本文來自微信公眾號“郵電設(shè)計技術(shù)”，作者/孟利超、李晶晶。
以ChatGPT為代表的生成式人工智能應(yīng)用引起信息產(chǎn)業(yè)新浪潮，也催生了對算力、通信、安全等的新挑戰(zhàn)，而以云計算、邊緣計算、通信網(wǎng)絡(luò)技術(shù)為支撐的算網(wǎng)融合代表了未來通算一體的發(fā)展趨勢。生成式AI與算網(wǎng)融合的雙向賦能，有望克服算力與通信瓶頸，實現(xiàn)生成式AI應(yīng)用更加廣泛的推廣，同時有望推動算網(wǎng)融合架構(gòu)向智能化方向發(fā)展。分析了生成式AI與算網(wǎng)融合的概念、現(xiàn)狀及趨勢，思考了生成式AI應(yīng)用對算網(wǎng)融合的訴求以及生成式AI技術(shù)對算網(wǎng)融合架構(gòu)的賦能作用。
引言
近期，以ChatGPT為代表的生成式人工智能（AI）技術(shù)得到迅猛發(fā)展并掀起新的人工智能浪潮，引起了社會各界的濃厚興趣。ChatGPT、DALL-E-2和Co-dex等生成式AI技術(shù)屬于人工智能生成內(nèi)容（AIGC）的范疇，涵蓋了通過AI模型生成自然語言、圖像、音樂等數(shù)字化內(nèi)容，其研究領(lǐng)域及經(jīng)典模型間的關(guān)系如圖1所示。生成式AI能夠利用大型人工智能算法，根據(jù)用戶需求，以更快速度和更低成本協(xié)助或取代人類創(chuàng)造豐富的高質(zhì)量內(nèi)容，因而正在引領(lǐng)和重塑內(nèi)容創(chuàng)作和知識表示等研究應(yīng)用領(lǐng)域。
圖1：生成式AI研究領(lǐng)域及經(jīng)典模型間的關(guān)系
大量生成式AI應(yīng)用涌現(xiàn)的同時，其依托海量數(shù)據(jù)和參數(shù)支撐的模型特性和面向用戶服務(wù)實時響應(yīng)的應(yīng)用特性，對算力、網(wǎng)絡(luò)等資源提出了新挑戰(zhàn)。生成式AI應(yīng)用催生了對算網(wǎng)融合的需求，通過算力與通信網(wǎng)的深度融合，有望實現(xiàn)云邊協(xié)同、算網(wǎng)一體，從而能夠從算力、通信、安全等方面為生成式AI應(yīng)用的推廣賦能。另一方面，生成式AI技術(shù)的迅猛發(fā)展也為算網(wǎng)融合架構(gòu)的內(nèi)生智能化提供了契機。在算網(wǎng)融合架構(gòu)中整合生成式AI技術(shù)，有望推動算網(wǎng)融合關(guān)鍵技術(shù)向智能化方向發(fā)展，在資源管理、網(wǎng)絡(luò)優(yōu)化、服務(wù)提供等方面實現(xiàn)更加高效、穩(wěn)定和優(yōu)越的性能表現(xiàn)。通過二者的雙向良性互動，將有望助推通信行業(yè)與人工智能研究領(lǐng)域的深度融合。
本文首先分析了生成式AI與算網(wǎng)融合的基本概念、研究現(xiàn)狀及發(fā)展趨勢。其次闡述了生成式AI對算網(wǎng)融合的需求和算網(wǎng)融合在克服算力、通信、安全瓶頸方面的可行性研究路徑。隨后，從資源管理、網(wǎng)絡(luò)優(yōu)化、服務(wù)提供3個方面闡述了生成式AI技術(shù)對算網(wǎng)融合關(guān)鍵技術(shù)發(fā)展的賦能作用。
0 1
生成式AI發(fā)展現(xiàn)狀及趨勢
1.1生成式AI基本概念
近年來，AIGC在計算機科學(xué)界之外受到了廣泛關(guān)注，整個社會對各類生成式AI產(chǎn)品表現(xiàn)出濃厚興趣。AIGC指的是使用生成式AI技術(shù)生成的內(nèi)容，其基于生成式AI算法訓(xùn)練得到參數(shù)量龐大的大型人工智能模型，能夠根據(jù)用戶輸入或需求，以更快速度和更低成本，協(xié)助或取代人類創(chuàng)造豐富的個性化高質(zhì)量內(nèi)容。例如，ChatGPT是OpenAI開發(fā)的用于構(gòu)建會話人工智能系統(tǒng)的語言模型，可以有效地理解并以有意義的方式響應(yīng)人類語言輸入。DALL-E 2是OpenAI開發(fā)的一種最先進的生成式人工智能模型，能夠在幾分鐘內(nèi)從文本描述中生成獨特的高質(zhì)量圖像。
從技術(shù)上講，AIGC指的是給出能夠幫助或指導(dǎo)模型完成任務(wù)的人工指令，并利用生成式AI算法生成滿足指令的內(nèi)容。這一過程通常由2個階段組成：第一，提取和理解用戶意圖信息；第二，根據(jù)提取的意圖信息生成所需的內(nèi)容。近期取得的核心進步歸功于在更大的數(shù)據(jù)集上訓(xùn)練更加復(fù)雜的生成式模型，使用更大的基礎(chǔ)模型架構(gòu)以及廣泛計算資源的支持。此外，研究人員也探索了將新技術(shù)與生成式AI算法相結(jié)合的方法。例如，ChatGPT能夠利用來自人類反饋的強化學(xué)習(xí)技術(shù)來確定給定指令的最佳響應(yīng)，從而隨著時間的推移提高模型的可靠性和準(zhǔn)確性。結(jié)合這些進步，生成式AI技術(shù)取得了重大進展，在不久的將來，也將成為機器學(xué)習(xí)的一個重要研究領(lǐng)域。
1.2生成式AI研究現(xiàn)狀及發(fā)展趨勢
生成式模型在人工智能領(lǐng)域有著悠久的歷史，伴隨著隱馬爾可夫模型和高斯混合模型的發(fā)展，可以追溯到20世紀(jì)50年代。在深度學(xué)習(xí)出現(xiàn)后，生成式模型的性能得到顯著的提高。在自然語言處理（NLP）中，傳統(tǒng)的句子生成方法不能有效地適應(yīng)長句，因而遞歸神經(jīng)網(wǎng)絡(luò)（RNNs）被引入到語言建模任務(wù)中對相對較長的依賴性進行建模。隨后出現(xiàn)了長短時記憶（LSTM）和門控循環(huán)單元（GRU），能夠利用門控機制在訓(xùn)練過程中控制記憶。同時，在計算機視覺領(lǐng)域，2014年，生成對抗網(wǎng)絡(luò)（Generative Adversarial Networks，GANs）首次被提出，在各種應(yīng)用中取得了可喜的成果。隨后，變分自編碼器（VAEs）和擴散生成模型等其他方法也被開發(fā)出來，用于進行細粒度控制，提高生成高質(zhì)量圖像的能力。在這個階段，生成式AI算法得到迅速的發(fā)展，并為大型模型訓(xùn)練奠定了基礎(chǔ)。2017年，Vaswani等人提出了具有并行訓(xùn)練能力的transformer模型。2019年，DeepMind發(fā)布了能夠生成連續(xù)視頻的DVD-GAN模型。2021年，OpenAI推出了支持從文本生成圖像的DALL-E。
此后，借助預(yù)訓(xùn)練的大型人工智能模型，AIGC的能力得到了極大的增強，被大規(guī)模使用。此類大型模型能夠從大量數(shù)據(jù)中進行學(xué)習(xí)，從而更好地捕捉語言的細微差別，更加準(zhǔn)確和健壯。以生成式AI為支撐的人工智能內(nèi)容生成范式也為元宇宙和數(shù)字孿生等新型應(yīng)用提供了廣闊前景。生成式AI的通用架構(gòu)如圖2所示。
圖2：生成式AI的通用架構(gòu)
在未來，生成式AI有望在綠色架構(gòu)、分布式和可擴展性算法、安全性和隱私保護等方面得到進一步發(fā)展。
0 2
算網(wǎng)融合發(fā)展現(xiàn)狀及趨勢
2.1算網(wǎng)融合基本概念
生成式AI應(yīng)用服務(wù)催生了對新一代通信網(wǎng)絡(luò)基礎(chǔ)設(shè)施和關(guān)鍵技術(shù)進行革新的機遇與挑戰(zhàn)，其中實現(xiàn)算力與網(wǎng)絡(luò)的一體化融合發(fā)展有望實現(xiàn)“云”“網(wǎng)”“邊”“端”的算力通信高效協(xié)同，滿足新型人工智能大模型的算網(wǎng)需求。
算網(wǎng)融合指的是計算和網(wǎng)絡(luò)技術(shù)在互聯(lián)網(wǎng)時代的融合和相互依存的發(fā)展趨勢，可將計算和網(wǎng)絡(luò)資源相結(jié)合，提供更強大、高效和靈活的計算和通信能力。
算網(wǎng)融合以網(wǎng)絡(luò)通信基礎(chǔ)設(shè)施和異構(gòu)的計算設(shè)施為基礎(chǔ)，利用軟件定義網(wǎng)絡(luò)、網(wǎng)絡(luò)功能虛擬化、云計算、邊緣計算等技術(shù)實現(xiàn)數(shù)據(jù)、計算、網(wǎng)絡(luò)等多種異構(gòu)資源的統(tǒng)一感知、編排、調(diào)度、管控，從而實現(xiàn)云邊協(xié)同、邊邊協(xié)同和通算一體，為算網(wǎng)融合上層應(yīng)用提供支撐。面向服務(wù)框架的算網(wǎng)融合分層架構(gòu)如圖3所示。
圖3：面向服務(wù)框架的算網(wǎng)融合分層架構(gòu)
2.2算網(wǎng)融合研究現(xiàn)狀及發(fā)展趨勢
算網(wǎng)融合是國家戰(zhàn)略、行業(yè)發(fā)展、技術(shù)演進共同驅(qū)動下的必然發(fā)展趨勢。在戰(zhàn)略驅(qū)動方面，我國在“十四五”期間提出了“東數(shù)西算”戰(zhàn)略布局，并在國務(wù)院印發(fā)的《“十四五”數(shù)字經(jīng)濟發(fā)展規(guī)劃》中明確提出云網(wǎng)協(xié)同與算網(wǎng)融合發(fā)展的要求。在行業(yè)驅(qū)動方面，智慧城市、智慧醫(yī)療、智能制造等應(yīng)用服務(wù)需求和數(shù)字經(jīng)濟下大連接、高算力、強安全的迫切訴求亟需算網(wǎng)融合發(fā)展為其提供支撐。在技術(shù)驅(qū)動方面，出現(xiàn)了面向邊緣側(cè)算力提升的邊緣計算、分布式計算、云邊協(xié)同計算等較為成熟的技術(shù)方案，在通信網(wǎng)絡(luò)演進中SDN、NFV等技術(shù)日趨成熟，這些技術(shù)的發(fā)展演進為算網(wǎng)融合提供了技術(shù)支撐。
在算網(wǎng)融合的研究中，文獻《算網(wǎng)融合的現(xiàn)狀和發(fā)展趨勢》從算網(wǎng)設(shè)施、算網(wǎng)平臺、算網(wǎng)應(yīng)用、算網(wǎng)安全4個層級闡述了算網(wǎng)融合的背景、內(nèi)涵和現(xiàn)狀。文獻《算網(wǎng)融合定義未來》從算力發(fā)展面臨的算力、存儲、功耗、帶寬挑戰(zhàn)切入，指出算網(wǎng)融合需要網(wǎng)絡(luò)域、計算域協(xié)同創(chuàng)新。文獻《云網(wǎng)融合體系架構(gòu)及關(guān)鍵技術(shù)研究》研究了云網(wǎng)融合的體系架構(gòu)和關(guān)鍵技術(shù)。文獻《5G AIoT賦能云網(wǎng)融合創(chuàng)新發(fā)展實踐及應(yīng)用》從智能物聯(lián)網(wǎng)視角研究了“云網(wǎng)邊端業(yè)”的端到端架構(gòu)和云網(wǎng)集成應(yīng)用框架。
算網(wǎng)融合發(fā)展的未來趨勢體現(xiàn)在智能化、彈性化、邊緣化方向。隨著人工智能和機器學(xué)習(xí)的發(fā)展，算網(wǎng)融合將更加智能化和自動化，自動化網(wǎng)絡(luò)管理和資源優(yōu)化算法將減少人為干預(yù)，提高網(wǎng)絡(luò)性能和效率。同時，未來算網(wǎng)融合也將更加彈性靈活，資源的動態(tài)分配和任務(wù)卸載將成為常態(tài)，使計算和網(wǎng)絡(luò)能夠根據(jù)需求實時調(diào)整和優(yōu)化。此外，邊緣側(cè)算力的重要性持續(xù)凸顯，邊緣設(shè)備的計算和存儲能力將得到提升，邊緣計算將成為處理實時數(shù)據(jù)和低延遲應(yīng)用的關(guān)鍵。在推動云網(wǎng)邊端智能協(xié)同、實現(xiàn)智能云網(wǎng)資源融合、建立智能內(nèi)生機制方面，生成式AI技術(shù)將有望充分發(fā)揮其賦能作用。
0 3
生成式AI應(yīng)用服務(wù)催生算網(wǎng)融合新需求
生成式AI應(yīng)用服務(wù)表現(xiàn)出了對強大算力、敏捷通信、低時延實時響應(yīng)、可擴展性與隱私保護的迫切需求，算網(wǎng)融合和云邊協(xié)同技術(shù)方案是解決上述挑戰(zhàn)的潛在研究方向。
3.1生成式AI應(yīng)用服務(wù)特點
生成式AI已在多個領(lǐng)域得到廣泛應(yīng)用?？偟膩碚f，生成式AI應(yīng)用服務(wù)具有實時交互、個性化體驗、多模態(tài)支持、自適應(yīng)學(xué)習(xí)、多領(lǐng)域應(yīng)用、高可用性和可擴展性等特點。
a）實時交互。用戶可以提出問題、請求或指令，AI系統(tǒng)會立即回應(yīng)并提供相應(yīng)的結(jié)果或操作。
b）個性化體驗。通過學(xué)習(xí)和理解用戶的行為模式和喜好，為每個用戶提供定制化的建議、推薦或解決方案。
c）多模態(tài)支持。除了文本外，還可以接受語音、圖像、手勢等多種輸入形式，并能夠理解和處理這些輸入。
d）自適應(yīng)學(xué)習(xí)?？梢詮呐c用戶的交互中學(xué)習(xí)，不斷優(yōu)化自身模型算法，提供更準(zhǔn)確、智能的響應(yīng)和服務(wù)。
e）多領(lǐng)域應(yīng)用。能應(yīng)用于多個領(lǐng)域，例如可用于語音助手、智能客服、虛擬導(dǎo)游、智能家居控制等多種場景。
f）高可用性和可擴展性。可以處理大量的用戶請求并提供快速響應(yīng)，同時可以根據(jù)需求進行水平擴展，以應(yīng)對高峰時段或大規(guī)模用戶的需求。
生成式AI的實時交互、高可用性和可擴展性特點對通信網(wǎng)絡(luò)的帶寬、時延提出了更高的要求，多模態(tài)支持、自適應(yīng)學(xué)習(xí)與多領(lǐng)域應(yīng)用的特征對算力尤其是邊緣端的算力提出了更大的需求。此外，在為用戶提供個性化體驗的同時還需要實現(xiàn)用戶數(shù)據(jù)隱私保護，因而催生了對克服算力瓶頸、保障實時通信、實現(xiàn)隱私保護的新需求。這些需求有望通過算網(wǎng)融合架構(gòu)和相關(guān)關(guān)鍵技術(shù)的支撐得到滿足。
3.2生成式AI應(yīng)用服務(wù)對算網(wǎng)融合的需求
算網(wǎng)深度融合能夠為大帶寬低時延業(yè)務(wù)服務(wù)和各類型生成式AI應(yīng)用服務(wù)提供算力、時延、帶寬、可靠性、安全性等方面的保障，以滿足未來人工智能應(yīng)用的發(fā)展需求。
針對算力瓶頸問題，依托算網(wǎng)融合架構(gòu)實現(xiàn)更加綠色節(jié)能的高算力供給，以更低的能耗成本實現(xiàn)可擴展的模型訓(xùn)練和推理是可行的解決途徑。在高速網(wǎng)絡(luò)方面，算網(wǎng)融合有望提供高速、低延遲的網(wǎng)絡(luò)連接，通過快速獲取和交換數(shù)據(jù)加速計算過程。在分布式計算方面，算網(wǎng)融合可以將計算資源分布在多個節(jié)點上，通過并行執(zhí)行任務(wù)提高整體的計算能力，并通過負載均衡和任務(wù)調(diào)度等技術(shù)優(yōu)化計算資源的利用效率。同時，依賴于云計算平臺，能夠獲得彈性的計算資源，可根據(jù)需要動態(tài)調(diào)整計算能力。此外，圖形處理器（GPU）、張量處理器（TPU）等加速器與AI芯片等專用硬件的研發(fā)，也能夠加速生成式AI應(yīng)用的訓(xùn)練和推理過程，從而克服算力瓶頸問題。
針對實時通信問題，算網(wǎng)融合的研究有望滿足低時延高帶寬實時通信的需求。具體來說，算網(wǎng)融合能夠通過升級網(wǎng)絡(luò)基礎(chǔ)設(shè)施來提供更高帶寬和更低延遲。同時，5G網(wǎng)絡(luò)的部署和邊緣計算的發(fā)展為生成式AI應(yīng)用的實時通信需求提供有力支持。5G網(wǎng)絡(luò)能夠支持大規(guī)模數(shù)據(jù)傳輸和實時通信，邊緣計算能夠?qū)⒂嬎阗Y源推向網(wǎng)絡(luò)邊緣，使生成式AI模型更接近終端用戶。此外，針對算網(wǎng)融合中的網(wǎng)絡(luò)優(yōu)化和協(xié)議改進的研究也有助于滿足實時通信需求。例如，網(wǎng)絡(luò)流量管理、數(shù)據(jù)壓縮、帶寬分配和擁塞控制等技術(shù)可以提高網(wǎng)絡(luò)性能，減少通信時延。
針對隱私保護問題，算網(wǎng)融合有望通過采用數(shù)據(jù)加密、身份驗證、安全協(xié)議和隱私保護技術(shù)等手段，滿足生成式AI應(yīng)用對安全和隱私保護的需求。其一，可以采用數(shù)據(jù)加密技術(shù)保護通信過程中傳輸?shù)臄?shù)據(jù)，采用身份驗證機制確保通信各方可信，防止惡意攻擊者入侵。其二，采用安全協(xié)議和通信通道來確保生成式AI應(yīng)用與其他系統(tǒng)間的安全通信。其三，算網(wǎng)融合架構(gòu)下可以融入數(shù)據(jù)脫敏、差分隱私、同態(tài)加密等隱私保護技術(shù)，在生成式AI應(yīng)用處理數(shù)據(jù)時減少對個人身份和敏感信息的暴露，同時保持數(shù)據(jù)的可用性和有效性。
圖4：算網(wǎng)融合賦能生成式AI應(yīng)用的整體架構(gòu)
總的來說，如圖4所示，算網(wǎng)融合架構(gòu)能夠為各類型生成式AI應(yīng)用服務(wù)提供基礎(chǔ)架構(gòu)設(shè)施保障，在保護用戶數(shù)據(jù)隱私的同時克服算力和通信資源瓶頸問題，為生成式AI應(yīng)用服務(wù)的推廣賦能。
0 4
生成式AI技術(shù)賦能算網(wǎng)融合關(guān)鍵技術(shù)發(fā)展
如前所述，算網(wǎng)融合有望為生成式AI應(yīng)用服務(wù)提供廣泛支撐，除此之外，生成式AI技術(shù)也能為算網(wǎng)融合關(guān)鍵技術(shù)的發(fā)展賦能，在資源管理、網(wǎng)絡(luò)優(yōu)化、服務(wù)提供等方面構(gòu)建智能化、自主化解決方案，從而實現(xiàn)生成式AI技術(shù)與算網(wǎng)融合架構(gòu)的雙向賦能，推動信息社會的進一步發(fā)展。生成式AI技術(shù)賦能算網(wǎng)融合關(guān)鍵技術(shù)的整體架構(gòu)如圖5所示。
圖5：生成式AI技術(shù)賦能算網(wǎng)融合關(guān)鍵技術(shù)的整體架構(gòu)
4.1生成式AI賦能資源管理
在資源管理方面，生成式AI的賦能作用體現(xiàn)在網(wǎng)絡(luò)資源分配優(yōu)化、動態(tài)網(wǎng)絡(luò)調(diào)度、故障和安全管理、資源優(yōu)化建議、自主決策和自適應(yīng)網(wǎng)絡(luò)等方面。
a）網(wǎng)絡(luò)資源分配優(yōu)化。生成式AI可以分析網(wǎng)絡(luò)拓撲、流量負載和用戶需求等多個因素，智能分配網(wǎng)絡(luò)資源，包括帶寬、計算資源、存儲資源等，優(yōu)化資源的分配方式，提高網(wǎng)絡(luò)的性能和效率。
b）動態(tài)網(wǎng)絡(luò)調(diào)度。生成式AI可以通過學(xué)習(xí)網(wǎng)絡(luò)的歷史數(shù)據(jù)和實時信息，預(yù)測網(wǎng)絡(luò)流量和負載的變化趨勢，自主地調(diào)整網(wǎng)絡(luò)資源的分配和路由策略，從而實現(xiàn)動態(tài)的網(wǎng)絡(luò)調(diào)度。
c）故障和安全管理。生成式AI可以監(jiān)測和分析網(wǎng)絡(luò)的故障和安全事件，快速識別異常行為，預(yù)測潛在的故障和安全威脅，并提供實時的故障修復(fù)和安全防護建議，保障網(wǎng)絡(luò)的穩(wěn)定性和安全性。
d）資源優(yōu)化建議。生成式AI可以分析網(wǎng)絡(luò)數(shù)據(jù)、性能指標(biāo)和用戶行為，發(fā)現(xiàn)潛在的瓶頸和優(yōu)化機會，并生成相應(yīng)的建議和策略，幫助網(wǎng)絡(luò)管理員和決策者做出更好的資源管理決策。
e）自主決策和自適應(yīng)網(wǎng)絡(luò)。生成式AI結(jié)合強化學(xué)習(xí)方法，能夠通過與環(huán)境的交互來優(yōu)化網(wǎng)絡(luò)資源管理策略，從而實現(xiàn)網(wǎng)絡(luò)的自主決策和自適應(yīng)。
4.2生成式AI賦能網(wǎng)絡(luò)優(yōu)化
在網(wǎng)絡(luò)優(yōu)化方面，生成式AI技術(shù)能夠為路由優(yōu)化、帶寬分配、網(wǎng)絡(luò)拓撲優(yōu)化等提供智能化支撐。
a）路由優(yōu)化。生成式AI可以基于歷史數(shù)據(jù)和實時監(jiān)測，分析網(wǎng)絡(luò)狀況，包括延遲、帶寬利用率等指標(biāo)，預(yù)測最佳路由選擇，優(yōu)化網(wǎng)絡(luò)路由決策。
b）帶寬分配。生成式AI可以根據(jù)實時的流量需求和網(wǎng)絡(luò)狀態(tài)，智能分配帶寬資源，提高網(wǎng)絡(luò)的帶寬利用率和吞吐量。
c）網(wǎng)絡(luò)拓撲優(yōu)化。生成式AI可以分析網(wǎng)絡(luò)拓撲結(jié)構(gòu)，識別潛在瓶頸和優(yōu)化機會，生成優(yōu)化建議，如增加連接、優(yōu)化網(wǎng)絡(luò)布局等，以改善網(wǎng)絡(luò)的性能和可擴展性。
4.3生成式AI賦能服務(wù)提供
在服務(wù)提供方面，生成式AI技術(shù)能夠為虛擬助手、個性化推薦等服務(wù)賦能，為用戶提供更智能、個性化的服務(wù)體驗。
a）虛擬助手。生成式AI可以用于構(gòu)建虛擬助手，提供實時的交互和支持。通過生成式AI模型的對話生成能力，可以與用戶進行自然語言對話、回答問題、提供建議和執(zhí)行一系列任務(wù)，從而增強用戶與服務(wù)提供者之間的互動和便捷性。
b）個性化推薦。生成式AI技術(shù)可以根據(jù)用戶的偏好和歷史行為，生成個性化的推薦結(jié)果。在計算與通信網(wǎng)絡(luò)的深度融合中，生成式AI可以分析用戶的網(wǎng)絡(luò)使用習(xí)慣、應(yīng)用需求等信息，推薦適合用戶的服務(wù)和內(nèi)容，提供定制化的體驗。
0 5
結(jié)束語
目前生成式AI應(yīng)用服務(wù)在各個行業(yè)中引起了廣泛興趣，一方面生成式AI應(yīng)用的進一步發(fā)展依賴算網(wǎng)融合克服其面臨的算力、通信、安全瓶頸，另一方面生成式AI技術(shù)的應(yīng)用有望推動算網(wǎng)融合向著內(nèi)生智能化方向發(fā)展。本文分析了生成式AI與算網(wǎng)融合的發(fā)展現(xiàn)狀，并進一步指出了二者雙向賦能的發(fā)展趨勢與可行方案。二者雙向賦能，將有望推動計算與通信行業(yè)把握新一輪人工智能技術(shù)浪潮的先機，進而催生新需求、新技術(shù)、新應(yīng)用和新業(yè)態(tài)。
作者簡介
孟利超，博士在讀，主要研究方向為計算機視覺、領(lǐng)域自適應(yīng)、人工智能；
李晶晶，教授，博士生導(dǎo)師，博士，主要研究方向為機器學(xué)習(xí)、遷移學(xué)習(xí)、小樣本學(xué)習(xí)、多媒體、計算機視覺、領(lǐng)域自適應(yīng)、人工智能等。
