ARL 调查的未来 12 个月内生成式 AI 在研究图书馆中应用最多的 领域 背景 人工智能生成内容 ( Artificial Intelligence Generated 与人类创作者创作的内容相对，是利用能够在短时间内自动创作大量内容的先进生成式人工 智 能技术创作的内容。从技术角度看，人工智能生成内容是指，在人类提供指导模型完成任务 的指 令后，利用生成式人工智能算法生成的，满足指令要求的内容。生成过程分为两步：从指 令中提 取意图信息；根据提取出的意图信息生成内容 [1]。 上述定义将 AIGC 定义为一类内容，从内容生产者的角度将 AIGC 与专业生成内容 (Professional Generated Content, PGC) 和用户生成内容 (User Generated Content, UGC) 区别开来。除了上述定 义之外， AIGC 还被定义为利用人工智能技术自动生成内容的新型生产方式；以及用于内容自 动化生成的一类技术集合 [2]。 [1 ] CAO Y, L I S , L IU Y, et a l. A Co m p rehensive

相继提出。 AI 在图像和语音识别应用广泛。 里程碑事件包括深蓝战胜卡斯帕洛夫和 AlphaGo 战胜李世石。 GANs 和无监督学习推动 图 片生成领域。 Transformer 架构改变深度学习方向。 OpenAI 的 GPT 系列和生成式 AI 崛 起，多模态 AI 处理多种媒体。 全球大模型竞争激烈， AI 技术取得显著进展，对社会产生深远影响。 3. 人工智能的历史 发展历程 推理大模 型 提示词与提示工程 04 AlGC 与 GPT( 通用大模型的代 表 ) 生成式预训练 Transfomer 模型， GPT 的全称，是 Generative Pre-Trained Transformer （生成式预训 练 Transfomer 模型）是一种基于互联网的、可用数据来训练的、文本生成的深度学习模型。 大模型的基本概念 -ChatGPT 概 述 各大热门平台产品月活跃用户数破亿所需时长。 各大热门平台产品月活跃用户数破亿所需时长。 ChatGPT 被称为 AI 的“ iPhone 时刻” , 以 ChatGPT 为代表的生成式 AI 让每个 人命令计算机解决问题成为了可能。可 对生产工具、对话引擎、个人助理等各 类应用 , 起到协助人、服务人甚至超越 人的角色。 海量下游应用也因此捕捉到新的技术与 产业机会 , 希望通过各类大模型与工程 化能力 , 将类 ChatGPT 产品能力输送 到原有的应用中

..................................................................212 1. 项目背景与目标 当前社会治安管理面临视频数据爆炸式增长与警力资源有限的 突出矛盾。据统计，全国公共安全摄像头总数已突破 3 亿台，日均 产生视频数据量超过 5000PB，但基层公安机关普遍存在以下痛 点：人工巡查效率低下，单个警务人员全天仅能有效筛查 的智能化改造，二期实现辖区 5000 路存量摄像头的接入，最终形 成覆盖 10 万路摄像头的智能防控网络。通过警用终端与群众移动 ” 端的无缝衔接，构建 AI 预警-民警处置- ” 群众反馈 的闭环治理模 式，预计可使辖区可防性案件发生率降低 23%以上。 1.1 社会治安管理的现状与挑战 当前社会治安管理面临复杂多变的挑战，主要体现在以下几个 方面。随着城市化进程加速和人口流动性增强，传统依赖人工巡查 环节：第一，警情处置环节，通过实时语义解析 110 报警录音，自 动生成包含地理位置、事件类型、危险等级的结构化数据，某省会 城市试点显示，平均响应时间缩短 22 秒；第二，线索研判环节， 利用图神经网络构建涉案关系图谱，某毒品案件侦破中自动发现关 键人物关联线索 3 条；第三，应急预案生成环节，基于历史处置案 例库自动输出处置建议，在杭州亚运会安保中辅助生成 17 套针对 性方案。 技术落地路径已形成明确迭代路线：第一阶段（6

面向未来低空领域涌现的各种新型业务形态, 低空智联网是实现低空空域高效运行与安全控 制的重要保障. 由于低空智联网的立体化覆盖、高可靠通信、超精准服务等特征, 使得传统的被动式 网络管控技术难以满足业务随需服务要求, 亟须融合数字孪生、自智网络、分布式人工智能等新型技 术突破管控瓶颈. 为应对以上挑战, 本文分析了低空智联网的特征和需求, 提出了数字孪生驱动的低 空智联网自智管控架构. 依托自智管控闭环, 分别 严重制约资源优化决策的时效性. 其次, 资源调度机制僵化. 传统 “容量规划 + 固定配置” 模式难以 适应低空场景中通信、计算、频谱资源的动态耦合需求 [5]. 再次, 故障恢复时效性不足. 人工介入的故 障定位与被动式处理流程无法满足低空业务实时性要求, 缺乏基于自主学习的故障预测、分析和恢复 能力 [6]. 最后, 安全防护体系碎片化. 传统安全机制难以应对低空跨域场景下的新型威胁 [7], 如无人机 身份伪造、数据跨域传输泄露等问题 以 实现更加智能、高效的实时网络管控. 其核心思想是, 通过在虚拟空间构建与物理网络环境对应的数 字孪生体, 实时采集与映射低空智联网的网络拓扑、资源状态、业务需求、环境信息等; 借助大模型、 分布式 AI 等新型技术实现对网络的智能感知、预测与自适应管控; 并支持故障快速自愈, 从而保证业 务连续稳定运行与网络资源高效利用. 喻鹏等 中国科学 : 信息科学 2025 年 第 55 卷 第 10

中国军事工业发展综述 中国军事工业近七十年的发展就是不断向先进国家学习并自主 创新的过程 ，大体经过了引进仿制、 自主研制、 跨越式发展三个阶段。 历经上世纪 50 年代和本世纪初至今两个黄金发展期 ， 中国军工分别 实现了军事工业基础的建立和军事工业跨越式发展。 同时世界政治格局的衍变在军事工业合作和军贸两 个方面对中国军事工业建设产生了重要影响 ，进而在一定程度上改变了我国国防工业体系。 提供了外部诱因。 智能化技术作为颠覆性前沿 技术已上升到国家层面 ，必将为智能化战争的发展提供战略指导 ，最终形成技术代差和战略威慑。 在 2015 年底俄罗斯在叙利亚反恐作战投入了 6 台履带式无人战车、 4 台轮式无人战车和 1 架无人机 ，打赢了世界 上第 一场无人战车为主的攻坚战。 战争的实践是推动智能化战争发展的 “催化剂” ，使人们深刻感悟到智能化战争的巨大优 越性 ， 世界各国自觉地接受智能化战争 义 1 、使用自然语言处理和机器学习对检测到的数据进行自动分类与匹配 ， 能对体现新兴战略、 技术和步骤的趋势、 关键词或主题发出警报。 2 、 显示多元情报数据的地理、 时间 ， 用自然语言生成数据摘要。 根据需要将数据分解为个体 ， 并将分析注释 插入到自动摘要。 3 、按照情报优先级要求 ，对数据进行自动分类。 应用自然语言处理和机器学习 ， 配置存储库的智能搜索功能 ， 提高分析师寻找相关产品的效率。

采编辅助 知识加工 专 业研究 智慧业务管理 智能分析决策 智慧办公运营 空间服务 空间管理 智 慧 图 书 馆 大 模 型 应 用 智 慧 图 书 馆 应 用 架 构 自动元数据生成 自动分类 文本图片识别 数据转换 古籍与数字人文智慧研究 学术研究助手 审稿助手 馆员 AI 知识 库 数智助手 创作助手 实体机器人 智慧预约 智慧 数据分析 数据质量 数据治理 数据血缘 数据检查 数据清理 血缘地图 数据规则 数据加工 血缘追溯 量度报告 数据转换 自定义处理 分布式存储、关系型存储 多源数据接入 数据交换 API 服务 块数据服务 缓存服务 元 / 主数据 元数据模型 元数据标准 技术元数据 业务元数据 数据接出 数据管理 数据存储 数据接入 构建智慧空间体系，为东馆的场馆服务提供智能化支 撑 智慧空间 三 上海图書 | 館 SHANGHAI LIBRARY 上 发 空问总览 近 30 天房间统计 囚式 12 BJ 面积施计 (mJ 建筑荷既 同向联态 丽 公共区域 公众开放 加 方管理 普理用房 公共区域 公众开放 公共区域 公众开放 公共区域

生产 部署的数据治理框架和员工技能。音乐产业承认数据是一项关键资产，但仍 受碎片化及元数据标准化缺乏的限制。 虽然公司声称在拥抱 尖端创新，但其中许 多的工作流程仍未被 其影响。这与其说是 采用生成式人工智能 ，不如说是使日常工 具现代化。 本报告综合了2025年9月和10月对DataArt高级数据、AI和技术领导者进行 的全面访谈的发现。在本报告期间，您将发现这些专家的直接见解——他们 是构 结果与直觉冲突时又会推翻分析结果。技术部门像离岸服务提供商一样运 作，而非战略合作伙伴，导致了理解碎片化和缓慢的接口，从而扼杀了创 新。 大多数企业所谓的 AI 应用，实际上只是员工使用 ChatGPT 进行搜索和邮 件生成。真正的应用是指公司利用 AI 自动化流程、实现新能力，并服务于 其特定的业务和客户需求。 组织对AI的预期与实际交付所需之间存在一个基本差距。决策者追求低成 本转型性胜利，而忽视了使这些胜利成为可能的基础性工作。 标准。在非结构化文档处理方面存在强劲的势头：提取、摘要以及有限的交 叉检查正变得常规且可靠。 三到五年前投资了云计算平台的公司现在正看到这些投资带来回报，其规模 是人工智能目前无法匹敌的。具备明确边界条件的数据平台，以支持自助式 分析，仍然是优先事项。技术已经存在，因此公司需要先实施它，再去追求 更奇特的性能。 软件开发代表AI最大的成功和最大的复杂性。编码助手的效率收益因开发者 的经验水平及项目背景而差异显著。当工程师缺乏成熟度或高级经验时，

焦到两 个或者三个最值得关注的热点子方向。全文四章共沉淀十个热点子方向，分布在十个章节中论述，其中 每一个章节都详细讨论该热点方向包含的主要研究点和代表性研究工作。每章最后一节则延续去年的方 式，首先借用 Gartner 技术成熟度曲线（Hype Cycle），对本章研究方向所涉及的技术点作发展现状的逐 一判断，然后在本章研究方向范围内提出趋势展望，提供发展建议。此外，本年度白皮书增加了第五章， 2800 余篇论文。 统计结果显示，企业参与论文依然占据 1/3，新的变化是更多企业新面孔开始出现，例如中国电信等传统 运营商、智谱等创业期企业。下一代云计算讨论了三个热点方向，分别是：（1）分离式数据中心架构和 关键技术（2）面向 AI 场景的 PaaS 数据平台层技术（3）智能化云运维、可信安全与能效优化。 第二章，面向云网融合的研究，本年度围绕的重点是中国电信 2025 战略升级 – 云改数转智惠，一方 5 1.2 热点方向一：分离式数据中心架构与关键技术 . . . . . . . . . . . . . . . . . . . . . . . . . . 7 1.2.1 弹性可扩展的云数据中心资源优化 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 1.2.2 面向资源池化的分离式数据中心架构 . . . . .