对AI内生的支持服务使能层连接与路由层通信与算力层数据面控制面用户面计算面数据采集安全面数据预处理数据分析数据存储数据转发数据去重数据过滤数据校正非结构数据存储统一数据存储分析数据存储其他存储数据统计相关分析聚类分析数据汇聚数据分发任意拓扑转发非per UE转发感知数据采集AI数据采集网络状态采集用户数据采集匿名化处理趋势分析管理编排体/数字孪生体数据面通过构建统一可信的数据服务框架，提供数据采集、预处理、分析、存储、转发服务，为网络AI提供高质量数据，为AI模型和参数的传输构建数据通道96G架构数据面设计计算面以任务为中心进行AI在内的计算任务编排，基于服务化设计提供计算即服务，实现算网一体内生设计目标106G架构计算面设计服务使能层管理编排体/数字孪生体连接与路由层l计算资源管理：l资源统一建模：对计算资源的度量和归类l资源注册：将计算节点的相关信息注册在计算面中，从而完成一个对计算节点的整体拓扑l资源感知：计算节点状态感知，对算力节点状态、资源等信息的动态感知能力l计算任务编排：识别应用计算任务需求，按需进行计算任务分解和汇总，根据应用部署需求和算网资源情况，能够将应用动态部署到算力节点上l计算策略控制：根据初始算网业务需求，能够生成算网融合调度策略，并进行合理的算网路径规划l计算会话管理：增强会话模型，在会话QoS参数中携带计算相关需求l多要素按需智能编排：实现AI服务的多样化供给l任务式的AI计算服务提供：构建端到端的AI学习和推理环境l资源与业务深度融合：实现面向AI业务高QoS的全生命周期保障计算面基本功能计算面对AI内生的支持计算面控制面用户面安全面数据面计算任务编排计算任务分解计算任务需求识别计算任务映射部署计算任务汇总计算资源管理计算资源拓扑试图计算资源统一建模计算资源注册管理计算策略控制算网路径规划计算任务移动性调整计算会话管理计算会话模型算网QoS保障计算资源状态感知 在控制面的全局控制下，基于统一的数据面、计算面，五面协同，共同完成AI计算任务的分解、调度和执行，形成跨网络功能面的AI能力体系，共同构成AI内生的网络架构11五面协同，使能AI内生网络架构用户面业务报文计算面数据面业务报文计算结果数据、AI模型控制面内生AI网络安全安全面全网统一控制用户接入锚点，业务数据收发，提炼用户、网元等的特征数据，提供给数据面面向AI计算任务，进行计算任务的分解、调度，协同各面共同计算从各面采集数据、预处理、可靠存储、各面共享，为计算面提供算法数据、模型管理、孪生数据AI执行AI计算AI执行计算结果AI执行控制控制控制为AI赋能网络提供真实的训练环境和可靠的预验证平台孪生体AI执行目录1201网络与AI的融合发展趋势02网络赋能AI的思考与实践016G架构赋能AI02算网一体赋能AI13算网一体创新技术筑牢高性能AI基础底座算力卸载算力原生存算一体算力度量云原生多样性算力全程可信算力路由在网计算PON高速全光接入算力交易数据流通安全编排隐私计算算网多要素融合编排芯片节能数据中心节能服务器节能绿色安全400G/800G全光高速互联OTN灵活光电联动算网SPN承载泛在调度应用感知确定性网络新一代SD-WANSRv6/G-SRv6低碳能源算网数据感知智算中心融合服务技术算力提升技术以网强算技术星云算力运营服务层编排管理层算网基础设施层算网智能化智能网络调度中国移动持续推动算力网络技术创新突破，构建算力网络核心技术体系，已形成一批标志性算网一体创新技术，目标打造标准统一、技术领先、兼容开放的高性能智算底座，为AI应用强实筑基算力网络核心技术体系提出十大技术发展方向和32大核心技术算网一体创新技术入算算间算内算力路由算力路由突破互联网架构协议广域广域高通量网络高通量网络突破广域传输性能瓶颈算力原生算力原生实现应用跨架构迁移在网计算在网计算打破算网边界全调度以太网全调度以太网突破无损以太性能瓶颈G-SRv6G-SRv6统一承载协议400G/800G400G/800G超高速大容量全光网络新一代新一代SD-WANSD-WANundelay与overlay协同全光全光接入接入新型接入网架构入算-算力路由CATS(1/2)创新提出算力路由体系，将算力信息引入路由域，通过统一控制和调度实现算网资源的全局优化当前进展：实现国际标准突破，推进样机研发和性能验证历时4年推动IETF成立算力路由工作组CATS，中国移动担任主席完成首个立项：CATS问题分析、场景及需求研发算力路由样机，初步验证了在负载较重的场景下，全局时延优化和系统处理容量上约30%的性能提升（1）感知：路由系统感知计算资源（2）路由：综合网络和计算信息寻址选路解决思路在路由中引入计算信息，进行联合调度,边缘节点边缘节点中心云问题本质计算和网络是独立系统，算的负载和网的拥塞信息没有产生关联算：降低负载、计算资源预留.网：增加带宽、配置专线.增加网络建设、运维成本 造成大量计算资源的闲置-计算负载高及网络队列深的条件下，边缘响应平均时延及尾时延远大于中心云-算的负载状态以及网的拥塞情况均是问题来源发现问题 云边以及边边调度之间出现“性能反转”形成算力感知网络CAN的核心方向-算力路由15入算-算力路由CATS(2/2)探索underlay和overlay技术路线需同步探索不同路线，一方面研究新型算力路由架构和协议；另一方面研究面向AI的应用层和网络层跨层协议、算法优化明确广域和局域场景适用范围需分析验证不同方案的协议开销和性能优化，研究量化各个方案的适用范围，重点探索面向AI大模型调度的算力路由方案算力路由的不同技术路线需要面向多种场景、不同范围等进一步深入研究，同时探索与AI结合的性能优化方案验证基于随机森林算法预测的算力路由优化方案算力收集频率设置为15s，在两次收集之间通过预测反馈机制实现90%的平稳性提升，并进一步提升性能推动面向AI大模型的算力路由场景写入CATS WG标准 基于CATS的分布式推理 基于CATS AI的内容获取阿里巴巴：draft-an-cats-usecase-ai基于预测的调度分布 无预测的调度分布 AI-based Media Distribution and Traffic SteeringBBC:ai4me.surrey.ac.uk进一步攻关算力路由核心技术难点，构建国内外标准体系，推动实现算网一体丰富产业生态丰富产业生态依托CFITI验证核心技术，推进共建算网一体孵化和评测环境深化技术攻关攻关算力指标定义、通告频率优化、多维选路等关键技术推进标准体系推动CATS架构等系列标准，扩展CATS工作组范畴从单域扩展至多域16算内-算力原生CAMA源源转换工具跨架构编译器“芯合”算力原生平台统一编程套件（IDE环境、编程模型、计算库）自适应运行时CANNCUDAVastioneAPIROCmCIM RT/Driver.硬件层1体适配1次开发应用层框架层.模型训练领域应用图像识别视频分析.典型推理类应用4大组件提供跨架构一站式解决方案 统一编程套件：统一编程模型 标准IDE 计算库 源源转换工具：CUDASYCL转译 跨架构编译器：图算融合编译 原生流转文件 自适应运行时：异构设备统一抽象 动态映射执行智算应用在3家智算芯片跨架构部署迁移 平台实现视频分析、图像识别等典型智算应用在英伟达、华为、瀚博等3家智算芯片上的跨架构部署迁移 迁 移 时 间 90%当前：“芯合”算力原生平台1.0未来：“芯合”2.0升级为融通智算生态竖井，中国移动联合产业提出算力原生CAMA原创技术，目标实现“应用一次开发、跨芯部署迁移”，研发“芯合”算力原生平台，开辟以软件为核心的智算产业链牵引全新路径未来将融通更多异构芯片、扩展更多计算库、支撑更多业务场景2023年中国移动合作伙伴大会上，中国移动联合13家合作伙伴发布国内首个支持智算应用一键式跨架构迁移的平台算力原生“芯合”，有望破解AI应用跨架构部署迁移的全球智算生态发展难题，可实现“应用一次开发、跨芯部署迁移”，显著降低了AI应用向国产化芯片的迁移成本和复杂度，是我国在基础软件领域破解国产智算生态发展的突破17算内-全调度以太GSE(1/2)网络性能决定GPU集群算力加速比网络可用性决定GPU集群稳定性丢包敏感，2%丢包RDMA吞吐率下降为0GPU集群性能 单GPU性能*N网络设备容量决定GPU集群组网规模17当前：网络性能和成本无法兼得未来：革新以太技术、升级高速互联革新以太网底层转发及调度机制，以开放破垄断，突破传统以太性能瓶颈，以网强算，助力AI大模型训练InfiniBand专用网络、超高性能、成本昂贵传统无损以太生态开放、性价比高、性能受限网络规模=K2/4（K=单台设备端口数量）AI大模型以GPU集群分布式训练为基础，集群节点间频繁地参数同步带来大量通信开销，网络技术和设备能力成为提升GPU集群算力水平的关键集群有效算力GPU单卡算力*总卡数*线性加速比*有效运行时18算内-全调度以太GSE(2/2)全调度以太网（GSE）技术架构，最大限度兼容以太网生态，创新基于报文的转发及调度机制，构建无阻塞、高带宽、低时延的新型智算中心网络，形成标准开放的技术体系，助力AI产业发展创新以太网转发机制，实现三大核心机制转变盲发 被动拥塞控制“局部”决策转发逐流分发感知 主动流量控制“全局”最优调度逐“报文容器”分发分发粒度发流模式转发策略当前未来云网智联大会发布云网智联大会发布全调度以太网技术架构白皮书全调度以太网技术架构白皮书中国算力大会正式启动中国算力大会正式启动全调度以太网（全调度以太网（GSEGSE）推进计划）推进计划中国网络大会发布中国网络大会发布业界首款业界首款GSEGSE原型系统原型系统CCSACCSA成功立项成功立项全调度以太网总体技术要求全调度以太网总体技术要求2023.2023.6 62023.2023.8 82023.2023.9 92023.52023.5 原型系统初步验证结果表明，在多种主流场景下，基于GSE互联的任务完成时间相较传统RoCE网络性能可提升23倍，且参数量越大，提升越明显期待更多产学研合作伙伴加入GSE推进计划，共同开展四层（物理层、链路层、网络层、传输层） 一体（管理和运维体系）攻关19算内-在网计算NACA(1/2)衡量分布式应用通信性能的重要指标是任务完成时间，通信瓶颈问题导致任务完成时间过长，在网计算突破现有计算模式，重构应用处理逻辑，降低节点间通信开销，为系统算效提升带来质变分布式AI系统面临通信瓶颈问题在网计算实现分布式AI性能跃升单单次次聚聚合合时时延延单单次次同同步步时时延延与传统软件实现特定集合通信操作相比，Infiniband 在网计算SHArP方案性能提升近5-9倍在网计算主要优势流量压缩缩短传输路径线速处理网络负载不均衡流量需求不对等通信模式不匹配分布式AI训练以巨型流为主，ECMP等方式造成流量分布严重不均多打一问题造成训练最后一跳和接收方之间Incast拥塞，长尾时延过大进程间多对一、一对多及多对多的通信需求在计算节点间目前以单播实现20算内-在网计算NACA(2/2)产业发展挑战在网计算NACA架构高性能互联分布式应用DC交换机端侧适配器边缘汇聚交换机园区网关编排管理资源管理拓扑管理任务管理跨架构统一编译管理运行时管理在网计算通信库可靠传输InfinibandOmni-PathSlingshot同步/异步控制 多对一通信一对多通信多对多通信AI训练/推理大数据MVAPICHHPC标识转发拓扑感知RoCE编排管理异构网元核心特征编程范式统一通信原语统一逻辑物理统一NACA物理实现比传统计算实现方式更加亲和业务逻辑拓扑以统一的网络设备原语实现在网计算通信库，提升通用性为应用程序开发提供统一编程语言及编译部署模式基于RDMA、CXL等高性能互联协议构建统一网内资源池网内资源统一编程方式不友好设计实现封闭化应用场景竖井式面向分布式AI/HPC/大数据等应用需要设计专用系统，数据结构、数据类型实现有差异目前只有Infiniband体系架构支持在网计算，但IB软硬件生态封闭，使用成本高昂应用程序开发和网络设备编程有差异，应用开发者学习使用在网计算门槛高标准推进产业实践联合产业共同发布在网计算（NACA）技术白皮书CCSA牵头完成业界首个在网计算应用场景和技术需求标准立项试验验证基于中国移动CFITI算力网络试验网完成分布式AI模型训练场景性能测试在网计算NACA技术架构围绕拓扑映射、编程范式、计算实现、资源管理形成”四个统一”，全面提升在网计算通用性，为分布式应用加速赋能21算间-广域高通量网络(1/2)随着智算、超算业务的迅猛发展，东数西训、东数西训等多智算/超算中心间数据交互需求逐渐增多，亟需广域高通量网络技术，实现海量数据的高效传输超算、智算数据量在TB/PB级别天文观测：TBPB/次基因测序：TB100TB/次影视素材渲染：10TB100TB/节目属于长肥网络（LFN）跨省远距离传输，高带宽高时延网络传输带宽：10Gbps传输时延：20ms50ms网络多样，无法做到链路完全无损链路层误码率不可避免大象流负载不均，存在拥塞丢包多流竞争，存在微突发丢包传统TCP协议在广域数据传输中吞吐受限，有效吞吐与链路时延、丢包率成反比多流传输时单流吞吐下降，受主机CPU性能限制，同样存在吞吐瓶颈TCP网络吞吐=发送窗口大小RTT*丢包率单流传输时，时延由1ms增加到10ms时，吞吐下降10倍智算、超算业务对广域数据传输提出新的要求22算间-广域高通量网络(2/2)针对东数西训、东数西渲等AI场景中海量数据广域高质量传输需求，提出广域高通量技术体系，在广域网复杂多变的网络环境中，实现高通量算间互联网络广域高通量网络云PE云PE 超算中心数据源（私有云/公有云）广域RDMA技术新型拥塞控制快速丢包恢复 智算中心 数据源（存储卡/磁盘）精确丢包重传端网协同的广域高通量网络技术体系贵州天眼国家天文台传输距离远：大于2200km链路时延长：约45ms链路带宽大：10Gbps网络类型复杂：云专网、传输网、城域网、DC网络传统TCP协议单流单流435Mbps广域RDMA协议单流单流7.36Gbps广域RDMA协议是传统TCP协议吞吐的16倍贵州到北京数据快递测试广域网核心特征数据传输测试结果在高丢包率环境中，始终保持高通量在流量频繁突变中，始终保持高通量在长肥网络传输时，始终保持高通量23总结 数字经济步入发展新阶段，人工智能的发展迎来新一波浪潮，AI与6G、算力网络的融合成为新的趋势，对网络也提出了更高的要求 6G网络基于三体、四层、五面的总体架构，通过数据面、计算面、服务使能层、数字孪生体共同实现6G AI内生的信息服务全流程支撑，如何更好地赋能AI发展，还需要继续研究 基于新型智算中心和泛在智能，算网一体赋能AI加速从单点突破迈向泛在智能；另一方面，跨学科技术交叉融合成为新的趋势，以算力路由、在网计算、全调度以太、广域高通量网络等为代表的关键原创技术亟待突破

0人已浏览 2023-10-27 23页 5星级

 证券研究报告证券研究报告 高新发展收购华鲲振宇高新发展收购华鲲振宇,华为鲲鹏华为鲲鹏/昇腾服务器产业链昇腾服务器产业链龙头龙头空间大空间大 2023年10月24日 作者：作者：刘凯刘凯 执执业证书编号.

0人已浏览 2023-10-27 20页 5星级

PART 1 管理会计智能化专题研究 /1 CONTENTS目录?A?研究?A?A?的?的?的?的?020305.06.07.08.09.1112.14.18.2021.22.29.30.2/管理会.

0人已浏览 2023-10-26 33页 5星级