第一篇 5G规模化发展
第1章 5G推动全球数字化变革新发展
1.1 通信技术推动人类社会持续进步
1.2 全球迎来数字化转型新浪潮
1.3 数字化转型机遇
1.4 5G激活产业变革新潜能
第2章 全球5G发展现状
2.1 中国
2.1.1 中国5G商用情况
2.1.2 中国5G推动政策
2.1.3 中国5G应用发展情况
2.2 韩国
2.2.1 韩国5G商用情况
2.2.2 韩国5G推动政策
2.2.3 韩国5G应用发展情况
2.3 美国
2.3.1 美国5G商用情况
2.3.2 美国5G推动政策
2.3.3 美国5G应用发展情况
2.4 日本
2.4.1 日本5G商用情况
2.4.2 日本5G推动政策
2.4.3 日本5G应用发展情况
2.5 德国
2.5.1 德国5G商用情况
2.5.2 德国5G推动政策
2.5.3 德国5G应用发展情况
第3章 5G规模化发展路径及未来形态
3.1 5G规模复制主要挑战
3.1.1 5G网络建设面临多方问题
3.1.2 5G技术与行业业务融合不足
3.1.3 产业供给能力不足
3.1.4 行业融合应用标准缺乏
3.1.5 行业融合生态建设亟待加强
3.2 5G规模化发展路径
3.2.1 规模化发展基础
3.2.2 规模化发展路径及关键要素
3.2.3 实现5G规模化的意义与价值
3.3 5G-A及未来形态
3.3.1 5G应用深刻改变未来社会生活
3.3.2 5G-A开启通信革新“下半场”
参考文献
第二篇 人工智能，新发展阶段
第4章 人工智能概述
4.1 什么是人工智能
4.2 人工智能的历史和发展
4.2.1 1.0时代：计算推理驱动（20世纪50年代—70年代）
4.2.2 2.0时代：知识驱动（20世纪70年代—90年代初）
4.2.3 3.0时代：数据驱动（20世纪90年代—21世纪初）
4.2.4 4.0时代：算力驱动（2020年至今）
4.3 人工智能的应用领域
4.4 AI成为国家战略
4.4.1 美国：多措并举巩固全球领先地位
4.4.2 中国：多元战略促进产业健康发展
4.4.3 日本：以人工智能构建“社会5.0”
4.4.4 韩国：战略推动“AI强国”发展建设
4.4.5 德国：依托“工业4.0”打造德国品牌
4.4.6 英国：加大创新投入，推进成果转化
参考文献
第5章 人工智能典型技术
5.1 机器学习
5.1.1 监督学习
5.1.2 无监督学习
5.1.3 强化学习
5.1.4 深度学习
5.1.5 多任务学习
5.2 自然语言处理
5.2.1 语言模型
5.2.2 词向量
5.2.3 机器翻译
5.2.4 文本分类
5.3 计算机视觉
5.3.1 图像处理
5.3.2 物体检测
5.3.3 图片识别
5.3.4 视频分析
5.4 多模态技术
5.4.1 特征表示
5.4.2 模态融合
参考文献
第6章 人工智能重大演进进展
6.1 AI产业体系横向拓展
6.1.1 AI产业体系概述
6.1.2 AI产业发展趋势
6.2 AI芯片迭代构筑底层技术优势
6.2.1 英伟达
6.2.2 AMD
6.2.3 英特尔
6.2.4 华为海思
6.2.5 寒武纪
6.3 AI云平台助力创新业务落地
6.3.1 微软
6.3.2 亚马逊
6.3.3 华为云
6.3.4 阿里云
6.3.5 百度智能云
6.4 AI框架成为工程实践能力核心
6.4.1 AI框架：加速AI应用产业规模增长及工程化落地
6.4.2 训练平台：弹性分布式训练驱动AI工程化进程
6.4.3 MLOps：打通AI工程化“最后一公里”
6.5 算力突破支撑AI跨越式发展
6.5.1 AI计算从粗犷使用向精细化协同演进
6.5.2 云边端一体化推动算力泛在化发展
6.5.3 智能算力支撑数字孪生元宇宙构建
6.5.4 多技术协同升级加速先进计算发展
6.6 算法更新推动AI能力持续演进
6.6.1 以AutoML为代表的新算法让AI开发更简单
6.6.2 以模型为中心的开源社区加速构建
6.7 多元化数据服务为AI“增值”
6.8 创新主体活跃掀起AI应用热潮
6.8.1 Adept AI：通用人工智能（AGI）工具
6.8.2 Cohere：B端定制式AI服务者
6.8.3 Jasper：集成式AI营销工具
6.8.4 滴滴自动驾驶：AI+自动驾驶
6.8.5 达闼机器人：拥有“云端大脑”的人形机器人
参考文献
第7章 大模型时代降临
7.1 大模型发展历程及特点
7.1.1 大模型技术快速迭代，参数规模三段式激增
7.1.2 “大+小”模型协同进化，推动端侧化发展
7.1.3 大模型与人工智能相互促进，相辅相成
7.1.4 大模型迭代周期缩短，总体呈现多种发展趋势
7.2 大模型的典型应用领域
7.2.1 NLP大模型
7.2.2 CV大模型
展开
