人工智能领域关键技术——智传网（AI Flow）是什么？

近年来，中国电信在人工智能领域取得了一系列令人瞩目的成果，为推动经济社会高质量发展贡献了重要力量。上海市“人工智能+”行动推进大会暨中国—金砖国家人工智能发展与合作中心基地启用仪式日前举办。中国电信CTO、首席科学家、中国电信人工智能研究院（TeleAI）院长李学龙教授受邀参会并发表主旨演讲，分享了人工智能领域的一项落地关键技术——智传网（AI Flow）。

“连接”是人工智能发展的关键，落实“人工智能+”行动正是要将技术创新与产业需求紧密连接。据李学龙介绍，智传网让“智能”也可以连接起来，摆脱设备和平台的限制，在端、边、云之间自由流动，随需响应，随处而至。

智传网是通过网络分层架构，基于智能体间的连接，以及智能体和人的交互，实现智能传递和涌现。它可以打通由AI驱动的“三大空间”，即赛博空间、临地空间、广域空间，是下一代人工智能发展的必经之路。

在研发布局上，中国电信拥有云网融合、AI、量子与安全等技术优势，且在算力、数据方面构建了“息壤”一体化智算平台、“星海”数据智能中台。基于此，TeleAI重点进行智能光电、智能体、智传网、AI治理的研究，形成 “三智”+“一治”的战略布局。

可以说，智传网提供了一种新的服务模式，能够发挥中国电信网络优势，解决数据传输延迟高、网络带宽占用大等问题。人们的未来生活将无不充满智能的流动，所有指令都通过可穿戴设备交互完成，一切都是高效的、有序的、便捷的。

然而，智传网面临着一个非常重要的问题，就是在不同的应用场景中，所需要的“智能”各不相同；在不同的计算平台中，能提供的“智能”上限亦不同。那么，如何去量化这种“智能”，从而按需所取？

TeleAI在智传网的研究中，引入了一系列基础理论，这其中包含一个重要概念——“信容定律”。

信容是信息量与数据量的比值，即单位数据的信息表示能力。在信容定律中，信息量是数据集的平均熵与模型训练损失交叉熵的差，再乘以数据集 Token 的数量。如果以模型的参数量作为数据量，那么两者之比，就是模型的信容。

与普通的大小模型协同不同，在智传网中家族模型的特征是对齐的，不需要额外的中间件（Middleware）就可以流畅地共享信息。当把多个家族模型部署在网络的不同层上，还能实现分布式计算，大幅提升模型的推理效率。

智传网的第二个关键点是基于连接和交互的智能涌现。大模型的发展依赖于数据驱动下的智能涌现，根据行业预测，高质量数据资源正在枯竭，不久的将来，新数据生成的速度会远远赶不上数据的消耗速度，这将限制AI能力的进一步提升。为了突破这个瓶颈，智传网实现了基于数据的智能涌现迈向基于连接和交互的智能涌现。通过模型间的连接协作、知识共享及与外部环境的交互，将表现出超越单个模型能力上限的智能涌现能力。

智传网的第三个关键点是模型复刻和智能萃取，可以类比成将智能种植到一个新的大脑。这个过程不是简单的知识蒸馏或遗忘学习（Unlearning），而是剔除老模型中的无效信息，萃取最精华的智能，从而得到更加精炼、与之同源且能不断成长的模型，以适应变化的环境、场景和需求。

据了解，专注于人工智能创新与应用的中国电信人工智能研究院（TeleAI）2024年5月在上海落成，目标是发展有场景、能落地，规模化的AI技术，并打造可信任的国家人工智能基座，面向世界的舞台，让AI既能创造科学价值，又能创造经济价值。

未来，中国电信将继续加大在人工智能领域的投入，不断提升技术创新能力，为推动数字中国建设和经济社会高质量发展做出更大的贡献。（记者　张颖洁）