新書推薦：
《
安全感是内心长出的盔甲
》
售價：NT$
305.0
《
快人一步：系统性能提高之道
》
售價：NT$
505.0
《
我们为什么会做梦：让梦不再神秘的新科学
》
售價：NT$
352.0
《
算法图解（第2版）
》
售價：NT$
356.0
《
科学的奇幻之旅
》
售價：NT$
352.0
《
画艺循谱：晚明的画谱与消闲
》
售價：NT$
653.0
《
新民说·现实政治史：从马基雅维利到基辛格
》
售價：NT$
454.0
《
宽容是件奢侈品（人生360度·一分钟经典故事）
》
售價：NT$
203.0
|
| 編輯推薦： |
（1）梳理行业转型脉络，帮助读者更好地把握不同行业市场的发展趋势，了解前沿技术。
（2）注重理论与实践的结合，结合近期各行业的智能化转型情况，强调华为在推进各行业智能化实战中的解决方案和实战案例，帮助读者在了解行业智能化理论的同时获取智能化转型的“成功宝典”和“实战指导”。
（3）覆盖行业系统，方案详实，各行业智能化转型供需方的不同角色在书中均可对号入座，找到自己的定位和改进方向，可以作为行业智能化转型的案头参考书。
|
| 內容簡介： |
本书分为3个主要篇章，深入探讨了5G和AI的发展情况、技术优势，揭示了它们在科技领域的重要地位；展示了5G和AI的实际应用，并展望了它们的发展趋势。第 一篇详细介绍了全球5G的发展现状，并展望了5G到5G-Advanced的发展路径及未来形态；第 二篇阐述了AI的重大演进进展，分析了机器学习、自然语言处理、计算机视觉等典 型AI技术，剖析了当下热门大模型技术；第三篇从5G和AI的技术融合与行业发展的角度分析了其对行业数字化、智能化发展的推动作用，展示了重点行业实践情况，如政务、气象、教育、医疗等。
本书可供泛政府行业、移动通信行业从业人员和高等院校相关专业的师生等参考。
|
| 關於作者： |
孙鹏飞
毕业于西安电子科技大学，工学硕士。2001年加入华为公司。曾任华为无线网络SingleOSS产品管理部部长、华为无线智能化与网络自动驾驶首 席规划师、MAE（MBB Automation Engine）产品组合与生命周期管理部部长、华为5G-2B解决方案SDT经理、中国5G应用产业方阵产业推进组副组长，拥有20多年的技术研发经验，在移动及产业数字化的网络规划、架构设计、网络建设、市场营销及产品研发、产品管理以及5G行业场景化解决方案打造等方面均具有丰富的经验。
现任华为企业销售部公共事业系统部副总裁，负责全球公共事业领域的解决方案开发与集成验证业务，主导政府和公共事业领域解决方案平台规划、研发及营销，推动行业场景化解决方案的开发与落地。对行业智能化升级的关键技术和方法论、理论模型构建、场景及商业模型的孵化及可复制性、运营模式、标准构建、项目交付等有着深刻理解和独到观点。
|
| 目錄：
|
第一篇 5G规模化发展
第1章 5G推动全球数字化变革新发展 003
1.1 通信技术推动人类社会持续进步 003
1.2 全球迎来数字化转型新浪潮 005
1.3 数字化转型机遇 006
1.4 5G激活产业变革新潜能 008
第2章 全球5G发展现状 010
2.1 中国 012
2.1.1 中国5G商用情况 012
2.1.2 中国5G推动政策 014
2.1.3 中国5G应用发展情况 015
2.2 韩国 016
2.2.1 韩国5G商用情况 016
2.2.2 韩国5G推动政策 017
2.2.3 韩国5G应用发展情况 019
2.3 美国 020
2.3.1 美国5G商用情况 020
2.3.2 美国5G推动政策 021
2.3.3 美国5G应用发展情况 022
2.4 日本 024
2.4.1 日本5G商用情况 024
2.4.2 日本5G推动政策 024
2.4.3 日本5G应用发展情况 025
2.5 德国 026
2.5.1 德国5G商用情况 026
2.5.2 德国5G推动政策 026
2.5.3 德国5G应用发展情况 028
第3章 5G规模化发展路径及未来形态 029
3.1 5G规模复制主要挑战 029
3.1.1 5G网络建设面临多方问题 030
3.1.2 5G技术与行业业务融合不足 030
3.1.3 产业供给能力不足 031
3.1.4 行业融合应用标准缺乏 031
3.1.5 行业融合生态建设亟待加强 032
3.2 5G规模化发展路径 032
3.2.1 规模化发展基础 032
3.2.2 规模化发展路径及关键要素 034
3.2.3 实现5G规模化的意义与价值 038
3.3 5G-A及未来形态 039
3.3.1 5G应用深刻改变未来社会生活 039
3.3.2 5G-A开启通信革新“下半场” 040
参考文献 043
第二篇 人工智能，新发展阶段
第4章 人工智能概述 047
4.1 什么是人工智能 047
4.2 人工智能的历史和发展 048
4.2.1 1.0时代：计算推理驱动（20世纪50年代—70年代） 048
4.2.2 2.0时代：知识驱动（20世纪70年代—90年代初） 049
4.2.3 3.0时代：数据驱动（20世纪90年代—21世纪初） 049
4.2.4 4.0时代：算力驱动（2020年至今） 050
4.3 人工智能的应用领域 050
4.4 AI成为国家战略 052
4.4.1 美国：多措并举巩固全球领先地位 052
4.4.2 中国：多元战略促进产业健康发展 053
4.4.3 日本：以人工智能构建“社会5.0” 054
4.4.4 韩国：战略推动“AI强国”发展建设 054
4.4.5 德国：依托“工业4.0”打造德国品牌 055
4.4.6 英国：加大创新投入，推进成果转化 056
参考文献 056
第5章 人工智能典型技术 058
5.1 机器学习 058
5.1.1 监督学习 060
5.1.2 无监督学习 061
5.1.3 强化学习 062
5.1.4 深度学习 064
5.1.5 多任务学习 065
5.2 自然语言处理 066
5.2.1 语言模型 068
5.2.2 词向量 069
5.2.3 机器翻译 070
5.2.4 文本分类 071
5.3 计算机视觉 072
5.3.1 图像处理 073
5.3.2 物体检测 074
5.3.3 图片识别 074
5.3.4 视频分析 074
5.4 多模态技术 075
5.4.1 特征表示 076
5.4.2 模态融合 076
参考文献 077
第6章 人工智能重大演进进展 078
6.1 AI产业体系横向拓展 078
6.1.1 AI产业体系概述 078
6.1.2 AI产业发展趋势 079
6.2 AI芯片迭代构筑底层技术优势 081
6.2.1 英伟达 085
6.2.2 AMD 087
6.2.3 英特尔 089
6.2.4 华为海思 089
6.2.5 寒武纪 090
6.3 AI云平台助力创新业务落地 091
6.3.1 微软 093
6.3.2 亚马逊 093
6.3.3 华为云 094
6.3.4 阿里云 095
6.3.5 百度智能云 096
6.4 AI框架成为工程实践能力核心 096
6.4.1 AI框架：加速AI应用产业规模增长及工程化落地 097
6.4.2 训练平台：弹性分布式训练驱动AI工程化进程 099
6.4.3 MLOps：打通AI工程化“最后一公里” 101
6.5 算力突破支撑AI跨越式发展 104
6.5.1 AI计算从粗犷使用向精细化协同演进 104
6.5.2 云边端一体化推动算力泛在化发展 105
6.5.3 智能算力支撑数字孪生元宇宙构建 106
6.5.4 多技术协同升级加速先进计算发展 107
6.6 算法更新推动AI能力持续演进 110
6.6.1 以AutoML为代表的新算法让AI开发更简单 110
6.6.2 以模型为中心的开源社区加速构建 111
6.7 多元化数据服务为AI“增值” 111
6.8 创新主体活跃掀起AI应用热潮 113
6.8.1 Adept AI：通用人工智能（AGI）工具 114
6.8.2 Cohere：B端定制式AI服务者 115
6.8.3 Jasper：集成式AI营销工具 117
6.8.4 滴滴自动驾驶：AI 自动驾驶 118
6.8.5 达闼机器人：拥有“云端大脑”的人形机器人 119
参考文献 120
第7章 大模型时代降临 122
7.1 大模型发展历程及特点 122
7.1.1 大模型技术快速迭代，参数规模三段式激增 122
7.1.2 “大 小”模型协同进化，推动端侧化发展 125
7.1.3 大模型与人工智能相互促进，相辅相成 126
7.1.4 大模型迭代周期缩短，总体呈现多种发展趋势 128
7.2 大模型的典型应用领域 129
7.2.1 NLP大模型 130
7.2.2 CV大模型 135
7.2.3 多模态大模型 139
7.3 大模型的基础是算力 144
7.3.1 通用算力——满足大多数普通用户需求 145
7.3.2 AI算力——适合逻辑简单、计算密集型的并发任务 145
7.3.3 HPC——特殊场景化需求的高性能计算集群 146
7.4 大模型将赋能生成式AI 147
7.4.1 大模型改变内容生产 148
7.4.2 生成式AI孕育新业态 149
7.5 百模千态 151
7.5.1 OpenAI：ChatGPT大模型 152
7.5.2 Google：Gemini原生多模态大模型 153
7.5.3 Meta: LLaMA开源预训练大模型 154
7.5.4 华为：盘古大模型 155
7.5.5 百度：文心一言大模型 156
参考文献 157
第8章 AI toB迈入规模探索阶段 158
8.1 AI与行业结合，呈现百花齐放趋势 158
8.2 大模型成为智能变革的“元能力引擎” 158
8.3 通用人工智能的未来展望 160
参考文献 161
第9章 AI toB落地面临的挑战 162
9.1 大模型工程化落地面临多方面挑战 162
9.2 各行业智能化发展不均衡 162
9.3 AI深入赋能引发风险隐患 163
9.4 AI生态体系仍不完善 164
参考文献 164
第三篇 5G AI，加速行业智能化
第10章 行业从数字化走向智能化 167
10.1 数字化转型的内涵 167
10.2 从数字化走向智能化 168
10.3 典型数智化历程 169
10.3.1 美国：依托创新技术领先，巩固数字经济全球竞争力 169
10.3.2 欧盟：率先探索数字治理规则，打造统一的数字市场 170
10.3.3 英国：以数字政府建设为引领，推动全行业数字化转型 171
10.3.4 日本：以“官产学”和“互联工业”为抓手，建设超智能社会 172
10.3.5 韩国：重视标准体系建立，发布新增长4.0路线图 173
10.3.6 中国：立足产业和市场优势，有效市场和有为政府相互促进 174
参考文献 175
第11章 5G与AI协同发展，加速行业智能化升级 176
11.1 5G与AI的关系 176
11.2 5G对AI的需求 176
11.3 AI对5G的需求 177
11.4 5G与AI的融合 177
参考文献 178
第12章 5G AI融合，赋能行业智能化 179
12.1 5G本体技术优化：增强网络内生能力 179
12.1.1 5G专网：定制网络 180
12.1.2 5G网络切片：灵活组网 181
12.2 5G AICDE：构建融合服务能力 181
12.2.1 5G AI：全面感知 182
12.2.2 5G 物联网：全域互联 183
12.2.3 5G 云计算：云网融合 184
12.2.4 5G 大数据：智能决策 184
12.2.5 5G MEC：边云协同 185
参考文献 185
第13章 重点行业实践 186
13.1 政务 186
13.1.1 行业数智化发展概况 186
13.1.2 行业数智化发展趋势 187
13.1.3 行业数智化整体需求 188
13.1.4 5G AI技术融合分析 189
13.1.5 政务数智化典型方案 191
13.1.6 规模化复制与推广路径 192
13.2 应急 193
13.2.1 行业数智化发展概况 193
13.2.2 行业数智化发展趋势 195
13.2.3 行业数智化整体需求 195
13.2.4 5G AI技术融合分析 196
13.2.5 应急数智化典型方案 198
13.2.6 规模化复制与推广路径 199
13.3 气象 200
13.3.1 行业数智化发展概况 200
13.3.2 行业数智化发展趋势 201
13.3.3 行业数智化整体需求 202
13.3.4 5G AI技术融合分析 203
13.3.5 气象数智化典型方案 204
13.3.6 规模化复制与推广路径 206
13.4 农业 207
13.4.1 行业数智化发展概况 207
13.4.2 行业数智化发展趋势 208
13.4.3 行业数智化整体需求 208
13.4.4 5G AI技术融合分析 209
13.4.5 农业数智化典型方案 211
13.4.6 规模化复制与推广路径 213
13.5 文旅 213
13.5.1 行业数智化发展概况 213
13.5.2 行业数智化发展趋势 215
13.5.3 行业数智化整体需求 216
13.5.4 5G AI技术融合分析 216
13.5.5 文旅数智化典型方案 218
13.5.6 规模化复制与推广路径 220
13.6 教育 221
13.6.1 行业数智化发展概况 221
13.6.2 行业数智化发展趋势 222
13.6.3 行业数智化整体需求 222
13.6.4 5G AI技术融合分析 223
13.6.5 教育数智化典型方案 225
13.6.6 规模化复制与推广路径 227
13.7 医疗 228
13.7.1 行业数智化发展概况 228
13.7.2 行业数智化发展趋势 230
13.7.3 行业数智化整体需求 230
13.7.4 5G AI技术融合分析 231
13.7.5 医疗数智化典型方案 234
13.7.6 规模化复制与推广路径 235
13.8 制造 236
13.8.1 行业数智化发展概况 236
13.8.2 行业数智化发展趋势 237
13.8.3 行业数智化整体需求 238
13.8.4 5G AI技术融合分析 239
13.8.5 制造数智化典型方案 241
13.8.6 规模化复制与推广路径 243
13.9 港口 244
13.9.1 行业数智化发展概况 244
13.9.2 行业数智化发展趋势 246
13.9.3 行业数智化整体需求 246
13.9.4 5G AI技术融合分析 247
13.9.5 港口数智化典型方案 249
13.9.6 规模化复制与推广路径 251
13.10 电力 251
13.10.1 行业数智化发展概况 251
13.10.2 行业数智化发展趋势 252
13.10.3 行业数智化整体需求 253
13.10.4 5G AI技术融合分析 254
13.10.5 电力数智化典型方案 258
13.10.6 规模化复制与推广路径 260
参考文献 261
第14章 趋势及展望 262
14.1 5G-A下的网络即服务 262
14.2 从云网融合到算网融合的升级 264
14.3 数据要素价值创作成为新蓝海 266
14.4 数字创新应用向多领域纵深发展 268
14.5 AI大模型驱动新兴业态涌现 269
参考文献 270
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
