人工智能行业应用建设发展参考架构-国家信息中心公共技术服务部.docx

目录

一、人工智能行业应用总体进展 1

（一）国内外人工智能行业应用发展现状 1

全球人工智能技术演进日趋激烈 1

我国具有独特的发展资源优势 3

行业应用正成为人工智能竞争的焦点 4

（二）人工智能行业应用建设发展模式 6

自研创新模式 6

平台赋能模式 6

两种模式的关系 7

（三）推进统一参考架构设计是发展关键 7

行业应用发展受到多方面挑战 7

统一架构有利于加速应用规模化落地 9

二、人工智能行业应用建设发展统一参考架构 9

（一）统一参考架构的内涵与特性 10

统一参考架构的内涵 10

统一参考架构的特性 11

（二）统一参考架构组成 11

总体架构 11

算力基础 13

数据服务 13

模型服务 14

应用开发 14

运维平台 15

运营平台 15

三、统一参考架构的建设 15

（一）统一参考架构技术要求 15

算力基础 15

数据服务 17

模型服务 19

应用开发 21

运维平台 21

运营平台 22

（二）基于统一参考架构的应用建设 22

各服务模式下的建设能力 22

自研创新模式下的技术架构 23

平台赋能模式下的技术架构 24

四、总结与展望 25

一、人工智能行业应用总体进展

（一）国内外人工智能行业应用发展现状

全球人工智能技术演进日趋激烈

当前，全球人工智能产业正迎来蓬勃发展的黄金时期。基础技术不断实现突破，产业生态日益成熟，行业应用范围不断拓宽。与此同时，各国政府纷纷出台相关政策，规范行业发展，试图在全球竞争中抢占发展先机。

国外的模型能力、多模态技术、混合模型等基础技术持续演进。一是当前大模型能力快速提升。OpenAI必威体育精装版发布的o1大模型采用思维链方式对复杂问题进行逐步分析，使得解决多层次

的数学、科学和编码问题成为可能，该模型成为第一个与人类专家能力相当的模型。多模态人工智能技术已经能够综合处理文本、图像、音视频等多种类型的数据，提供更丰富和复杂的服务，例如多模态具身视觉语言模型PaLM-E、文生图模型DALL-E、多模态经典模型CLIP等。注意力机制与其他机制结合的模型能够在降低计算成本和内存占用的同时，保持甚至提高准确性。例如GoogleDeepMind的Griffin模型结合了线性递归和局部注意

力，大大减少了训练时使用的标记数量，依然能保持与Llama-2相当的性能。二是基础技术体系加速收敛。经过十多年的发展沉淀和市场选择，美国AI产业逐渐形成统一收敛的局面，展现出

强大竞争力。在算力（英伟达GPU占比85%以上）、人工智能深度学习框架（PyTorch占比90%以上）、模型（GPT、Llama

系列）等层面，基于收敛的技术栈，吸纳了全球开发者的贡献，形成了强大的生态体系。

国外人工智能产业从芯片、并行计算引擎、人工智能深度学习框架、工具链、开源社区等方面形成了完整的产业链。芯片上，英伟达GPU、谷歌张量处理单元（TPU）等为大规模并行计算提

供支持，英特尔、AMD等则布局多种人工智能专用芯片，满足数据中心、智能终端、自动驾驶等场景的需求。并行计算引擎上，以英伟达CUDA为代表，凭借其丰富的算子生态、强大的社区

支持，成为主导技术。同时，CUDAEULA限制条款要求不允许逆向工程，不允许在非英伟达硬件平台上进行转译运行，进一步

巩固了其产业地位。人工智能深度学习框架上，形成了以Meta

主导的PyTorch和Google主导的TensorFlow为代表的聚集效应。其中，PyTorch是目前全球最流行的人工智能深度学习框架，并结合英伟达GPU芯片底层进行计算优化，占据了90%以上的份

额。开源社区上，国外开源社区聚集效应显著，以全球最大的开

源AI社区HuggingFace为例，吸引了大量的开发者和企业参与，截止2024年11月平台收录超过100万个大小模型和超过

20万个数据集，包括微软、谷歌在内的超过15万家机构使用。

国外人工智能技术应用在医疗医药、自动驾驶、高端制造等行业，并持续拓展应用场景。医疗医药行业，在疾病诊断、药物研发、基因组研究、智能健康监测等方面广泛应用。DeepMind的AlphaFold系列模型专注于蛋白质结构预测，获得2024年诺贝

尔化学奖，这也是首次将该奖项颁给人工智能相关的研究。自动驾驶行业，英伟达的DRIVE平台可进行复杂的路径规划和实时决策，确保自动驾驶汽车的安全行驶。特斯拉FSD系统实现从感知到控制端到端自动驾驶技术在量产车型上的应用已成为现实。高端制造行业，在工业设计、需求预测、过程优化、供应链优化等领域广泛应用。DeepMind的AlphaChip利用了强化学习方法来设计芯片布局，能够在数小时内生成人工需要数周甚至数月的芯片设计工作，并应用于谷歌