GPT+通信融合发展建议与未来展望分析

全球移动通信经历了从1G 到4G 的跨越式发展，目前已进入5G商用阶段。

1.发展建议

1.1. 加快 AI 算力建设，提供基础设施支撑

目前，各行各业不同领域几乎都在开发自己的大模型，通信行业作为“万物互联”时代信息传输的承担者，自然应当提前布局，规划好未来的发展道路。算力作为AI 的三大基础要素之一，正变得前所未有的重要。AI 应用的快速发展带 来了长期、海量的计算需求，其中，高算力的基础设施能够加快数据处理和分析 的速度，推动复杂算法模型的应用和优化，为人工智能的创新提供更广阔的空间。 无论是大模型的训练、推理还是部署，抑或是商业模式的创新，都需要算力作为 支撑，同时，算力还是数据处理和应用的平台。除了集中的大型算力中心外，通 信与计算深度融合使得通信终端、边缘计算、工业模组、移动通信基站和通信网络设备等也都不同程度地嵌入了计算能力。从国家层面来看，算力已成为衡量国力的重要标准，各国都在制定人工智能 战略和政策，以推动AI 产业发展。我国中央政府和各省市也高度重视，相继出 台了许多相关的发展政策。2024 年2 月19 日，国务院国资委召开“AI 赋能产业 焕新”中央企业人工智能专题推进会，强调中央企业要将发展人工智能放在全局 工作中统筹谋划，深入推进产业焕新，加快布局和发展智能产业，加快建设一批智能算力中心，开展“AI+ ”专项行动。会上，10 家中央企业签订了倡议书，表示将主动向社会开放人工智能应用场景。

上海市正持续夯实算力基础设施建设，助力城市数字化转型，建设“算赋百业”生态初具规模，也通过推动“算力浦江”计划演进升级，助力构建全国一体化算力网。河北张家口市也依托本地交通区位、地理气候、自然资源、绿色电力等独特优势，加速推进大数据产业发展，着力构建“一廊四区多园”的大数据产业空间布局和“1+3+9+N”的大数据产业发展体系，加速建设京津冀“算力之都”。此外，浙江省政府办公厅于2024 年1 月印发的《关于加快人工智能产业发展的指导意见》中也明确提出了发展目标：到2027 年，人工智能核心技术取得重大突破，算力算法数据有效支撑场景赋能的广度和深度全面拓展，全面构建国内一 流的通用人工智能发展生态，培育千亿级人工智能融合产业集群10 个、省级创 新应用先导区15 个、特色产业园区100 个，人工智能企业数量超3000 家，总营业收入突破10000 亿元，成为全球重要的人工智能产业发展新高地。

近年来，我国算力规模稳步扩张，智能算力保持强劲增长，算力发展为拉动 我国GDP 增长做出突出贡献。中国信通院发布的数据显示，在2016—2022年期 间，我国算力规模平均每年增长46%，数字经济增长14.2%，GDP增长8.4%。 根据国际数据公司（International Data Corporation，IDC）数据，中国智能算力规 模2023 年将达到414.1EFLOPS，2022—2027 年复合增长率达33.9%。当前国家 高度重视算力建设，AI“需求+政策”驱动智能算力市场持续扩容，国产算力应 用逐步加速，而智算中心是算力发展的关键，如图6-1 所示，中国智能算力规模正不断扩大。

算力作为AI 时代的核心“引擎”和通用刚需资源，已成为支撑数字经济持续纵深发展的新动能，赋能各行各业的数字化转型升级。但当前国内AI 算力中 心建设仍面临顶层制度建设和标准体系不统一、建设方向和建设需求错位等问题。 解决上述行业发展问题的关键因素之一，在于应当从应用场景中获取实践经验， 优化行业解决方案，推动AI 产业的全面健康发展。积累数据资源、提升算力水平、做大做强算力产业，已经成为全球各国发展的战略选择。

1.2. 加强校企联合培养，填补创新人才空缺

随着我国产业持续转型升级及国际竞争的加剧，高技能人才已成为国家竞争 力的重要支撑。大模型已经成为AI 发展的新方向，同时对教育改革与人才培养 也产生了结构性的影响，而打造大模型技术产业生态的关键也在于培育优秀的创 新型专业人才。在各领域数字化转型的大背景下，当前各类用人单位亟需数字化 人才。我们需要结合当下社会对复合型AI 人才的需求进行综合考虑，创新AI人才培养模式，以适应大模型时代的挑战和机遇。对此，我国在国家层面有着清醒的认识，并在持续推进。2024 年2 月7日， 人力资源和社会保障部、教育部、科技部等七部门联合印发了《高技能领军人才 培育计划》（以下简称《计划》），提出从2024 年至2026 年组织实施高技能领军人才培育计划，旨在通过3 年的努力，新培育领军人才1.5 万人次以上，并带动新增高技能人才500 万人次左右。新时代背景下，我国高度重视相关领域的“自主可控”。其中，高技能人才的自主培养无疑是“全面提高人才自主培养质量” 的重要一环。在这方面，《计划》明确指出要“强化企业主体责任”。为了确保对高技能领军人才的全面、客观评估，作为用人主体的企业需要构建一套多元化、 动态化的人才评价体系。该体系应涵盖创新能力、团队协作力及行业影响力等指标，并随着产业的变革和国家战略的调整，适时更新评价标准，其中包括市场和社会评价。

首先，必须加强人工智能理论的教育。建议普通高校、职业院校设立交叉学 科，增设人工智能相关专业和自主技术路线教学内容，积极在人工智能学科专业 教学中设置场景创新类课程，从而激发学生的场景想象力，提升学生场景创新素 养与能力。例如，在大模型背景下，计算机类专业人才需要具备更加全面的技术能力和素养。除了需要掌握大模型的基本理论和算法外，他们还应具备数据处理、分布式计算、云计算等方面的技能。且大模型需要海量数据进行训练和调优，因而数据管理和处理能力也成为计算机类专业人才所需要具备的重要素养之一。 其次，应该建立完善的校企联合人才培养体系，包括高校学习培养、企业内 部培训、科研机构实践等。从当前企业对数字化人才的需求来看，相对于学校培 养出的“理论派”毕业生，企业更希望招聘到同时具备先进技术与实践经验的员 工。同时，诸多数字化人才岗位的招聘需求都明确指向了复合型人才。鼓励开展 场景创新人才培训，通过企业岗位培训、关键岗位实践、重点项目参与等方式， 以及开设研修班、开展交流讨论会、组织场景专题培训等多种形式，培养一批具有场景创新意识和能力的专业人才。

此外，还应引进人工智能全球顶尖人才，加强国际人才交流与学习。通过与 世界一流科研机构的合作交流，从海外引进优秀师资力量，吸引企业高级人才和 行业专家进入学校授课等方式，扩大教学力量，从而培育聚集科技领军人才、卓 越工程师和青年科技人才，填补当前存在的人才空缺，满足不断增长的创新发展 需求。为了加速大模型技术的产业化，还应该积极推动产学研结合。通过建立产 学研联合实验室、共享创新平台等方式，引导企业和高校、科研机构紧密合作，共同开展大模型技术的研究与开发。

1.3. 加速制定相关政策，建立平台引导发展

当前，全球各国大模型研究已呈现白热化竞争态势。大模型扎堆出炉的背后 潜藏着不少问题，包括技术仍存软肋、治理体系尚待优化、盲目跟风、资源消耗 巨大、发展路径有待明晰等。例如，ChatGPT 等大模型仍可能产生一些存在偏见 或误导性的回答，甚至编造虚假内容。这很容易导致误解，甚至引发纠纷，需要 开发者和企业在使用时提前了解潜在问题，并采取相应的措施和监管政策来减少 其影响。为此，宜推动大模型底层技术研究和应用创新、建立健全大模型监管机制、引导资本市场理性投资、加强国际合作与交流。从风险治理角度来看，国家政府应当提前布局，加快相关政策的制定速度，整体规划大模型发展路径，提供更多的发展平台和机会，并积极推动跨部门、跨 领域的监管协同，形成全方位、多层次的监管格局，从而提高监管效能。相关部 门也需要制定法律和伦理规范，明确相关技术在应用方面的限制和义务，保障公众的安全和利益。同时加强国际合作和标准化建设，形成一套共识性、全球性伦理准则和治理框架，推动建立“以人为本”“智能向善”的发展生态。

在大模型风险治理的政策制定中，最重要的就是对关键数据进行管理。为了 促进大模型训练数据的合规使用和高质量输出，尤其需要加强对大模型训练数据 的源头管控，对训练数据进行规范。可以考虑对大模型训练数据尤其是合成数据 建立托管机制[64]。监管机构则通过对训练数据托管方的约束，进一步规范大模型 训练数据生产方和使用方的行为。数据托管方可按规定对大模型训练数据来源、 处理结果、数据流向以及训练结果等进行监测，确保大模型训练数据来源可靠， 在数据标准、数据质量、数据安全、隐私保护等方面依法合规，以保障大模型输 出结果的高质量并符合监管要求。同时，还要加强风险防范意识，避免盲目投资 和短期行为，共同建立大模型产业链协同机制，培育壮大以科技领军企业为龙头、 以专精特新科技“小巨人”企业为骨干的人工智能企业梯队，促进上下游企业共同发展，打造国际一流的人工智能开放创新平台。

从行业发展角度来看，建议强化“伦理先行”意识、加强行业自律自治，共同打造GPT 应用良性发展生态。开发者需要监督和改进相关应用，以消除其潜 在偏见和回答不准确等问题。企业需要结合自身资源条件和发展需求，加强数据 归集、算力统筹、算法开源等平台和基础能力建设，支持GPT 大模型赋能数字 经济。政府需要通过相关政策进行正向引导，实行宏观规划，着重加强对GPT 技术的监督与管理，以确保其在应用过程中合法合理，同时明确权责分配等内容，避免恶意和无序竞争，充分释放大模型应用价值潜力。同时还应强调道德和伦理的约束，引导科研人员和企业在研发与应用过程中秉持正确的道德价值观，注重社会责任，确保技术透明合理。 在此基础上，各单位可以基于开源共享平台促进协同合作、加速应用创新， 围绕“GPT+通信”产业发展与治理需求，推动行业层面在算力提升、算法设计、 AI 工程化等方面的联合攻关。特别是努力突破技术局限，打破行业发展瓶颈， 积极参与GPT 应用与治理等领域的国际规则制定和全球发展合作，开放更多的应用平台，争取更大的国际影响力和话语权。

2.未来展望

2.1. 核心技术实现突破，关键能力显著增强

如今通信行业可以利用GPT 的智能分析能力和强大的生成能力实现更智能 的网络管理，提高网络性能和效率。未来GPT 也将以更大的规模应用到通信行 业的各个领域，6G 网络也将原生支持GPT 功能，各种通信相关指标和性能都将得到大幅度提升。 6G 将拥有原生的AI 能力，空口和网络将采用端到端人工智能和机器学习来 实现定制化优化和自动化运维。而且每个6G 网元都将原生集成通信、计算和感 知能力，促进从云端的集中式智能向边缘的泛在智能演进。要实现全面智能普惠， 而不是局限在某些专有应用范围内的智能，需要与作为基础设施的通信网络紧密 结合，在通信网络中提供各类泛在智能所需要的基础平台、资源和能力，包括计 算、数据、存储、训练和推理服务等，从而使智能作为普惠性的服务，像当前通信网络提供的无处不在的连接服务一样，能够高效、低成本地向大众提供。

在应用维度上，内生AI 和泛在感知的6G 网络将提供更全面和综合的能力， 意图驱动以及最少人工干预的智能管理与运维是提升管理和运营效率的关键。鉴 于网络运维和管理的方式、过程和指令完全可以描述为人类语言或文本交互的问 答模式，因此借助数字孪生网络，基于其试错和预测能力提供模型细化的评判并 预训练裁判模型，在大量网络运维和管理的数据及专家知识基础上，持续强化训练网络管理和运维领域的GPT，最终实现通用智能化网络运维与管理。 在基础设施维度上，6G 网络在内生AI 和感知能力的加持下，一方面将成为 一个泛在的分布式大算力平台，同时又是一个泛在的移动大数据平台，这必定契合未来大模型强算法的部署与应用。云计算正在逐渐成为数字世界的“中枢神经”，算力云化指的是基于云计算技术向社会各组成部分提供通用计算、智算、超算等 算力资源和服务。未来GPT 将不断推动云算力服务全面升级和产业数字化转型， 利用云服务形成算力、网络、人工智能、区块链等多要素融合的一体化服务，推动算力经济供给侧结构性改革，激发算力服务的范式创新。

2.2. 体系建设日益完善，数字经济快速发展

随着GPT 技术的不断成熟和各领域大模型的不断涌现，使得类GPT产品可实现低门槛定制开发，应用商店加速产品落地推广，以GPT 为核心的模型生态 建设加速推进，验证大模型强大商业潜力。伴随模型、工具、平台全面提升，大 模型有望构筑生态核心，推动AI 商业化进程加速和市场天花板打开。同时新型 人工智能芯片的突破，也将不断推进人工智能框架软件、基础硬件和终端操作系 统等的研发应用。智能网联、北斗导航、低空卫星通信等基础设施建设也将不断加强，自动驾驶汽车、无人机、无人船等智能交通装备也会越来越普及。如图6-3 所示，以标准规范、技术研发、内容创作、行业应用、产权服务为 核心的GPT 生态体系架构也将日趋完善，无论是以GPT 赋能产业升级还是以GPT 自主释放价值都将在此框架下健康有序发展。

标准规范构建了涵盖技术、内容、应用、服务的全过程体系，促进G大模型在合理、合规、合法的框架下良性发展。同时，在核心技术持续演进和关键能力显著增强的背景下，性能更强大、逻辑更智能的AI 算法将被应用于GPT， 技术研发的不断创新将强有力地推动内容创作，提高生成内容质量，使内容更接 近人类智力水平和审美标准，同时应用于各类行业各种场景。GPT的发展还将 促进产权服务快速跟进，生成内容进行合理评估，保护相关创作者的产权，并进行价值重塑，充分释放其商业潜力，从而构建GPT 大模型的经济循环体系。 近年来，我国数字经济快速发展、成效显著，已成为我国经济增长的新动能、 高质量发展的重要引擎。一方面，以互联网、云计算、大数据等数字技术驱动的 新兴产业有力拉动经济增长；另一方面，数字技术与产业深度融合，催生新业态 新模式，传统产业发展动能不断增强。中国信通院数据显示，2022年我国数字 经济规模达到50.2 万亿元，总量稳居世界第二，同比增长10.3%，占GDP 比重 达到41.5%。国新办新闻发布会数据也显示，数字经济核心产业销售收入同比增长8.7%。 未来随着B5G/6G、云计算、VR、AR 等前沿技术的快速发展和新一代智能 终端设备的研发创新，完整的GPT 生态链将是释放数据要素红利、助力传统产 业升级、促进数字经济发展、构建数实融合一体、创造元宇宙世界最重要的推动力之一。

2.3. 应用场景不断拓展，循序渐进融合共生

随着GPT 不断迭代升级演进的同时，大模型的应用范围也不断扩大，正为 全行业智能化转型拓展出无穷无尽的新空间，迸发出源源不断的新动能。GPT 与通信融合发展，未来在社会生产生活各个领域的广泛应用将激发全新体验。为 了更好地推动GPT 创新应用和产业发展，需要产学研用多方参与和协同，在把 握好行业智能化发展趋势的前提下，不断追求技术创新，聚焦工程实践，确保人工智能安全可信，为人工智能造福人类保驾护航。

GPT 与通信的融合发展，将不断加速创新场景赋能，打造人工智能创新应 用先行地，并不断拓展更多的新型应用场景。例如，在科学技术创新方面，将建 立人工智能驱动的科学研究专用平台，构建“人类科学家+AI 科研助手”的人机 协同科研新模式。在实体经济发展方面，大模型在工业领域落地应用，分级诊断 评估标准不断完善，引导企业数字化转型和智能化升级。在社会智能化方面，智慧医院和智慧诊疗建设也将继续完善，包括疾病风险预测、医用机器人和智能公共卫生服务等应用场景。此外，在线教育也将实现虚拟课堂、AI 教育助手等创 新场景，同时建设智慧图书馆和智慧校园。在城市现代化治理方面，智慧交通将 加速建设，持续提升交通运行监测、出行信息服务和应急指挥能力，从而提升公共安全治理能力。 在大数据时代，如何将数据收集、分析、提炼，用于改善社会生活，是AI 的基础。可以预见，GPT 的流行会让人机自然对话的交互方式越来越普及，并 不断从文本对话模式扩展到语音对话以及与数字人面对面交流，进而大大提升信 息通信流量和用户黏度，这也将推动信息通信从人与人之间的沟通交流扩展到人 机之间的沟通交流。“GPT+通信”将持续深度融合发展，其相关技术的进步和 创新，将提供更多的机会，实现创造、学习和协作。因此只要不断围绕通信和大 模型协同创新，构建开放共享的创新生态，促进人工智能与通信产业的深度融合， 将会继续加速构建下一代信息基础设施，助力经济社会数字化转型，未来在6G时代实现真正的“人机融合”以及“万物智联，数字孪生”的美好愿景。