人工基础智能与应用 5

人工智能技术及应用——下篇目录01智能化应用概述02信息产业智能化技术03信息的获取—智能感知04信息的传递—智能通信05信息的存储—智能存储06信息的处理—智能计算07本章小结01智能化应用概述信息、信息技术与信息产业概述

信息定义指通过传递处理获得的知识或消息，可表现为数字、文字、图像、声音、视频等形式。

信息技术定义处理信息的技术，涵盖软硬件、网络通信、数据库、信息安全等，支撑信息的收集、存储与传递。

信息产业定义专门从事信息技术开发、产品生产及信息服务的产业群，是现代经济的核心产业之一。

三者关联信息是核心基础，信息技术是处理手段，信息产业是应用结果，三者相互促进共同发展。信息领域发展面临的挑战与应对措施核心挑战信息、信息技术及信息产业的发展在带来红利的同时，也衍生出多项需要重视的现实问题。现存具体问题信息安全风险凸显，个人隐私、企业机密存在泄露隐患；信息鸿沟扩大，不同群体信息利用能力差距较大；技术迭代可能引发结构性失业。应对方向完善信息安全保护体系，加大落后地区及弱势群体信息普及力度，推动信息技术与传统产业深度融合。预期目标在化解现有风险的同时，创造更多新增就业岗位，实现信息相关产业健康有序发展。信息产业链概述

基本定义围绕信息产品生产服务全流程形成，是信息产业生态系统及现代信息系统化、经济化核心组成

核心作用系统化串联信息相关要素、活动与服务，构建支撑信息价值形成的有机高效专业链

覆盖范围以信息技术为核心，涵盖从原材料到最终信息产业制造的全流程信息产业链核心环节图1信息产业链流程图（1）信息采集：整个产业链的起点，涉及收集各类原始数据和信息。（2）信息处理：对采集的数据进行加工、分析和解读，提取有价值的信息。（3）信息存储：负责将处理后的信息进行安全可靠的存储，以便后续使用。（4）信息传输：通过各种通信网络和媒介将信息传输到需要的地方。（5）信息应用：将信息应用于各个领域，如工业、服务业等，推动信息化与产业融合。（6）信息服务：提供信息咨询、软件开发、系统集成等服务，以满足用户的信息需求。02信息产业智能化技术数据智能核心内涵是通过数据全链路技术将原始数据转化为决策智能信息的过程，是AI时代核心生产要素。关键环节涵盖多模态数据采集、分布式存储、数据治理、统计分析、机器学习、可视化等环节，兼顾安全合规。应用与演进典型应用覆盖金融反欺诈、零售推荐、工业预测性维护、智慧城市交通，未来向多模态融合、实时流处理、隐私增强计算方向发展，最终实现数据到价值的转化。算力智能概述

核心定义是支撑AI发展的基础设施，涵盖芯片到分布式计算框架的完整技术栈，提供高效计算能力。

技术构成硬件含GPU、TPU、FPGA等专用芯片，架构覆盖云边超算、分布式框架、绿色计算技术。

应用与发展典型应用有大模型训练、自动驾驶、基因分析等，未来向异构计算、存算一体等方向演进，是国家科技竞争力核心指标。算法智能概述

核心定义与算法体系是人工智能核心驱动力，涵盖传统机器学习到深度学习的全栈算法体系，包含监督、无监督、强化学习等类别。

关键技术方向包含CNN、LSTM、Transformer等神经网络架构创新，及AutoML、联邦学习、XAI、模型压缩等优化技术。

典型应用场景覆盖自然语言处理、计算机视觉、决策优化三大领域，支撑智能对话、医学影像分析、金融量化交易等落地。

未来发展趋势聚焦通用人工智能探索、自监督学习、神经符号系统研究，及鲁棒性与安全性提升，推动各行业智能化转型。03信息的获取—智能感知

技术实现路径通过摄像头、麦克风等传感器硬件采集物理世界信号，借助语音识别、图像识别等技术映射至数字世界。

信息处理逻辑对映射后的数字信息进行深度处理，将其提升至可认知的层次。

核心认知能力可实现记忆、理解、规划、决策等认知类功能，属于人工智能技术范畴。智能感知技术与系统

技术实现路径通过摄像头、麦克风等传感器硬件采集物理世界信号，借助语音识别、图像识别等技术映射至数字世界。

信息处理逻辑对映射后的数字信息进行深度处理，将其提升至可认知的层次。

核心认知能力可实现记忆、理解、规划、决策等认知类功能，属于人工智能技术范畴。智能感知技术与系统智能感知技术与系统智能定义依托网络、大数据、物联网、AI等技术，具备满足人类各类需求的能动属性，典型如无人驾驶汽车。媒体应用媒体智能化基于数据化实现功能升华，新媒体可具备类人感知、决策等能力，适配各类场景需求。图2

人工智能与信息感知框架层次构成智能感知共分为应用层、感知层、信息层三个层级。智能感知技术核心功能与特点核心功能具备“感、知、联”一体化能力，覆盖数据采集、传输、处理全流程，含采集、过滤、压缩、融合环节。核心环节说明信息采集保障数据准确性，过滤实现特征提取，压缩去除冗余数据，融合完成信息识别判别。精度与信息优势较单一传感器获取信息精度更高，可通过多传感器互补，得到单一传感器无法采集的独立特征信息。效率与决策优势相比传统单一传感器系统，能以更低时间、成本获取同等信息，融合多源信息可完成分类、决策等任务。智能感知概述与关键技术

智能感知核心定义面向感知信息结合先验知识融合处理，整合多源数据提取有效信息，获取测量对象状态。

智能感知器核心特性具备适配的测量范围、足够灵敏度、高精确度、长期稳定性、良好重复性、匹配的动静态特性，支持能量收集与环境参数补偿。

多传感器数据融合价值20世纪80年代诞生的信息处理技术，综合多传感器互补冗余信息，克服单传感器局限，提升感知完整性、测量精度与决策可靠性。智能机器人感知概述技术定义是机器人获取解析环境信息、实现交互的技术体系，是连接物理世界与机器人的核心纽带，支撑自主决策。感知类型主要包含视觉感知、听觉感知、触觉感知、力觉感知等类别。核心地位视觉感知是机器人最重要的感知系统，相当于机器人的“眼睛”，直接决定环境感知能力。视觉感知核心特征

技术要求高涉及信息采集、移动状态获取、目标分析、图像处理等步骤，要求低延迟、高可靠性。

轻量化要求适配扫地机器人等小型设备，硬件需满足小型化、轻量化、低功耗的要求。

迭代速度快传感器、算法、多传感器集成技术快速创新，下游场景需求倒逼方案快速升级。视觉感知技术优势

多传感协作以多传感器协同融合为核心，优势互补，提升复杂环境下感知的稳定性与精度。

扩展性较强可适配不同机器人类型与应用场景，数据闭环反馈可进一步增强能力泛化性。

商业价值掌握视觉感知技术的企业，在智能机器人多元场景拓展中具备更强竞争优势。机器人听觉感知

技术功能通过麦克风采集声音，经语音识别转文本，可实现语音交互、声源定位。

阵列模式主要分“双耳”和“多耳”模式，其中“双耳”模式易受多声源干扰，定位难度高。

应用案例SIG人形机器人采用“双耳”模式，可实现三人同时说话时的语音定位与分离。机器人触觉感知技术介绍触觉感知价值是机器人实现柔性交互的核心技术，模拟人类触觉，支撑机器人与环境、人类的智能交互。压阻型传感器基于弹性体电阻率随压力变化的特性，外力引发形变产生电阻变化，将机械刺激转为电信号。电容型传感器通过两极板相对位置或介质厚度变化带来的电容值变化，检测获取受力相关信息。压电型传感器基于压电效应，外力作用使材料内部电极化产生电信号，常用高灵敏度的锆钛酸铅材料。光电式传感器由光源和光电探测器构成，压力变化会引发敏感元件反射强度、光源频率的对应变化。磁导式传感器外力作用下产生磁场变化，将磁场变化转换为电信号，以此感知接触面压力信息。机器人力学感知技术

核心价值力学感知是机器人交互的感知神经，力控技术是机器人柔顺化、智能化操作的核心支撑。

六维力传感器可同时测3个方向力和3个方向力矩，多维解耦能力优于传统一维/三维传感器。

场景应用广泛应用于多领域，在人形机器人中用于平衡控制、柔顺操作、碰撞检测、运动规划等场景。04信息的传递—智能通信信息的传递—智能通信智能通信定义智能通信是融合人工智能、5G/6G、物联网等技术的通信系统，实现通信的智能化、自适应和高效协同。核心目标其核心目标是提升通信效率、可靠性、安全性和用户体验，同时优化资源分配和网络管理。智能通信技术与系统—四大智能化要素拆解智能化数据传输以计算机为核心，动态评估网络状况，保证数据传输质量和实时性，依托云端计算和高速网络光传输等底层技术。智能化通信服务通过机器学习和数据挖掘技术，理解用户需求，提供个性化帮助，满足多样化通信需求。智能化通信设备高端硬件设备如手机、电脑等，能够智能判断和预测用户需求，自动采集信息并处理，提供符合用户需求的服务。智能化的网络基础设施智能通信依托高阶网络，深化智能家居、车联网等多领域应用。网络基础设施发展到较高阶段，支持智能通信技术，涵盖智能家居、车联网、智能医疗等多个应用领域。智能通信技术—六大关键技术组件01AI/MLAI算法实现网络自优化与智能决策，如动态信道分配、边缘计算结合AI芯片，提升网络效率与可靠性。025G/6G网络架构采用服务化架构实现网络功能模块化，支持低延迟、高带宽应用，如自动驾驶、远程手术等。03物联网与LPWAN通过低功耗广域网实现海量设备连接，如LoRa和NB-IoT技术，支持智能农业、智能水表等场景。智能通信技术—六大关键技术组件04超可靠低延迟通信URLLCURLLC技术，5G/6G核心，实现0.5ms延迟，99.9999%可靠性，远程手术、工业控制新标准。05跨层优化与区块链技术AI跨层优化提效30%，区块链防伪降本，智能合约自动化交易。066G前瞻技术与量子通信集成6G将融合生成式AI与语义通信，通过大模型生成网络配置策略（，并利用语义压缩技术减少数据传输量。智能通信系统整体架构感知层部署各类传感器与数据采集设备，负责收集来自不同领域的原始数据中间层数据融合与处理层，承担数据清洗、格式转换、融合分析等任务，将多源数据整合成统一可用的形式应用层应用服务层，为不同行业用户提供定制化通信服务智能通信系统整体架构智慧急救中的智能通信传统急救通信痛点传统语音通话为主的模式存在信息延迟、失真、孤立问题，制约抢救效率，需打通信息传递通道核心变革方向依托5G、物联网、人工智能等技术重塑急救流程，实现“上车即入院”的革命性救治模式急救通信核心需求需稳定传输4K监护视频、12导联心电图等生理参数、AR/VR会诊画面至远端医院面临的极限挑战超低时延要求<20ms，可靠性>99.999%，需应对高速移动、网络干扰等复杂传输场景5G智慧急救系统试点应用情况

01河北试点石家庄依托5G-A构建三位一体急救体系，对接92.86%三甲医院急诊，响应时间减半；邯郸试点医院配备移动CT实现转运溶栓。

02湖南实践怀化平台覆盖89%人口，急救响应缩至12分钟，危重抢救成功率超90%；全省构建“1+6+N”网络，形成城区10分钟、乡村30分钟救治圈。

03郑州应用郑州市中心医院以5G赋能智慧急救，落地5G+院前急救、远程会诊、远程超声三类系统。郑州市中心医院智慧急救系统图3

智慧急救系统5G虚拟专网图4智慧急救系统5G专网建设图5智慧急救系统医疗设备传输子系统图6

智慧急救系统远程操作05信息的存储—智能存储智能算力发展现状全球与国内算力增长全球智能算力规模达142EFLOPS，中国以41EFLOPS增速41.4%领跑。算法与数据驱动算力推动算法优化，催生更大规模数据需求，形成正向循环。算力需求指数膨胀AI模型训练算力需求每3-4个月翻倍，十年间增长30万倍。存储技术演进GPU与定制芯片英伟达H100GPU及AI定制芯片构成算力核心，支撑千卡集群运算。存储系统升级超大规模存储系统直接对接算力芯片，满足训练数据读写需求。架构优化方向传统“CPU+内存+存储”架构革新，适配AI时代算力爆发式增长。智能存储技术关键技术组件

人工智能与机器学习人工智能是智能存储系统的核心驱动力，通过机器学习算法实现数据自优化与智能决策。

分布式与云存储架构AI算法驱动数据自优化，预测故障；分布式架构支撑高可靠场景；先进数据管理确保高效能。

数据管理技术数据管理技术整合压缩、加密、分层存储，优化存储空间与安全，动态调整存储介质提升效率。智能存储技术与架构：分布式与云存储架构

分布式存储原理与应用分布式存储利用数据分散与算法优化，实现高可靠、高扩展，支持多副本容错，适用于对象、文件/块存储。

云存储服务特性云存储服务如AWSS3、腾讯云COS，提供虚拟化存储，支持弹性扩展，自动备份，按需付费。

边缘存储与物联网融合边缘存储融合物联网，实现存算一体，优化数据处理效率。智能存储技术与架构：存算一体与量子存储（未来趋势）

AI计算架构特性当前AI算法通过数据分批次处理与矩阵运算实现并行计算，降低单计算单元复杂度，提升整体并行度，推动GPU成为主流算力芯片。GPU内存技术演进GPU专用GDDR与HBM内存凭借高带宽特性，逐步替代传统CPU+DDR组合，成为AI计算系统主存储方案的核心支撑。存算一体技术优势存算一体架构通过减少数据搬运能耗，提升运算效率，成为突破冯·诺依曼瓶颈的关键路径，适用于边缘计算场景。量子存储未来趋势量子存储利用量子态叠加与纠缠特性，实现超密度信息存储与超快读写，或将在AI训练与推理领域引发架构变革。智能交通系统中的智能存储

可靠性不足传统多副本存储利用率仅约33%，硬件故障易致数据丢失，影响事故追溯。

扩展性受限传统存储扩容需停机，跨部门调取缓慢，难支撑数据爆发式增长及实时处理需求。

协作效率低交警、城管、应急等多部门数据分散标准不一，存在信息壁垒，协同调阅耗时久。

能耗不达标传统存储能耗占数据中心总能耗42%，PUE值常高于1.8，不符合绿色低碳政策要求。06信息的处理—智能计算智能计算概述

定义与特征智能计算是人工智能分支，通过经验化程序实现独立思考，辅助解决复杂问题。

核心价值优化资源配置，降低AI应用门槛，推动普惠型计算资源发展。核心技术解析

技术领域融合覆盖IT与CT领域，依托智能化基础设施实现技术整合。算法模型创新遗传算法、神经网络等模仿生物规律，设计高效问题求解策略。技术体系构成

演进方向强调持续进化能力，构建环境友好与开放生态的技术框架。

应用支撑支撑工业生产、医学诊断及金融预测等多领域实践。智能计算技术与架构

智能计算起源由L.Zadeh提出，涵盖神经网络、模糊逻辑及全局优化算法，处理信息不确定性。

AI架构演进支撑AI技术，实现数据处理至智能决策，朝高效灵活发展，驱动行业革新。智能计算技术与架构