技术可有效 学习到无线信道的稀疏性，从而降低 CSI 反馈的开销。基于 AI 的空频域 CSI 压缩的基本原 理是：终端在估计到空频域的信道矩阵后，将原始信道或原始信道经过预处理后得到的输入 CSI，然后利用自编码器中的编码器（即下图中的 AI/ML generation part）生成压缩码字，然 后将其量化为二进制比特后反馈给基站；基站接收到压缩码字后，首先进行解量化，然后利 用自编码器中的译码器（即下图中的 传输性能。如对更多的网络节 点、节点的传输方式、无线资源分配等联合进行优化，以获得最优调度策略。根据全部或部 分信道信息、上下行 duality、或其它优化目标进行最优预编码设计。对资源分配和信号处 理进行联合设计，如预编码和功率联合优化、导频分配和信道估计联合优化等，以更逼近系 统理论性能上限。 2.1.2.2 时频同步 在分布式 MIMO 系统中，多个协作站点采用相干联合传输的方式服务多个用户，有效 ve Phased Array Antenna，APAA）的基站上，这些天线通常在高频段运行。这种设置会在基站 周围产生显著的近场传播效应，使其成为研究单个基站配置中近场传播的合适模型[14]。然 而，对于大规模实际应用部署，需要一个普遍的近场传播环境，以便随时随地利用近场特性， 从而实现更高的通信速率、更精确的感知以及定位能力。在这种背景下，传统超大规模 APAA 的集中部署面临着重大挑战。6G

面分离更加彻底，用户面功能更加独立，可以下沉到靠近用户的边缘网络，以降低网络延迟，提高 整体网络性能；迈入 6G 时代，6G 业务的多维性（通信、感知、AI、计算等）对用户面提出了更高 的要求，从单一处理用户数据到处理多维业务数据发生了天翻覆地的变化，无论是对用户面处理多 维数据(通、感、智、算等)的能力，还是对用户面处理多维业务数据的性能（峰值速率、用户体验速 率、区域流量等）都提出了极高的要求 络层（L3） 的多类信息。基站侧通过提取这些信息，组建消息包并建立通信接口，将实时数据传输到外部平台， 实现基站侧数据的实时采集。核心网数据则包括控制面数据和用户面数据，其中控制面数据用于处 理控制信令协议类型的信息，支持业务流程的建立、维护与释放。用户面数据则涵盖了真正的业务 数据，包括语音、分组数据、即时通信、邮件以及视频等多种业务类型。此外，网管数据包括性能 数据、告警数据和配置数 类型和/或协议栈需求， SMF 在收到 UE 发起的 PDU 会话请求时，根据其业务类型参数和/或协议栈能力参数向协议编 排生成器发起协议栈编排配置请求，协议编排生成器根据其协议栈需求，动态编排生成协议栈，然 后把其配置到对应的可编程用户面上，进而把配置的可编程用户面信息反馈给 SMF，SMF 基于此完 成 UPF 的选择和建路过程；若只携带业务类型参数，需在 SMF 或其他模块内进行业务类型参数与

融合了物理世界和计算机生成的虚拟世界，它提供了独特而革 命性的沟通、互动和创造新体验的方式。 尽管当下被人工智能盖过了风头，但元宇宙（Metaverse） 仍在持续的发展中，元宇宙（Metaverse）的关键细分领域仍 然是全球科技公司关注的重要方向，知名公司都在积极参与元 宇宙（Metaverse）的建设。其中,Meta、谷歌、微软以及苹果， 都在大力投资其基础设施建设，而大多数大型消费电子科技品 牌也正在这个 Development Trend Report 2025 2 2 人类潜能，注意力转移到如何利用计算来增强人类潜能， 而不是简单地在有利于数字运算的专业领域取代人类潜 能 。 1960 年 麻 省理 工 学 院 (MIT) 心理 声 学 教授 约 瑟 夫·利克莱德 (Joseph Licklider )提出了“人机共生”的 设想，并将心理学原理应用于人机交互和界面。他认为， 计算机与人脑的合作将超越任何一方单独的能力。作为 此它是最灵活的AR模型。 无标记增强现实 • 相比之下，无标记AR不需要特定的触发器。这种AR依靠设备传感器（例如 GPS、加速度计和摄像头）来实时理解和绘制用户环境。通过分析用户的物 理环境（通常使用算法和计算机视觉），这些AR系统可以确定数字内容的 放置位置，从而带来更自然、更动态的体验。 全 球 A R / V R 行 业 发 展 趋 势 报 告 2 0 2 5 | F a s

AI 加 速卡大多采用 PCIe 形态。但随着大语言模型的崛起，内部采用 Scale up 低延迟互联的 8 个 OAM 模组形态，凭借其卓越的性能优势，已被各大 AI 厂商的高端产品广泛采用。然 而，由于各类 AI 芯片的功耗存在差异，不同液冷整机厂家的方案设计缺乏统一标准，加上 整机柜在供电和制冷能力上的差异，导致终端用户在部署 AI 集群时，难以实施标准化的部 署方案和一致的运维策略。此外，AI DC 输出电流 电源框：1223A MAX 尺寸 86.7*537*900mm 机柜管理模块 PMC 管理模块主要提供机柜管理功能，包括资产管理、电源模块管理、温湿度监控、功耗管 理、液冷机柜漏液检测和二次侧管路漏液检测等功能。 图 3-13.机柜管理模块外观 图 3-14.管理模块前面板接口 3.5 网络架构 温湿度传感器（选配） 3 液冷机柜 4 液冷门（选配） 27 5 管理模块 6 电源框 7 直通板 8 PDU 9 交换机 10 理线托盘 11 机柜侧门 12 服务器节点 13 加强托盘 - - 4.2 服务器节点 AI 节点设计目标，旨在构建统一的 AI 服务器架构，实现多种东西方 AI 加速器在服务

全运行。新增的四类功能 单元——业务单元、联盟单元、可信单元和智能体单元，协同工作，共同实现联 盟网络的核心功能与价值。 在支撑技术方面，白皮书全面阐述了联盟网络的关键技术体系，涵盖跨域管 理技术、开放解耦技术、安全可信技术以及 AI 与智能体技术。这些技术相互配 合，共同确保联盟网络的高效运行、智能化管理与安全性。跨域管理技术实现不 同主体网络之间的无缝对接与协同工作；开放解耦技术促进网络能力的开放与资 管理和认证、网络间数据传输的通道管理等功能；可信单元支撑多方共识，负责 网络间分布式信息管理、权益匹配等功能，联盟单元和可信单元是互联互通层的 关键。智能单元实现下层资源能力与上层应用的匹配，负责应用的全生命周期管 理、应用资源的组合管理等，实现未来网络丰富的联盟应用层。 图 2-2 联盟网络体系结构 7 / 25 这四类功能单元内都将包含多个具体的功能模块。TMU 内部按照具体的业务 类型划分，可以包括计算管理模块（Computing 开放能力是平台将其核心业务功能和数据以标准化接口对外开放，供第 三方开发者或合作伙伴使用，以促进生态系统发展和创新。这种能力通过 API 网关实现，它作为平台的流量入口，负责接收和处理第三方应用的请求，然 后将请求转发到相应的内部服务。API 网关不仅提供请求路由、协议转换等基 本功能，还具备安全认证、流量控制、请求转换等高级特性，确保平台操作 的安全、稳定和高效。开放能力的应用场景广泛，涵盖电商、金融、物流、

5.2 前沿技术 5.3 人类与机器 5.1 创新的价值 技术与创新 达到临界质量(早期多数) ： 克服 “营销鸿沟 ” • In 1962, Everett Rogers, 美国传播理 论家和社会学家 ， 产生了一个仍然广泛 的 used 采用创新的理论 在个人和 组织 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 线观看；通过WhatsApp发送了4200万条消息 ；在LinkedIn上提交了6060份简历。 Google 上有 590 万次搜索 • The 生物纳米物联网 ( IoBNT ) 是一个网络 天 然和人工纳米生物功能器件 无缝集成到互联网基础设施中。 IoBNT 创建为 控制非常规领域 ， 例如 ， 人体 ， 在 未来 001110111 011011101 110100111 101101101 最近取得了突破 突出其变革潜力 5.2 前沿技术 • This 里程碑 暗示了一个未来 量子计算机可以 改造产业 by 实现药物发现、人工 智能和数据加密的进步。 然而 ， 专家警告说 ， 虽 然这些发展是有希望的 ， 现实世界的应用程序可能还需要几年的时间 • 2024 年 12 月 ， 谷歌发布 量子芯片, 柳枝（Willow），能够在不到五分钟内解 决复杂问题——相当于 classical

竞相构建最先进的 AI 模型，并将目光瞄准了通用人 工智能（AGI）， 2,3 与过去一样，这场竞赛吸引了企 业领袖、政府乃至全世界的关注。 虽然 AGI 在未来可能具有重大意义，但目前它仍 然遥不可及，许多技术和伦理问题尚未解决。当前企 业领导者不应过度关注 AGI，而应聚焦于已经到来的 AI 泛化（generalization of AI）这一趋势，它将为 企业带来更高水平的自主性和能力。 的过程中也在不断教 AI 了解自己的喜爱、偏好、需求。 企业可以有意识地整合零散的 AI 应用，构建认 知数字大脑。这个系统能够将工作流程、知识经验、 价值链、社交互动等关键数据编码其中，以更高的理 解力、更强的执行力发挥作用。 个人如何利用 AI ？企业应该通过 AI 赋能全体员 工？当 AI 广泛普及并渗透到生活的方方面面时，世 界会变成什么样子？企业领导者正在将零散的 AI 应 用整合为一个统一的系统，推动 行单一且明确界定的任务。自主性的融入，将打破这一 局限，使系统能够自我构建并执行代码，成为推动业务 协调与运营的强大力量。这场变革带来的机遇空间无比 广阔，我们将迎来系统基于意图无缝运作的未来。然 而，这也意味着，系统的构建和训练方法将彻底改变。 正如“AI 教父”杰弗里·辛顿（Geoffrey Hinton）所言： “我们设计的算法在学习过程中……与数据相互作用 后，形成了能够高效执行任务的复杂神经网络，但其

MIMO 面临高维 MIMO 信号处理挑战，包括 MIMO 信号检测、MIMO 信道测量与反 馈、MIMO 预编码，涉及高阶 MIMO 矩阵乘、矩阵奇异值分解、矩 阵求逆等运算，以及信号最大似然检测等寻优问题。一个典型案例 是信号处理中的矩阵乘，例如未来去蜂窝场景 512×8 维度 MIMO 矩 量子计算应用能力指标与评测研究报告（2024 年） 5 阵，经典计算机求解复杂度虽然多项式级增长，但也带来极大处理 表示算法解与最优解的接近程度，考虑量子计算机数值表征能力。 3）计算规模：量子计算机支持的问题规模。问题规模通常与物 量子计算应用能力指标与评测研究报告（2024 年） 15 理比特规模和线路深度不直接对等。具体内涵可考虑分布式算法、 量子编译、智能工具等优化手段。计算规模还包括多个计算任务的 并发规模，即总的计算量。 4）计算效能：单位能耗（焦耳）完成的计算量。能耗包括主机

CPU 提供算力，在 AIIaaS 中主要依靠 GPU、NPU（Neural Processing Unit，神经网络处理单元）、TPU（Tensor Processing Unit，张量处 理单元）等新型芯片提供智算资源，例如谷歌云通过其云服务平台 Google Cloud 将 TPU 作为服务提供给外部用户，使得开发者和企业 能够利用 TPU 的强大计算能力进行机器学习模型的训练和推理。二 模型应用开发能力进行标准化封装，为用户提 供了一个便捷化的模型服务平台。在传统模式下，大模型的训练、推 理和部署通常需要庞大的底层算力、丰富的训练数据以及先进的模型 算法支撑。此外，数据管理、模型安全、应用编排、性能监控等环节 也需要大数据、云原生、网络安全等复杂技术的支撑。这些因素不仅 增加了企业的技术投入和运营成本，也限制了 AI 技术的广泛应用。然 而，MaaS 的出现彻底改变了这一局面，它在 AIPaaS 基础上通过标准 对性配置销售团队资源投入，分析客户质量，制定对应销售策略， 提高转化率；通过 AI 驱动的市场营销自动化 SaaS 划分消费者兴趣 点，执行定制化营销活动，提高营销行为的投资回报率。在公司管 理方面，人力资源管理 SaaS 通过结合 AI 技术辅助建立简历筛选、 智能匹配职位，预测员工离职风险，以及个性化培训建议等功能， 提升企业人力部门的工作效率和效果；财税管理 SaaS 结合 AI 技术

别和行为分析的安防摄像 头而言，这意味着更高的技术门槛和运营成本。 政策性质 规范类政策 政策名称 《关于促进智慧城市健康发展的指 导意见》 颁布主体 发改委，国家数据局，财政部，自 然资源部 生效日期 2024-01-01 影响 9 政策内容 到2027年，全国城市全域数字化转型取得明显成效，形成一批横向打通、纵向贯通、各具特色的宜居、韧性、智慧城市，有力支撑数字中国建设。到2030年，全国