PAGEPAGE10/GPT與通信的相互關(guān)系。具體來說：首先，第1章闡述了GT大模型的概念、發(fā)展歷程和研究現(xiàn)狀。其次，第2章探討了PT賦能通信行業(yè)的嶄新應(yīng)用，以及在網(wǎng)絡(luò)智能自治中的定位。再次，第3章PT泛在應(yīng)用進行了研究，給出了未來網(wǎng)絡(luò)設(shè)計的典型思路。接著，第4章對PT和通信從獨立演進到協(xié)同發(fā)展的過程進行了全面的分析，介紹了未來能夠通過“6GGP5“GPT+通信”融合發(fā)展所面臨的五個最顯著的問題，并給出了一些解決思路。然后，第6章提出了對T7章對本摘 目 引 發(fā)展建議與未來展 結(jié)束 參考文 縮略 近年來，隨著人工智能（Arifcilntllignce，AI）技術(shù)的不斷發(fā)展，尤其是智能技術(shù)的應(yīng)用。22年11月底，OpeAI公司發(fā)布了迅速爆火的聊天機器人程序ChtGT，它具有驚人的自然語言理解和生成能力，引起了社會的廣泛關(guān)注。223年3月，升級版GT4多模態(tài)大模型的發(fā)布，再次引發(fā)了生成式I的熱潮，各類大運維和業(yè)務(wù)交付方面將更加智能化。在大模型時代，隨著GPT技術(shù)的發(fā)展，算力、天機器人ChatGPT，作為人工智能生成內(nèi)容（ArtificialIntelligenceGeneratedContent，起了全球范圍內(nèi)的AI新浪潮，也吸引了工業(yè)界和學術(shù)界的廣泛關(guān)注。2023年3月14GPT的全稱是GenerativePre-trainedTransformer，即生成式預(yù)訓練轉(zhuǎn)換器，源于深度學習和自然語言處理（NaturalLanguageProcessing，NLP）領(lǐng)域。在過去的幾1-1GPT常是大語言模型（LargeLanguageModel，LLM）的簡稱。語言模型是一種人工智如圖12所示，這幅進化樹圖追溯了近些年大模型的發(fā)展歷程，其中重點凸顯了某些最知名的模型，同一分支上的模型關(guān)系更近[]。實心方塊表示開源模型，空心方塊則是閉源模型。非Trasfome的模型都用灰色表示，而基于Tansfrme的模型中，僅編碼器模型是粉色分支，僅解碼器模型是藍色分支，編碼器-解碼器模型是綠色分支。圖1-2目前，國外大模型的主要發(fā)布機構(gòu)有OpenAI、Anthropic、Google以及Meta等，模型是循環(huán)神經(jīng)網(wǎng)絡(luò)（RecurrentNeuralNetwork，RNN），使用遞歸和卷積神經(jīng)網(wǎng)絡(luò)andWorkshoponNeuralInformationProcessingSystems，NeurIPS）發(fā)表了一篇名為圖14給出了Trsorr的網(wǎng)絡(luò)結(jié)構(gòu)。Trsomer是由一系列編碼器和解碼器形成的，二者均由多頭注意力層和全連接前饋網(wǎng)絡(luò)組成。PT類似于Trasome的DeeTrasomer中的核心組件是多頭注意力機制模塊，如圖1-5所示。它需要三個指定的輸入（代表查詢）、K（代表鍵）、V（代表值），然后通過公式將Q和K圖1-6GPT2018年6月，OpenAI公司發(fā)表論文ImprovingLanguageUnderstandingbyGenerativePre-training，正式發(fā)布了GPT-1[3]。②2019年2月，OpenAI發(fā)表了最新進展，一篇LanguageModelsareUnsupervisedMultitaskLearners的論文，提出語言模型是無監(jiān)督的多任務(wù)學習，GPT-2也隨之誕20223月，OpenAI再次發(fā)表論文TrainingLanguageModelstoFollowInstructionswithHumanFeedback，介紹了人類反饋強化學習（ReinforcementLearningfromHumanFeedback，RLHF），并推出了InstructGPT模型[6]。⑤223年3月，OpnAI又發(fā)布了多模態(tài)預(yù)訓練大模型PT4，再次進行了重大升級。2023年10月12日，分析公司stateof.ai發(fā)布了《2023年人工智能現(xiàn)狀報告》模型，正式開啟了AI2.0時代。Anthropic3億美元以應(yīng)對ChatGPT的威脅，加入了AI反饋強化學習（RinormetLeangfrmArifcilntllgeceeebaRLA）22年1CntitioalAI:arlesnssfomAIFedbac，介紹了人工智能模型aude；美國新媒體巨頭Buzzfd因宣布計劃采用ChtGT協(xié)助內(nèi)容創(chuàng)作，股價兩天漲了三倍；微軟作為OpeAI的主要投資方，也在利用ChtG芬蘭的owite，是一個基于AI的寫作工具，可以通過輸入關(guān)鍵詞生成郵件、消息等內(nèi)容。荷蘭的全渠道通信平臺MssgBid推出了自己的AI平臺MssgeidA，可以理解客戶信息的含義并做出相應(yīng)的響應(yīng)。這兩者都是在GP-3的基礎(chǔ)上運行的。德國在大模型的研發(fā)上也不斷追趕。比如，谷歌0年3月7日推出的多模態(tài)大模型PaLM22年2月，歐洲生成式A獨itrlAitrlLar32Kokn，支MstrlLarge在常識推理和知識問答上均表現(xiàn)出色，綜合評分超過了Geniro及Clade2PT。韓國也是最早加入大模型研發(fā)的國家之一。目前，韓國在大模型領(lǐng)域的代表有NAVR、Kao、T、SKT以及LG。韓國在半導體芯片方面的積累使其在大模型挑戰(zhàn)。222年年底，AVER就開始和三星電子合作開發(fā)下一代人工智能芯片解決方案，即基于NVR推出的大模型ypeCOVA進行優(yōu)化。此外，韓國在大模型KoGPExaon模型是2020年發(fā)布的NTELLILINKBackOffice，當時它能實現(xiàn)文檔分類、知識閱讀更有日本血統(tǒng)的生成式AI其實是HpeLVA、Rnna和LYZAencl，但其中HypeCLOA和Rna也都有外國基因。HypeCLVA最早是韓國搜索巨頭NAVR在221年推出的，但HypeCLVA確實是第一個專門針對日語的大模型，它曾202年舉行的話系統(tǒng)現(xiàn)場比中獲得了所有道的第一名ELYZAPecl則是由東京大學松尾研究所的AA中文社區(qū)最大規(guī)模的預(yù)訓練語言模型PLUG，在當時有不少人將其稱為“中文版如今國際標準化組織（InternationalOrganizationforStandardization，ISO）、國際電工委員會（InternationalElectrotechnicalCommission，IEC）等組織都已圍繞關(guān)鍵術(shù)語等開展標準研究。20233月，歐洲電信標準化組織（EuropeanTelecommunicationStandardsInstitute，ETSI）亦提出了有關(guān)人工智能透明度和可解和管理標準。目前，3GPP有四個工作組在進行AI/機器學習（MachineLearning，ML）標準化方面的研究工作，分別包括AI/MLforAirInterface、AI/MLforRAN、AI/MLfor5GS以及AI/MLforOAM。學會（InstituteofElectricalandElectronicsEngineers，IEEE）“人工智能大模型”標第1章中我們介紹了PT的概念、發(fā)展歷程和研究現(xiàn)狀等內(nèi)容，可以看出，GPT已被應(yīng)用于眾多領(lǐng)域，成為經(jīng)濟社會發(fā)展中重要的變革技術(shù)與關(guān)鍵力量，GPT將為全球產(chǎn)業(yè)帶來巨大飛躍和突破式發(fā)展。當前，PT已經(jīng)實現(xiàn)了人與機器之間以多cmnictoA應(yīng)用在通信行業(yè)的落地，為信息通信基礎(chǔ)設(shè)施的建設(shè)和運營開拓了新方案。作為A發(fā)展的新高度，GT引發(fā)的A即服務(wù)擁有更大的業(yè)務(wù)空間，能為通信行業(yè)的創(chuàng)新提供廣闊的舞臺。GPT如何賦能通信行業(yè)應(yīng)用，通信行業(yè)如何保障GPT落地，這是通信從業(yè)者必須思考和本的應(yīng)用的基礎(chǔ)上，再進行定制化的開發(fā)或訓練。例如，文本生成和分析[8]、軟件DraganaKrstic等人[12]提出了一種基于ChatGPT的框架，可用于移動網(wǎng)絡(luò)中的信果顯示，基于ChatGPT的服務(wù)質(zhì)量（QualityofService，QoS）估計方法在準確性和訓隨著第六代移動通信系統(tǒng)（TheSixthGeneration，6G）和物聯(lián)網(wǎng)等新型網(wǎng)絡(luò)技文獻[13]中提出了一種新的AI輔助SemCom網(wǎng)絡(luò)框架，通過采用全局和局部資源利用率，減少了傳輸流量和降低延遲，實現(xiàn)了更有效的語義傳遞，如圖2-3所示。圖2-3期演進技術(shù)（LongTermEvolution，LTE）等，從而支持設(shè)備之間的通信和數(shù)據(jù)傳GPT-4通過簡單的英語對話，生成了可行的硬件描述語言（HardwareDescriptionLanguage，HDL）代碼，然后將基準測試和處理器發(fā)送到Skywater130nm穿梭機上AI賦能的自治網(wǎng)絡(luò)是第五代移動通信系統(tǒng)（TheFifthGeneration，5G）和后5G家運營商、設(shè)備商和第三方廠商已經(jīng)開始了對網(wǎng)絡(luò)智能自治的研究，如圖2-5所示，士通過手動完成的。在覆蓋模擬工具的幫助下，根據(jù)關(guān)鍵性能指標（KeyPerformanceIndicator，KPI）評估每個站點并對其進行排名，根據(jù)可用預(yù)算挑選出針對最佳站點選擇問題，SiddharthaShakya等人[17]提出了基于AI的選址方法，網(wǎng)絡(luò)切片的部署涉及虛擬網(wǎng)絡(luò)功能（ituizedNtwokuntos，VNF）的放置和相關(guān)鏈路的選擇。VN求解VN映射過程，PT可以對網(wǎng)絡(luò)環(huán)境狀況進行分析，根據(jù)業(yè)務(wù)場景需求智能調(diào)整網(wǎng)絡(luò)參數(shù)，并做出業(yè)務(wù)資源需求預(yù)測，通過Aget和環(huán)境的相互作用，執(zhí)行特定NF映射過程中的狀態(tài)信息，對網(wǎng)絡(luò)的2-點信息以安全特征矩陣進行儲存。get定義為一個依靠T計算物理節(jié)點映射概率的策略網(wǎng)絡(luò)。PT輔助計算物理節(jié)點的安全特征矩陣輸出物理節(jié)點映射概率，然后選擇概率最大的物理節(jié)點并進行VN映射。之后，PT根據(jù)不同業(yè)務(wù)需求選擇最合適的鏈路映射方案，以網(wǎng)絡(luò)資源利用率作為獎勵函數(shù)，給予Aget反饋，同時更新狀態(tài)信息。如圖2-7所示，網(wǎng)絡(luò)采集器將實時網(wǎng)絡(luò)信息發(fā)送給GPT（CentralProcessingUnit，CPU）、內(nèi)存、網(wǎng)絡(luò)擁塞信息、網(wǎng)絡(luò)事件的日志信息等。通信的質(zhì)量和效率。文獻[21]中提出AI信令追蹤措施，在此基礎(chǔ)上引入GPT相關(guān)技緣智能具有巨大的潛力，如何對GPT進行便捷的部署、如何將“云中心”的GPT“需求[23]。此外，AIGC充分解決了云網(wǎng)層高延遲、高風險等局限性，使得數(shù)據(jù)更安供了用戶交互平臺，支持GPT除了原生支持PT應(yīng)用，未來網(wǎng)絡(luò)還需要包括新的特性，比如原生數(shù)據(jù)保護、原生可信、原生多元生態(tài)系統(tǒng)等，如圖3-2所示。此處的“可信”涵蓋了網(wǎng)絡(luò)安全、隱私、韌性、功能安全、可靠性等多個方面[，要求未來網(wǎng)絡(luò)設(shè)計必須注重網(wǎng)絡(luò)安全[7絡(luò)接入，構(gòu)成實現(xiàn)普惠智能的多元生態(tài)系統(tǒng)。為普惠智能助力的是，人工智能技術(shù)將圖3-2未來網(wǎng)絡(luò)需要提供強大的邊緣計算支持，算力需要超過100GFLOPS，使得考慮到GT模型可能通過不同類型的設(shè)備（如移動設(shè)備、oT設(shè)備等）進行訪解決個人和企業(yè)都十分關(guān)心的數(shù)據(jù)所有權(quán)問題。普惠智能以及信息與通信技術(shù)（InformationandCommunicationTechnology，ICT）系統(tǒng)深度融合，在網(wǎng)絡(luò)邊緣提自適應(yīng)網(wǎng)絡(luò)切片技術(shù)，允許創(chuàng)建多個虛擬網(wǎng)絡(luò)切片，每個網(wǎng)絡(luò)切片都是一組網(wǎng)6G網(wǎng)絡(luò)架構(gòu)的實例化。這種靈活性使得6G網(wǎng)絡(luò)可以同時支持多種有特定性能需求條件和服務(wù)需求，動態(tài)調(diào)整資源分配和配置。在面對像PT這樣的高性能計算需求時，自適應(yīng)網(wǎng)絡(luò)切片顯示出其獨特的優(yōu)勢。如圖3-3所示，網(wǎng)絡(luò)切片作為提供服務(wù)

分布式學習將成為6G網(wǎng)絡(luò)提升AI性能和效率的重要途徑。通過分布式學習可以擴充樣本空間，部署更大模型，設(shè)計全局優(yōu)化算法，并提升網(wǎng)絡(luò)A如圖3-4所示，邊緣智能最初可追溯到分布式計算的發(fā)展3]。通過將計算任務(wù)分解成多個子任務(wù)，更高效地處理大規(guī)模的語言模型訓練，在泛化能力上取得顯著的進展。邊緣智能的進一步演進在于將感知、計算和決策深度融合為一個整體。感知階段的關(guān)鍵目標是收集高質(zhì)量的數(shù)據(jù)，為后續(xù)的計算和決策提供充足的信息基礎(chǔ)。隨著深度學習和神經(jīng)網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，計算在邊緣智能中的角色變得日益重要。邊緣A模型能夠解析和理解用戶的語言，并做出相應(yīng)的決策，使得用戶與設(shè)備之間的交互更為自然和智能。感知、計算和決策的融合提高了系統(tǒng)的智能化水平[1，早在08年，3P就基于Re8定義了自組織網(wǎng)絡(luò)（Slf-gaizngNewrs，SO）A的功能嵌入到了構(gòu)思與規(guī)劃、分析與設(shè)計、實施與構(gòu)建、運行與維護的網(wǎng)絡(luò)生命周期里334536]，這成為推動通信AI發(fā)展的一個里程碑。然而，2G與3G，最初都沒有按照網(wǎng)絡(luò)智能化理念來構(gòu)建，舊網(wǎng)絡(luò)時代生態(tài)體系與A難以適配。2017年93GPP第一次定義了通信AI的網(wǎng)元，即網(wǎng)絡(luò)數(shù)據(jù)分析功能（NetworkDataAnalyticFunction，NWDAF），此外，O-RAN也定義了通信AI的網(wǎng)元，即無線接入網(wǎng)智能控制器（RadioAccessNetworkIntelligentController，RIC），2018年6月，3GPP5G新空口（NewRadio，NR）標準獨立組網(wǎng)（StandAlone，SA）方案在3GPP第80次TSGRAN全會正式完成并發(fā)布。一方面，與4G網(wǎng)絡(luò)相比，撐起更加豐富的業(yè)務(wù)場景和應(yīng)用，為以GPT為代表的AI203年9月，3PAML工作組將生成式人工智能引入了討論范疇，并加入NWAF模塊，經(jīng)過數(shù)個版本迭代演進，現(xiàn)階段已形成數(shù)據(jù)采集、訓練、推理、閉2年123PReese1場景、新技術(shù)，讓AI更懂網(wǎng)絡(luò)，實現(xiàn)網(wǎng)絡(luò)與AI深度融合，包括AI與5G未來結(jié)合的應(yīng)用方向。PT為代表的A有能力通過分析從網(wǎng)絡(luò)中收集的數(shù)據(jù)，來解決復雜和非3P已經(jīng)研究如何將A應(yīng)用于5GRA和GPT與物理層的結(jié)合，有助于實現(xiàn)5G的彈性設(shè)計。大規(guī)模天線技術(shù)是5GNR設(shè)計的基石。NR需要支持高達100GHz的頻譜范圍，隨著頻率的升高，收發(fā)系統(tǒng)使用GT與網(wǎng)絡(luò)層的結(jié)合，有助于實現(xiàn)5G的柔性自治。通過5G網(wǎng)絡(luò)可獲得海量數(shù)G對大數(shù)據(jù)集進行統(tǒng)計和分析416G網(wǎng)絡(luò)與T融合是未來潛在發(fā)展方向，既包括為G網(wǎng)絡(luò)自身性能優(yōu)化提供的智能能力，如利用端到端A6網(wǎng)元G“6G+T”服務(wù)主要面對高實時、高性能、強安全等需求，在網(wǎng)絡(luò)內(nèi)進行訓練或推理，提供適應(yīng)不同應(yīng)用場景的AI能力。6G網(wǎng)絡(luò)作為原生智能架構(gòu)，利用網(wǎng)絡(luò)內(nèi)的通信、計算、數(shù)據(jù)集、基礎(chǔ)模型等資源，結(jié)合T高效訓練或推理能力，能夠?qū)崿F(xiàn)海量數(shù)據(jù)處理、網(wǎng)絡(luò)自服務(wù)、資源優(yōu)化和內(nèi)生安全等任務(wù)，為用戶提供無所不在的高性能AI服務(wù)。下面具體介紹G與T融合發(fā)展的四個方向，如圖41所示。圖4-1GPT與6G進行編排，以滿足用戶服務(wù)級別協(xié)議（ServiceLevelAgreement，SLA）需求并實現(xiàn)網(wǎng)GPT6用于6G來構(gòu)建新安全邊界防護體系1]。通過始終持續(xù)性地驗證用戶、設(shè)備和應(yīng)用對象的安全邊界。在零信任的框架中，PT基于用戶、設(shè)備和應(yīng)用進行動態(tài)風險評記錄，T總結(jié)歷史經(jīng)驗，將安全能力與網(wǎng)元、網(wǎng)絡(luò)特性深度融合，并進一步構(gòu)筑66G將具備原生AI能力，不僅空口和網(wǎng)絡(luò)設(shè)計將借助端到端AI和機器學習實現(xiàn)高度定制的優(yōu)化，同時各個網(wǎng)元也將原生融合通信、計算與感知能力，從集中智能向分布式的網(wǎng)絡(luò)泛在智能轉(zhuǎn)變，通過邊緣智能的分布式機器學習架構(gòu)，滿足社會生產(chǎn)的大規(guī)模智能需求4]。6G作為未來數(shù)字世界的“超級基礎(chǔ)設(shè)施”，將以大連接、高算力和強安全的極致性能，支撐人、機、物的泛在智聯(lián)，賦能全社會數(shù)字化轉(zhuǎn)型，實現(xiàn)GPT與64-近年來，以人工智能、大數(shù)據(jù)、云計算等為代表的新技術(shù)正在迅速與傳統(tǒng)制造現(xiàn)代工業(yè)智能化生產(chǎn)模式，建立在AI應(yīng)用的基礎(chǔ)上434]，6G通信技術(shù)與GPT的協(xié)網(wǎng)絡(luò)狀態(tài)的估計和預(yù)測，6G與GPT協(xié)同相比于傳統(tǒng)云端AI更貼近交通現(xiàn)場，從而GPT了解人們意圖，實現(xiàn)對各類家居設(shè)備的最優(yōu)控制。在維護家庭安全方面，數(shù)字娛樂行業(yè)存在“成本、效率、質(zhì)量”的不可能三角，即難以同時兼顧研發(fā)成本、研發(fā)效率與產(chǎn)品質(zhì)量。而AGC的廣泛應(yīng)用，能夠極大地提升策劃、音頻、成本。虛擬現(xiàn)實（irualRelty，VR）、增強現(xiàn)實（AumetdRalty，AR）、擴展現(xiàn)實（xenddReatyXR）等技術(shù)的使用是新一代數(shù)字娛樂的趨勢?！?G+PT”能夠提供完全沉浸式的交互場景，支持精確的空間互動，滿足人類在XR需要進行對象定位和運動追蹤，處理和反應(yīng)依賴于AI的能力，GT技術(shù)可用于6網(wǎng)絡(luò)未來R業(yè)務(wù)，提供更為豐富的算力和算法資源，保證各種R應(yīng)用的執(zhí)[9AR、VR6網(wǎng)絡(luò)需要更強大的網(wǎng)絡(luò)圖形圖像clodR，還有云游戲、智慧城市、數(shù)字孿生城市、數(shù)字可視化等。網(wǎng)絡(luò)圖形圖像處理過程中存在大量的數(shù)據(jù)傳輸，這需要對網(wǎng)絡(luò)傳輸進端感知周圍環(huán)境，使信息收集更方便，PT能夠?qū)π畔⑦M行識別、分析和處理，提場景需要更高的帶寬和更大的天線孔徑50，通過“超越人眼”的應(yīng)用，可以獲65在第4章中，我們研究了PT大模型與通信如何從獨立演進到融合發(fā)展的過程，并討論了未來6GPT協(xié)同發(fā)展和實際應(yīng)用的過程中，仍然存在一些難點和挑戰(zhàn)。這是因為通用大模型雖然能夠掌握廣闊的通識知識，但缺乏對特定任務(wù)和行業(yè)的深入理解，導致在滿足嚴格的專業(yè)化需求時可能難以達到最佳性能。此外，大模型本身也存在一些局限性，同時通理上表現(xiàn)并不理想，功能也較為單一。隨著ChatGPT等大模型的發(fā)展，AI們迫切希望落地的技術(shù)。例如，蘋果最早搭建了Aj大模型，并推出了內(nèi)部測試聊天機器人“AppleGT”；vio發(fā)布了自研的覆蓋多個參數(shù)量級的“藍心”大模型，包括端云兩用模型和端側(cè)專業(yè)文本大模型等；小米宣布其自研iLM輕量級大模型已經(jīng)接入了新發(fā)布的澎湃操作系統(tǒng)（peringStemS）monyS4系統(tǒng)將全面接入“盤古”大模型；榮耀、PPO、三星等其他終端廠5-型參數(shù)和進行計算。在蘋果公司發(fā)表的最新論文中提到，一個70要超過14GB的內(nèi)存來加載半精度浮點格式的參數(shù)[57]，這超過了大多數(shù)終端設(shè)備的在這種復雜的分布式系統(tǒng)中，任何一個環(huán)節(jié)遇到瓶頸都可能對模型訓練的效率本會增高，進而導致整體訓練性能下降。在傳統(tǒng)服務(wù)器配置中，A信受限于Ce總線的帶寬，使得數(shù)據(jù)在U內(nèi)存間的傳輸速度僅為理論速率的約1%。此外，位于不同服務(wù)器的AI計算卡之間的通信還受到數(shù)據(jù)中心網(wǎng)絡(luò)帶寬的限制，如常見的10b/s以太網(wǎng)速率，進一步制約了訓練效率。簡而言之，隨著集群A其中，影響最大的是服務(wù)器間的高速互聯(lián)。需要在系統(tǒng)之間提供100Gbit/s甚例如，當前以ChtGT為代表的聊天機器人在“創(chuàng)作”過程中大量學習和使用語料庫中他人作品的內(nèi)容，可能導致“智能洗稿”，原作者的權(quán)益應(yīng)當如何保護也是非常值得關(guān)注的問題。在教育領(lǐng)域，ChaGT也帶來了相關(guān)的學術(shù)倫理挑戰(zhàn)。學生可能會利用ChtGT制作本不屬于其自身的作品，導致抄襲、剽竊等“學術(shù)不端”的行為出現(xiàn)，進而影響教育和學術(shù)生態(tài)。在此情況下，023年1月27日，《科學》雜志就曾發(fā)表評論文章，明確拒絕了ChaG的作者署名權(quán)。此外，清華大學助理教授于洋曾帶領(lǐng)團隊對hatT的前身PT2進行相關(guān)測試，發(fā)現(xiàn)GPT2存在05%的概率60.3（”。例如，203年4月，三星員工就曾在使用ChGPT處理工作時，無意間泄露了OpeA使用PT的通信行為也有義務(wù)進行保密，否則有可能造成用戶住址、工作單位和個略和政策，以推動AI政府辦公廳于2024年1月印發(fā)的《關(guān)于加快人工智能產(chǎn)業(yè)發(fā)展的指導意見》中也明算力規(guī)模平均每年增長46%，數(shù)字經(jīng)濟增長14.2