日本精品一区二区三区高清 久久

ITBear旗下自媒體矩陣:

如何破解AI加速發展難題?中國電信給出“五位一體”答案

   時間:2025-05-01 20:49:15 來源:互聯網編輯:汪淼 發表評論無障礙通道

在數字經濟的浪潮中,人工智能正掀起一場前所未有的產業變革。據IDC數據,2024年全球人工智能IT總投資規模為3158億美元,并有望在2028年增至8159億美元,五年復合增長率達到32.9%。

在人工智能產業發展中,運營商扮演著數據提供者、算力支持者、網絡連接保障者、應用推動者等多重身份。其中,中國電信積極推進“云改數轉”戰略升級,加快實施“人工智能+”行動,積極探索“云網智”融合技術。

中國電信要怎么做?4月30日,在第八屆數字中國建設峰會期間,中國電信以“數智國云 共譜新篇”為主題,舉辦了智能云生態大會。在會上,中國電信董事長柯瑞文指出,中國電信將在前期天翼云布局的優勢基礎上,全面擁抱人工智能,持續打造中國電信第一科技“息壤”,構建“算力、、數據、模型、應用”五位一體的智能云能力體系。

“五位一體”戰略規劃引發業界廣泛關注和熱烈討論,人們不禁思考:中國電信為何要構建這一體系?如何具體構建?又將如何推動人工智能賦能千行百業?

荊棘阻途:人工智能發展五大難題

在人工智能技術發展過程中,行業面臨算力供需匹配、國產算力性能、數據標注成本、行業應用開發、大模型安全等難題。

第一,算力供需匹配難題。對于投身人工智能賽道的企業而言,算力供需匹配如同一場混亂的 “算力饑荒”。企業面臨如何高效獲取匹配自身業務需求的算力資源,如何選擇不受限于智算芯片差異的訓練推理框架,如何便捷開發量身定制的AI應用等難題。

這些難題,讓數據中心服務器即便馬力全開,也難以填滿這深不見底的需求溝壑。企業們為爭奪稀缺算力資源,不得不排起長隊。

第二,數據標注成本難題。數據標注成本堪稱“吞噬資金的巨獸”。數據標注是AI模型訓練的根基,海量數據需人工逐條標注。這一過程如同給無數顆珍珠穿線,工作量龐大且枯燥。

但數據標注對人工智能行業尤為重要,是打造高質量的數據集的關鍵。隨著數據量呈指數級增長,人力、時間成本也水漲船高,成為企業難以承受的沉重負擔。

第三,國產算力面臨能瓶頸。以英偉達為代表的算力設備,憑借性能和生態備受關注,即便是性能受限的閹割版英偉達H20芯片,仍在國內市場供不應求。與此同時,國產算力近年來發展迅速,但在單個芯片計算速度等核心指標上,與國際先進水平仍存在一定差距。

第四,行業應用開發難題。對于從事人工智能應用開發的伙伴而言,應用開發好似在陌生荒野中開辟道路。技術團隊不僅要深入了解不同行業的復雜需求,還需克服技術適配難題。他們如同探險者,既要在迷霧中尋找正確方向,又要應對隨時出現的 “技術荊棘”。即便開發出應用,也可能因與實際場景脫節,面臨 “無人問津” 的困境。

第五,大模型安全難題。大模型應用日益廣泛,卻存在諸多安全漏洞。惡意攻擊者如同潛伏的黑客,可能利用漏洞對大模型進行數據投毒,使其輸出錯誤結果;或竊取敏感數據,引發隱私泄露危機,嚴重威脅AI系統穩定與用戶安全。

破局之道:五位一體智云能力升級

面對這些行業痛點,中國電信憑借深厚的技術積累與戰略前瞻性,以智能云能力體系升級為突破口,開啟破局之路。

正如中國電信總經理劉桂清所講:“我們在‘算力、數據、模型、應用、安全’等方面都取得了新突破,以‘息壤’為核心的智能云能力體系全面成型。”

同時,劉桂清發布“算力供給、數據標注、模型服務、行業應用、安全防護”五大能力升級。

其一,算力供給能力升級。回首過去,中國電信在算力領域一直強化算力供給和調度,不僅加強“跨域異構”算力調度能力,還強化“核心技術自主可控”能力。

大會期間,中國電信算力供給能力再次升級,基于息壤一體化智算服務平臺,推出算力資源無關、訓推框架無關、AI工具無關的Triless的架構。

在筆者看來,全新架構如同算力領域的“智能管家”,可通過算力調度、國產化和流水線技術,讓用戶無需操心底層算力差異、訓推框架選擇和AI工具差異。

其二,數據標注能力升級。過去,中國電信通過“數據分層存儲”“跨表聯動”和“非結構化管理”,形成了一大批高質量數據集,實現了“數據資源”的開發利用、開放共享。其中,在數據標注領域,中國電信推出一系列多模態數據標注和治理工具。

本次,中國電信帶來三大核心技術:AI輔助自動化標注技術,該技術能讓自動化預標注準確率超92%;4D全模態標注技術,該技術可將3D空間與時序相結合,能夠應用于自動駕駛場景;低空空間感知標注技術,該技術可讓關鍵目標跟蹤的連續性達到98%。

筆者認為,三大核心技術,如數據世界的“精準畫師”,不僅能快速又精準地勾勒出數據輪廓,還能為自動駕駛場景制作了一幅動態的立體畫卷,更能為飛行管制勾勒精準線條,讓低空飛行管理更加順暢。

其三,模型服務升級。中國電信積極布局模型領域,完善模型體系和模型服務。目前,中國電信已構建起以星辰語義大模型、星辰語音大模型、星辰視覺大模型、星辰多模態大模型的“四大三全”星辰基礎大模型體系。

如今,中國電信使能星河大模型使能平臺、星辰智能體平臺能力升級,讓模型更好用、讓模型能用好。

為此,中國電信星河大模型使能平臺強化模型供給與服務能力,全面納管星辰自研模型,接入DeepSeek、千問、豆包等行業頭部生態模型,覆蓋多模態全品類基礎及行業模型,服務GBHC全場景客戶;以可視化訓推調優工具降低使用門檻,支持初學者快速上手,實現模型開發、封裝編排、上架調用一體化服務;同時采用“1+31+N”部署方式,可分鐘級開通模型服務,時延低至100毫秒,保障模型快速調用。

星河平臺如同大模型的“超級教練”,幫助模型不斷提升能力,變得更好用;星辰智能體平臺像智能體開發的“全能導師”,讓人人都能成為智能體的創造者。

其四,應用能力升級。中國電信積極推進基于智能體的應用升級。據悉,中國電信的13個內部大模型,已在其200多個生產流程中應用。同時,中國電信與中車、地方政府攜手,讓智能體融入政企管理和運營流程中。

今天,中國電信基于自身的AI應用服務體系,全面升級應用服務能力。一方面,中國電信實現服務內容升級,可為客戶提供包括算力、模型、數據、工具、應用、服務、終端在內的全要素一攬子服務。

另一方面,中國電信實現服務能力升級。比如,在算網上,中國電信通過潮汐調度、AIDC綜合方案助力客戶降本15%;在工具平臺上,中國電信行業Agent平臺已經開發了1000多個MCP Server,完成200多個工具的標準化改造。

此外,中國電信還實現服務路徑升級。中國電信為客戶提供了數字AI助手、AI融入與改造、AI原生重構三類服務路徑。

其五,安全能力升級。面對模型安全事件,中國電信從應用泄密、模型操控安全、業務連續性、數據安全、算力環境等層面,基于大網測繪和威脅情報的大模型風險預警,基于動態攻防測試技術的AI安全檢測以及多層次立體化的大模型防護響應能力,打造安全防護體系,形成安全閉環。

中國電信的模型安全能力升級,猶如大模型世界的“安全衛士”。其中,大模型風險預警就像安全衛士的“千里眼”,提前發現潛在風險;AI安全檢測如同安全衛士的“火眼金睛”,精準識別安全漏洞。

攜手前行:共筑人工智能生態“黑土地”

在人工智能發展中,不僅如何趁手的工具,也需要適合人工智能產業生長的“黑土地”。為此,中國電信在本次大會期間啟動了創新合作計劃,攜手產業共筑人工智能“黑土地”。

首先,在人工智能生態構建上,中國電信啟動息壤創新推進計劃,依托天翼云息壤,搭建起一座“AI協作樞紐”。在這一過程中,中國電信秉持“資源共享、技術共創、場景共研、合作共贏”理念,直面AI應用中的算力貴、效率低、落地難痛點,向AI開發者、企業及科研機構敞開算力與工具資源,促進各方攜手,推動AI技術在多領域蓬勃發展,加速AI成果落地。

其次,在強化國產化產業鏈上,中國電信啟動天翼云國產基礎軟硬件生態繁榮計劃。中國電信以“基礎平臺+核心能力+產業生態”為戰略指引,為國產化產業鏈構建起一條“創新紐帶”,將基礎軟硬件研發與創新緊密串聯。

在這一過程中,中國電信依托國家級適配中心,在操作系統、數據庫、芯片等關鍵領域發力,借助開源社區和開放實驗室,攻克共性技術難題,打造安全可靠的國產化全棧解決方案,構建起堅實的國產化產業創新生態。

最后,在推動全產業鏈協同發展上,中國電信在本次大會期間舉辦企業合作、政務合作、信創合作、智算云合作、科技創新合作等分論壇。在這些論壇上,中國電信與產業伙伴、行業專家一起進行了深度對話與交流,加強了產業鏈在技術、應用、渠道、服務等全方位深度合作,推動全產業鏈協同發展,讓國云生態更加開放、繁榮。

雙輪驅動加速數字中國建設

在人工智能的激烈競爭賽道中,多數企業聚焦于技術領域突圍,試圖憑借某項核心技術搶占市場先機。這種單點突破的模式雖能在局部形成優勢,但難以構建起支撐千行百業數智化轉型的完整生態。

但在智能云生態大會上,中國電信依靠“能力升級+生態協同”的創新賦能模式,展現出獨特的競爭優勢與戰略眼光。

中國電信構建的“算力、數據、、應用、模型”五位一體智能云能力體系,如一套環環相扣的系統化方案,將為人工智能在各行業的落地應用筑牢根基;啟動的一系列創新合作計劃,將形成強大的產業合力,為千行百業的數智化轉型營造了良好的發展環境。

當能力升級的“硬實力”與生態協同的“軟實力”開啟雙輪驅動模式,中國電信將引領千行百業跨越人工智能應用“天塹”,為數字中國建設按下“加速鍵”,書寫屬于自己的數智傳奇!

舉報 0 收藏 0 打賞 0評論 0
 
 
更多>同類資訊
全站最新
熱門內容
網站首頁  |  關于我們  |  聯系方式  |  版權聲明  |  RSS訂閱  |  開放轉載  |  滾動資訊  |  爭議稿件處理  |  English Version