邁向智能化加速行業數智化轉型
孫鵬飛
相關主題
商品描述
本書分為3個主要篇章,深入探討了5G和AI的發展情況、技術優勢,揭示了它們在科技領域的重要地位;展示了5G和AI的實際應用,並展望了它們的發展趨勢。第 一篇詳細介紹了全球5G的發展現狀,並展望了5G到5G-Advanced的發展路徑及未來形態;第 二篇闡述了AI的重大演進進展,分析了機器學習、自然語言處理、電腦視覺等典 型AI技術,剖析了當下熱門大模型技術;第三篇從5G和AI的技術融合與行業發展的角度分析了其對行業數字化、智能化發展的推動作用,展示了重點行業實踐情況,如政務、氣象、教育、醫療等。
本書可供泛政府行業、移動通信行業從業人員和高等院校相關專業的師生等參考。
作者簡介
孙鹏飞
毕业于西安电子科技大学,工学硕士。2001年加入华为公司。曾任华为无线网络SingleOSS产品管理部部长、华为无线智能化与网络自动驾驶首 席规划师、MAE(MBB Automation Engine)产品组合与生命周期管理部部长、华为5G-2B解决方案SDT经理、中国5G应用产业方阵产业推进组副组长,拥有20多年的技术研发经验,在移动及产业数字化的网络规划、架构设计、网络建设、市场营销及产品研发、产品管理以及5G行业场景化解决方案打造等方面均具有丰富的经验。
现任华为企业销售部公共事业系统部副总裁,负责全球公共事业领域的解决方案开发与集成验证业务,主导政府和公共事业领域解决方案平台规划、研发及营销,推动行业场景化解决方案的开发与落地。对行业智能化升级的关键技术和方法论、理论模型构建、场景及商业模型的孵化及可复制性、运营模式、标准构建、项目交付等有着深刻理解和独到观点。
目錄大綱
第一篇 5G規模化發展
第1章 5G推動全球數字化變革新發展 003
1.1 通信技術推動人類社會持續進步 003
1.2 全球迎來數字化轉型新浪潮 005
1.3 數字化轉型機遇 006
1.4 5G激活產業變革新潛能 008
第2章 全球5G發展現狀 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應用發展情況 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應用發展情況 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應用發展情況 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應用發展情況 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應用發展情況 028
第3章 5G規模化發展路徑及未來形態 029
3.1 5G規模復制主要挑戰 029
3.1.1 5G網絡建設面臨多方問題 030
3.1.2 5G技術與行業業務融合不足 030
3.1.3 產業供給能力不足 031
3.1.4 行業融合應用標準缺乏 031
3.1.5 行業融合生態建設亟待加強 032
3.2 5G規模化發展路徑 032
3.2.1 規模化發展基礎 032
3.2.2 規模化發展路徑及關鍵要素 034
3.2.3 實現5G規模化的意義與價值 038
3.3 5G-A及未來形態 039
3.3.1 5G應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,新發展階段
第4章 人工智能概述 047
4.1 什麽是人工智能 047
4.2 人工智能的歷史和發展 048
4.2.1 1.0時代:計算推理驅動(20世紀50年代—70年代) 048
4.2.2 2.0時代:知識驅動(20世紀70年代—90年代初) 049
4.2.3 3.0時代:數據驅動(20世紀90年代—21世紀初) 049
4.2.4 4.0時代:算力驅動(2020年至今) 050
4.3 人工智能的應用領域 050
4.4 AI成為國家戰略 052
4.4.1 美國:多措並舉鞏固全球領先地位 052
4.4.2 中國:多元戰略促進產業健康發展 053
4.4.3 日本:以人工智能構建“社會5.0” 054
4.4.4 韓國:戰略推動“AI強國”發展建設 054
4.4.5 德國:依托“工業4.0”打造德國品牌 055
4.4.6 英國:加大創新投入,推進成果轉化 056
參考文獻 056
第5章 人工智能典型技術 058
5.1 機器學習 058
5.1.1 監督學習 060
5.1.2 無監督學習 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 電腦視覺 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 多模態技術 075
5.4.1 特徵表示 076
5.4.2 模態融合 076
參考文獻 077
第6章 人工智能重大演進進展 078
6.1 AI產業體系橫向拓展 078
6.1.1 AI產業體系概述 078
6.1.2 AI產業發展趨勢 079
6.2 AI芯片迭代構築底層技術優勢 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雲平臺助力創新業務落地 091
6.3.1 微軟 093
6.3.2 亞馬遜 093
6.3.3 華為雲 094
6.3.4 阿裡雲 095
6.3.5 百度智能雲 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應用產業規模增長及工程化落地 097
6.4.2 訓練平臺:彈性分佈式訓練驅動AI工程化進程 099
6.4.3 MLOps:打通AI工程化“最後一公里” 101
6.5 算力突破支撐AI跨越式發展 104
6.5.1 AI計算從粗獷使用向精細化協同演進 104
6.5.2 雲邊端一體化推動算力泛在化發展 105
6.5.3 智能算力支撐數字孿生元宇宙構建 106
6.5.4 多技術協同升級加速先進計算發展 107
6.6 算法更新推動AI能力持續演進 110
6.6.1 以AutoML為代表的新算法讓AI開發更簡單 110
6.6.2 以模型為中心的開源社區加速構建 111
6.7 多元化數據服務為AI“增值” 111
6.8 創新主體活躍掀起AI應用熱潮 113
6.8.1 Adept AI:通用人工智能(AGI)工具 114
6.8.2 Cohere:B端定製式AI服務者 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“雲端大腦”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 大模型發展歷程及特點 122
7.1.1 大模型技術快速迭代,參數規模三段式激增 122
7.1.2 “大+小”模型協同進化,推動端側化發展 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,總體呈現多種發展趨勢 128
7.2 大模型的典型應用領域 129
7.2.1 NLP大模型 130
7.2.2 CV大模型 135
7.2.3 多模態大模型 139
7.3 大模型的基礎是算力 144
7.3.1 通用算力——滿足大多數普通用戶需求 145
7.3.2 AI算力——適合邏輯簡單、計算密集型的並發任務 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 大模型改變內容生產 148
7.4.2 生成式AI孕育新業態 149
7.5 百模千態 151
7.5.1 OpenAI:ChatGPT大模型 152
7.5.2 Google:Gemini原生多模態大模型 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邁入規模探索階段 158
8.1 AI與行業結合,呈現百花齊放趨勢 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 162
9.1 大模型工程化落地面臨多方面挑戰 162
9.2 各行業智能化發展不均衡 162
9.3 AI深入賦能引發風險隱患 163
9.4 AI生態體系仍不完善 164
參考文獻 164
第三篇 5G+AI,加速行業智能化
第10章 行業從數字化走向智能化 167
10.1 數字化轉型的內涵 167
10.2 從數字化走向智能化 168
10.3 典型數智化歷程 169
10.3.1 美國:依托創新技術領先,鞏固數字經濟全球競爭力 169
10.3.2 歐盟:率先探索數字治理規則,打造統一的數字市場 170
10.3.3 英國:以數字政府建設為引領,推動全行業數字化轉型 171
10.3.4 日本:以“官產學”和“互聯工業”為抓手,建設超智能社會 172
10.3.5 韓國:重視標準體系建立,發布新增長4.0路線圖 173
10.3.6 中國:立足產業和市場優勢,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協同發展,加速行業智能化升級 176
11.1 5G與AI的關系 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,賦能行業智能化 179
12.1 5G本體技術優化:增強網絡內生能力 179
12.1.1 5G專網:定製網絡 180
12.1.2 5G網絡切片:靈活組網 181
12.2 5G+AICDE:構建融合服務能力 181
12.2.1 5G+AI:全面感知 182
12.2.2 5G+物聯網:全域互聯 183
12.2.3 5G+雲計算:雲網融合 184
12.2.4 5G+大數據:智能決策 184
12.2.5 5G+MEC:邊雲協同 185
參考文獻 185
第13章 重點行業實踐 186
13.1 政務 186
13.1.1 行業數智化發展概況 186
13.1.2 行業數智化發展趨勢 187
13.1.3 行業數智化整體需求 188
13.1.4 5G+AI技術融合分析 189
13.1.5 政務數智化典型方案 191
13.1.6 規模化復制與推廣路徑 192
13.2 應急 193
13.2.1 行業數智化發展概況 193
13.2.2 行業數智化發展趨勢 195
13.2.3 行業數智化整體需求 195
13.2.4 5G+AI技術融合分析 196
13.2.5 應急數智化典型方案 198
13.2.6 規模化復制與推廣路徑 199
13.3 氣象 200
13.3.1 行業數智化發展概況 200
13.3.2 行業數智化發展趨勢 201
13.3.3 行業數智化整體需求 202
13.3.4 5G+AI技術融合分析 203
13.3.5 氣象數智化典型方案 204
13.3.6 規模化復制與推廣路徑 206
13.4 農業 207
13.4.1 行業數智化發展概況 207
13.4.2 行業數智化發展趨勢 208
13.4.3 行業數智化整體需求 208
13.4.4 5G+AI技術融合分析 209
13.4.5 農業數智化典型方案 211
13.4.6 規模化復制與推廣路徑 213
13.5 文旅 213
13.5.1 行業數智化發展概況 213
13.5.2 行業數智化發展趨勢 215
13.5.3 行業數智化整體需求 216
13.5.4 5G+AI技術融合分析 216
13.5.5 文旅數智化典型方案 218
13.5.6 規模化復制與推廣路徑 220
13.6 教育 221
13.6.1 行業數智化發展概況 221
13.6.2 行業數智化發展趨勢 222
13.6.3 行業數智化整體需求 222
13.6.4 5G+AI技術融合分析 223
13.6.5 教育數智化典型方案 225
13.6.6 規模化復制與推廣路徑 227
13.7 醫療 228
13.7.1 行業數智化發展概況 228
13.7.2 行業數智化發展趨勢 230
13.7.3 行業數智化整體需求 230
13.7.4 5G+AI技術融合分析 231
13.7.5 醫療數智化典型方案 234
13.7.6 規模化復制與推廣路徑 235
13.8 製造 236
13.8.1 行業數智化發展概況 236
13.8.2 行業數智化發展趨勢 237
13.8.3 行業數智化整體需求 238
13.8.4 5G+AI技術融合分析 239
13.8.5 製造數智化典型方案 241
13.8.6 規模化復制與推廣路徑 243
13.9 港口 244
13.9.1 行業數智化發展概況 244
13.9.2 行業數智化發展趨勢 246
13.9.3 行業數智化整體需求 246
13.9.4 5G+AI技術融合分析 247
13.9.5 港口數智化典型方案 249
13.9.6 規模化復制與推廣路徑 251
13.10 電力 251
13.10.1 行業數智化發展概況 251
13.10.2 行業數智化發展趨勢 252
13.10.3 行業數智化整體需求 253
13.10.4 5G+AI技術融合分析 254
13.10.5 電力數智化典型方案 258
13.10.6 規模化復制與推廣路徑 260
參考文獻 261
第14章 趨勢及展望 262
14.1 5G-A下的網絡即服務 262
14.2 從雲網融合到算網融合的升級 264
14.3 數據要素價值創作成為新藍海 266
14.4 數字創新應用向多領域縱深發展 268
14.5 AI大模型驅動新興業態涌現 269
參考文獻 270