邁向智能化加速行業(yè)數(shù)智化轉(zhuǎn)型

第一篇 5G規(guī)?；l(fā)展
第1章 5G推動全球數(shù)字化變革新發(fā)展 003
1.1 通信技術(shù)推動人類社會持續(xù)進步 003
1.2 全球迎來數(shù)字化轉(zhuǎn)型新浪潮 005
1.3 數(shù)字化轉(zhuǎn)型機遇 006
1.4 5G激活產(chǎn)業(yè)變革新潛能 008
第2章 全球5G發(fā)展現(xiàn)狀 010
2.1 中國 012
2.1.1 中國5G商用情況 012
2.1.2 中國5G推動政策 014
2.1.3 中國5G應(yīng)用發(fā)展情況 015
2.2 韓國 016
2.2.1 韓國5G商用情況 016
2.2.2 韓國5G推動政策 017
2.2.3 韓國5G應(yīng)用發(fā)展情況 019
2.3 美國 020
2.3.1 美國5G商用情況 020
2.3.2 美國5G推動政策 021
2.3.3 美國5G應(yīng)用發(fā)展情況 022
2.4 日本 024
2.4.1 日本5G商用情況 024
2.4.2 日本5G推動政策 024
2.4.3 日本5G應(yīng)用發(fā)展情況 025
2.5 德國 026
2.5.1 德國5G商用情況 026
2.5.2 德國5G推動政策 026
2.5.3 德國5G應(yīng)用發(fā)展情況 028
第3章 5G規(guī)?；l(fā)展路徑及未來形態(tài) 029
3.1 5G規(guī)模復制主要挑戰(zhàn) 029
3.1.1 5G網(wǎng)絡(luò)建設(shè)面臨多方問題 030
3.1.2 5G技術(shù)與行業(yè)業(yè)務(wù)融合不足 030
3.1.3 產(chǎn)業(yè)供給能力不足 031
3.1.4 行業(yè)融合應(yīng)用標準缺乏 031
3.1.5 行業(yè)融合生態(tài)建設(shè)亟待加強 032
3.2 5G規(guī)?；l(fā)展路徑 032
3.2.1 規(guī)?；l(fā)展基礎(chǔ) 032
3.2.2 規(guī)模化發(fā)展路徑及關(guān)鍵要素 034
3.2.3 實現(xiàn)5G規(guī)?；囊饬x與價值 038
3.3 5G-A及未來形態(tài) 039
3.3.1 5G應(yīng)用深刻改變未來社會生活 039
3.3.2 5G-A開啟通信革新“下半場” 040
參考文獻 043
第二篇 人工智能，新發(fā)展階段
第4章 人工智能概述 047
4.1 什么是人工智能 047
4.2 人工智能的歷史和發(fā)展 048
4.2.1 1.0時代：計算推理驅(qū)動（20世紀50年代—70年代） 048
4.2.2 2.0時代：知識驅(qū)動（20世紀70年代—90年代初） 049
4.2.3 3.0時代：數(shù)據(jù)驅(qū)動（20世紀90年代—21世紀初） 049
4.2.4 4.0時代：算力驅(qū)動（2020年至今） 050
4.3 人工智能的應(yīng)用領(lǐng)域 050
4.4 AI成為國家戰(zhàn)略 052
4.4.1 美國：多措并舉鞏固全球領(lǐng)先地位 052
4.4.2 中國：多元戰(zhàn)略促進產(chǎn)業(yè)健康發(fā)展 053
4.4.3 日本：以人工智能構(gòu)建“社會5.0” 054
4.4.4 韓國：戰(zhàn)略推動“AI強國”發(fā)展建設(shè) 054
4.4.5 德國：依托“工業(yè)4.0”打造德國品牌 055
4.4.6 英國：加大創(chuàng)新投入，推進成果轉(zhuǎn)化 056
參考文獻 056
第5章 人工智能典型技術(shù) 058
5.1 機器學習 058
5.1.1 監(jiān)督學習 060
5.1.2 無監(jiān)督學習 061
5.1.3 強化學習 062
5.1.4 深度學習 064
5.1.5 多任務(wù)學習 065
5.2 自然語言處理 066
5.2.1 語言模型 068
5.2.2 詞向量 069
5.2.3 機器翻譯 070
5.2.4 文本分類 071
5.3 計算機視覺 072
5.3.1 圖像處理 073
5.3.2 物體檢測 074
5.3.3 圖片識別 074
5.3.4 視頻分析 074
5.4 多模態(tài)技術(shù) 075
5.4.1 特征表示 076
5.4.2 模態(tài)融合 076
參考文獻 077
第6章 人工智能重大演進進展 078
6.1 AI產(chǎn)業(yè)體系橫向拓展 078
6.1.1 AI產(chǎn)業(yè)體系概述 078
6.1.2 AI產(chǎn)業(yè)發(fā)展趨勢 079
6.2 AI芯片迭代構(gòu)筑底層技術(shù)優(yōu)勢 081
6.2.1 英偉達 085
6.2.2 AMD 087
6.2.3 英特爾 089
6.2.4 華為海思 089
6.2.5 寒武紀 090
6.3 AI云平臺助力創(chuàng)新業(yè)務(wù)落地 091
6.3.1 微軟 093
6.3.2 亞馬遜 093
6.3.3 華為云 094
6.3.4 阿里云 095
6.3.5 百度智能云 096
6.4 AI框架成為工程實踐能力核心 096
6.4.1 AI框架：加速AI應(yīng)用產(chǎn)業(yè)規(guī)模增長及工程化落地 097
6.4.2 訓練平臺：彈性分布式訓練驅(qū)動AI工程化進程 099
6.4.3 MLOps：打通AI工程化“最后一公里” 101
6.5 算力突破支撐AI跨越式發(fā)展 104
6.5.1 AI計算從粗獷使用向精細化協(xié)同演進 104
6.5.2 云邊端一體化推動算力泛在化發(fā)展 105
6.5.3 智能算力支撐數(shù)字孿生元宇宙構(gòu)建 106
6.5.4 多技術(shù)協(xié)同升級加速先進計算發(fā)展 107
6.6 算法更新推動AI能力持續(xù)演進 110
6.6.1 以AutoML為代表的新算法讓AI開發(fā)更簡單 110
6.6.2 以模型為中心的開源社區(qū)加速構(gòu)建 111
6.7 多元化數(shù)據(jù)服務(wù)為AI“增值” 111
6.8 創(chuàng)新主體活躍掀起AI應(yīng)用熱潮 113
6.8.1 Adept AI：通用人工智能（AGI）工具 114
6.8.2 Cohere：B端定制式AI服務(wù)者 115
6.8.3 Jasper：集成式AI營銷工具 117
6.8.4 滴滴自動駕駛：AI 自動駕駛 118
6.8.5 達闥機器人：擁有“云端大腦”的人形機器人 119
參考文獻 120
第7章 大模型時代降臨 122
7.1 大模型發(fā)展歷程及特點 122
7.1.1 大模型技術(shù)快速迭代，參數(shù)規(guī)模三段式激增 122
7.1.2 “大 小”模型協(xié)同進化，推動端側(cè)化發(fā)展 125
7.1.3 大模型與人工智能相互促進，相輔相成 126
7.1.4 大模型迭代周期縮短，總體呈現(xiàn)多種發(fā)展趨勢 128
7.2 大模型的典型應(yīng)用領(lǐng)域 129
7.2.1 NLP大模型 130
7.2.2 CV大模型 135
7.2.3 多模態(tài)大模型 139
7.3 大模型的基礎(chǔ)是算力 144
7.3.1 通用算力——滿足大多數(shù)普通用戶需求 145
7.3.2 AI算力——適合邏輯簡單、計算密集型的并發(fā)任務(wù) 145
7.3.3 HPC——特殊場景化需求的高性能計算集群 146
7.4 大模型將賦能生成式AI 147
7.4.1 大模型改變內(nèi)容生產(chǎn) 148
7.4.2 生成式AI孕育新業(yè)態(tài) 149
7.5 百模千態(tài) 151
7.5.1 OpenAI：ChatGPT大模型 152
7.5.2 Google：Gemini原生多模態(tài)大模型 153
7.5.3 Meta: LLaMA開源預訓練大模型 154
7.5.4 華為：盤古大模型 155
7.5.5 百度：文心一言大模型 156
參考文獻 157
第8章 AI toB邁入規(guī)模探索階段 158
8.1 AI與行業(yè)結(jié)合，呈現(xiàn)百花齊放趨勢 158
8.2 大模型成為智能變革的“元能力引擎” 158
8.3 通用人工智能的未來展望 160
參考文獻 161
第9章 AI toB落地面臨的挑戰(zhàn) 162
9.1 大模型工程化落地面臨多方面挑戰(zhàn) 162
9.2 各行業(yè)智能化發(fā)展不均衡 162
9.3 AI深入賦能引發(fā)風險隱患 163
9.4 AI生態(tài)體系仍不完善 164
參考文獻 164
第三篇 5G AI，加速行業(yè)智能化
第10章 行業(yè)從數(shù)字化走向智能化 167
10.1 數(shù)字化轉(zhuǎn)型的內(nèi)涵 167
10.2 從數(shù)字化走向智能化 168
10.3 典型數(shù)智化歷程 169
10.3.1 美國：依托創(chuàng)新技術(shù)領(lǐng)先，鞏固數(shù)字經(jīng)濟全球競爭力 169
10.3.2 歐盟：率先探索數(shù)字治理規(guī)則，打造統(tǒng)一的數(shù)字市場 170
10.3.3 英國：以數(shù)字政府建設(shè)為引領(lǐng)，推動全行業(yè)數(shù)字化轉(zhuǎn)型 171
10.3.4 日本：以“官產(chǎn)學”和“互聯(lián)工業(yè)”為抓手，建設(shè)超智能社會 172
10.3.5 韓國：重視標準體系建立，發(fā)布新增長4.0路線圖 173
10.3.6 中國：立足產(chǎn)業(yè)和市場優(yōu)勢，有效市場和有為政府相互促進 174
參考文獻 175
第11章 5G與AI協(xié)同發(fā)展，加速行業(yè)智能化升級 176
11.1 5G與AI的關(guān)系 176
11.2 5G對AI的需求 176
11.3 AI對5G的需求 177
11.4 5G與AI的融合 177
參考文獻 178
第12章 5G AI融合，賦能行業(yè)智能化 179
12.1 5G本體技術(shù)優(yōu)化：增強網(wǎng)絡(luò)內(nèi)生能力 179
12.1.1 5G專網(wǎng)：定制網(wǎng)絡(luò) 180
12.1.2 5G網(wǎng)絡(luò)切片：靈活組網(wǎng) 181
12.2 5G AICDE：構(gòu)建融合服務(wù)能力 181
12.2.1 5G AI：全面感知 182
12.2.2 5G 物聯(lián)網(wǎng)：全域互聯(lián) 183
12.2.3 5G 云計算：云網(wǎng)融合 184
12.2.4 5G 大數(shù)據(jù)：智能決策 184
12.2.5 5G MEC：邊云協(xié)同 185
參考文獻 185
第13章 重點行業(yè)實踐 186
13.1 政務(wù) 186
13.1.1 行業(yè)數(shù)智化發(fā)展概況 186
13.1.2 行業(yè)數(shù)智化發(fā)展趨勢 187
13.1.3 行業(yè)數(shù)智化整體需求 188
13.1.4 5G AI技術(shù)融合分析 189
13.1.5 政務(wù)數(shù)智化典型方案 191
13.1.6 規(guī)?；瘡椭婆c推廣路徑 192
13.2 應(yīng)急 193
13.2.1 行業(yè)數(shù)智化發(fā)展概況 193
13.2.2 行業(yè)數(shù)智化發(fā)展趨勢 195
13.2.3 行業(yè)數(shù)智化整體需求 195
13.2.4 5G AI技術(shù)融合分析 196
13.2.5 應(yīng)急數(shù)智化典型方案 198
13.2.6 規(guī)模化復制與推廣路徑 199
13.3 氣象 200
13.3.1 行業(yè)數(shù)智化發(fā)展概況 200
13.3.2 行業(yè)數(shù)智化發(fā)展趨勢 201
13.3.3 行業(yè)數(shù)智化整體需求 202
13.3.4 5G AI技術(shù)融合分析 203
13.3.5 氣象數(shù)智化典型方案 204
13.3.6 規(guī)?；瘡椭婆c推廣路徑 206
13.4 農(nóng)業(yè) 207
13.4.1 行業(yè)數(shù)智化發(fā)展概況 207
13.4.2 行業(yè)數(shù)智化發(fā)展趨勢 208
13.4.3 行業(yè)數(shù)智化整體需求 208
13.4.4 5G AI技術(shù)融合分析 209
13.4.5 農(nóng)業(yè)數(shù)智化典型方案 211
13.4.6 規(guī)?；瘡椭婆c推廣路徑 213
13.5 文旅 213
13.5.1 行業(yè)數(shù)智化發(fā)展概況 213
13.5.2 行業(yè)數(shù)智化發(fā)展趨勢 215
13.5.3 行業(yè)數(shù)智化整體需求 216
13.5.4 5G AI技術(shù)融合分析 216
13.5.5 文旅數(shù)智化典型方案 218
13.5.6 規(guī)?；瘡椭婆c推廣路徑 220
13.6 教育 221
13.6.1 行業(yè)數(shù)智化發(fā)展概況 221
13.6.2 行業(yè)數(shù)智化發(fā)展趨勢 222
13.6.3 行業(yè)數(shù)智化整體需求 222
13.6.4 5G AI技術(shù)融合分析 223
13.6.5 教育數(shù)智化典型方案 225
13.6.6 規(guī)?；瘡椭婆c推廣路徑 227
13.7 醫(yī)療 228
13.7.1 行業(yè)數(shù)智化發(fā)展概況 228
13.7.2 行業(yè)數(shù)智化發(fā)展趨勢 230
13.7.3 行業(yè)數(shù)智化整體需求 230
13.7.4 5G AI技術(shù)融合分析 231
13.7.5 醫(yī)療數(shù)智化典型方案 234
13.7.6 規(guī)?；瘡椭婆c推廣路徑 235
13.8 制造 236
13.8.1 行業(yè)數(shù)智化發(fā)展概況 236
13.8.2 行業(yè)數(shù)智化發(fā)展趨勢 237
13.8.3 行業(yè)數(shù)智化整體需求 238
13.8.4 5G AI技術(shù)融合分析 239
13.8.5 制造數(shù)智化典型方案 241
13.8.6 規(guī)?；瘡椭婆c推廣路徑 243
13.9 港口 244
13.9.1 行業(yè)數(shù)智化發(fā)展概況 244
13.9.2 行業(yè)數(shù)智化發(fā)展趨勢 246
13.9.3 行業(yè)數(shù)智化整體需求 246
13.9.4 5G AI技術(shù)融合分析 247
13.9.5 港口數(shù)智化典型方案 249
13.9.6 規(guī)模化復制與推廣路徑 251
13.10 電力 251
13.10.1 行業(yè)數(shù)智化發(fā)展概況 251
13.10.2 行業(yè)數(shù)智化發(fā)展趨勢 252
13.10.3 行業(yè)數(shù)智化整體需求 253
13.10.4 5G AI技術(shù)融合分析 254
13.10.5 電力數(shù)智化典型方案 258
13.10.6 規(guī)?；瘡椭婆c推廣路徑 260
參考文獻 261
第14章 趨勢及展望 262
14.1 5G-A下的網(wǎng)絡(luò)即服務(wù) 262
14.2 從云網(wǎng)融合到算網(wǎng)融合的升級 264
14.3 數(shù)據(jù)要素價值創(chuàng)作成為新藍海 266
14.4 數(shù)字創(chuàng)新應(yīng)用向多領(lǐng)域縱深發(fā)展 268
14.5 AI大模型驅(qū)動新興業(yè)態(tài)涌現(xiàn) 269
參考文獻 270