畅享未来智能世界，人们无需再排队等候，无需再重复单调乏味的工作，任何商品和服务都会在你最需要的时候即时送达。未来全球数据将进入YB时代，智能和宽带将像空气一样无所不及，几乎所有家庭、车辆和个人都能享受万兆网络。在这样的世界中，健康将可计算，诊疗将更高效，抗击癌症和疫情将取得显著成果。在这样的世界中，我们可以用工业化的方式解决农业问题，打造不受气候和土地资源影响的农场，用数据换产量，解决全球饥饿问题。 在这样的世界中，无人驾驶汽车将开启第三空间，满足人们出行时的学习和娱乐等需求。无人驾驶革命将使能空中电动出租，带来出行新体验。在这样的世界中，绿色、全光和数字化转型将打造更宜居、更人性化的全联接城市。全球85%的企业将借助牢不可破的区块链技术保护个人隐私安全，隐私增强计算将占总计算的一半以上。在云计算的加持下，未来的能源将更清洁、更智能。在数字可信的世界中，企业将更具韧性，柔性生产将更受青睐。总之，未来将是一个智能世界。作为世界领先的技术领导者，华为引领数字未来建设，并致力于展望未来创新趋势。 《智能世界2030》报告描绘了华为对于未来世界的美好愿景。华为“智能世界”研究团队与1000多名来自各个行业的学者进行交流，悉心聆听数十家客户的想法，广泛征求合作伙伴的意见。研究团队分析了国际组织、科学期刊和咨询公司的大量数据，并结合华为自身的洞察和判断。研究团队组织了2000多场研讨会，让思想在交流中碰撞出智慧的火花。 发布单位：华为

联邦学习是一种加密的分布式机器学习技术，它是指参与联邦学习的各用户在不共享本地数据的前提下共建AI模型。其核心是：参与方在本地进行模型训练，然后仅将模型更新部分加密上传到云端，并与其它参与方的模型更新部分进行汇聚整合，形成一个公共的模型，这个公共的模型再由云端下发给各参与方，通过反复的本地训练以及反复的云端整合，最终得到一个更好的AI模型。NAIE联邦学习部署服务基于华为云的计算资源，集成云端联邦中心开发环境，为终端、边缘设备、本地数据中心提供联邦学习环境的平台。 产品优势： ●数据不出局 局点由于数据安全、隐私保护而导致数据不能出本地，形成数据孤岛问题。传统的机器学习无法汇聚完整的训练数据，从而无法训练出较优的模型。联邦学习只利用本地数据进行训练，不交换数据本身，而是用加密方式交换更新的模型参数。 ●模型效果提升数据样本在各地分布不均，样本量少的局点，训练得到的AI模型效果较差，AI模型应用的泛化效果没有保障。联邦学习利用设备在不同环境的数据进行模型训练，模型汇集更新后再下发至设备，可以提升模型的泛化能力。 ●模型训练效率提升由于边缘计算能力越来越强，分布式训练相对于集中训练，更能提高AI模型生成效率，充分发挥边缘节点的计算资源及计算能力。联邦学习利用终端或边缘设备闲置计算能力进行训练，提升模型个性化适配训练效率，不影响核心业务体验 发布单位：华为云

联邦学习是： 各方数据都保留在本地，不泄露隐私也不违反法规； 多个参与者联合数据建立虚拟的共有模型，并且共同获益的体系； 在联邦学习的体系下，各个参与者的身份与地位平等； 联邦学习的建模效果将和整个数据集放在一处建模的效果相同，或相差不多（在各个数据的用户对齐或特征对齐的条件下）； 迁移学习是在用户或特征不对齐的情况下，也可以在数据间通过交换加密参数达到知识迁移的效果。 联邦学习使多个参与方在保护数据隐私、满足合法合规要求的前提下继续进行机器学习，解决数据孤岛问题。 发布单位：微众银行人工智能部、电子商务与电子支付国家工程实验室、鹏程实验室、平安科技、腾讯研究院、云计算与大数据研究所、招商金融科技

020年中国煤炭消费占一次能源消费的比重为57%，单位能源消费碳强度高于世界平均水平30%11，电力/热力行业煤炭依赖度高，碳排放占全国总量约二分之一。推动能源供给、消费、技术和体制革命，加强全方面国际合作，构建清洁安全高效的能源体系，建设以新能源为主体的新型电力系统是中国能源系统发展的主要方向。 中国单位GDP能耗是世界平均水平近1.5倍3，高能耗的工业制造业比重偏高，工业制造业碳排量仅次于电力/热力行业12。中国以碳强度控制为主、碳排放总量控制为辅，控制钢铁等高耗能产业扩张，淘汰落后产能，促进节能环保产业发展，加深工业互联网等新技术应用，建设绿色制造体系，推进工业制造业产业结构调整升级。 发布单位：德勤

主要观点 大模型（也称预训练模型、基础模型等）是“大数据+大算力+强算法”结合的产物，是凝练了大 数据内在精华的“隐式知识库”，是实现多种人工智能应用的通用载体。大模型是连接人工智能 技术生态和产业生态的桥梁，向下带动基础软硬件发展，向上支撑智能应用百花齐放，是未来 整个人工智能生态的核心。 大模型通常是在大规模无标注数据上进行训练，学习出一种特征和规则。基于大模型进行应用 开发时，将大模型进行微调（在下游特定任务上的小规模有标注数据进行二次训练），或者不进 行微调，就可以完成多个应用场景的任务。 当前大模型领域较为关注的研究重点包括：大规模的模型参数、创新的模型架构、采用多模态的 数据进行预训练和微调、高效且性能更强的预训练和微调方法、模型训练和推理加速方法等。 大模型在推动AI领域技术体系、智能产业发展的同时，也对算力基础设施和智能产业的生态提 出了更高的要求，带动相关领域的发展。 当前全球大模型产业落地仍处于早期探索阶段，大模型落地过程中,最为重要的是减少企业需 要投入的学习、开发和计算成本，同时还要能够满足企业进行模型开发定制的需求。目前产业 领域典型的有API、开源、PaaS和“交互主体化”四种落地模式。 大模型技术快速发展，目前在内容创意生成、语言/风格转换、对话、搜索等领域的落地进展较 快。此外，利用大模型进行编程，也成为探索的热点。随着未来模型性能的不断提升，模型相关 的平台不断完善，大模型或将成为下一代AI基础平台，为各行各业赋能。 大模型发展至今也带来了一系列问题。一是模型配套的产业、监管体系相对薄弱。二是深度学习 技术本身存在的缺陷。 随着模型配套的产业生态逐步建立和完善，大模型技术将变得更为可靠和可控。 发布单位：北京智源人工智能研究院

当前，以数字化、网络化、智能化为本质特征的第四次工业革命正在兴起。工业互联网作为新一代信息技术与制造业深度融合的产物，通过对人、机、物的全面互联，构建起全要素、全产业链、全价值链全面连接的新型生产制造和服务体系，是数字化转型的实现途径，是实现新旧动能转换的关键力量。为抢抓新一轮科技革命和产业变革的重大历史机遇，世界主要国家和地区加强制造业数字化转型和工业互联网战略布局，全球领先企业积极行动，产业发展新格局正孕育形成。 发布单位：深圳市标准技术研究院

本标准规定了人工智能服务能力成熟度评价参考模型，包括能力框架、评价指标体系以及相应的成熟度等级。本标准适用于对服务提供商提供的人工智能服务的成熟度评估，以及服务成熟度模型中某项主能力域、能力子域的单项评估。 发布单位：中国电子技术标准化研究院

“数实共生” 是指数字技术和实体经济深度融合，相辅相成，相互促进，一体化发展。具体来说，数字技术在改善用户体验、促进企业转型、优化产业结构和增强国家经济实力方面具有强大的推动作用。与此同时，实体经济的应用需求也给数字技术带来广阔的发展空间。两者相互促进产生的倍增效应、乘数效应将极大推动经济发展速度和规模扩张，进入良性发展阶段。数字技术是一项通用技术，通过赋能传统经济实现智能升级和融合创新，是新时代生产要素的合集。只有加快推进数字技术与实体经济深度融合，经济发展才能真正从要素驱动转为创新驱动，从注重规模经济变为注重质量效益，实现高质量发展。 发布单位：腾讯研究院、IDC

当前，AI服务已经在工业制造、企业服务、生活消费等领域开始了广泛的应用。具备计算加速能力的GPU、TPU、NPU等AI芯片成了数据中心、智能手机终端等计算部署不可或缺的一环。 边缘计算作为算力架构优化的最重要的技术，不仅能满足未来AI技术在应用场景延伸、算力分布化部署等方面的要求，同时也是5G网络、物联网络发展的重要方向。 发布单位：百度、中国联通、中国电信等

从中国古代依靠人力计算的算盘，到当下无处不在的智能设备，算力经过了不同阶段的演变，正向着愈发性能强大和生态多样化的未来迈进。在芯片时代，算力的发展经历了单核、多核、网络化三大阶段：首先，由于技术和商业化可行性低，单核硅基芯片计算能力将在3纳米到达极限。 与此同时，由于算力散失效应带来的多核堆叠性能提升受限，以及核心数增加带来的单位算力功耗提升，共同使得依靠核心数增加换取算力提升的步伐将在 128 核由于经济性原因迅速放缓，推动算力从单设备多核阶段向网络化阶段演进。 而在智能社会对算力需求始终不断增长的大背景下，受限于网络技术发展及网络带宽成本，边缘端的算力部署将成为必然的演进方向，来填补算力需求的错配，最终形成云-边-端泛在算力部署的理想架构。 发布单位：华为

新计算产业是传统计算产业的升级与扩展，技术的发展提升了计算能力，而多元化的场景需求将计算能力扩展到云网边端全场景。 新计算产业是在万物互联的时代背景下，为了满足异构计算能力和多元化的算力需求所构建的多架构共存、多技术融合、多领域协同和多行业渗透的软硬件产业体系。 新计算产业与传统产业融合发展，形成专业领域的行业应用和解决方案，便构筑起了新计算产业生态。 发布单位：中国科学院科技战略咨询研究院产业科技创新研究中心

在人工智能驱动产业智能转型升级过程中，不同行业、企业对软件工具、智能技术、底层硬件等多个环节均提出差异化需求，具备即时响应、敏捷开发、快速交付、持续迭代等能力的AI中台架构成为有效解决方案和业界广泛共识。AI中台作为全栈式、集约化、自动化的生产力工具箱，是实现AI技术在各行业中快速研发、共享复用和部署管理的智能化底座和关键基础设施。本白皮书旨在深入剖析AI中台体系架构与内涵，探讨能力建设路径和行业赋能方案，以期与业界分享，共同推动我国人工智能产业创新发展与行业智能化升级。 发布单位：百度智能云、中国人工智能产业发展联盟