皮书重点介绍了可编程技术支 持的 6G 用户面，系统地探讨了其需求、架构设计和关键技术，旨在为未来的 6G 网络提供灵活、智 能、高效的用户面解决方案。 白皮书首先分析了 6G 移动通信网络对可编程用户平面的核心要求，包括支持多种服务场景（如智 能交互、全息通信和工业互联网）、网络资源的动态适应、差异化的服务质量保证以及计算和通信 的深度集成。在此基础上，它提出了可编程用户面架构的设计原则，强调开放性、面向服务的设计、 1、在网络计算中：通过将计算能力深度嵌入用户平面，实现了近边缘数据处理和实时响应。 2、 动态协议可编程性：支持按需定制和动态加载协议栈，以满足垂直行业的异构需求。 3、 功能服务化：通过基于微服务的架构将用户平面功能解耦，增强部署灵活性和资源利用率。 4、 路径可编程性：利用意图驱动和基于人工智能的动态路径优化来确保端到端的传输性能。 此外，本文还验证了可编程用户面在提高网络效率、减少延迟和通过典型应用场景增强智能方面的 潜力。最后，它概述了未来的研究方向，呼吁全行业合作推进标准开发、开源生态系统建设和跨领 域技术集成，加快 6G 可编程用户面的商业化。 本白皮书为 6G 网络架构的演进提供了重要参考，有助于构建开放、智能和按需的面向服务的未来 通信基础设施。 关键词：6G；可编程；AI；UPF；服务化 2 / 35 Abstract With the rapid development of 6G communication

请务必阅读正文之后的免责声明及其项下所有内容 证券研究报告 | 2023年05月31日 超 配 电子 AI+系列专题报告 边缘 AI：大语言模型的终端部署，推动新一轮终端需求 核心观点 行业研究·行业专题 电子 超配·维持评级 证券分析师：胡剑 证券分析师：胡慧 021-60893306 021-60871321 hujian1@guosen.com.cn huhui2@guosen 特征是通过海量数据，无需标注自监督学习，训练一个基础大模型，并在各 领域将其专业化。据相关论文，当模型的参数量大于某阈值，会展现出类似 推理、无监督学习等未曾出现的能力，这种现象被称为“涌现”，因此目前 大语言模型参数均在十亿量级以上。同时，Deepmind 研究表明，模型参数的 上涨需要配合等比例上升的优质数据集来达到最佳训练效果。因此，大模型 参数在十亿级以上发展并受限于优质数据集的增速是 AI 发展的必然趋势。 8GHz 的占比 36%，价格在 1000 美金以上的占比 13%，即旗舰机型占比较低，随着 AI 大模 型在边缘端落地，有望推动新一轮换机潮。 以大语言模型为核心，以语言为接口，控制多 AI 模型系统，构建“贾维斯” 式智能管家。我们认为大语言模型不仅可以实现对话、创意，未来也有望作 为众多复杂 AI 模型的控制中心，同时也是接受用户指令的交互窗口，实现 《钢铁侠》电影中“贾维斯”式综合智能管家。23

依托核心名师 IP 及教培数据优势，推出“豆神 AI”产品，从答疑工具升级 为教学主体，硬件端规划便携式智能硬件“小豆”等产品；4）盛通股份： 硬件端打造中鸣机器人编程教具将抽象编程语言转化为实体机器人便于理 解，软件端接入 Deepseek 打造支持自然语言对话与智能决策的教育硬件平 台。5）天立国际控股：场景上以 AI 自习室（借助智能平板硬件）与启鸣云 校（软件）切入 C 端校园场景，验证短期冲刺平均提分 ...........10 千亿多邻国成长启示录：AI 赋能打造 C 端寓教于乐场景 .............................12 公司概览：千亿市值在线教育龙头，打造寓教于乐语言学习平台 ............................. 12 收入结构：多层级产品实现流量变现 ........................................... ......................................... 17 国内实践概况：降本增收两侧赋能，构筑“基础内容-技术方案-产品应用”的三级产业链架构 ...17 有道：语言学习科技先锋，加码智能硬件 AI 教育生态 ...................................... 20 好未来：传统教培+教育科技龙头，发力 AI 再起航 ........

大模型相关术语 l 多模态 Ø 文本、图片、音频、视频 l AI工具（国内） Ø DeepSeek、 豆包、Kimi、腾讯元宝、智谱清言、 通义千问、秘塔搜索、微信搜索... l 通用模型 Ø 大语言模型（LLM，Large Language Model） Ø 视觉模型（图片、视频） Ø 音频模型 Ø 多模态模型 Ø …… l 行业模型（垂直模型、垂类模型） Ø 教育、医疗、金融等 •Transformer架构：可以并行矩阵计算（GPU），核心是注意力机制（Attention） •编码器（BERT）：多数embedding模型，Ernie早期版本，……. •混合网络：T5、GLM •解码器（GPT）：大语言模型（LLM），也是传统的多模态模型的核心 •生成式人工智能（GenAI）：AIGC •DeepSeek、Qwen、GLM、Step、MiniMax、hunyuan、kimi、…… •OpenAI •OpenAI GPT（ChatGPT）、Claude、Llama、Grok、…… •Diffusion架构：主要用于视觉模型（比如Stable Diffusion、DALLE），现在也开始尝试用于语言模型 •Diffusion+Transformer架构：例如Sora的DiT（加入Diffusion的视觉模型），部分新的多模态模型架构 大模型的发展阶段 生成模型 ref:中文大模型基准测评2024年度报告(2025

基础设施建设，并因地制宜出台特色政策。尽管GDP增速放缓，AI技术作为新质生产力，凭借 其在提升效率和推动产业升级方面的优势，展现出广阔发展前景，政府支持也为其提供了强劲 动能。资本市场持续关注AI，投资重点聚焦于语言与多模态模型应用、芯片、算力服务等领域， 基础层与应用层协同发展，不断完善产业生态。社会层面，生成式AI的普及加速了市场教育， 公 众 接 受 度 显 著 提 升 ， 但 就 业 替 代 、 隐 私 4 目 录 CONTENTS 01 中国大模型产业宏观环境 政策、经济、社会、技术 02 中国大模型产业价值总览 基础层、模型层、应用层 03 中国大模型产业商业进程 语音、视觉、语言及多模态产品 04 中国大模型产业实践案例 典型产品、标杆厂商 05 中国大模型产业发展趋势 产业机遇、关键挑战 5 中国人工智能产业宏观环境 —— 当下，中国人工智能产业 在经济、政策、认知、技术维度的发展环境如何？ www.iresearch.com.cn 中国人工智能产业资本环境 语言及多模态赛道目前最受瞩目，同时基础层厂商积极入局 来源：艾瑞咨询研究院自主研究绘制。 从投资轮次的分布情况着眼，战略及股权投资的数量及占比均呈现出显著的上升态势，其中股权投资事件占比高达77.9%。而在应用赛道 的投资分布方面，语言及多模态赛道目前已成为最受瞩目的投资领域。与此同时，以AI芯片、AI算力解决方案、算法架构等为代表的基础

基础设施建设，并因地制宜出台特色政策。尽管GDP增速放缓，AI技术作为新质生产力，凭借 其在提升效率和推动产业升级方面的优势，展现出广阔发展前景，政府支持也为其提供了强劲 动能。资本市场持续关注AI，投资重点聚焦于语言与多模态模型应用、芯片、算力服务等领域， 基础层与应用层协同发展，不断完善产业生态。社会层面，生成式AI的普及加速了市场教育， 公 众 接 受 度 显 著 提 升 ， 但 就 业 替 代 、 隐 私 4 目 录 CONTENTS 01 中国大模型产业宏观环境 政策、经济、社会、技术 02 中国大模型产业价值总览 基础层、模型层、应用层 03 中国大模型产业商业进程 语音、视觉、语言及多模态产品 04 中国大模型产业实践案例 典型产品、标杆厂商 05 中国大模型产业发展趋势 产业机遇、关键挑战 5 中国人工智能产业宏观环境 —— 当下，中国人工智能产业 在经济、政策、认知、技术维度的发展环境如何？ www.iresearch.com.cn 中国人工智能产业资本环境 语言及多模态赛道目前最受瞩目，同时基础层厂商积极入局 来源：艾瑞咨询研究院自主研究绘制。 从投资轮次的分布情况着眼，战略及股权投资的数量及占比均呈现出显著的上升态势，其中股权投资事件占比高达77.9%。而在应用赛道 的投资分布方面，语言及多模态赛道目前已成为最受瞩目的投资领域。与此同时，以AI芯片、AI算力解决方案、算法架构等为代表的基础

S0980522090001 l GPU 是人工智能时代下满足深度学习大量计算需求的核心 AI 芯片。 过去五年，大型语言模型的参数规模以指数级增长；从 2018 年起， OpenAI 开始发布生成式预训练语言模型 GPT 以来， GPT 更新换代持续提升模型 及参数规 模； 2022 年 12 月， OpenAI 发布基于 GPT-3.5 的聊天机器人模型 ChatGPT 3 月，英伟达在 GTC 大会上推出 4 个针对各种生成式 AI 应用程序进行优化的推理平台，其中发布带有双 GPU NVLink 的 H100 NVL 加速计算卡， 以支持 ChatGPT 类大型语言模型推理。与适用于 GPT-3 处理的 HGX A100 相比，配备四对 H100 与双 GPU NVLink 的标准服 务器的速度最高可达 10 倍。 l 计算与网络事业部收入占比提升，数据中心超过游戏成为收入主要来源。 突出需求，高并行度的深度学习算法在视觉、语音和自然语言 处理等领域上的广 泛应用使得算力需求呈现指数级增长。 据 Cisco 数据，全球数据中心负载任务量预计由 2016 年的 241.5 万个上升至 2021 年 的 566.7 万个，对应 CAGR 达 18.60% ；其中，云数据中心负载任务量 CAGR 预计达 22% 。 l 以模型中的参数数量衡量，大型语言模型的参数 在过去五年中以指数级增长。随着参数量和训练

模型唾手可得。图灵测试曾被认为是机器智能的最高 标准，而今天，人与基于大语言模型（LLM）的客服 机器人和销售智能体对话每天都在打破这一标准。如 今的AI模型已摆脱了过去深度但特定且线性的方法， 展现出前所未有的自主性⸺无论在学习方式、任务 处理、还是最终能力上。这种自主性正在改变工作方 式：从 75% 的知识工作者使用生成式 AI 提升工作效 率，到人机交互方式的革新（如 AI 编程助手和语音 助手），再到机器人、汽车、医疗保健等行业的广泛 角度出发，认知数字大脑可能表现为行业的通用框架 和通信协议，或是将行业挑战转化为 AI 模型或算法， 加深我们对物理学、遗传学、运动学等领域的认知。 而站在国家和政府的高度，认知数字大脑将整合知识、 语言、文化、法律和安全，帮助行业、企业和公民更 好地互动。至关重要的是，上述认知数字大脑不会孤 立运作。当它们跨层级开展协同时，将推动社会整体 的智能化升级，创造更大的价值。 自主 AI 系统的普及标志着技术和社会进入了一 ，对这 些系统信任到何种程度，以及还需要设置哪些“护栏”。 AI 研究公司 Sakana AI 在测试其名为“AI 科学家” 的新系统时，清楚发现了这项工作的必要性。 14 该系 统利用大语言模型自主开展科学研究，在一次运行中 出现了无法在设定时限内完成实验的状况，结果系统 通过自行调整代码，放宽了时间要求。Sakana AI 公 司指出，这一行为具有创造性，但同时也表明，AI 模型有能力绕过限制。而这，会对

......................................................................................... 13 编程：AI 协助编程开发，提高开发效率与质量 .................................................................................. 摘要：大模型能力提升不断解锁新的应用场景 过去一年，大模型能力的发展速度超出我们预期。以衡量 LLM 的常用的多语言理解均值评 测标准（MMLU）为例，2021 年底全球最先进大模型的 MMLU 5-shot 得分刚达到 60%， 2022 年底超过 70%，而 2023 年底已提升至超过 85%。在语言能力之外，AI 大模型的多模 态能力也快速提升。2023 年初，主流闭源大模型通常为纯文本的 LLM。2023 化方式来处理和回复用户输入，可以模拟人类对话，通过文字或语音与用户进行实时交互。 2010 年代，随着 NLP 等技术的发展，Chatbot 已经在客服、营销、企业信息服务等领域得 到了广泛应用。然而，由于语言理解及生成能力有限，因此 Chatbot 的落地范围局限在 B 端特定服务型场景，并未诞生具有广泛影响力的 C 端产品。2022 年 12 月，ChatGPT 在文 本生成、代码生成与修改、多轮对话等领域展现了大幅超越过去

第34-46页 第4-8页 01 双星大爆炸 02 你的面孔，在未来 04 新的学习循环 在不同界面看似相同的情况下进行差异 化。 人们与人工智能如何定义一个学习、领 导和创造的正向循环。 03 当大型语言模型 出现时 他们的身体 当人工智能呈指数级扩展时，系统 将会被打乱。 如何基础模型重新定义机 器人学 信任是否是人工智能无 限可能性的极限？ 引言 人工智能：自主 宣言 从卡斯帕罗夫的比赛以来，几乎已经过去了30年，而现 在能够使Deep Blue看起来像是一个普通玩家的模型都 坐在每个人的口袋里。图灵测试，曾经被认为是机器智 能的最高标准，现在每天都被人们与大型语言模型（LL M）支持的客户服务机器人和销售人员交流中所打破。 今天的AI模型已经摆脱了过去深度但具体且线性的方法 ，并展示了前所未有的自主性—在他们如何学习、如何 处理任务以及最终能够做什么方面。他们将这种自主性 行业 这可能看起来像是行业内公司之间的通用框架和 通信协议，或者是编码界定行业大挑战的引擎——这 些模型将有助于我们增长对物理学、遗传学、运动等 方面理解。并且对于 国家 和 政府 它汇集了独特的知识、语言、文化、法 律和安全，以帮助行业、公司和公民参与。关键的是 ，这些认知数字大脑不会在孤岛中运作。当它们开始 在不同层面互动时，它们将创造一股上升的智能浪潮 ，提升所有参与方的能力。 认知数字大脑将