1310 40 ����� 150 123 147 95 79 115 136 108 148 194 1295 41 ����� 135 142 88 133 145 147 145 113 144 99 1291 42 ����� 131 99 158 80 82 131 130 184 152 132 1279 43 ����� 115 79 101 136 180 125 131 139 139 116 104 97 73 1015 55 ���� 131 37 84 81 121 133 103 135 131 55 1011 56 ����� 87 87 131 45 111 85 114 79 106 156 1001 57 ����� 113 53 106 56 62 91 95 145 102 150 973 58 ����� 71 49 62 26 58 30 85 124 134 48 ����� 31 7 9 11 32 90 49 ����� 23 18 10 19 17 87 50 ����� 20 3 8 21 28 80 51 ����� 2 30 14 6 27 79 52 ����� 10 17 11 4 26 68 53 ����� 6 32 5 12 10 65 54 ���� 3 42 3 9 5 62 55 ����� 9 9 24 14 4 60 56

80% 79% 79% 77% 75% 72% 72% 69% 69% 69% 63% 61% 59% 55% 51% 1000 3000 5000 7000 9000 11000 13000 15000 5% 15% 25% 35% 45% 55% 65% 75% 85% 95% 92% 86% 86% 84% 80% 80% 80% 79% 79% 77%

• • 24GHz 77GHz • • 10 40 40% 2025 INSAR 92-94GHz 11 2024 92- 94GHz FOD 1 2023 79-81GHz 2021 76-79GHz 76-81GHz 01 77-81GHz 02 2026 1 1 2025 ) 92-94GHz 12 • 92-94GHz 4 • 92-94GHz

100-300 100 ◼ 100 ◼ 100-300 ◼ 300-500 ◼ 500-1000 ◼ 1000 33% 50% 11% 6% 67% 22% 11% 2025 28 79% 100 39% 100 300 16% 300~500 8% 500~1000 16% 1000 1000 22% 11% 16 1000 1000 2024 500 61% 100 2030 32 Q 2030 48% 21% 21% 10% 2025 50 90% 48% 21% 21% 10% 33 Q 48% 14% 17% 21% 551 79% 48% 14% 17% 21% 34 Q 2025 52 90% 86% 83% 69% 66% 66% 48% 38% 34% 553 35 Q 0% 7% 34%

点预计， 2017 年我国智慧停车系统市场规模将达到 79 亿元，未来五年 (2017-2021) 年均复合增长率约为 18.83% ， 2021 年市场规模将达到 157 亿元。 市场规模巨大 05 2014 2015 2017 2021 0 20 40 60 80 100 120 140 160 180 37 51 79 157 智慧停车市场规模 市场规模（单位：亿元）

数量） 准确召回率 （召回正确数量 /query 数量） 准确率 （召回正确数量 / 召回数量） 5 704 659 73% 68% 94% 10 764 728 79% 75% 95% 15 766 728 79% 75% 95% 20 789 746 82% 77% 95% 25 805 771 83% 80% 96% 置信度 测试 query 数量 召回数量 召回正确数量 准确召回率 （召回正确数量 /query 数量） 准确率 （召回正确数量 / 召回数量） 0.8 507 404 384 80% 76% 95% 0.75 507 436 398 86% 79% 91% 百度智能客服语义模型效果数据 • 不同扩展问数量对应问答机器人效果数 据 • 不同置信度对应问答机器人效果数

第一个主要模型之一 同类研究。10 研究发现 BERT - 当时是 Google 最先进的大型语言模型 （ LLM ） - 发出 数据创新中心 2 约 1, 438 磅二氧化碳 (CO2) 在 79 小时的 使用 64 个高级图形处理单元 (GPU) 、芯片进行培训 通常用于训练 AI 模型 ， 因为它们具有优越的并行性 处理能力。从这个角度来看 ， 往返航班从 纽约到旧金山可产生约 2, 000 训练各种 AI 模型的估计能源需求 CO2 排放量 (公制 Tons) # of 芯片 能源 (MWh) Estimate 来源 模型 BERT 参数 (型号 x #) Hours 79 Strubell 等 Al. ， 201922 0.1 B V100x64 1.5 0.7 0.7* 31.2 Strubell 等 Al. ， 201923 GPT - 2 1.5 B 对于一些关于人工智能环境影响的误导性说法 ， 欧洲议会对立法的拟议修订包括 大量增加能源 ， 例如指导 AI 开发人员 将 “最先进的方法和相关的适用标准整合到 减少能源使用、资源使用和浪费 ， 并增加 能源效率和系统的整体效率。 “79 These 要求与人工智能法案中的其他义务紧张 消除人工智能模型的偏见。而人工智能法案现在只包括更多 合理的能源透明度要求 ， 来自 欧洲议会显示了坏事实导致坏的可能性 政策。 使用 AI 使政府运营脱碳