进行了一定程度的概念验证和应用 [33]. 2025 年, 由中国深度求索公司开源的 DeepSeek R1, DeepSeek V3 大语言模型在自适应建模与零样本学习、数据整合与加工、特征提取与逻辑推理、深层次的模式挖 掘与决策优化等能力方面展现出显著的进步, 使得结合检索增强生成 (retrieval-augmented generation, RAG) [34]、智能体 (Agent) [35] DeepSeek-R1 (深度求索) [43]: DeepSeek-R1 是深度求索于 2025 年 1 月发布的旗舰级大语言模型, 总参数达 671B, 其中活跃参数为 37B. 该模型特别强化了编码与数学推理能力, 适合应用于科研、教 育与高精度逻辑任务中. Janus-Pro-7B (深度求索) [44]: Janus-Pro-7B 是深度求索于 2025 年推出的多模态大语言模型, 参 数规模为 70 405B 等多种参数规模. 作为全球瞩目的通用模型, LLaMA 3 具备语言理解、推理与 生成等全面能力. Nemotron-4 (Nvidia) [48]: Nemotron-4 是 Nvidia 于 2024 年 7 月预计发布的语言模型, 参数规模 为 340B, 针对 AI 加速运算进行优化. 具备优秀的语义理解与推理表现, 适合部署于高效能运算平台, 支持企业级 AI 应用. Gemma 2

展望未来，多模态智能将向着更加自然、更加智能的方向演进。随着脑机接口、量子 传感等前沿技术的成熟，人类将能够感知和理解更加丰富的信息维度。同时，多模态 AI 将不仅局限于感知层面，而是深入到认知、推理、决策等更高层次的智能活动中， 真正实现机器对物理世界的全面理解和智能交互。这将为 AIoT 产业开辟全新的应用空 间，创造前所未有的价值机会。 · 6 洞察 3 确定性网络与垂类 AI 和通用能力的大模型，垂类 AI 模型更注重领域知识的深度融合、决策过程的可解释性 以及结果的可审计性。2026 年，预计主流的工业 AI 模型将不再是"黑盒子"，而是能 够解释每一个决策的依据和推理过程。例如，在钢铁行业的质量预测模型中，系统不 仅能够给出产品质量的预测结果，还能够明确指出影响质量的关键工艺参数、历史相 似案例、以及建议的调整方案，使得工程师能够理解和信任 AI 的判断。 图：边缘智能与垂类大模型的螺旋上升关系图，智次方研究院绘制 在落地实践中，存在着边缘智能/端侧 AI 先行，垂类大模型随后深化的趋势。 具体来看，边缘 AI 是一种计算架构的优化与下沉，强调将 AI 算力、模型推理、数据 处理等能力下沉到边缘设备；而垂类大模型则强调模型能力的专业化、精细化、行业 化，是一种模型训练与知识注入的深化。因此，两者是不同维度的技术演进，但互为 条件。 一方面，边缘设备与终端

了 数学、计算机科学、心理学等多学科的理论知识。 人工智能不只是模拟人类的行为或思维，更是一种通过算法和数据分析来解决问 题、优化流程和辅助决策的科学，其核心在于使机器具备一定程度的感知、理解、 推理、学习和决策等能力，实现人机交互，提高计算机的智能化水平。 1. 人工智能的发展历程 随着计算机技术的飞速发展、算法的不断优化、算力的大幅提升，AI逐渐从理论走 向实践，并在多个领域取得了显著成 作为评估机器是否具有智能的标准，奠定了AI的理论基础。当时的科学家们开始探 索计算机是否能够像人一样思考和解决问题。人工智能发展历程如图1-1所示。 6 图1-1 人工智能发展历程 （1）知识表示与推理 20世纪60至70年代，专家系统成为AI的研究热点，这些系统通过存储大量的专业知 识和经验来模拟专家的决策过程。IBM的Watson医疗助手是一个著名的专家系统案 例，该系统通过学习大量的医疗文 （1）AI时代的“知” AI时代，“知”不再仅局限于人类通过学习和经验积累所获得的知识和信息，它还 表现为一种基于大数据、算法和机器学习的智能化认知过程。这种认知过程不仅包 含了人类的知识和智慧，还融合了机器的学习和推理能力，形成了一种全新的、更 加高效和准确的知识获取方式。AI时代的“知”还包含通过先进的信息技术和智能 化手段，对海量数据进行挖掘、分析、整合和提炼，从而获得的深刻洞察和精准预 16 测。这种“

网 络 Data Analysis 物料准时齐套 物 流 基 础 数 据 数 字 化 和 全 流 程 可 视 精 益 物 流 数据分析 数据采集 数据清洗 数据集成 统计优化 机器学习 推理引擎 深度学习 库房 无 人 库 房 （ 立 库 等 ） 自动配置 区 域仓 供 应 商 收货 工 M2M 智能监测 在线分析 运营监控 实时决策 生产工艺流：多级物联，生产自动化、部分智能化，可以软件定义

对生产现场的全局可视、可控、可测 ［7］。 b）智能决策。利用 AI 实时监控复杂系统的运行 状态，提前识别潜在风险，辅助或自动完成决策。充 分挖掘物理运行过程产生的数据，并结合 AI的模式识 别和推理能力，实现对运行状况的智慧解析，为优化 决策提供支持。利用智能化决策牵引优化作业流程， 显著提高业务运行的安全性和可靠性 ［8］。 c）预测性管理。通过对历史数据和实时数据进 行机器学习，数字孪生模型可以提前预测未来趋势和

记住并能回忆不相关材料的能力 5. 记忆广度 在呈现一系列项目后立即正确地回忆出该系列项目的能力 6. 数字能力 能快速对数字进行算术运算的能力 7. 知觉速度 发现图案、做出比较、进行简单视觉加工的速度 8. 逻辑推理 根据已知条件推导出其结果的能力 9. 空间方向和视觉化 觉知空间形式且操纵或变换空间形式的表象的能力 10. 语言理解 掌握字词知识及其含义且能应用这些知识 数字技术拓展了个体 的能力空间，尤其是

采用边云协同的解决方案,边缘云采用信息 交换模式(Message Exchange Pattern,MEP)方案。 ·56· �N����65 ���� �0 ���� 边缘云部署 AI 推理应用,中心云用于模型训练。 中心云和边缘云之间通过智能边缘平台( Intelligent EdgeFabric,IEF)解决方案(见图 2)实现边云协同。 通过边缘云、中心云的协同,实现

學前先成⻑ 為⼀個⾝⼼健全的⼈，不⽤急著考量AI帶來怎樣的職場變化，也不要 憂慮後ChatGPT時代需要哪些核⼼能⼒。 孩⼦的成⻑需要什麼？⼤家已經熟知的有：營養、運動、遊戲、 ⾃律、閱讀、推理、數學、探索、⼈際互動、同理⼼、藝術、創作， 此外還有⼤多數⼈比較陌⽣的哲學。 ⾄於在成⻑的過程裡，有兩點需要特別注意。 ⾸先，孩⼦對其他⼈必須要能夠設⾝處地、有同理⼼，可以知道 別⼈想要什 透過這些科⽬的整合 運⽤，培養學⽣⾯對未來的競爭⼒。 ⽽⼈⼯智慧所著重的則包括六⼤歷程，分別是運算思維、電腦感 知、表⽰法與推理、機器學習、⼈機互動及社會影響。從這六⼤歷程 可以發現，AI是從培養程式設計學習與理解運算⼯具開始，逐步拆解 問題、分析問題、推理、了解電腦的限制，以及善⽤電腦解決問題、 降低對於社會負⾯影響，期待科技的進步能夠減少繁複、單調的⼯ 作，讓⼈們有更多發揮創意與天賦的空間。 以 做更多藝術創作，甚⾄教導AI去創作。 AI界很強調domain knowledge（領域知識），指AI需要⼀項或多 項專業知識，去解決⼀個⼈類定義的問題。受訪的專家也都表⽰，AI 還不能推理和無中⽣有的創造，必須靠⼈類過去的經驗學習，AI演算 法交給⼯程師，⾄於訓練機器問出好問題，則要靠深厚的⼈文素養。 Q16：AI會不會讓孩⼦更沉迷網路，甚⾄上癮？ A 沉迷網路，甚⾄上癮，與是否學習AI沒有關係。多位⽬前在AI