2024 全球6G技術(shù)大會 -10.0A GPT通信白皮書v11

摘要技術(shù)難題，而GPT展示出的潛力能夠改進信息通信的服務(wù)，提升自智網(wǎng)絡(luò)的性能。此外，GPT的快速發(fā)展和廣泛應(yīng)用，也需要大帶寬低時延高可靠的通信網(wǎng)因此，本白皮書從通信從業(yè)者的角度，探討了GPT與通信的相互關(guān)系。具第2章探討了GPT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章對通信網(wǎng)絡(luò)如何支持GPT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GPT和通信從獨立演進到協(xié)同發(fā)展的過程進出了一些解決思路。然后，第6章提出了對GPT與通信融合發(fā)展的建議和對未來摘要 10.引言 41.GPT引領(lǐng)人工智能發(fā)展熱潮 71.1.GPT基本概念 71.1.1.生成式預(yù)訓(xùn)練轉(zhuǎn)換器 71.1.2.大模型 81.1.3.Transformer架構(gòu) 101.2.GPT發(fā)展歷程 121.3.GPT研究現(xiàn)狀 141.3.1.國外研究現(xiàn)狀 151.3.2.國內(nèi)研究現(xiàn)狀 171.3.3.國際組織 172.GPT賦能通信行業(yè) 192.1.GPT催生通信新應(yīng)用與新改革 192.1.1.智能客服 202.1.2.自動化仿真 212.1.3.增強語義通信 222.1.4.重塑芯片設(shè)計領(lǐng)域 232.2.GPT促進通信網(wǎng)絡(luò)智能自治 242.2.1.GPT重塑網(wǎng)絡(luò)規(guī)劃 252.2.2.GPT增強切片部署 262.2.3.GPT簡化網(wǎng)絡(luò)運維 272.2.4.GPT加速網(wǎng)絡(luò)優(yōu)化 283.通信網(wǎng)絡(luò)使能GPT泛在應(yīng)用 313.1.通信網(wǎng)絡(luò)保障GPT應(yīng)用落地 313.2.未來網(wǎng)絡(luò)技術(shù)支撐GPT應(yīng)用 333.2.1.未來網(wǎng)絡(luò)設(shè)計的典型思路 343.2.2.原生支撐GPT應(yīng)用的6G網(wǎng)絡(luò) 353.3.新型網(wǎng)絡(luò)架構(gòu)支持GPT能力下沉 363.3.1.自適應(yīng)切片 373.3.2.分布式學(xué)習(xí) 383.3.3.邊緣智能 394.GPT與通信協(xié)同發(fā)展 414.1.GPT與通信從獨立演進到緊密結(jié)合 414.1.1.GPT與通信結(jié)合趨勢 414.1.2.GPT與5G網(wǎng)絡(luò)結(jié)合 424.2.GPT與6G通信網(wǎng)絡(luò)融合發(fā)展 434.2.1.GPT支持海量數(shù)據(jù)處理 444.2.2.GPT推動網(wǎng)絡(luò)自服務(wù) 444.2.3.GPT協(xié)助網(wǎng)絡(luò)資源編排 444.2.4.GPT構(gòu)建網(wǎng)絡(luò)內(nèi)生安全 454.3.“6G+GPT”賦能行業(yè)數(shù)字化轉(zhuǎn)型 454.3.1.“6G+GPT”賦能智能工業(yè) 464.3.2.“6G+GPT”賦能智慧醫(yī)療 474.3.3.“6G+GPT”賦能智能交通 474.3.4.“6G+GPT”賦能智慧農(nóng)業(yè) 484.3.5.“6G+GPT”賦能智能家居 484.3.6.“6G+GPT”賦能數(shù)字娛樂 495.“GPT+通信”融合發(fā)展面臨的問題 505.1.通信高質(zhì)量訓(xùn)練數(shù)據(jù)稀缺，專用模型準(zhǔn)確性和泛化性差 515.2.端側(cè)算力及硬件資源不足，大模型輕量化部署難 535.3.云邊端異構(gòu)網(wǎng)絡(luò)協(xié)同困難，大模型性能穩(wěn)定性差 555.4.服務(wù)器互聯(lián)存在帶寬瓶頸，訓(xùn)練時間長推理效率低 575.5.大模型相關(guān)法律法規(guī)滯后，安全隱私與道德倫理風(fēng)險高 596.發(fā)展建議與未來展望 626.1.發(fā)展建議 626.1.1.加快AI算力建設(shè)，提供基礎(chǔ)設(shè)施支撐 626.1.2.加強校企聯(lián)合培養(yǎng)，填補創(chuàng)新人才空缺 646.1.3.加速制定相關(guān)政策，建立平臺引導(dǎo)發(fā)展 666.2.未來展望 686.2.1.核心技術(shù)實現(xiàn)突破，關(guān)鍵能力顯著增強 686.2.2.體系建設(shè)日益完善，數(shù)字經(jīng)濟快速發(fā)展 696.2.3.應(yīng)用場景不斷拓展，循序漸進融合共生 707.結(jié)束語 72參:考文獻 73縮略語 79致謝 81人工智能技術(shù)的應(yīng)用。2022年11月底，OpenAI公司發(fā)布了迅速爆火的聊天機從文字對話交互開始，GPT在短短幾年的時間內(nèi)深刻影響了人們的生產(chǎn)和模型即將改變世界。可以看出，從ChatGPT掀起的一片浪花，到席卷全球的浪的數(shù)據(jù)。GPT的引入可以簡化大量工作，為通信運營商帶來顯著的能力提升，尤其是在網(wǎng)絡(luò)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技因此，本白皮書以GPT大模型的發(fā)展歷程和最新研結(jié)合具體場景詳細說明了GPT在通信行業(yè)中的創(chuàng)新應(yīng)用，另一方面研究了未來圖0-1白皮書章節(jié)架構(gòu)圖本白皮書由北京理工大學(xué)牽頭組織撰寫，共有白皮書的大綱，再到安排章節(jié)具體內(nèi)容并分工撰寫，總共歷時8個多月，有50我們認(rèn)為，AI技術(shù)仍處于飛速發(fā)展階段，GPT大模型與通信網(wǎng)絡(luò)能夠?qū)崿F(xiàn)1.GPT引領(lǐng)人工智能發(fā)展熱潮智能聊天機器人ChatGPT，作為人工智能生成內(nèi)容（ArtificialIntelligence的工作和生活方式，掀起了全球范圍內(nèi)的AI新浪潮，也吸引了工業(yè)界和學(xué)術(shù)界本等，實現(xiàn)風(fēng)格變化，讓人們再次感受到生成式AI帶來的震撼。2023年11月7日，在首次開發(fā)者大會上，OpenAI公司首席執(zhí)行官Altman向世界展示了GPT-4那么ChatGPT和GPT是什么？它們經(jīng)歷了怎樣的發(fā)展？又應(yīng)該如何理解和1.1.GPT基本概念1.1.1.生成式預(yù)訓(xùn)練轉(zhuǎn)換器去的幾年里，隨著計算能力的提升和大數(shù)據(jù)的出現(xiàn)，NLP領(lǐng)域取得了突破性的SAM）的Transformer模型，并將其應(yīng)用于NLP[1]。OpenAI應(yīng)用了這項技術(shù)，于2018年發(fā)布了最早的一代大模型GPT-1，此后每一代GPT模型的參數(shù)量都呈爆1.1.2.大模型基于全球圍棋棋譜的計算，在2016年轟動一時的“人機大戰(zhàn)”中擊敗了圍棋世界冠軍李世石。但是從本質(zhì)上來說，這種專注于某個具體任務(wù)而建立的AI數(shù)據(jù)模如圖1-2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[2]。實心方塊表示開源模型，空心方塊則是閉源模型。非的模型中，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-解碼圖1-2大模型進化樹源和推動LLM研究方面貢獻卓越，但GPT-3推出后等，這些模型參數(shù)規(guī)模以百億級和千億級為主。發(fā)展至今，國外的頭部GPT大共計254家，意味著“百模大戰(zhàn)”正從上一階段的“生下來”走向“用起來”的新階圖1-3國內(nèi)外各類大模型1.1.3.Transformer架構(gòu)Transformer架構(gòu)是GPT的重要基礎(chǔ)，是一種SAM的神經(jīng)網(wǎng)絡(luò)架構(gòu)，廣泛應(yīng)用于NLP領(lǐng)域的大模型中。其核心部分是編碼器和解碼器，即Encoder和成輸出文本。在Transformer提出之前，NLP領(lǐng)域的主流模型是循環(huán)神經(jīng)網(wǎng)絡(luò)），2017年6月，谷歌大腦團隊在AI領(lǐng)域的頂會NeurIPS發(fā)表了一篇名為它完全基于SAM，摒棄了循環(huán)遞歸和卷積。在八個P100圖形處理器（Graphics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。GPT類似于圖1-4Transformer網(wǎng)絡(luò)結(jié)構(gòu)圖個指定的輸入Q（代表查詢）、K（代表鍵）、V（代表值），然后通過公式將Q和K之間兩兩計算相似度，依據(jù)相似度對各個V進行加權(quán)，得到注意力的計圖1-5多頭注意力機制模塊1.2.GPT發(fā)展歷程GPT的發(fā)展歷程主要可以分為兩個階段，在ChatGPT之前側(cè)重于不斷增加大模型的基礎(chǔ)規(guī)模，并增強新能力。而ChatGPT和GPT-4則更側(cè)重于增加圖1-6GPT發(fā)展歷程④2022年3月，OpenAI再次發(fā)表論文TrainingLanguageModelstoFollowInstructionswithHumanFeedback，介紹了人類反饋強化學(xué)習(xí)（Reinforcement），ChatGPT是InstructGPT的衍生，兩者的模型結(jié)構(gòu)和訓(xùn)練方式都一致，只雖然目前GPT-4在現(xiàn)實場景中的能力可能不如人類，但在各種專業(yè)和學(xué)術(shù)考試上都表現(xiàn)出明顯超越人類水平的能力，甚至SAT成績（可以理解為美國高1.3.GPT研究現(xiàn)狀LLM，生成式AI推動了生命科學(xué)的進步，并拯救了風(fēng)險投資界[7]。大模型正不斷實現(xiàn)技術(shù)突破，特別是在生命科學(xué)領(lǐng)域，在分子生物學(xué)和藥物發(fā)現(xiàn)方面取得2023年12月14日，《自然》（Nature）公布了十位2023年度人物，值得注意1.3.1.國外研究現(xiàn)狀①美國美國在大模型的道路上飛速前進，同時各大公司也在不斷提升自身的競爭力。少人類的反饋，并于2022年12月發(fā)表論文ConstitutionalAI:HarmlessnesFeedback，介紹了人工智能模型Claude；美國新媒體巨頭Buzzfeed因宣布計劃2023年4月，英國政府宣布，向負責(zé)構(gòu)建英國版人工智能基礎(chǔ)模型的團隊一舉措的目標(biāo)是推廣應(yīng)用安全可靠的基礎(chǔ)模型，并爭取在2030消息等內(nèi)容。荷蘭的全渠道通信平臺MessageBird推出了自己的AI平臺MessageBirdAI，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GPT-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2023年3月7日推出的多模態(tài)大模型PaLM-E，就由柏林工業(yè)大學(xué)和谷歌共同打造。2024年2月，歐洲生成式AI獨角獸MistralAI發(fā)布了最新大模型MistralLarge。該模型上下文窗口為32Ktokens，支持英語、法語、西班牙語、德語和意大利語。作為新推出的旗艦?zāi)Ｐ?，本次發(fā)布的MistralLarge在常識推理和知識問答上均表現(xiàn)出色，綜合評大模型，它曾在2021年舉行的對話系統(tǒng)現(xiàn)場比賽中獲得了所有賽道的第一名。1.3.2.國內(nèi)研究現(xiàn)狀許多人可能會認(rèn)為，中國的大模型是從“文心一言”開始的，但“文心一言”其實只是一個對話工具，背后驅(qū)動它的還是大模型，而文心大模型早在2019年就在國內(nèi)率先發(fā)布。這一年，大模型已經(jīng)廣泛應(yīng)用于藥品研發(fā)領(lǐng)域，各大科技企業(yè)也開始了對大模型產(chǎn)業(yè)的布局，并先后公布了各自的大模型項目。2021年3月智源研究院發(fā)布了我國首個超大規(guī)模智能模型系統(tǒng)“悟道1.年4月，阿里巴巴發(fā)布了中文社區(qū)最大規(guī)模的預(yù)訓(xùn)練語言模型PLUG，在當(dāng)時一個類ChatGPT產(chǎn)品?？拼笥嶏w于2023年5月6號發(fā)布中國版ChatGPT“訊飛星火認(rèn)知大模型”，具有文本生成、語言理解1.3.3.國際組織國際電工委員會（InternationalElectrot繞關(guān)鍵術(shù)語等開展標(biāo)準(zhǔn)研究。2023年3月，歐洲電信標(biāo)準(zhǔn)化組織（European第三代合作伙伴計劃（3rdGenerationPartnershipProject，3GPP）規(guī)范包括了AI在網(wǎng)絡(luò)架構(gòu)中的部署和使用，涵蓋了AI算法和架構(gòu)的規(guī)范，還涉及了AI程師學(xué)會（InstituteofElectricalandElectronicsEngineers，IEEE）“人工智能大模型”標(biāo)準(zhǔn)大會上，中國電子技術(shù)標(biāo)準(zhǔn)化研究院、上海人工智能實驗室和華為云等11家單位共同發(fā)起成立了IEEE大模型標(biāo)準(zhǔn)工作組。該工作組將協(xié)同國內(nèi)外2.GPT賦能通信行業(yè)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(dāng)前，GPT已經(jīng)實現(xiàn)了人與機AI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。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)如何保障改革與推進作用。通過研究GPT促進通信網(wǎng)絡(luò)智能自治的方法，我們從網(wǎng)絡(luò)規(guī)劃、切片部署、網(wǎng)絡(luò)運維和網(wǎng)絡(luò)優(yōu)化的角度對GPT大模型如何賦能通信網(wǎng)絡(luò)進2.1.GPT催生通信新應(yīng)用與新改革GPT百花齊放的嶄新應(yīng)用，為千行百業(yè)的發(fā)展帶來了新的想象空間，也給GPT大模型可作為工具來改進信息通信服務(wù)能力。首先，它在自然語言上絡(luò)的巨量數(shù)據(jù)可用來訓(xùn)練通信網(wǎng)絡(luò)大模型。其次，GPT在自然語言上的成功，轉(zhuǎn)型賦能提供重要工具。最后，GPT類大模型的運行和服務(wù)對算力和網(wǎng)絡(luò)有著通過迭代訓(xùn)練海量數(shù)據(jù)，GPT具備不斷提升的上下文語義理解與交互能圖片、音頻、視頻以及多模態(tài)內(nèi)容的生成上，在攝影、游戲和用，通常是在這些基本的應(yīng)用的基礎(chǔ)上，再進行定制化的開發(fā)或訓(xùn)練。例圖2-1GPT在通信領(lǐng)域的嶄新應(yīng)用2.1.1.智能客服GPT的自然語言處理能力，彌補了智能客服系統(tǒng)許多不足之處。GPT準(zhǔn)確地識別用戶提問的主題和關(guān)鍵詞，幫助智能客服系統(tǒng)更好地理解用戶的需求，并識別GPT可用于自動檢測客服對話內(nèi)容，識別潛在的違規(guī)行為或不當(dāng)語言，例提交給人工審核，一定程度上減輕了審核人員的工作量。通過對GPT模型的輸2.1.2.自動化仿真GPT可以重構(gòu)實驗流程，為實現(xiàn)自動化仿真創(chuàng)造條件。GPT是在大量文本供與預(yù)定義架構(gòu)相關(guān)的參數(shù)，在對創(chuàng)建的模型進行解析后將其插入GPT準(zhǔn)備好在仿真設(shè)計階段，GPT可以幫助設(shè)計師快速設(shè)計原型，從而使開發(fā)團隊和相關(guān)人員更好地理解系統(tǒng)的工作流程和功能，提前發(fā)現(xiàn)問題和改進需求?；跇?gòu)建的繁瑣，提高原型的質(zhì)量和準(zhǔn)確性。此外，GPT不僅可以輔助開發(fā)者完成DraganaKrstic等人[12]提出了一種基于ChatGPT的框架，的信道容量計算，實現(xiàn)自動化無線網(wǎng)絡(luò)規(guī)劃框架中，ChatGPT基于對話Agent和Neo4j圖數(shù)據(jù)庫的模型驅(qū)動方法，幫助進行自動化數(shù)據(jù)導(dǎo)入、圖構(gòu)建和機器學(xué)習(xí)相關(guān)的查詢等多個步驟。其中，Neo4j是一種高性能和可擴展的圖數(shù)據(jù)庫管理系統(tǒng)，其基于圖理論的數(shù)據(jù)庫，專注于存儲和處理圖結(jié)構(gòu)的數(shù)據(jù)。結(jié)果顯示，基于ChatGPT的服務(wù)質(zhì)量（QualityofService，QoS）估計方法在準(zhǔn)確性和訓(xùn)練速度方面比基于深度神經(jīng)網(wǎng)絡(luò)的解決方案更優(yōu)。此外，與傳統(tǒng)基于手動生成代碼的仿真流程相比，利用ChatGPT自圖2-2GPT幫助進行信道容量分析實驗2.1.3.增強語義通信是語義通信的重要基礎(chǔ)，也是所面臨的關(guān)鍵挑戰(zhàn)。引入GPT相關(guān)技術(shù)，可以對文獻[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GPT模型，在基于GPT的增強語義通信系統(tǒng)中，收發(fā)端分別部署語義編碼模圖2-3增強語義通信2.1.4.重塑芯片設(shè)計領(lǐng)域牙、長期演進技術(shù)（LongTermEvolution，LTE）等，從而支持設(shè)備之間的通信GPT可以大大提高芯片設(shè)計的效率，縮短設(shè)計周期，并使設(shè)計過程更加自模型，成功設(shè)計出了一個芯片，如圖2-4所示，這標(biāo)志著AI在硬件設(shè)計領(lǐng)域的DescriptionLanguage，HDL）代碼，然后將基準(zhǔn)測試和處理器發(fā)送到Skywater圖2-4GPT在芯片設(shè)計中的應(yīng)用2.2.GPT促進通信網(wǎng)絡(luò)智能自治5G網(wǎng)絡(luò)發(fā)展的重要趨勢，將為移動網(wǎng)絡(luò)帶來根本性變革。網(wǎng)絡(luò)將由當(dāng)前以人工智能化網(wǎng)絡(luò)將通過業(yè)務(wù)數(shù)據(jù)、用戶數(shù)據(jù)、網(wǎng)絡(luò)狀態(tài)數(shù)據(jù)等多維數(shù)據(jù)感知，基于AI的智能分析，提供更加靈活高效的網(wǎng)絡(luò)策略，從而實現(xiàn)網(wǎng)絡(luò)高度自治，大幅自智網(wǎng)絡(luò)[15]的核心理念在于通過AI等六大場景之一[16]，包括輔助自動駕駛、設(shè)備間自主協(xié)作、輔助醫(yī)療應(yīng)用、基于圖2-5GPT促進通信網(wǎng)絡(luò)智能自治2.2.1.GPT重塑網(wǎng)絡(luò)規(guī)劃由于預(yù)計未來幾年無線接入設(shè)備數(shù)量將呈指數(shù)級增長，運營商需要擴大網(wǎng)絡(luò)基礎(chǔ)設(shè)施的部署規(guī)模，以提供所需的容量。傳統(tǒng)上，新基站選址是由無線網(wǎng)規(guī)專業(yè)人士手動完成的。在覆蓋模擬工具的幫助下，根據(jù)關(guān)PerformanceIndicator，K出排名靠前的站點位置。然而，當(dāng)可供選擇站點數(shù)量較大時，傳統(tǒng)方法成本巨大，且很難準(zhǔn)確地考慮每個涉及因素的影響。AI驅(qū)動的規(guī)劃方案可以為新蜂窩之間的互相矛盾也頻繁出現(xiàn)。將GPT引入天線仿真設(shè)計，可以代替電磁仿真軟2.2.2.GPT增強切片部署也存在差異。傳統(tǒng)算法難以解決多業(yè)務(wù)場景切片安全部署問題，利用GPT相關(guān)的放置和相關(guān)鏈路的選擇。VNF的放置是指在滿足網(wǎng)絡(luò)容量的條件下，網(wǎng)絡(luò)切靠GPT計算物理節(jié)點映射概率的策略網(wǎng)絡(luò)。GPT輔助計算物理節(jié)點的之后，GPT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Agent反饋，同時更新狀態(tài)信息。圖2-6GPT增強切片部署2.2.3.GPT簡化網(wǎng)絡(luò)運維絡(luò)狀態(tài)信息，這種方式效率較低。通過引入GPT相關(guān)技術(shù)，可以實時高效監(jiān)測如圖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，如設(shè)備的中央處理器（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。GPT快速進行統(tǒng)計分析，在此基礎(chǔ)上結(jié)合不同網(wǎng)絡(luò)業(yè)務(wù)場景對網(wǎng)絡(luò)進行預(yù)測并給出相應(yīng)運維決策，然后發(fā)送至數(shù)據(jù)庫進行存儲。另外，GPT輔助對網(wǎng)圖2-7GPT簡化網(wǎng)絡(luò)運維器學(xué)習(xí)模型和高級策略為目標(biāo)，對底層組件進行了全面的解析，實現(xiàn)了“故障定位—策略生成—策略驗證”的自主循環(huán)。與傳統(tǒng)人工決策輔助的2.2.4.GPT加速網(wǎng)絡(luò)優(yōu)化隨著社會經(jīng)濟的高速發(fā)展，人們對信息和內(nèi)容獲取方式的要求也越來越高，GPT的網(wǎng)絡(luò)優(yōu)化可通過自主檢測、分析和操作實現(xiàn)網(wǎng)絡(luò)的自我校正和優(yōu)化，主變化提取特征，對其變化趨勢進行預(yù)測，給出優(yōu)化方案障用戶的網(wǎng)絡(luò)體驗。對流量較大區(qū)域、時段提前預(yù)測并小區(qū)域、時段智能關(guān)斷部分基站設(shè)施，從而達到節(jié)省成無線網(wǎng)絡(luò)的覆蓋程度決定了通信網(wǎng)絡(luò)的質(zhì)量。統(tǒng)計顯示，LTE網(wǎng)絡(luò)中各設(shè)備商的無線參數(shù)總和已經(jīng)超過8000個，依靠人工經(jīng)驗很難進行精細化配置。有學(xué)者提出利用人工智能技術(shù)對通信網(wǎng)絡(luò)進行系統(tǒng)分析，可實現(xiàn)精準(zhǔn)網(wǎng)用GPT訓(xùn)練圖神經(jīng)網(wǎng)絡(luò)（GraphNeuralNetwork，GNN）模型，構(gòu)建區(qū)域覆蓋模型，輸入影響覆蓋的特征信息，如基站結(jié)構(gòu)、參數(shù)配置等數(shù)據(jù)。然后，通過隱含層進行模型訓(xùn)練和特征學(xué)習(xí)，當(dāng)算法迭代到一定程度時，可通過高層特征表述出覆蓋預(yù)測模型、推薦參數(shù)取值及指導(dǎo)無線參數(shù)的調(diào)整與配置。另外，還可以幫助運營商將站點大規(guī)模多輸入多輸出（massiveMulti-Inpu天線的波束覆蓋和傳輸形態(tài)納入考慮范圍，解決目標(biāo)用戶因在室內(nèi)和地面上高度不同而引起的各種信號覆蓋差異問題，充分利用mMIMO天線的3D特性和周邊環(huán)境特征，可以保證站點規(guī)劃的準(zhǔn)確性，從而更好地信令信息是指通信系統(tǒng)中的控制指令，又稱“信令”，它主要用于處理和控制通信過程。通過對信令信息的處理，可以對通信過程進行監(jiān)控管理和優(yōu)化，從而提升通信的質(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)技術(shù)，能夠監(jiān)測和分析大量的信令信況，從而掌握網(wǎng)絡(luò)的實際運行狀況。同時，GPT可通過比對正常和異常信令流程，快速定位故障所在，提供故障診斷報告，進而可以實現(xiàn)對故障的自動修復(fù)，從而縮短網(wǎng)絡(luò)中斷時間，降低運維成本。除此之外，根據(jù)實時的信令信息和用戶需求，基于GPT的信令追蹤可以預(yù)測網(wǎng)絡(luò)流量需求，動態(tài)管理、分配和調(diào)度資源，以適應(yīng)時間、區(qū)域和用戶類型的變化。同時，也可以分析和監(jiān)測用戶連接過程中的信令信息和延遲情況，及時發(fā)現(xiàn)并解決影響用戶體驗的問題，如延遲高、圖2-8GPT加速網(wǎng)絡(luò)優(yōu)化3.通信網(wǎng)絡(luò)使能GPT泛在應(yīng)用第2章中我們介紹了GPT在通信領(lǐng)域的嶄新應(yīng)用，以及GPT促進通信網(wǎng)絡(luò)智能自治的方式。GPT將會被應(yīng)用于越來越多場景，同時，通信領(lǐng)域如何實現(xiàn)對GPT的支撐和優(yōu)化是我們下一步需要考慮的。未來網(wǎng)絡(luò)架構(gòu)在設(shè)計時應(yīng)將GPT部署的潛在需求納入規(guī)劃范圍，以使能GPT的泛在應(yīng)用，進一步滿足用戶多樣化的需求。此外，邊緣智能技術(shù)在近幾年的快速發(fā)展為GPT提供了更廣闊的應(yīng)用空間，兼具GPT泛化能力的邊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“邊緣”化需要在未來網(wǎng)絡(luò)的設(shè)計上進行更本章我們將介紹現(xiàn)有通信網(wǎng)絡(luò)如何保障GPT應(yīng)用落地，討論未來網(wǎng)絡(luò)設(shè)計3.1.通信網(wǎng)絡(luò)保障GPT應(yīng)用落地圖3-1移動AIGC網(wǎng)絡(luò)支撐邊緣智能隨著邊緣智能的不斷演進，將先進的自然語言處理技術(shù)如GPT融入邊緣智署提供了融合網(wǎng)絡(luò)、計算、存儲、應(yīng)用核心能力的開放平臺，兼具GPT泛化能界得到廣泛應(yīng)用。通過提供醫(yī)療領(lǐng)域?qū)I(yè)知識，將GPT大模型的研究領(lǐng)域縮小相關(guān)服務(wù)。據(jù)了解，項目上線以來有超10萬人次咨詢，平均每次對話超過10.3領(lǐng)域中精準(zhǔn)的知識服務(wù)能力。區(qū)別于傳統(tǒng)的信息化系統(tǒng)，“龍知政”GPT大模型為GPT提供了專屬數(shù)據(jù)的安全隔離、多輪對話以及信息溯主動的、雙向的、實時的智能全程引導(dǎo)轉(zhuǎn)變。GPT大模型可以基于現(xiàn)有的政策3.2.未來網(wǎng)絡(luò)技術(shù)支撐GPT應(yīng)用過去20年，通信網(wǎng)絡(luò)完成了“人聯(lián)”“物聯(lián)”的發(fā)展，面向2030年及未來，的高效的連接。未來網(wǎng)絡(luò)技術(shù)將進一步支持GPT應(yīng)用，通過人機物的智能互3.2.1.未來網(wǎng)絡(luò)設(shè)計的典型思路活、更簡潔、更安全，同時，需要更加主動地引入AI技術(shù)[2架構(gòu)需要靈活適配協(xié)同感知、分布式學(xué)習(xí)等任務(wù)，以實現(xiàn)GPT應(yīng)用的大規(guī)模普除了原生支持GPT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)保圖3-2普惠智能網(wǎng)絡(luò)3.2.2.原生支撐GPT應(yīng)用的6G網(wǎng)絡(luò)要目標(biāo)是實現(xiàn)泛在人工智能，并且實現(xiàn)無處不在的GPT應(yīng)用。在6G時代，網(wǎng)但是，原生支持GPT的6G網(wǎng)絡(luò)是我們對未來網(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GPT模型能夠在離用戶更近的邊緣設(shè)備上進行部署和運行，從而提高響應(yīng)GPT模型進行大量的數(shù)據(jù)交換和處理，需要網(wǎng)絡(luò)提供低延遲和高帶寬的支。在傳輸過程中，需要保證數(shù)據(jù)快速、穩(wěn)定地從源到目的地，速度要達到GPT模型所處理的數(shù)據(jù)有時會涉及公司的商業(yè)秘密和用戶的隱私信息，因此網(wǎng)絡(luò)需要提供強大的安全機制，包括端到端的加密傳輸、身份認(rèn)證、訪問控制等，以保護數(shù)據(jù)的安全和隱私。未來網(wǎng)絡(luò)需要具備智能化的管理和優(yōu)化能力，能夠根據(jù)GPT模型的實時需求，動態(tài)調(diào)整網(wǎng)絡(luò)資源分配、路徑選擇和優(yōu)化網(wǎng)絡(luò)拓撲結(jié)構(gòu)，實現(xiàn)網(wǎng)絡(luò)對考慮到GPT模型可能通過不同類型的設(shè)備（如移動設(shè)備、IoT設(shè)備等）進原生支持GPT的6G網(wǎng)絡(luò)架構(gòu)，充分利用網(wǎng)絡(luò)節(jié)點的通信、計算和感知能力，通過分布式學(xué)習(xí)、群智協(xié)同以及云邊端一體化部署，構(gòu)建新的AI應(yīng)用生近極致性能，也能解決個人和企業(yè)都十分關(guān)心的數(shù)據(jù)所有權(quán)問題。普惠智能與ICT系統(tǒng)深度融合，在網(wǎng)絡(luò)邊緣提供多樣化的連接、計算和存儲資源，將成3.3.新型網(wǎng)絡(luò)架構(gòu)支持GPT能力下沉隨著6G網(wǎng)絡(luò)的快速發(fā)展，我們正步入一個以數(shù)據(jù)為核心的新紀(jì)元。傳統(tǒng)有效管理和利用，支持諸如GPT等廣泛的智能應(yīng)用和服務(wù)?，F(xiàn)有網(wǎng)絡(luò)架構(gòu)存為了支持GPT能力下沉，需要網(wǎng)絡(luò)具有高效且靈活的數(shù)據(jù)傳輸能力和強3.3.1.自適應(yīng)切片感器、車輛等，業(yè)務(wù)類型也越發(fā)多樣豐富。如果針對每種典型業(yè)務(wù)都專門建立特定的網(wǎng)絡(luò)來滿足其獨特要求，那么網(wǎng)絡(luò)成本之高將嚴(yán)重制約業(yè)務(wù)發(fā)展，同可以獨立按照業(yè)務(wù)場景的需要和話務(wù)模型進行網(wǎng)絡(luò)功能的定制裁剪和相應(yīng)網(wǎng)絡(luò)資源的編排管理，是對6G網(wǎng)絡(luò)架構(gòu)的實例化。這種靈活性使得6G網(wǎng)絡(luò)可用。核心在于，能夠根據(jù)實時的網(wǎng)絡(luò)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GPT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)的方式可以應(yīng)用于多種垂直行業(yè)，根據(jù)應(yīng)用場景、業(yè)務(wù)類型按需提供網(wǎng)絡(luò)能力，切片間相互隔離、互不干圖3-3分層網(wǎng)絡(luò)切片管理3.3.2.分布式學(xué)習(xí)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)AI開發(fā)成傳統(tǒng)集中訓(xùn)練支持系統(tǒng)全局智能應(yīng)用，分布式學(xué)習(xí)支持各分布節(jié)點自主智能與傳統(tǒng)的端到云的傳輸—計算相對隔離的運作模式相比，采用分布式學(xué)習(xí)一個典型的通信—計算、網(wǎng)絡(luò)—智能相互作用的系統(tǒng)。傳統(tǒng)的聯(lián)邦學(xué)習(xí)框架下，多個分布式節(jié)點利用本地的局部數(shù)據(jù)進行訓(xùn)練，并周期性地進行模型上3.3.3.邊緣智能如圖3-4所示，邊緣智能最初可追溯到分布式計算的發(fā)展[30]。通過將計算能中的角色變得日益重要。邊緣設(shè)備上的AI模型能夠解析和理解用戶的語圖3-4邊緣智能的概念演進自適應(yīng)性[32]：能夠根據(jù)環(huán)境和任務(wù)的變化自動調(diào)整網(wǎng)絡(luò)行為，并可以通過GPT的學(xué)習(xí)能力，不斷積累經(jīng)驗和數(shù)據(jù)，提高預(yù)測準(zhǔn)確度和網(wǎng)絡(luò)性能。多模態(tài)融合[33]：需要同時處理來自多種傳感器的信息，包括圖像、音頻、視頻等，能夠有效整合和處理不同類型的數(shù)據(jù)，提供更全面的智能分析和決低能耗[34]：通過優(yōu)化算法、硬件設(shè)計和電源管理策略，邊緣智能系統(tǒng)能夠邊緣計算與云協(xié)同[34]：邊緣設(shè)備處理實時的、本地的任務(wù)，云服務(wù)器負責(zé)實時性[34]：通過GPT在邊緣設(shè)備上執(zhí)行智能分析和決策，系統(tǒng)更迅速地響應(yīng)用戶需求，降低通信延遲，提高用戶體驗。安全和隱私保護[33]：由于數(shù)據(jù)在本地處理，邊緣智能有助于降低因數(shù)據(jù)傳4.GPT與通信協(xié)同發(fā)展移動通信技術(shù)以每十年一代的速度向前演進，豐富了人們溝通的方式，推動了社會生活乃至生產(chǎn)方式的改變。隨著大模型與生成式AI的迅速崛起，AI技術(shù)的應(yīng)用已經(jīng)進入嶄新階段。GPT作為新一代人工智能的典型代表，與通產(chǎn)生活多領(lǐng)域。隨著社會經(jīng)濟的發(fā)展，人們的需求變得更加豐富，6G網(wǎng)絡(luò)有望引入新的應(yīng)用場景與關(guān)鍵性能指標(biāo)，本章將討論如何利用GPT相關(guān)技術(shù)，推動6G新型網(wǎng)絡(luò)深化研究，同時將6G與GPT結(jié)合，支撐更多行業(yè)數(shù)字化轉(zhuǎn)4.1.GPT與通信從獨立演進到緊密結(jié)合4.1.1.GPT與通信結(jié)合趨勢Networks，SON），把機器學(xué)習(xí)和AI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[33][34][35][36]，這成為推動通信2017年9月，3GPP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），），面，與4G網(wǎng)絡(luò)相比，5G網(wǎng)絡(luò)在傳輸速率、傳輸時延、連接規(guī)模等關(guān)鍵性能指標(biāo)上均有質(zhì)的飛躍，進而支撐起更加豐富的業(yè)務(wù)場景和應(yīng)用，為以GPT為代表的AI工具落地創(chuàng)造條件。另一方面，5G網(wǎng)絡(luò)在運營過程當(dāng)中面臨相關(guān)挑戰(zhàn)，由于組網(wǎng)復(fù)雜、能耗高、控制靈活性差等問題帶來諸多的不確定性[37][38][39]。2023年3月，ETSI提出了有關(guān)AI透明度和可解釋性的標(biāo)準(zhǔn)規(guī)范，旨在生2023年9月，3GPPAI/ML工作組將生成式人工智能引入了討論范疇，并加入NWDAF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(xùn)練、推理、閉環(huán)控制，以及支持多樣化解決方案的分布式網(wǎng)絡(luò)大數(shù)據(jù)分析架3GPPRelease19將圍繞新場景、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。GPT為代表的AI有能力通過分析從網(wǎng)絡(luò)中收集的數(shù)據(jù)，來解決復(fù)雜和非結(jié)構(gòu)化的網(wǎng)絡(luò)問題。對一些特定的用2024年2月，ETSI探討了AI在醫(yī)療保健、智能交通和工業(yè)自動化等不同應(yīng)用提出了新思路，GPT與通信行業(yè)正在從獨立演進、前沿交叉到未來協(xié)同4.1.2.GPT與5G網(wǎng)絡(luò)結(jié)合NR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)使用的天線個數(shù)也相應(yīng)增加。GPT可以綜合考慮天線的波束覆蓋和量數(shù)據(jù)，且結(jié)構(gòu)性數(shù)據(jù)占比高，GPT對大數(shù)據(jù)集進行統(tǒng)計和分析[41]，結(jié)果可GPT與業(yè)務(wù)層結(jié)合，可以提供端到端的確定性。通過引入GPT，將業(yè)務(wù)4.2.GPT與6G通信網(wǎng)絡(luò)融合發(fā)展6G網(wǎng)絡(luò)與GPT融合是未來潛在發(fā)展方向，既包括為6G網(wǎng)絡(luò)自身性能優(yōu)化提供的智能能力，如利用端到端AI實現(xiàn)空口和網(wǎng)絡(luò)的定制優(yōu)化和自動化運力，如通過6G網(wǎng)元原生集成通信、計算和感知能力，加速云上集中智能向邊“6G+GPT”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(xùn)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GPT高效訓(xùn)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6G與GPT融合發(fā)圖4-1GPT與6G緊密耦合4.2.1.GPT支持海量數(shù)據(jù)處理6G網(wǎng)絡(luò)需要服務(wù)海量數(shù)據(jù)采集、預(yù)處理、分布式存儲和高速傳輸?shù)然倦S著6G時代更先進的智能終端和無線邊緣設(shè)備的增多，對邊緣側(cè)算力要求進對6G較高算力的需求。此外，基于GPT的多模態(tài)模式可以同時處理文本、圖像、音頻等多種類型數(shù)據(jù)，強大的數(shù)據(jù)處理和分析能力幫助6G網(wǎng)絡(luò)進一步統(tǒng)），據(jù)資源在6G網(wǎng)絡(luò)內(nèi)的快速流轉(zhuǎn)和共享應(yīng)用，實現(xiàn)以海量數(shù)據(jù)為中心的智能計4.2.2.GPT推動網(wǎng)絡(luò)自服務(wù)6G內(nèi)生智能網(wǎng)絡(luò)的特性之一是自適應(yīng)匹配用戶的個性化需求，為用戶提性能指標(biāo)的需求動態(tài)變化，網(wǎng)絡(luò)接收到用戶的個性化需求，基于GPT對用戶意圖進行分析并轉(zhuǎn)譯為對網(wǎng)絡(luò)的QoS需求，進一步根據(jù)對當(dāng)前網(wǎng)絡(luò)的狀態(tài)感知，將QoS需求設(shè)置為網(wǎng)絡(luò)的執(zhí)行方案或執(zhí)行策略，整個過程中不需要運維人4.2.3.GPT協(xié)助網(wǎng)絡(luò)資源編排6G網(wǎng)絡(luò)是集通信、感知、計算于為一體的信息系統(tǒng)，需要對通信資源、計算資源進行編排，以滿足用戶服務(wù)級別協(xié)議（ServiceLevelAgreement，SLA）需求并實現(xiàn)網(wǎng)絡(luò)運營效率最優(yōu)。編排動化配置、管理和協(xié)調(diào)。GPT對業(yè)務(wù)需求分析后進行資源消耗趨勢預(yù)測，優(yōu)成通感算聯(lián)合優(yōu)化需求，并下發(fā)至意圖管控功能?；贕PT輔助進行全面業(yè)務(wù)意圖感知、網(wǎng)絡(luò)意圖解析、網(wǎng)絡(luò)能力轉(zhuǎn)換，并輸出和下發(fā)具體的業(yè)務(wù)感知SLA需求，實現(xiàn)將業(yè)務(wù)SLA需求細化為業(yè)務(wù)傳輸計算模型和基站資源消耗趨調(diào)優(yōu)策略。指導(dǎo)資源編排，GPT與用戶交互獲得反饋，進而4.2.4.GPT構(gòu)建網(wǎng)絡(luò)內(nèi)生安全GPT有望助力提供有效的安全技術(shù)來抵御和預(yù)判各類網(wǎng)絡(luò)攻擊，將在保護6G網(wǎng)絡(luò)免受各種安全威脅方面發(fā)揮關(guān)鍵的作用?；诹阈湃蔚能浖x安全邊界，已應(yīng)用于6G來構(gòu)建新安全邊界防護體系[11]。通過始終持續(xù)性地驗證用戶、設(shè)備和應(yīng)用的合法性及權(quán)限，來實時界定每次資源訪問是否被合理授權(quán)，完全通過軟件來定義對象的安全邊界。在零信任的框架中，GPT基于用為、時間、地址、應(yīng)用上下文等信息來構(gòu)建指定風(fēng)險管控方案，更高效地綜合分析、應(yīng)對每次訪問風(fēng)險。綜合訪問風(fēng)險記錄，GPT總結(jié)歷史經(jīng)驗，將安全能4.3.“6G+GPT”賦能行業(yè)數(shù)字化轉(zhuǎn)型6G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(xué)習(xí)架施”，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6G深度融合后，可應(yīng)用的場景非常豐富，支撐和提供諸多新業(yè)務(wù)和應(yīng)用，最圖4-2“6G+GPT”賦能行業(yè)數(shù)字化轉(zhuǎn)型4.3.1.“6G+GPT”賦能智能工業(yè)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)制造業(yè)融合，以“綠色”和“智能”為核心的制造模式，成為制造業(yè)的重點發(fā)展方向。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[43][44]，6G通信技術(shù)與GPT的協(xié)同，可充分發(fā)揮兩者優(yōu)勢，提升工業(yè)系統(tǒng)性能，做到無線覆蓋廣、感知能力強、服務(wù)響應(yīng)快等，進一步提高數(shù)據(jù)采集、處理和分析的效率，挖掘行業(yè)數(shù)據(jù)潛在價值。工業(yè)智能化生產(chǎn)通常有著較高的傳輸和處理時延、魯棒性、可靠性要求，由于工業(yè)智能制造主要采用本地部署執(zhí)行的特點，在6G與GPT的協(xié)同下，案提供更低的傳輸處理時延和抖動，從而保障更高的工業(yè)級信號處理的確定高生產(chǎn)效率和減少人工參與度，更好地滿足客戶的大規(guī)模個性化需求，實現(xiàn)工4.3.2.“6G+GPT”賦能智慧醫(yī)療6G不僅能夠更好地支撐智慧醫(yī)療相關(guān)的海量信息傳輸和同步，其內(nèi)生智能還可以直接賦能醫(yī)療信息的處理和決策。而GPT的出現(xiàn)，突破了傳統(tǒng)AI模同可直接應(yīng)用于醫(yī)療傳感器和智能可穿戴設(shè)備[45]，輔助收集個人身體和情感信生和患者的相關(guān)信息，從而不斷迭代提升預(yù)診療結(jié)果的準(zhǔn)確性、可靠性和實時性。在GPT的輔助下實現(xiàn)數(shù)字化和集中化患者信息分析管理[46]，幫助快速建立集中的患者信息存儲庫，實現(xiàn)了數(shù)據(jù)驅(qū)動的決策，有助于加速推動智慧醫(yī)療改4.3.3.“6G+GPT”賦能智能交通智能交通是AI和通信技術(shù)與現(xiàn)代交通系統(tǒng)融合的產(chǎn)物?！?G+GPT”可以給城市交通帶來全新升級，例如在自動駕駛、無人機快遞、無人出租車、車路在進行路網(wǎng)級的交通信號控制協(xié)同時，針對各種公路網(wǎng)的感知是極其關(guān)鍵的。目前對于公路網(wǎng)的感知主要依靠城市卡口、微波雷達、GPS定位等數(shù)據(jù)源，交通數(shù)據(jù)采集設(shè)備的部署總體來說還比較稀疏，在構(gòu)建時空模型時有的信息依然有限。6G與GPT協(xié)同將充分發(fā)揮內(nèi)生感知和數(shù)據(jù)處理能力，有望交通流的預(yù)測精度和時效性對于交通的主動管控非常關(guān)鍵，面向超大規(guī)模4.3.4.“6G+GPT”賦能智慧農(nóng)業(yè)智慧農(nóng)業(yè)是物聯(lián)網(wǎng)技術(shù)在現(xiàn)代農(nóng)業(yè)領(lǐng)域的應(yīng)用，利用實時圖像和視頻對農(nóng)用基于“6G+GPT”的新型生產(chǎn)作業(yè)模式，如通過傳感器“6G+GPT”能為智慧農(nóng)場提供各種AI業(yè)務(wù)支持，包括基于多類傳感器的感知數(shù)據(jù)精準(zhǔn)獲取與傳輸、基于海量數(shù)據(jù)的分布式AI模型訓(xùn)練、模型參數(shù)的生長環(huán)境數(shù)據(jù)，GPT據(jù)此輸出溫控、水肥等解決方案，幫助農(nóng)民實現(xiàn)標(biāo)準(zhǔn)化種植，真正達到降本增效的目的。在采摘環(huán)節(jié)，基于“6G+GPT”控制采摘機器數(shù)據(jù)的分析，對作物的全生命周期進行管控，能夠及時發(fā)現(xiàn)種植問題并發(fā)出預(yù)4.3.5.“6G+GPT”賦能智能家居智能家居是人工智能技術(shù)和物聯(lián)網(wǎng)技術(shù)在居家生活場景中相互融合的產(chǎn)技術(shù)的行業(yè)整體滲透率約為25%，預(yù)計2025年AI技術(shù)的行業(yè)整體滲透率將接可以感知和分析人們的行為、手勢和位置等信息，結(jié)合歷史數(shù)據(jù)刻畫住戶習(xí)慣，通過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，“6G+GPT”可檢測非法入侵，基于家庭成員畫像，分析并評估入侵在生活家居健康監(jiān)測方面，“6G+GPT”基于傳感數(shù)據(jù)進行識別分析，可實現(xiàn)對4.3.6.“6G+GPT”賦能數(shù)字娛樂數(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AIGC的廣泛應(yīng)用，能夠極大地提升策劃、音頻、美術(shù)、程序等環(huán)節(jié)的生產(chǎn)力，壓縮整體項目的研發(fā)周期與人員規(guī)模，大幅降低制作成本。虛擬現(xiàn)實（VirtualReality，VR）、增強現(xiàn)實（AugmentedReality，AR）、擴展現(xiàn)實（ExtendedReality，XR）等技術(shù)的使用是新一代數(shù)字娛樂的趨勢?！?G+GPT”能夠提供完全沉浸式的交互場景，支持精確的空間互動，滿足人類在多重感官甚至情感和意識層面的聯(lián)通，將助力實現(xiàn)現(xiàn)實環(huán)境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，GPT大的網(wǎng)絡(luò)圖形圖像業(yè)務(wù)，未來，不僅包括cloudXR，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)圖形圖像處理過傳輸，這需要GPT對網(wǎng)絡(luò)傳輸進行調(diào)優(yōu)，保證網(wǎng)絡(luò)的通暢和業(yè)務(wù)的時效性。此外，現(xiàn)實感知技術(shù)需要基于便攜式終端感知周圍環(huán)境，使信息收集更方黑暗中隱藏的重要信息。例如，在6G系統(tǒng)中，基于太赫茲頻段的無線電波感5.“GPT+通信”融合發(fā)展面臨的問題在第4章中，我們研究了GPT大模型與通信如何從獨立演進過程，并討論了未來6G網(wǎng)絡(luò)與GPT結(jié)合后如何支撐更多行業(yè)的數(shù)字化轉(zhuǎn)型。然而，在二者協(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)。這是因此，在將GPT大模型應(yīng)用到通信領(lǐng)域時，往往會與實際場景的應(yīng)用需求存在一定差距。本章將分別從高質(zhì)量數(shù)據(jù)稀缺、硬件資源不足、云邊端網(wǎng)絡(luò)協(xié)同難、帶寬存在瓶頸以及相關(guān)法律滯后這五個不同的角度進行分析，討論“GPT+通信”融合發(fā)展過程中需要解決的痛點圖5-1“GPT+通信”融合發(fā)展面臨的問題和可能的研究思路5.1.通信高質(zhì)量訓(xùn)練數(shù)據(jù)稀缺，專用模型準(zhǔn)確性和泛化性差各個行業(yè)都有長期積累且涉及多個維度的專業(yè)知識，為了訓(xùn)練出滿足產(chǎn)業(yè)從通用到專用的轉(zhuǎn)變。在設(shè)計適配通信領(lǐng)域的GPT大模型時，訓(xùn)練數(shù)據(jù)集會復(fù)雜或非標(biāo)準(zhǔn)指令時的準(zhǔn)確性較差。且模型對單一性數(shù)據(jù)集的重復(fù)訓(xùn)練可能會出現(xiàn)過擬合，導(dǎo)致泛化性大幅度降低，這對通信專用模型的性能進一步提升提圖5-2通信高質(zhì)量數(shù)據(jù)稀缺導(dǎo)致模型性能降低準(zhǔn)確性是指大模型生成的回答是否正確，是否符合邏輯和人們的認(rèn)知常心設(shè)計和調(diào)整模型來實現(xiàn)的。訓(xùn)練數(shù)據(jù)集樣本過于單一可能會導(dǎo)致模型訓(xùn)練型過于復(fù)雜，過于貼合訓(xùn)練數(shù)據(jù)，而忽略了數(shù)據(jù)之間的一般關(guān)系，以至于學(xué)習(xí)在深度學(xué)習(xí)領(lǐng)域，許多研究在評估深度學(xué)習(xí)模型時只關(guān)注準(zhǔn)確性，而忽視了泛化性。這意味著這些模型可能在特定數(shù)據(jù)集上表現(xiàn)良好，但在新的環(huán)境下可能無法泛化。這是一個與通信融合的問題，因為在實際的通信系需要能夠適應(yīng)不同的環(huán)境和數(shù)據(jù)[54]。因此在設(shè)計通信領(lǐng)域的深度學(xué)習(xí)模型時，需要在準(zhǔn)確性和泛化性之間進行平衡。但目前通信領(lǐng)域訓(xùn)練所用數(shù)據(jù)量遠遠低于需求，通常只有數(shù)十GB，與所需的數(shù)百GB到數(shù)TB相比存在巨大差距。而且現(xiàn)代預(yù)訓(xùn)練數(shù)據(jù)集的大小使得任何個人都無法徹底閱讀所包含的其進行質(zhì)量評估[55]，因此如何挑選合適的高質(zhì)量但是，通信行業(yè)內(nèi)的許多數(shù)據(jù)未公開或受到商業(yè)保密協(xié)議的保護，導(dǎo)致公應(yīng)對緊急情況時尤為嚴(yán)重，不僅會降低用戶對模型的信任度，甚至可能造成嚴(yán)此外，在學(xué)習(xí)和表示多模態(tài)數(shù)據(jù)時，不同無線應(yīng)用的數(shù)據(jù)結(jié)構(gòu)和特征也各因此，針對通信領(lǐng)域不同任務(wù)的特殊需求，為了在有限數(shù)據(jù)下訓(xùn)練專用大5.2.端側(cè)算力及硬件資源不足，大模型輕量化部署難在AI技術(shù)快速發(fā)展的當(dāng)下，智能手機等移動設(shè)備在人機交互、語音交流早期的智能手機語音助手，雖然具備基本的人機交互能力，但在復(fù)雜問題的處理上表現(xiàn)并不理想，功能也較為單一。隨著ChatGPT等大模型的發(fā)展，AI能力得到顯著提升，原本功能有限的語音助手有望處理更復(fù)雜的問題，這無疑是手機制造商們迫切希望落地的技術(shù)。例如，蘋果最早搭建了Ajax大模型，并推出了內(nèi)部測試聊天機器人“AppleGPT”；vivo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MiLM輕量級大模型已經(jīng)接入了新發(fā)布的澎湃操作系統(tǒng)（Operating圖5-3手機廠商在終端部署大模型的最新進展然而，要將大模型部署到終端設(shè)備上，對算力和硬件層面就提出了更高的要求。據(jù)統(tǒng)計，vivo、榮耀、小米的大模型基本上都從十億級的參數(shù)量開始做廠商造成負擔(dān)。相比之下，端側(cè)計算成本更可控，并且由于數(shù)據(jù)不用上傳云在具體實現(xiàn)過程中，大模型需要大量內(nèi)存來存儲參數(shù)，并且在執(zhí)行復(fù)雜的大模型由于其龐大的參數(shù)量和復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)，需要極大的內(nèi)存資源來存儲模型參數(shù)和進行計算。在蘋果公司發(fā)表的最新論文中提到，一個70億參數(shù)2）算力不足大模型運行需要消耗大量的計算資源，因此如果要在端側(cè)部署大模型，除的限定要求，即使實現(xiàn)了在手機上部署GPT大模型這一目標(biāo)，在短期內(nèi)可能3）功耗較大大模型對算力的需求變得更大了，意味著功耗也會變大。但手機等端側(cè)設(shè)的效果。當(dāng)在這些設(shè)備上運行GPT大模型時，不僅會迅速消耗電池電量，破的應(yīng)用，而且還可能導(dǎo)致運行成本和設(shè)備維護難度增加，甚至還可能直接損壞5.3.云邊端異構(gòu)網(wǎng)絡(luò)協(xié)同困難，大模型性能穩(wěn)定性差在當(dāng)前大模型體系架構(gòu)下，在終端設(shè)備上部署GPT應(yīng)用并形成實際業(yè)務(wù)服務(wù)需求，需要云邊端共同參與完成。GPT大模型在邊緣節(jié)點部署，而用于點—云端兩段鏈路的數(shù)據(jù)傳輸。然而，隨著移動用戶的個性化需求劇增，為了滿足更多用戶，需要實現(xiàn)云邊端網(wǎng)絡(luò)的高效協(xié)同，實現(xiàn)計算資源合理化分配，云端服務(wù)器通常具有強大的處理能力和存儲容量，適合處理大規(guī)模、復(fù)雜求在云、邊緣和終端之間流動。一些需要快速響應(yīng)的任務(wù)可能在邊緣節(jié)點處理，而那些需要深度分析和復(fù)雜計算的任務(wù)則可能上傳到云端處理，如圖5-4圖5-4“GPT+云邊端異構(gòu)網(wǎng)絡(luò)”架構(gòu)然而，在邊緣計算方面，由于物聯(lián)網(wǎng)帶寬資源等限制，其發(fā)展仍處于起步階段[58]。在保持模型準(zhǔn)確性的同時，如何設(shè)計在物聯(lián)網(wǎng)設(shè)備上運行的GPT大首先，響應(yīng)時間在云端、邊緣節(jié)點和終端設(shè)備之間存在顯著差異。云服務(wù)因此，需要綜合考慮設(shè)備的性能和資源約束，以保證網(wǎng)絡(luò)中所有節(jié)點能高效協(xié)例如，在城市監(jiān)控系統(tǒng)中，大量數(shù)據(jù)需要監(jiān)控攝像頭傳輸至云端服務(wù)器以著影響。然而在處理計算密集型模型時，邊緣節(jié)點可能受到其硬件性能的限5.4.服務(wù)器互聯(lián)存在帶寬瓶頸，訓(xùn)練時間長推理效率低大模型的訓(xùn)練和推理過程需要大量的計算資源和數(shù)據(jù)，僅大模型訓(xùn)練就需要由數(shù)千片甚至上萬片GPU組成的集群連續(xù)訓(xùn)練數(shù)月時間，海量計算的同時還有海量數(shù)據(jù)交換的需求，與傳統(tǒng)CPU和存儲集群比較，內(nèi)部通信互聯(lián)要求的提高十分明顯。且隨著模型參數(shù)量以及GPU算力的增加，要在動態(tài)無線通信環(huán)境下同時滿足生成內(nèi)容高質(zhì)量和低延遲，需要更高的互聯(lián)帶寬才能支持。率，降低整個訓(xùn)練和推理過程的效率和準(zhǔn)確性。如圖5-5所示，當(dāng)前通信帶寬圖5-5通信帶寬提升速度遠低于計算提升速度隨著模型規(guī)模的不斷擴大，單GPU、單服務(wù)器已經(jīng)無法滿足計算和存儲據(jù)并行模式下，數(shù)據(jù)被分割成多個部分，分配給不同的計算設(shè)備進行并行計在這種復(fù)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(xùn)練的的通信成本會增高，進而導(dǎo)致整體訓(xùn)練性能下降。在傳統(tǒng)服務(wù)器配置中，AI計算卡之間的通信受限于PCIe總線的帶寬，使得數(shù)據(jù)在GP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10Gbit/s以太網(wǎng)速率，進一步制約了訓(xùn)練效率。簡而言之，隨著集群規(guī)模擴大，通信成為影響AI模型訓(xùn)練性能的其中，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甚至更高的帶寬，改善GPT類模型訓(xùn)練的通信帶寬，進而提升算力的利用效的硬件，考慮和設(shè)計合適的網(wǎng)絡(luò)拓撲，以最大程度地提高互聯(lián)帶寬的利用效分布式訓(xùn)練需要在多臺主機之間同步大量參數(shù)、梯度和中間變量，對于大在分布式計算環(huán)境中，不同計算機之間需要頻繁地進行數(shù)據(jù)交換和通信。因因此，網(wǎng)絡(luò)性能對分布式訓(xùn)練的質(zhì)量和速度有著重要的影響。必須要采取5.5.大模型相關(guān)法律法規(guī)滯后，安全隱私與道德倫理風(fēng)險高圖5-6GPT大模型面臨的多種風(fēng)險ChatGPT等大模型發(fā)布后，AI技術(shù)所帶來的風(fēng)險也日益凸顯，攻擊者可例如，當(dāng)前以ChatGPT為代表的聊天機器人在“創(chuàng)作”過程中大量學(xué)習(xí)和理挑戰(zhàn)。學(xué)生可能會利用ChatGPT制作本不屬于其自身的作品，導(dǎo)致抄襲、研究人員還發(fā)現(xiàn)，預(yù)訓(xùn)練模型容易受到對抗性樣本的影響，原始輸入的微因此，各國家和地區(qū)普遍高度重視研究與治理AIGC帶來的安全性問題，并對其帶來的風(fēng)險與挑戰(zhàn)進行系統(tǒng)分析。然通信行業(yè)的數(shù)據(jù)較為復(fù)雜且不少需要保密，其中工業(yè)和信息化領(lǐng)域數(shù)據(jù)包例如，2023年4月，三星員工就曾在使用ChatGPT處理工作時，無意間泄露了公司的絕密數(shù)據(jù)。不過三星的這些商業(yè)機密還只流傳到OpenAI公司內(nèi)部信運營商，對于用戶使用GPT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、工作單位和個人習(xí)慣等隱私信息泄露，如果被不法分子加以利因此，針對GPT使用過程中的安全隱私與道德倫理風(fēng)險，設(shè)立相關(guān)法律6.發(fā)展建議與未來展望而6G將在5G的基礎(chǔ)上進一步拓展和深化物聯(lián)網(wǎng)的應(yīng)用范圍和領(lǐng)域，持現(xiàn)有網(wǎng)絡(luò)的基礎(chǔ)能力，并不斷發(fā)掘新的業(yè)務(wù)應(yīng)用，以服務(wù)智能化社會和生活，如今，GPT在通信行業(yè)的應(yīng)用場景不斷豐富，由大模型驅(qū)動的6G智慧內(nèi)生網(wǎng)絡(luò)也開始構(gòu)建，“GPT+通信”融合發(fā)展已然成為不可阻擋的趨勢。為了高展。因此，針對第5章指出的“GPT+通信”融合發(fā)展中面臨的問題和挑戰(zhàn)，本6.1.發(fā)展建議6.1.1.加快AI算力建設(shè)，提供基礎(chǔ)設(shè)施支撐力作為AI的三大基礎(chǔ)要素之一，正變得前所未有的重要。AI應(yīng)用的快速發(fā)展從國家層面來看，算力已成為衡量國力的重要標(biāo)準(zhǔn)，各國都在制定人工智能戰(zhàn)略和政策，以推動AI產(chǎn)業(yè)發(fā)展。我國中央政府和各省市也高度重視，相設(shè)一批智能算力中心，開展“AI+”專項行動。會上，10家中央企業(yè)簽訂了倡議算力網(wǎng)。河北張家口市也依托本地交通區(qū)位、地理氣候、自然資源、綠色電力等獨特優(yōu)勢，加速推進大數(shù)據(jù)產(chǎn)業(yè)發(fā)展，著力構(gòu)建“一廊四區(qū)多園”的大數(shù)據(jù)產(chǎn)導(dǎo)意見》中也明確提出了發(fā)展目標(biāo)：到2027年，人工智能核心技術(shù)取得重大突破，算力算法數(shù)據(jù)有效支撐場景賦能的廣度和深度全面拓展，全面構(gòu)建國內(nèi)一流的通用人工智能發(fā)展生態(tài)，培育千億級人工智能融合產(chǎn)業(yè)集群10個、省近年來，我國算力規(guī)模穩(wěn)步擴張，智能算力保持強勁增長，算力發(fā)展為拉動我國GDP增長做出突出貢獻。中國信通院發(fā)布的數(shù)據(jù)顯示，在2016—2022年期間，我國算力規(guī)模平均每年增長46%，數(shù)字經(jīng)濟增長14.2%，GDP增長當(dāng)前國家高度重視算力建設(shè)，AI“需求+政策”驅(qū)動智能算力市場持續(xù)擴容，國產(chǎn)算力應(yīng)用逐步加速，而智算中心是算力發(fā)展的關(guān)鍵，如圖6-1所示，中國智圖6-1中國智能算力規(guī)模及預(yù)測算力作為AI時代的核心“引擎”和通用剛需資源，已成為支撐數(shù)字經(jīng)濟持續(xù)縱深發(fā)展的新動能，賦能各行各業(yè)的數(shù)字化轉(zhuǎn)型升級。但當(dāng)前國內(nèi)AI算力問題。解決上述行業(yè)發(fā)展問題的關(guān)鍵因素之一，在于應(yīng)當(dāng)從應(yīng)用場景中獲取實踐經(jīng)驗，優(yōu)化行業(yè)解決方案，推動AI產(chǎn)業(yè)的全面健康發(fā)展。積累數(shù)據(jù)資6.1.2.加強校企聯(lián)合培養(yǎng)，填補創(chuàng)新人才空缺隨著我國產(chǎn)業(yè)持續(xù)轉(zhuǎn)型升級及國際競爭的加劇，高技能人才已成為國家競爭力的重要支撐。大模型已經(jīng)成為AI發(fā)展的新方向，同時對教育改革與人才需數(shù)字化人才。我們需要結(jié)合當(dāng)下社會對復(fù)合型AI人才的需求進行綜合考慮，創(chuàng)新AI人才培養(yǎng)模式，以適應(yīng)大模型時代的挑對此，我國在國家層面有著清醒的認(rèn)識，并在持續(xù)推進。2024年2月7軍人才培育計劃》（以下簡稱《計劃》提出從2024年至2026年組織實施領(lǐng)域的“自主可控”。其中，高技能人才的自主培養(yǎng)無疑是“全面提高人才自主業(yè)影響力等指標(biāo)，并隨著產(chǎn)業(yè)的變革和國家戰(zhàn)略的調(diào)整，適時更新評價標(biāo)準(zhǔn)，首先，必須加強人工智能理論的教育。建議普通高校、職業(yè)院校設(shè)立交叉和調(diào)優(yōu)，因而數(shù)據(jù)管理和處理能力也成為計算機類專業(yè)人才所需要具備的重要其次，應(yīng)該建立完善的校企聯(lián)合人才培養(yǎng)體系，包括高校學(xué)習(xí)培養(yǎng)、企業(yè)校培養(yǎng)出的“理論派”畢業(yè)生，企業(yè)更希望招聘到同此外，還應(yīng)引進人工智能全球頂尖人才，加強國際人才交流與學(xué)習(xí)。通過6.1.3.加速制定相關(guān)政策，建立平臺引導(dǎo)發(fā)展當(dāng)前，全球各國大模型研究已呈現(xiàn)白熱化競爭態(tài)勢。大模型扎堆出爐的背從風(fēng)險治理角度來看，國家政府應(yīng)當(dāng)提前布局，加快相關(guān)政策的制定速度，整體規(guī)劃大模型發(fā)展路徑，提供更多的發(fā)展平臺和機會，并積極推動跨部門、跨領(lǐng)域的監(jiān)管協(xié)同，形成全方位、多層次的監(jiān)管格局，從而提高監(jiān)管效義務(wù)，保障公眾的安全和利益。同時加強國際合作和標(biāo)準(zhǔn)化建設(shè)，形成一套共識性、全球性倫理準(zhǔn)則和治理框架，推動建立“以人為本”“智能向善”的發(fā)展生在大模型風(fēng)險治理的政策制定中，最重要的就是對關(guān)鍵數(shù)據(jù)進行管理。為隊，促進上下游企業(yè)共同發(fā)展，打造國際一流的人工智能開放創(chuàng)新平臺，如圖圖6-2數(shù)據(jù)托管與權(quán)益分配機制從行業(yè)發(fā)展角度來看，建議強化“倫理先行”意識、加強行業(yè)自律自治，共同打造GPT應(yīng)用良性發(fā)展生態(tài)。開發(fā)者需要監(jiān)督和改進相關(guān)應(yīng)用，以消除其數(shù)據(jù)歸集、算力統(tǒng)籌、算法開源等平臺和基礎(chǔ)能力建設(shè)，支持GPT大模型賦能數(shù)字經(jīng)濟。政府需要通過相關(guān)政策進行正向引導(dǎo)，實行宏觀規(guī)劃，著重加分配等內(nèi)容，避免惡意和無序競爭，充分釋放大模型應(yīng)用價值潛力。同時還應(yīng)強調(diào)道德和倫理的約束，引導(dǎo)科研人員和企業(yè)在研發(fā)與應(yīng)用過程中秉持正確的在此基礎(chǔ)上，各單位可以基于開源共享平臺促進協(xié)同合作、加速應(yīng)用創(chuàng)計、AI工程化等方面的聯(lián)合攻關(guān)。特別是努力突破技術(shù)局限，打破行業(yè)發(fā)展瓶頸，積極參與GPT應(yīng)用與治理等領(lǐng)域的國際規(guī)則制定和全球發(fā)展合作，開6.2.未來展望6.2.1.核心技術(shù)實現(xiàn)突破，關(guān)鍵能力顯著增強如今通信行業(yè)可以利用GPT的智能分析能力和強大的生成能力實現(xiàn)更智能的網(wǎng)絡(luò)管理，提高網(wǎng)絡(luò)性能和效率。未來GPT也將以更大的規(guī)模應(yīng)用到通信行業(yè)的各個領(lǐng)域，6G網(wǎng)絡(luò)也將原生支持GPT功能，各種通信相關(guān)指標(biāo)和性6G將擁有原生的AI能力，空口和網(wǎng)絡(luò)將采用端到端人工智能和機器學(xué)習(xí)來實現(xiàn)定制化優(yōu)化和自動化運維。而且每個6G網(wǎng)元都將原生集成通信、計算務(wù)，像當(dāng)前通信網(wǎng)絡(luò)提供的無處不在的連接服務(wù)一樣，能夠高效、低成本地向在應(yīng)用維度上，內(nèi)生AI和泛在感知的6G網(wǎng)絡(luò)將提供更全面和綜合的能化的評判并預(yù)訓(xùn)練裁判模型，在大量網(wǎng)絡(luò)運維和管理的數(shù)據(jù)及專家知識基礎(chǔ)上，持續(xù)強化訓(xùn)練網(wǎng)絡(luò)管理和運維領(lǐng)域的GPT，最終實現(xiàn)通用智能化網(wǎng)絡(luò)運維在基礎(chǔ)設(shè)施維度上，6G網(wǎng)絡(luò)在內(nèi)生AI和感知能力的加持下，一方面將成6.2.2.體系建設(shè)日益完善，數(shù)字經(jīng)濟快速發(fā)展實現(xiàn)低門檻定制開發(fā)，應(yīng)用商店加速產(chǎn)品落地推廣，以GPT為核心的模型生態(tài)建設(shè)加速推進，驗證大模型強大商業(yè)潛力。伴隨模型、工具、平臺全面提升，大模型有望構(gòu)筑生態(tài)核心，推動AI商業(yè)化進程加速和市場天花板打開。建設(shè)也將不斷加強，自動駕駛汽車、無人機、無人船等智能交通裝備越普及。如圖6-3所示，以標(biāo)準(zhǔn)規(guī)范、技術(shù)研發(fā)、內(nèi)容創(chuàng)作、行業(yè)應(yīng)用、產(chǎn)權(quán)服務(wù)為核心的GPT生態(tài)體系架構(gòu)也將日趨完善，無論是以GPT賦能產(chǎn)業(yè)升級圖6-3GPT生態(tài)體系架構(gòu)標(biāo)準(zhǔn)規(guī)范構(gòu)建了涵蓋技術(shù)、內(nèi)容、應(yīng)用、服務(wù)的全過程體系，促進G大模型在合理、合規(guī)、合法的框架下良性發(fā)展。同時，在核心技術(shù)持續(xù)演進和關(guān)鍵能力顯著增強的背景下，性能更強大、邏輯更智能的AI算法將被應(yīng)用于GPT，技術(shù)研發(fā)的不斷創(chuàng)新將強有力地推動內(nèi)容創(chuàng)作，提內(nèi)容更接近人類智力水平和審美標(biāo)準(zhǔn)，同時應(yīng)用于各類行業(yè)各種場景。GPT的發(fā)展還將促進產(chǎn)權(quán)服務(wù)快速跟進，生成內(nèi)容進行合理評估，保護相關(guān)創(chuàng)作者的產(chǎn)權(quán)，并進行價值重塑，充分釋放其商業(yè)潛力，從而構(gòu)建GPT大模型的近年來，我國數(shù)字經(jīng)濟快速發(fā)展、成效顯著，已成為我國經(jīng)濟增長的新動能、高質(zhì)量發(fā)展的重要引擎。一方面，以互聯(lián)網(wǎng)、云驅(qū)動的新興產(chǎn)業(yè)有力拉動經(jīng)濟增長；另一方面，數(shù)字技術(shù)與產(chǎn)業(yè)深度融合，催生新業(yè)態(tài)新模式，傳統(tǒng)產(chǎn)業(yè)發(fā)展動能不斷增強。中國信通院數(shù)據(jù)顯示，2022未來隨著B5G/6G、云計算、VR、AR等前沿技術(shù)的快速發(fā)展和新一代智能終端設(shè)備的研發(fā)創(chuàng)新，完整的GPT生態(tài)鏈將是釋放數(shù)據(jù)要素紅利、助力傳6.2.3.應(yīng)用場景不斷拓展，循序漸進融合共生隨著GPT不斷迭代升級演進的同時，大模型的應(yīng)用范圍也不斷擴大，正為全行業(yè)智能化轉(zhuǎn)型拓展出無窮無盡的新空間，迸發(fā)出源源不斷的新動能。GPT與通信融合發(fā)展，未來在社會生產(chǎn)生活各個領(lǐng)域的廣泛應(yīng)用將激發(fā)全驗。為了更好地推動GPT創(chuàng)新應(yīng)用和產(chǎn)業(yè)發(fā)展，需要產(chǎn)學(xué)研用多方參與和協(xié)GPT與通信的融合發(fā)展，將不斷加速創(chuàng)新場景賦能，打造人工智能創(chuàng)新將建立人工智能驅(qū)動的科學(xué)研究專用平臺，構(gòu)建“人類科學(xué)家+AI科研助手”的方面，智慧醫(yī)院和智慧診療建設(shè)也將繼續(xù)完善，包括疾病風(fēng)險預(yù)測、醫(yī)用機器人和智能公共衛(wèi)生服務(wù)等應(yīng)用場景。此外，在線教育也將實現(xiàn)虛擬課堂、AI在大數(shù)據(jù)時代，如何將數(shù)據(jù)收集、分析、提煉，用于改善社會生活，是AI的基礎(chǔ)。可以預(yù)見，GPT的流行會讓人機自然對話的交互方式越來越普流擴展到人機之間的溝通交流。“GPT+通信”將持續(xù)深度融合發(fā)展，其相關(guān)技術(shù)的進步和創(chuàng)新，將提供更多的機會，實現(xiàn)業(yè)的深度融合，將會繼續(xù)加速構(gòu)建下一代信息轉(zhuǎn)型，未來在6G時代實現(xiàn)真正的“人機融合”以及“萬物智聯(lián)7.結(jié)束語通信網(wǎng)絡(luò)作為現(xiàn)代信息化社會的關(guān)鍵基礎(chǔ)設(shè)施，對于更高效、更穩(wěn)定、更智能的需求也日益增長。隨著5G移動通信網(wǎng)絡(luò)的發(fā)展，網(wǎng)絡(luò)架構(gòu)更加復(fù)雜，終端類型和業(yè)務(wù)種類也日益增加，即將到來的6G移動通信網(wǎng)絡(luò)還必須具備內(nèi)性能的服務(wù)需求，都對移動通信網(wǎng)絡(luò)提出了更高的要求。因此，迫切需要對本白皮書分享了作者對通信行業(yè)與GPT互相賦能、逐漸融合，進而協(xié)同絡(luò)支撐GPT應(yīng)用的思路和內(nèi)生智能的6G期待對通信與GPT大模型感興趣的相關(guān)專業(yè)人士能夠通過閱讀本白皮書共享的良好生態(tài)，促進新一代智能通信網(wǎng)絡(luò)發(fā)展，加速經(jīng)濟社會的數(shù)字化轉(zhuǎn)參:考文獻onChatGPTandbeyond[J].arXivpreprinbygenerativepre-training.2018,https://cdn.openai.colearners.OpenAIblog,2019,/bettwithhumanfeedback[J].NeuralInformationProInformationbasedonBERTandGPT[C]//202(ECTIDAMT&NCON).IEEE,2023:348-352.Architecture,challenges,andoutlook[J].arXivpreprintarXiv:22030beyond,2023,/en/ITU-R/study-groups/rsg5planning[C]//2021InternationalSymposium[18]VijayakumarD,NemaRK.SuperiorityofPSOrelaynon-linearprogramminmanagement,controlandoperatioInformationNetworks,2023,8[20]屈軍鎖,唐晨雪,蔡星,等.人工智能與通信網(wǎng)絡(luò)融合趨勢[J].西安郵電大學(xué)學(xué)報,2021,5:26.[21]HuZ,DongY,WangK,etal.GPT-GNN:Generativepre-trainingofgraphneuralnetworks[C]//Proceedingsofthe26thACMInternationalConferenceonKnowledgeDiscovery&DataMining(SIGKDD).20[22]張彤,任奕璟,閆實,等.人工智能驅(qū)動的6G網(wǎng)絡(luò):智慧內(nèi)生[J].電信科學(xué),2020,36(9):14-22.[23]LiuY,Pengcomputingfor5GandInternetofthings[J].IEEEInternetofThingsJournal,2020,7(8):6722-6747.[24]中國移動通信集團有限公司.中國移動6G網(wǎng)絡(luò)架構(gòu)技術(shù)白皮書[R].2022.andInternetofthings[J].IEEEInternetofThingsJournal,2020,7(8):6722