【太平洋科技快讯】9 月 17 日，华为通过其官方网站发布了😜题为《智能世界 2035》的前瞻性报告。该报告系统性地提出了❤️未来十年内值得关注的十大关键技术趋势，为行业描绘出一幅面向 😊2035 年的智能世界发展蓝图。一起来看一下。 趋势一😁：走向物理世界是 AGI 形成的必由之路 走向物理世界🤯是 AGI 形成的关键路径，通过物理实体与环境实时交互，实现🤩感知、认知、决策和行动一体化，能让智能体像人类一样用身体感知😍世界，在互动学习中成长，从而更好地适应环境、解决复杂任务。未🤗来重点是通过数据驱动的经验引擎、思想规则驱动的理念引擎以及行🎉动引擎，三者协同支撑高保真世界模型，为 AGI 的实现筑牢根🌟基。 趋势二：从执行工具到决策伙伴，AI智能体驱动产业😆革命 未来十年，人类与智能体的关系，将从“人机分工”走👍向“人机共生”，群体智能将成为重要发展方向。智能体不只是新型😜生产力工具，更是人类文明演进的新伙伴，驱动各个产业发生范式革😍命。并且只有把智能体演进路径与科技向善价值深度融合，人类才能💯真正把握住智能世界的主动权。 趋势三：人机协同编程，重❤️塑软件未来 数字化、智能化快速发展推高软件规模，人因问😆题引发软件工程复杂性，成为人机协同编程的关键驱动力。软件形态👍将从以程序为主，演进为程序、神经网络模型与 Agent 多范🌟式并存。人机协同编程，将推动软件开发模式在入口、角色、流程、😎架构、安全、质量、生态、平台、工具、组织及协作方式的系统性变🔥革。 趋势四：AI 于镜像世界中升维，新交互打开沉浸体🔥验 随着 AI、空间计算、XR 等技术的演进，数字世界🥳与物理世界的边界正逐步消融，虚实融合正在成为新一代信息社会的🤯基础体验范式。这一趋势不仅会改变人类获取信息和交流的方式，还😁将深刻重构生产生活的底层逻辑。随之而来的是，智能终端的定位也😜将被重新定义，从 “信息的承载器”，演变为数字世界与物理世界😴互通的“桥梁”，成为碳基生命与硅基生命交融的入口，推动人类迈😘入一个全新的感知与交互时代。 趋势五：移动互联生态从 👍App 走向多 Agent 协同 随着 AI Agen🤗t 技术的发展，移动互联网演变为智能体或元服务相互连接，突破💯单一智能体边界，完成复杂的任务，形成多智能体协同的新生态。人😡机交互范式将走向 SMUI 空间多模态交互，端到端任务执行成🤩功率将成为用户体验最核心指标，也将诞生新的移动互联商业模式。👏 趋势六：具身智能跨越鸿沟，形成多个万亿产业 具🤗身智能是 AI 走向物理世界的关键体现，它融合了 AI 技术😅、感知算法、计算存储、通信网络、三电等多领域技术的综合产物，😴它让 AI 首次拥有了“实体身躯”与“实时互动能力”，摆脱了👏纯软件形态的局限。这种“有身体”的智能形态，不仅能在真实物理🤔世界中自主完成抓取、移动、操作等复杂任务，更能通过与环境的动🌟态反馈持续优化决策，成为连接人工智能技术与现实应用场景的核心🔥桥梁，也是推动人工智能（AI）迈向通用人工智能（AGI）跨越🥳的关键一步。 趋势七：突破冯·诺依曼架构，新型算力满足🚀海量的算力需求 展开全文 为解决算力增长过程中能🤗效与成本的挑战，计算技术演进路径将从摩尔定律的延伸曲线，逐步😎脱离冯・诺依曼架构的束缚，最终催生新型计算范式的全面兴起。这🚀一变革并非单点突破，而是将在材料器件、工程工艺、计算架构、计😡算范式四大核心层面，协同实现颠覆性创新，重塑 “后摩尔时代”😀 的算力生态。 趋势八：数据即智能，Agentic A😁I 驱动存储范式改变 数据的价值不再仅源于其规模或存储🙌形态，而是通过动态激活、场景化供给与语义化存储得以全面释放。🔥届时，数据不仅承载记忆，更将成为推动文明跃迁的“新燃料”。存😎储不再只是“数据仓库”，而将进化为“智能发动机”，与算力和算😴法一道，共同推动人类迈向智能社会的新纪元。 趋势九：从🤗移动互联网跃迁至智能体互联网，搭建物理空间到数字空间的智能交❤️互桥梁 未来十年通信网络的连接对象将从 90 亿人扩展🙌到 9000 亿智能体，其价值将从服务于“人与人沟通”向构建😘“智能体互联”的下一代网络发展。为了满足“十年百倍”的通信增🙄长需求，无线、光和数据通信产业将围绕智能、超宽和绿色进行系统🔥工程创新。 趋势十：Token 管理能源网络，让智能成😴为能源的神经系统 未来的能源网络中 Token 将成为😍能量管理的基本元素，AI4Energy 技术使得未来每一焦耳😊的能量将可以被 Token 来定义并赋予可编程的人类意志，从❤️而实现能源网络中每一个基本单元的“感知+决策+行动”的能力，❤️完成能量载体的革命性变革，基于 Token 管理的能源网络将🙄是未来能源网络的重要技术趋势，将与通信技术（能源神经网络）、👏物联网 IOT 技术（能源神经末梢感受器），能源区块链技术（🤔能源记忆系统）等一起构建起完整的能源神经系统。 此次提🎉出的趋势涵盖多个前沿技术领域，不仅涉及通信、计算和人工智能等😁核心技术演进，也包含智慧能源、数字健康、智能制造等深度融合的😜创新方向。报告旨在为企业和科研机构提供战略参考，推动产业协同🥳发展与技术突破。返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

中国大模型，首登Nature封面。 9月17日，在最新😍一期的国际权威期刊Nature（自然）中，DeepSeek-😊R1推理模型研究论文登上了封面。该论文由DeepSeek团队😅共同完成，梁文锋担任通讯作者，首次公开了仅靠强化学习就能激发👏大模型推理能力的重要研究成果。这是中国大模型研究首次登上Na💯ture封面，也是全球首个经过完整同行评审并发表于权威期刊的🙄主流大语言模型研究，标志着中国AI技术在国际科学界获得最高认🎉可。 Nature在其社论中评价道：“几乎所有主流的大🤔模型都还没有经过独立同行评审，这一空白终于被DeepSeek😆打破。” 中国AI大模型的“Nature时刻” 😆自大模型浪潮席卷全球以来，技术发布、性能榜单层出不穷，但始终😘缺乏一个权威的“科学认证”机制。OpenAI、谷歌等巨头虽屡😅有突破，但其核心技术多以技术报告形式发布，未经独立同行评审。🚀 DeepSeek以其公开性和透明性打破了这一局面。D🥳eepSeek-R1模型的研究论文最早于今年年初发布在预印本⭐平台arXiv上。自今年2月14日向Nature投递论文至今😀，历经半年，8位外部专家参与了同行评审，DeepSeek-R🙄1推理模型研究论文终获发表，完成了从预印本到Nature封面🙄的“学术跃迁”。审稿人不仅关注模型性能，更对数据来源、训练方❤️法、安全性等提出严格质询，这一过程是AI模型迈向更高的透明度😀和可重复性的可喜一步。 因此，Nature也对Deep⭐Seek的开放模式给予高度评价，在其社论中评价道：“几乎所有😀主流的大模型都还没有经过独立同行评审，这一空白终于被Deep⭐Seek打破。”全球知名开源社区Hugging Face机器😡学习工程师Lewis Tunstall也是DeepSeek论😊文的审稿人之一，他强调：“这是一个备受欢迎的先例。如果缺乏这🤔种公开分享大部分研发过程的行业规范，我们将很难评估这些系统的🤗潜在风险。” 据了解，DeepSeek本次在Natur🤯e上发表的论文较今年年初的初版论文有较大的改动，全文64页，🙌不仅首次披露了R1的训练成本，而且透露了更多模型训练的技术细🎉节，包括对发布初期外界有关“蒸馏”方法的质疑作出了正面回应，😂提供了训练过程中减轻数据污染的详细流程，并对R1的安全性进行🤩了全面评估。 其中，在训练成本方面，R1-Zero和R🥳1都使用了512张H800GPU，分别训练了198个小时和8💯0个小时，以H800每GPU小时2美元的租赁价格换算，R1的😂总训练成本为29.4万美元（约合人民币209万元）。不到30👏万美元的训练成本，与其他推理模型动辄上千万美元的花费相比，可💯谓实现了极大的降本。 关于R1发布最初时所受到的“蒸馏💯”质疑，DeepSeek介绍，其使用的数据全部来自互联网，虽😂然可能包含GPT-4生成的结果，但并非有意而为之，更没有专门😅的蒸馏环节。所谓“蒸馏”，简单理解就是用预先训练好的复杂模型🎉输出的结果，作为监督信号再去训练另外一个模型。R1发布时，O💯penAI称它发现DeepSeek使用了OpenAI专有模型😂来训练自己的开源模型的证据，但拒绝进一步透露其证据的细节。 🤩 R2何时问世引发关注 自今年年初发布R1以来，D😆eepSeek在全球树立了开源模型的典范，但过去数月，外界对⭐于R2何时发布始终保持高度关注，相关传言一直不断。不过，R2🙄的发布时间一再推迟，外界分析R2研发进程缓慢可能与算力受限有😆关。 展开全文 值得注意的是，今年8月21日，D🙌eepSeek正式发布DeepSeek-V3.1，称其为“迈🎉向Agent（智能体）时代的第一步”。据DeepSeek介绍🤩，V3.1主要包含三大变化：一是采用混合推理架构，一个模型同😆时支持思考模式与非思考模式；二是具有更高的思考效率，能在更短🤩时间内给出答案；三是具有更强的智能体能力，通过后训练优化，新🤯模型在工具使用与智能体任务中的表现有较大提升。 由于R😢1的基座模型为V3，V3.1的升级也引发了外界对于R2“在路😘上”的猜测。V3.1的升级更深刻的意义在于，DeepSeek🙌强调DeepSeek-V3.1使用了UE8M0 FP8 Sc😊ale的参数精度，而UE8M0 FP8是针对即将发布的下一代💯国产芯片设计。这也表明未来基于DeepSeek模型的训练与推😅理有望更多应用国产AI芯片，助力国产算力生态加速建设。这一表🙌态一度带动国产芯片算力股股价飙升。 中国银河证券研报指💯出，DeepSeek从V3版本就开始采用FP8参数精度验证了🤯其训练的有效性，通过降低算力精度，使国产ASIC芯片能在成熟💯制程（12-28nm）上接近先进制程英伟达GPU的算力精度，🥳DeepSeek-V3.1使用UE8M0 FP8 Scale❤️参数精度，让软件去主动拥抱硬件更喜欢的数据格式，“软硬协同”😜的生态技术壁垒逐渐成为AI浪潮下新范式，未来国产大模型将更多😊拥抱FP8算力精度并有望成为一种新技术趋势，通过软硬件的协同😎换取数量级性能的提升，国产算力芯片将迎来变革。 责编：😉万健祎 校对：王朝全 版权声明 " Typ😁e="normal"@@--> 证券时报各平台所有原创😡内容，未经书面授权，任何单位及个人不得转载。我社保留追究相关😀行为主体法律责任的权利。 转载与合作可联系证券时报小助😉理，微信ID：SecuritiesTimes " Ty🤔pe="normal"@@-->返回搜狐，查看更多