久久久91-久久久91精品国产一区二区-久久久91精品国产一区二区三区-久久久999国产精品-久久久999久久久精品

近日，由北京市科學技術協會和中國聯合網絡通信集團有限公司主辦，北京市科學技術協會創新服務中心、東盟工程組織聯合會(AFEO)、北京科技國際交流中心、北京工程師學會和北京企業技術開發研究會共同承辦的“未來互聯網產業發展論壇”在中關村國際創新中心成功舉行。

本次活動以“智能時代的技術融合與產業變革”為主題，來自國內外的數十位專家聚焦人工智能、6G、物聯網、大模型等前沿技術，圍繞下一代互聯網如何重構全球產業生態、推動數字化轉型的話題作了精彩發言，相關領導及國內外學者約180人參加了本次活動，為新一代互聯網共同繪制未來圖譜，為全球經濟轉型貢獻了新思路、新觀點、新技術。

其中，在活動的主旨演講環節，中國工程院院士、中國工程院原副院長鄔賀銓以《AI加持網絡重構與模式變革》為題，深入剖析了人工智能對未來互聯網架構產生的深遠影響，他指出，當下互聯網已經進入“數智化時代”，而從2025-2035年間，互聯網將開啟全新十年，來到支持新質生產力發展的“新質互聯網”時代。

完整視頻鏈接：https://mp.weixin.qq.com/s/Fr1Etms5bSm49RM3UWJM_A

他提出，人工智能技術深切改變了全球競爭格局，也將重塑世界與我們的構成方式：“AI將推動互聯網向智能化、自適應化躍遷，重構工業、醫療、教育等領域的核心邏輯。”

“AI+”新質互聯網長啥樣?

會給我們的生活帶來什么改變?

連續兩年的《政府工作報告》都部署了“人工智能+”，和傳統互聯網相比，“AI+”新質互聯網到底有何不同之處？鄔賀銓院士指出，AI的快速發展不但正持續地重塑著未來互聯網的終端形態、網絡基礎設施和產業應用模式，而AI與6G的結合，也將催生全新的通信范式。

鄔賀銓院士表示，首先從數據流向來看，過去互聯網應用需求主要在“下載”——即數據主要從云端向終端傳輸，而上傳需求較少。而在“新質互聯網”時代，終端可能不再僅僅是數據的接收者，更是數據的生產者。鄔院士描繪了一個生動的情景：未來AI應用生成的視頻內容將涉及3D影像、虛實結合等內容，這意味著對網絡上下行高帶寬的需求將大幅增長。

鄔賀銓院士介紹，目前，我國帶寬雖已實現了“百兆普及率超95%、千兆覆蓋超30%”，并在同步推動“萬兆接入”，但這主要針對下行帶寬的提升，上傳帶寬的能力仍有限。“過去我們家庭網絡是‘一對多’的傳輸，對上傳需求普遍不高，而未來則可能隨著‘多對一’的上傳需求而改變，對網絡架構的調整首先會是一個重要課題”。

其次，鄔賀銓院士也提到，在未來跨區域數據交互流動、多個算力中心協同計算等多個場景下，AI應用將對“低延時、高帶寬、低成本、零丟包率”的網絡提出更高要求。未來網絡需具備更靈活的調度能力，比如短時間內分配大帶寬資源，對普通數據和重要數據進行分級管理，甚至關鍵場景下要求提供數據傳輸相應的安全防護和差異化服務，這些意味著網絡在設計上需要更多優化，包括對路由機制、數據緩存策略、流量管理等方面的調配和提升。

鄔賀銓院士也帶大家展望了“AI+”新質互聯網的未來使用場景：“隨著6G的到來，未來網絡將拓展更多頻率，更加綠色化和智能化，推動整個互聯網生態的重塑。終端不再局限于地面和固定，而會覆蓋移動的汽車、空中的無人機、天上的衛星在內的多種形態，同時在不同環境下，用盡可能低的成本，帶給用戶最流暢的網絡體驗。”

最后，鄔賀銓院士也特別強調，對6G的研究并不意味著5G的問題被忽略，相反，很多6G的相關研究成果可以“反哺”5G，用來優化現有網絡架構，使其更好地適應AI時代的需求。

Deepseek未完全解決大模型落地難題

對優質數據的獲取仍是一大挑戰

在人工智能時代，誰掌握了稀缺的優質數據，誰就可能擁有大模型應用的“天下”。

在談到解決我國大模型應用落地難的痛點問題時，鄔賀銓院士提到了今年年初讓人眼前一亮的Deepseek大模型。他認為，Deepseek的優勢在于達到當前頂級大模型性能的同時，大幅降低了計算復雜度。“它降低了大模型的使用門檻，吸引了更多行業關注大模型發展，也拉近了企業與大模型之間的距離，但并未完全解決大模型落地的難題，而對具有高度準確性、一致性、完整性、可靠性、專有性的優質數據的獲取，未來仍面臨諸多挑戰。”

鄔賀銓院士表示，無論是訓練大模型，還是推動行業應用，都離不開高質量的數據。例如，在智能交通領域，獲取城市級別的數據成本極高。盡管可以利用AI生成部分數據，但前提是必須先擁有一定量的原始數據。此外，數據標注也是一大難題。對于人臉識別、自然語言處理等領域，雖然標注需要人工參與，但整體門檻相對較低。然而，在工業領域，如石油勘探等專業數據，往往需要專業人士參與，造成數據獲取的成本極高。同時，安全性問題也不容忽視。數據安全既包括網絡安全挑戰，也涉及商業誠信與共享問題。

除了面臨優質數據獲取難的挑戰，鄔賀銓院士還指出，未來行業應用還需解決大語言模型之外的視頻、圖像等多模態大模型問題；更復雜場景下大模型更自主更智能的能力提升問題；云服務之外，向終端下沉的本地運行需求場景；AI的可信度等難題。

盡管大模型功能強大且覆蓋廣泛，但針對特定任務和場景時，有時卻常常“大而不強”。由此，鄔賀銓院士也提出，要在特定行業應用和消費端，面向不同場景開發多個“小模型”和“小程序”，用來補足和豐富AI應用的“生態”，真正實現未來大模型的廣泛落地。

來源：邊緣計算洞察