未来网络技术发展系列白皮书（2025） 服务生成算力网络 白皮书 第九届未来网络发展大会组委会 2025年8月 版权声明 本白皮书版权属于紫金山实验室、中国联合网络通信有限公司研 究院所有并受法律保护，任何个人或是组织在转载、摘编或以其他方 式引用本白皮书中的文字、数据、图片或者观点时，应注明“来源： 紫金山实验室、中国联合网络通信有限公司研究院”。否则将违反中 黄 祥 吴 媚 贾 倩 范子瑜 彭开来 邵子豪 王 壮 王志浩 徐 鹍 李振红 陈娟娟 第九届未来网络发展大会白皮书 服务生成算力网络白皮书 I 前 言 算力是数字化时代的基础设施和核心动能，是全社会智能化转型 的基石。随着云计算、大数据、物联网、边缘计算等技术的兴起，以 及各行各业在数字化转型过程对网络、计算、存储等多维资源需求的 的要求。为应对上述挑战，服务生成算力网络的概念得以提出。服务 生成算力网络通过将 AI 技术与算力网络的基础设施、功能流程、服 务应用等深度融合，把 AI 的解决目标和承载方式都设在算力网络内 部，利用 AI 技术赋予算力网络基础设施智能化、业务流程一体化、 服务能力自优化、算网运维自动化等能力，进而为多元应用提供泛在、 高效、灵活、安全的服务化算力供给。算力网络服务生成是利用 AI 技术使

项目编号： AIGC 生成式大模型医疗场景应用可行性 研 究 报 告 目 录 1. 引言...............................................................................................................6 1.1 背景介绍....................... .........................................................................................11 2. AI 生成式大模型概述..................................................................................12 2.1 定义与特点 .........................................................................................15 2.1.1 生成式模型概念.........................................................................16 2.1.2 大模型的优势.....

摘要 2024 的医疗 AI，既是坎坷，又是新生。 快速发展的大语言模型，携着生成式 AI 掠过医疗领域。过往的互联网医疗、医学影像、 新药研发……一个一个场景经由新一代 AI 重塑，焕发出前所未有的价值。 不过，发现价值并不意味着能够掘得价值。如今惨淡的融资形势下，躬身大模型的企业 们无法像深度学习时代那样随意试错。有限的现金流，意味着每一家企业必须全面考察 场景、技术、风控、商业化等方方面面，才能做出决定。 亿的营收规模，迈向第一个 10 亿。 2. 超 160 个影像 AI 获批医疗器械三类证，影像 AI 企业们逐渐跳出影像科，向医学装 备、外科手术辅助系统等领域进发，打开了新的百亿市场。 3. 生成式 AI 对于医疗 IT 的重构已经初现成效。上百个大模型涌入医疗领域，许多 互联网医疗、院内信息化系统已经引入相关技术，或能在明年实现规模化落地。 4. 下行经济形势下，医健企业一级市场融资受阻，IPO ................................46 第四章：大模型之下，生成式 AI 何以颠覆医疗？.....................................................................48 4.1 前沿技术：从判别式 AI 到生成式 AI...........................................

.......................... 11 范围和适用性 ..................................................... 12 1. 生成式人工智能法律和监管的重点领域 ............................ 14 1.1 数据隐私和安全 ...................................... . 22 1.5 《医疗电子交换法案(HIPAA)》 ............................... 31 2. 如何应对生成式人工智能的幻觉对数据隐私、安全和伦理的影响 ...... 36 2.1 国土安全部政策声明139-07对生成式人工智能的影响 ............ 37 2.2 联邦贸易委员会政策宣传与研究指导: ....................... ....... 63 4.5 负责任的生成式人工智能的技术保障（数据管理） .............. 64 4.6 案例研究--在实践中展示透明度和问责制 ...................... 66 5. 持续监测与合规 ................................................ 68 6. 管理生成式人工智能的法律与伦理考量 ......

6 大模型产品 3.7 大模型应用领 域 厦门大学大数据教学团队作品 大模型通常指的是大规模的人工智能模型 ，是一种基于深度学习技术 ，具 有 海量参数、强大的学习能力和泛化能力 ，能够处理和生成多种类型数据的 人 工智能模型。 通常说的大模型的“大”的特点体现在： 2020 年 ， OpenAI 公司推出了 GPT-3 ，模型参数规模达到了 1750 亿。 2023 年 3 月发布的 更连贯的回答 可迁移性高 学习到的知识和能力可以在不同 的任务和领域中迁移和应用 。 这 意味着一次训练就可以将模 型应 用于多种任务，无需重新 训练 语言生成能力 大模型可以生成更自然 、更流 利 的语言，减少了生成输出时 呈现 的错误或令人困惑的问题 3.1 大模型的概 念 3.2 大模型的发展历 程 大模型发展历经三个阶段 ，分别是萌芽期、 沉淀期和爆发 期 3.2 大模型的发展历 理大模 型。 OpenAI 定义推理模型 在 OpenAI 的官网上 ， OpenAI 定义推理模 型是在回答之前进行思考 ， 并在回复用户 之前 ，在内部生成一长串的思维链过程。 思维链是一种提示大语言模型进行逐步推 理的方法。它让模型在得出最终答案之前 ， 先显式地写出推理的中间步骤。这就像人 类解决复杂问题时会先把思考过程写下来

大模型的发展历程 1.3 人工智能与大模型的关系 1.4 大模型分类 1.1 大模型的概念 大模型通常指的是大规模的人工智能模型，是一种基于深度学习技术，具有 海量参数、强大的学习能力和泛化能力，能够处理和生成多种类型数据的人 工智能模型。 通常说的大模型的“大”的特点体现在： 参数数量庞大 训练数据量大 计算资源需求高 2020年，OpenAI公司推出了GPT-3，模型参数规模达到了1750亿。 大模型可以从大量的数据中学习， 并利用学到的知识和模式来提供 更精准的答案和预测。这使得它 们在解决复杂问题和应对新的场 景时表现更加出色 学习能力强 大模型可以生成更自然、更流利 的语言，减少了生成输出时呈现 的错误或令人困惑的问题 语言生成能力 学习到的知识和能力可以在不同 的任务和领域中迁移和应用。这 意味着一次训练就可以将模型应 用于多种任务，无需重新训练 可迁移性高 1.2 大模型的发展历程 月 1 2 日 ， OpenAI官方宣布了OpenAI o1推理大模 型。 推理大模型 在OpenAI的官网上，OpenAI定义推理模 型是在回答之前进行思考，并在回复用户 之前，在内部生成一长串的思维链过程。 思维链是一种提示大语言模型进行逐步推 理的方法。它让模型在得出最终答案之前， 先显式地写出推理的中间步骤。这就像人 类解决复杂问题时会先把思考过程写下来 一样。 OpenAI定义推理模型

现？AI与人类是否会在社会和教育资源上展开竞争？这些重大问题，因AIGC的到来，再一次冲击了 现有的教育体系。 在微观层面上，教育的各场景和环节，都因AIGC技术的应用而有所助益，如教师侧的备课规划、作 业生成和批改，学生侧的自主学习、辅助练习、测试评估等，新技术与古老教育场景的结合，总会 产生令人欣喜的化学反应。然而，商业实践的落地是受到现实和周期限制的。从落地逻辑而言，当 前产品基本是原有教学场景 养要 求；在学习主体方面，引发近乎科幻但并不遥远的哲学思辩：教育人类还是训练大模型，二者可 能存在着广义上教育资源的竞争。 AIGC技术在教师、学生、管理者多角色中，在学术科研、备课规划、作业生成和批改、自主学习、 辅助练习、测试评估的多场景中，都发挥着一定效力。从落地速度来看，表现为C端>B端>G端， 成人教育>高等教育>K12>幼教，教师>学生>管理者。具体到细分场景中，师生应用的全流程 科壁垒不断消融，跨专业人才需求紧俏。 来源：麦肯锡《生成式人工智能的经济潜力:下一个生产力前沿》、世界经济论坛《未来就业报告2023》 ，艾瑞咨询研究院根据公开资料自主研究绘制。 AI成为基础设施，基础工作被替代 AI大模型具备认知、分析、推理能力，冲击替代的对象涉及部分专业化岗位： 需要一定知识储 备的辅助性工作： 法律案件整理等 精度及标准化要求不 高的图文工作：如海 报设计、物料生成 专业性较高，但模型

概念设计辅助....................................................................................101 8.1.1 方案生成..................................................................................102 8.1.2 方案优化.. ................................................................................104 8.2 施工图智能生成................................................................................107 8.2.1 自动标注......... 项目的主要目标包括以下几个方面：  提升设计效率：通过 DeepSeek 大模型的自动化能力，优化 建筑设计流程，减少人工干预，缩短设计周期，降低时间成 本。  增强设计创新性：利用大模型的生成能力和多维度数据分析， 为设计师提供多样化的设计思路和方案，激发创新灵感。  优化资源利用：通过智能化的空间规划和材料选择，提高资源 利用率，减少浪费，实现绿色建筑设计目标。  支持复杂