口更精细的预测能力： 能够实现对交通流、交通事件、甚至个体交通参与者行 为的超短期、高精度预测，为信号控制、交通诱导提供更精准的决策依据 , 口多任务学习与协同优化： 大模型将不再仅仅关注单一任务，而是能够同时处 理交通流预测、事件检测、安全预警、交通诱导等多任务，并实现各任务之 间的协同优北。 口可解释性与可信赖 Al: 随着大模型应用的深入，对其决策过程的可解释性要 求将越来越高，以确保交通管理决策的透明性和可信赖性

于RoCEv2的Go-back-N丢包恢复模型，当丢包率达到1%时，RDMA报文吞吐量接近为0。 3）不同负载情况下，网络性能指标波动，性能表现不一致。通用数据中心网络在轻载 时一般都可以达到较高的性能，但AI训练是多任务集群，在多任务并存的情况下，同时满足 各任务的高性能需求，对于网络资源的规划和保障提出了更高要求。 中兴通讯版权所有未经许可不得扩散 5 3.1.3 极致高性能是核心 为了最大化集群算力利用率，A

的快速发展已成为推动全球科技变革的核心引擎，其意义远超硬件迭代本身，深刻重构了算力供给模式、产业竞争格 局与社会智能化进程。 语言大模型技术不断取得新突破 在大数据、大算力加持下，大模型逐渐实现从单任务智能到可扩展、多任务智能的跨越。据国际知名人工智能 研究机构OpenAI的最新研究显示，全球大模型能力在2024年实现了质的阶跃式提升。语言大模型在多个关键维度持 续进化，上下文窗口长度不断扩展，知识密度增强，带动 电子商务 …… 数据合成 领域知识注入 数据对齐 跨模态对比学习 低秩适应 参数高效微调 基础大模型 …… 语义理解 机器翻译 语言生成 多模态理解 逻辑推理 …… 自监督学习框架 增量预训练 多任务学习机制 少样本提示 结构剪枝 量化技术 26 AI CITY 发展研究报告 图 9 运营体系示意图 运营体系 3.4 面向城市全场景智能应用和人工智能产业发展需要，以高质量、高效率、普惠化的算力、模型和数据运营为核

80%。此外，大语言模型、提示词工程、多模态技术等预计将在未来2至5年内达到技术成熟期，进一步推动产业智能 化进程。 智能体已成为2024年生成式人工智能的核心技术之 一。凭借自主学习、任务执行及多任务协作能力，智能 体为电信运营商的智能化转型提供了全新的路径。通 过部署智能体，运营商能够实现网络管理和优化的高 度自动化，增强网络的自感知与自修复能力，从而显著 降低运维成本并提升网络可靠性。

。 ORCA Computing 联合研究团队探索利用量子计算来增强用于疫苗 设计的生成式 AI 模型，结果表明量子引导模型优于经典方法，且 具有更快生成肽的能力135。上海交大提出一种基于多任务学习的神 经网络算法，利用相邻量子比特的测量数据实现对量子态物理性质 的准确预测136。欧洲航天局和罗马大学联合团队提出一种混合量子 神经网络（QNN），用于提高地球观测应用中机器学习任务的计算

自动生成说明 人类基线 的价值 创新 一个人的头部轮廓 自动生成说明 机器人和人手的握手 自动生成说明 相对于 人类基线 [%] 人类和 Machines 自然语言推理 视觉常识推理 多任务语言理解 竞争级数学 图像分类 基础阅读理解 视觉推理 中级阅读理解 英语语言理解 资料来源 ： 斯坦福大学 ； 罗兰贝格 人工智能在许多领域超越人类 ， 但在复杂的任务中仍然面临挑战

年成立）主要从事工业级计 算机硬件生产，产品可满足工业自动化生产线 等场景需求，如基于 12/13/14 代 Intel Core 处理器打造的 BIS-6920P 无风扇嵌入式准系 统，能处理复杂计算和多任务，助力自动化生 产线装备多机互联和多重扩展应用；  连硕设备技术在工业控制设备及相关技术服务 方面开展业务。 工业数字 化领域 国外品牌 20 世纪 80 年代 埃森哲、安捷 伦  埃森哲（1989