中国电信：
《2025年云计算研究白皮书》

（完整版.pdf ）
以下仅展示部分内容
下载方式见文末

智能泛在云：2025年云计算技术演进全景解读

一、白皮书整体架构与核心愿景

中国电信云计算研究院在成立第二年之际，基于"三个面向一个围绕"的四大研究方向，构建了本年度白皮书的主体框架：面向下一代云计算体现专业定位，面向云网融合承接中国电信战略，围绕智能算法展现综合基础理论与技术创新，面向新兴技术把握前沿研究属性。

白皮书创新性地提出了"智能泛在云"的研究愿景——立足于泛在融合的云网基础设施，依托云计算系统和AI算法深度融合的未来云计算新范式。这一愿景贯穿全文，成为连接技术研究与产业实践的核心理念。

全文共沉淀十个热点子方向，分布在四个章节中，引用IDC、Gartner、麦肯锡及信通院等机构报告60余篇，高水平论文近700篇，并介绍了云计算研究院2025年度16项已发表或被接收的研究成果。

二、第一章：面向下一代云计算的研究——三大热点方向深度解析

热点一：分离式数据中心架构与关键技术

传统数据中心面临资源利用率低、弹性粒度粗、生命周期失配等四大挑战。分离式数据中心架构通过算力、存储、网络三大资源的解耦与池化，实现了资源利用率的质的飞跃。

弹性可扩展的云数据中心资源优化方面，业界正积极探索远内存、自动资源配置等技术路径。中国电信云计算研究院提出了QoS感知的分级内存管理框架Vulcan，通过工作负载敏感性的快速内存容量动态公平分配策略，有效避免了传统热度驱动分配导致的"冷页困境"。Microsoft的Harvest系列VM则实现了多资源联合调度与细粒度分配，显著提升了资源利用率。

面向资源池化的分离式数据中心架构中，CXL（Compute Express Link）技术成为突破内存池化瓶颈的关键。Microsoft Azure的Pond方案采用机器学习预测负载时延敏感性，将不敏感的虚拟机优先分配池化内存；阿里云的PolarCXLMem则基于CXL 2.0协议实现云数据库的内存池化和数据共享。然而，"爆炸半径"问题——即内存池底层硬件故障带来的系统性风险——仍是亟待解决的核心挑战。

支持分离式数据中心架构的软件栈创新同样活跃。华为提出的FlacOS操作系统通过在内存互联的机架级架构中实现内核数据结构的共享和无锁同步机制，使单一操作系统能够统一管理机架级资源。华为云的Beehive分离式运行时框架则基于协程的异步执行模型，将传统同步代码自动转换为异步代码，极大简化了开发者的编程负担。

热点二：面向AI场景的PaaS数据平台层技术

AI技术的爆发式发展，尤其是DeepSeek等模型的开源，驱动云厂商的平台层技术投入重心向AI PaaS倾斜，形成了Serverless计算、智能数据平台、高性能存储三大技术支柱。

面向智能应用的Serverless计算平台技术致力于解决AI应用"多样化、碎片化和动态化"的算力需求特征。中国电信云计算研究院联合天翼云开展了面向AI智能应用场景的Serverless GPU函数沙箱研究，通过I/O直通的低开销GPU虚拟化技术、基于快速显存交换的虚拟GPU重映射技术，实现多租户函数对GPU设备的高效"时空动态"共享。针对冷启动这一Serverless核心瓶颈，研究院提出了热点竞争感知的函数分区缓存技术，通过将节点缓存资源划分为独立分区分配给热点函数，显著降低了AI云函数启动延迟。

面向大模型时代的智能数据平台技术呈现三大演进趋势：向量数据库为大模型提供外部知识库管理功能，承接长期记忆功能；AI Inside大数据平台推动数据查询从关键词匹配迈向语义理解，Text-to-SQL技术使系统能够根据自然语言描述自动生成SQL查询；AI基础设施驱动的架构革新则通过CXL内存池化、GPU加速等技术重写数据库底层设计。中国电信云计算研究院针对DiskANN向量索引的读写优化技术进行了全面梳理，设计了向量索引跨查询间的页面复用方法，使整体向量查询性能相比DiskANN有数倍提升。

支撑智能任务的高性能存储平台技术聚焦大模型训练与推理的存储挑战。在训练阶段，增量检查点与异步写入技术成为降低I/O阻塞的关键——字节跳动的ByteCheckpoint和阿里云的FlowCheck通过增量检查点、数据压缩与去重等技术，最大限度减少存储开销和性能影响。在推理阶段，以KV Cache为中心的存储优化成为研究焦点，月之暗面的Mooncake架构通过多层存储池设计缓解显存压力，Microsoft的CacheBlend则设计了高效的KV Cache重用机制。中国电信云计算研究院提出的机器学习驱动的元数据负载均衡框架Origami，通过智能算法解决元数据子树的负载均衡难题，在负载均衡收益与访问开销之间实现较好权衡。

热点三：智能化云运维、可信安全与能效优化

这一热点方向构建了运维智能、安全可信、能效优化三位一体的云基础设施核心支撑框架。

面向大规模集群的自动化运维与可靠性工程方面，传统基于阈值规则和静态模型的运维方式已难以满足99.99%以上可用性要求。中国电信云计算研究院提出的HEIMDALLR无监督检测框架，面向云环境中高维、多关联、非平稳KPI时序的特点，构建了动态潜空间模型，能够挖掘隐藏在KPI背后的早期微弱异常信号。在根因分析领域，基于微服务依赖图的拓扑分析、基于调用链的路径分析、基于因果图与图学习的诊断方法共同构成了自动化根因分析的技术体系。现代云平台正构建检测-分析-自动修复的闭环自愈机制，实现分钟级响应与低人工干预。

云计算环境下的基础设施安全已形成纵深防御体系。供应链安全方面，Sigstore等云原生签名体系通过身份绑定、短生命周期证书与公开透明日志，使容器镜像等组件具备自动化来源验证能力。容器安全研究突破传统假设，提出不再默认信任宿主机的安全模型，利用ARM CCA硬件构建可信执行环境。Serverless计算安全关注函数间隔离边界模糊、临时容器数据残留等新挑战，通过图可达性分析技术构建权限调用关系，识别策略配置错误或过度授权。内存安全领域，Rowhammer等电干扰型攻击成为跨租户数据泄露的根本性威胁，通过重新设计内存分配策略对不同安全域的物理行进行隔离，可实现无需硬件修改的系统级缓解。零信任架构则通过基于身份、上下文与风险的持续验证机制，实现对访问请求的最小权限控制与动态授权。

云数据中心智能功耗管理与优化面临性能、能效与可靠性的三角权衡。Meta通过大规模部署DVFS Boosting，在保障服务可靠性的前提下实现了相当于新建半个数据中心的额外算力扩容；Microsoft的SmartOClock平台通过工作负载感知和风险预测，使应用成本下降30%、总能耗减少10%。针对大语言模型带来的能耗激增，Microsoft提出了基于功率冗余分析的超分配优化方法，可在保证服务延迟SLO的前提下，平均节省52%的能耗、38%的碳排放，并将客户成本降低61%。

三、第二章：面向云网融合的研究——三层架构与三大热点

中国电信2025年战略升级为"云改数转智惠"，云网融合的核心特征也随之升级为"融合"与"融智"：融合体现架构开放融合和云边网业融合，融智包括云网内生融智和服务生态融智。《云网融合2035技术白皮书》提出了"供给-运营-服务"三层愿景架构，为技术研究提供了系统性框架。

热点四：云网一体化调度

云网一体化调度的本质是通过统一的资源视图与调度逻辑，实现计算与网络资源的高效整合。根据调度侧重点的不同，可划分为网络感知的计算调度、计算感知的网络调度、计算-网络联合调度三个互补方向。

网络感知的计算调度将网络视为动态、竞争、异构的资源而非被动通道。在智算领域，Pollux、Centimani等工作通过显式建模通信延迟、避免网络竞争来选择GPU资源，将网络通信开销纳入算力资源调度决策。基于DAG的任务调度则聚焦于带有依赖关系的工作流优化，SiP-ML提出感知网络拓扑的并行化算法，GraphPipe借助DAG将模型划分为可并发执行的流水线阶段。

计算感知的网络调度从流级别优化转向任务级别优化。CoFlow调度将任务并发产生的所有相关数据流视为整体，Varys提出最小瓶颈优先算法，Rapier联合优化流调度与路由。集合通信优化成为智算网络研究焦点，SCCL将合成问题编码为SMT求解，TACCL建模为混合整数线性规划，SyCCL则利用拓扑对称性进行搜索空间压缩。中国电信云计算研究院自研提出的Dike调度系统，是业界首个关注最大最小公平性的多租户通信调度器，创新性提出"最大化最小训练任务进展率"的优化目标。

计算-网络联合调度在统一视图下同时规划计算资源、通信资源与映射关系。虚拟网络嵌入（VNE）、虚拟集群嵌入（VCE）、软管模型、服务功能链（SFC）等统一建模方法为联合优化提供了理论基础。中国电信云计算研究院围绕数据中心典型拓扑，提出了可在线性时间内求得最大可接受负载的严格最优解（树型拓扑），以及基于最大流构造切片的D-Slice/Elastic框架（一般图拓扑）。

热点五：面向智算的云网基础设施

随着生成式AI发展，传统云数据中心（IDC）正向智算中心（AIDC）全面转型。白皮书构建了入算网络（DCA）、算间网络（DCI）、算内网络（DCN）三层协同网络体系。

算内网络DCN是智算云网基础设施的核心。拓扑与连接从通用结构走向面向智算的专用设计：阿里巴巴的HPN架构通过双ToR接入、Rail-Optimized结构及分层互联，显著降低了AllReduce等集合通信中的路径不确定性；华为的UB-Mesh借助高维度全互联与分区化路由相结合的设计，更契合智算任务对低时延、高可预测性的本质需求。光电融合网络凭借高带宽、低时延、低功耗及动态可重构优势，正在成为支撑万卡级及以上算力系统的核心架构——Google的Lightwave Fabrics通过自研OCS与波分复用实现数千节点间动态光路调度，北京大学与Lightelligence的InfiniteHBD将OCS集成至收发器内部，实现节点级拓扑重构。在网计算通过将聚合、规约等核心算子下沉到交换机数据平面，使网络从单纯传输通道变成参与计算的关键组件，NVIDIA的SHARP协议、ETH Zurich的Flare专用硬件芯片标志着该技术从学术探索走向工程实践。传输控制协议正从无损网络向面向智算的协议体系演进：Google Falcon通过传输延迟感知调整速率控制、硬件级pacing与多路径传输机制，在有乱序、网络抖动与拥塞的以太网上保持稳定高效吞吐；华为DCP构建有损数据面+无损控制面的架构，有效改善RDMA流在大规模并发下的性能损失。

算间网络DCI构建跨地域算力池化体系。跨域RDMA面临大RTT、链路抖动与丢包等挑战，Microsoft Azure通过DCQCN参数调优与缓冲优化，使RDMA在数百微秒RTT下保持可控性能；学术界提出的SWING在数据中心边界构建轻量级PFC传播技术，ATC则将控制环路从端侧迁移至跨域边界，由边界交换机统一汇聚多源拥塞信息进行快速速率调整。

入算网络DCA负责TB级数据的实时导入与安全入算。中国电信"息壤"算网平台构建跨地域20ms级的算力调度网络，使新疆哈密绿色算力可与京沪万卡算力池协同；"智云上海"项目通过全互联架构将近千节点边缘集群与临港智算中心打通，实现TB级数据分钟级入算。

热点六：云边端协同

云边端协同旨在构建覆盖数据、任务与模型全链路的跨层级协同框架，实现云-边缘-终端资源与能力的结构化组合与动态协作。

数据协同构建跨层级数据流通体系。群智感知已从移动众包模式扩展为面向人、物、车、环境等多主体协同的广域数据获取体系，多模态融合、数据质量控制与结构化前处理、隐私前置与可信数据贡献成为三大研究重点。中国电信云计算研究院与吉林大学联合提出的基于时空金字塔结构的多尺度数据补全框架，有效解决了移动群智感知数据稀疏性问题。联邦学习作为数据不出域条件下的协同智能建模机制，正从统一模型的集中式优化范式向个性化建模、通信高效、可信协作的综合体系演进。

任务协同实现多点协作与动态调度。计算卸载从静态分发向自适应、智能协同和多目标优化加速演进，基于马尔可夫决策过程、深度强化学习的先进智能算法被广泛应用于卸载决策优化。服务编排通过将复杂业务流程拆解为可组合、可迁移的微服务，动态地将任务分配到最合适的云、边、端节点，智能化编排技术通过图神经网络、深度强化学习等算法实现任务的自适应映射与弹性伸缩。

模型协同支撑智能能力演进。模型分割将深度学习模型按层结构合理切分，分别部署在端侧设备、边缘服务器和云服务器上，中国电信云计算研究院提出的高可靠端云协同推理方法，通过不均衡冗余编码机制有效保护重要特征的传输，在云端设计特征重构模块恢复传输中可能丢失的特征。模型迁移通过知识蒸馏、轻量化适配将云端大模型的核心能力迁移至边缘/端侧小模型，低秩适配的模型微调方法、边缘环境可感知的端云协同模型定制方法成为研究热点。

四、第三章：围绕智能算法的研究——从AI for Cloud到Agentic AI

热点七：算法赋能云计算（AI for Cloud）

云计算与智能算法的深度融合正重塑云-网一体化基础设施的技术格局，形成"Cloud for AI"与"AI for Cloud"双向赋能的共生体系。

运筹优化算法为云网系统提供可建模、可解释的资源配置与流量工程框架。图优化与组合优化聚焦路径选择、拓扑规划、任务调度等离散决策问题，Google的B4系统将跨数据中心流量工程抽象为多商品流优化问题，达到接近100%的链路利用率；最优化方法适用于带宽分配、工作负载调度等连续决策问题；启发式与元启发式算法则通过遗传算法、模拟退火、粒子群优化等智能搜索手段应对高维、非凸、动态环境下的复杂优化任务。中国电信云计算研究院对超图在云计算场景中的理论与应用进行了系统梳理，展示了超图在网络拓扑优化、流量预测、资源调度等典型场景的优势。

深度学习构建了支撑AI for Cloud的完整方法体系。面向欧式数据的序列与语义建模从CNN、RNN演进至以Transformer与大语言模型为代表的统一框架，时序Transformer应用于跨数据中心流量预测、全局流量调度及能效曲线建模，Cloud Copilot和Ops Copilot类运维助手则借助大语言模型实现自然语言驱动的故障诊断与执行方案生成。面向非欧式数据的图建模方法通过GNNs及Graph Transformers显式建模拓扑关系与数据流动，在虚拟网络嵌入、微服务调用链根因定位等任务中展现优势。图-序列融合范式进一步打通结构表示与语义建模的边界，为构建具备迁移能力与通用推理能力的云系统智能体提供新路径。

强化学习将云平台与网络系统视作动态环境，在"感知状态-选择动作-获得回报-更新策略"的闭环中持续迭代。在线决策与老虎机算法适用于Kubernetes资源调度、边缘计算资源分配等实时高效决策场景；经典强化学习算法在数据中心能耗管理、云边协同与负载均衡等状态空间规模有限的场景中广泛应用；深度强化学习利用神经网络处理高维状态，在多维资源打包与作业调度、流量工程与网络拥塞控制等复杂决策场景中取得突破；基于模型的强化学习则通过构建"数字孪生"提升样本效率与安全性，成为未来云网智能调度的重要研究方向。

热点八：AI Agent与Agentic AI

2023年后，"Agentic AI"概念开始被系统化讨论，其核心特征包括目标复杂度、环境不确定性、适应性与独立执行。大语言模型的出现提供了实现Agentic AI的关键能力支撑，形成了记忆、规划、行动与工具使用四大核心模块。

Agent构建方法涵盖角色定义、记忆机制、规划能力与行动执行。角色可通过静态预设或动态生成构建；记忆机制包括短期记忆（维持最近上下文）、长期记忆（结构化存储技能与经验）、检索增强记忆（动态扩展外部知识源）；规划能力通过链式推理、树式推理、迭代规划实现任务分解与策略优化；行动执行则覆盖工具调用、Web操作、多模态与具身行动。

Agent协作机制呈现集中式、去中心化与混合式三类模式。MetaGPT、Coscientist等集中式协作适合高结构化任务；AutoGen、Multi-Agent Debate等去中心化协作通过多Agent平行对话在开放式问题求解中表现突出；CAMEL、AFlow、DyLAN等混合式协作能够平衡可控性、灵活性与扩展性。

Agent演化机制包括自主演化（通过反思、纠错与奖励自我提升）、多智能体共演化（通过协作或对抗提高系统能力）、外部资源驱动演化（借助知识与工具反哺能力增长）。

多模态与具身Agent通过融合视觉、语言、语音等多源信号，形成语义化环境表征，并在物理或虚拟场景中通过持续与环境交互更新策略。视觉-语言-行动（VLA）模型结合视觉、语言和行动生成，使无人机、机器人等能够在复杂任务中做出高效决策。

2025年的AI发展呈现前所未有的广泛共识。从DeepSeek-V3/R1的横空出世到Google Gemini-3的王者归来，开源和多模态方面持续带来惊喜。"从通用人工智能（AGI）走向超级人工智能（ASI）"开始被严肃讨论，Meta成立超级智能实验室，阿里巴巴提出"通用人工智能已成为确定性事件，但只是AI发展的起点"。"碳硅共生"概念兴起，当AI具备和人类类似甚至超越人类的能力，如何与未来的AI共生成为无法回避的问题。

五、第四章：面向新兴技术的研究——四大前沿领域

热点九：新兴技术及应用

智能时代下的新兴计算范式包括太空计算与量子计算两大方向。太空计算通过在轨分布式算力与智能协同，扩展地外信息能力空间，当前重点关注星载边缘计算和太空AI推理与自主决策——中国电信在量子通信和量子计算领域取得重大突破，成功完成超百公里的空芯光纤量子与经典信号共纤传输实验，自主研发的超导量子计算机"天衍-287"已正式运行，具备"量子优越性"。量子计算则以颠覆式算力优势，为复杂优化、材料设计与安全体系重构提供新路径，已在金融、医药、制造、能源等行业展现显著价值。

面向泛在互联的第六代移动通信系统（6G）构建天地空海一体化的超宽带、超低时延和原生智能通信网络。中国电信率先提出"全域智惠网络"技术体系，围绕天地一体化、通感融合、智能超表面（RIS）、星地融合通信等关键技术方向展开系统布局，牵头的"6G系统计费研究"项目获批通过，实现中国电信在3GPP国际标准组织的6G牵头立项突破。AI-RAN作为面向6G的新一代无线网络体系结构，让AI从外部附加功能演进为网络的内生能力；低功耗广域物联网则以毫瓦级功耗、公里级覆盖、十年级电池寿命，实现数以亿计设备的长期稳定运行。

面向低空经济的智能计算融合感知、通信与云边协同算力，支撑无人机集群、低空交通与城市安全等新场景的规模化落地。低空智能感知通过多源传感器融合与底层视觉技术，解决低光照、雨雾、沙尘等环境中的图像质量问题；低空大模型如RemoteCLIP利用对比学习将视觉特征和文本嵌入进行特征对齐；无人机具身智能通过感知-决策-执行闭环实现自主操作；空-地协同技术则通过空中平台与地面平台的异构多智能体系统，显著提升任务执行效率与空间覆盖能力。中国电信云计算研究院联合中电信无人科技公司提出的雾浓度感知跨模态数据融合方法HDCFN，利用红外模态在结构感知方面的优势，通过自适应融合机制动态增强可见光模态的视觉特征，性能达到国际领先水平。

热点十：数据与AI的安全

面向数据隐私的安全威胁与保护机制方面，云AI服务框架中用户数据长期驻留并流转于云端，使隐私保护成为支撑云服务可信性的关键前提。攻击手段已覆盖数据从存储、传输到使用的完整生命周期：存储中的未授权访问、身份滥用、权限配置错误；传输中的未加密或弱加密通信、传输路径劫持、会话凭证截获；使用中的上下文泄漏攻击、成员推理攻击等。防护路线包括：具有理论保证的防御（安全多方计算、差分隐私、机器遗忘学习）、基于数据最小化暴露的防御（拆分学习、生成数据替代）。

面向AI系统的攻击方法与防御策略方面，对抗样本攻击、越狱攻击和后门攻击成为主要威胁。对抗样本通过词嵌入空间生成人类难以辨别的对抗文本；越狱攻击通过排版和扩散模型将违禁内容转换为图像绕过安全对齐机制；后门攻击针对token化层植入切换token使模型在良性和恶意行为间动态切换。相应防御机制包括对抗攻击先发制人防御、基于激活模式的对抗性输入检测、多轮消除与校准的后门撤销等。AI安全治理聚焦人工智能生成内容的检测问题，以推动AI安全治理体系建设。

六、技术成熟度曲线与未来展望

白皮书基于Gartner技术成熟度曲线分析方法，构建了云计算、云网融合、智能算法三大领域的技术成熟度曲线，为技术投资决策提供参考。

云计算领域，CXL、UB等分离式计算技术处于期望膨胀期，向量数据库、LakeHouse、绿色数据中心等逐渐走向成熟，Serverless Database、Model as a Service、分布式数据库等已进入生产应用期。

云网融合领域，在网计算、光电融合、算力调度处于期望膨胀期，CoFlow调度、网络云原生等经历沉淀低谷，SFC、SD-WAN等已较为成熟。

智能算法领域，AGI/ASI、世界模型、Agentic AI、多智能体系统处于技术萌芽期，AI增强软件工程、数字孪生、AI超级应用处于期望膨胀期，深度学习、聊天机器人、智能故障检测等逐渐成熟，用户行为预测、内容分发优化、服务定价等已进入生产应用期。

面向未来，白皮书提出以下发展建议：

加速AI原生云平台建设，打造智能化、弹性化的服务能力，推动云平台从"资源供给"向"行业即服务、智能即服务、场景即服务"转型。

完善智能运维与安全防护体系，推动多模态异常检测、自动化根因分析、自愈调度等技术落地，建立AI驱动的安全运营体系，实现从"补救式安全"向"内生可信"演进。

推动绿色低碳技术创新，积极布局智能能效管理、碳感知调度、绿色算力等新技术，将碳排放、能效指标纳入资源编排与业务调度决策，构建可对比、可验证的能效与碳排放评价体系。

深化云网融合基础研究，围绕联合建模、高效求解与跨域协同三个方向，形成可解释、可扩展、可验证的调度理论体系，推动智算云网基础设施的标准化与开放性。

构建可控可信的自治智能与治理体系，将可验证性、可解释性、行为预测与安全沙箱等机制前置设计，在技术加速与社会稳态之间建立长期平衡。

这份白皮书不仅系统梳理了2025年云计算领域的技术前沿与产业趋势，更通过"智能泛在云"的研究愿景，为中国电信及整个行业的技术创新与战略转型提供了清晰的路径指引。从分离式数据中心到云网一体化调度，从AI for Cloud到Agentic AI，从6G到低空经济，云计算正以前所未有的深度和广度，重塑数字基础设施的底层逻辑与上层应用，为智能时代的到来奠定坚实的技术基石。

1. 篇幅有限，部分展示

   加入会员，任意下载

   资料下载方式

   Download method of report materials

   关注公众号后回复：YJS260212
   即可领取完整版资料
   
   荐：
   【中国风动漫】《姜子牙》刷屏背后，藏着中国动画100年内幕！
   【中国风动漫】除了《哪吒》，这些良心国产动画也应该被更多人知道！

   【中国风动漫】《雾山五行》大火，却很少人知道它的前身《岁城璃心》一个拿着十米大刀的男主夭折！

   

   如需获取更多报告

   扫码加入

   “人工智能产业链联盟”

   知识星球，任意下载相关报告！

   

   报告部分截图

   

   

   声明

   来源：中国电信，人工智能产业链union（ID:aiyuexingqiu）推荐阅读，不代表人工智能产业链union立场，转载请注明，如涉及作品版权问题，请联系我们删除或做相关处理！

   编辑：Zero

   

   文末福利

   1.赠送800G人工智能资源。

   获取方式：关注本公众号，回复“人工智能”。

   2.「超级公开课NVIDIA专场」免费下载

   获取方式：关注本公众号，回复“公开课”。

   3.免费微信交流群：

   人工智能行业研究报告分享群、

   人工智能知识分享群、

   智能机器人交流论坛、

   人工智能厂家交流群、

   AI产业链服务交流群、

   STEAM创客教育交流群、

   人工智能技术论坛、

   人工智能未来发展论坛、

   AI企业家交流俱乐部

   雄安企业家交流俱乐部

   细分领域交流群：

   【智能家居系统论坛】【智慧城市系统论坛】【智能医疗养老论坛】【自动驾驶产业论坛】【智慧金融交流论坛】【智慧农业交流论坛】【无人飞行器产业论坛】【人工智能大数据论坛】【人工智能※区块链论坛】【人工智能＆物联网论坛】【青少年教育机器人论坛】【人工智能智能制造论坛】【AI/AR/VR/MR畅享畅聊】【机械自动化交流论坛】【工业互联网交流论坛】

   入群方式：关注本公众号，回复“入群”

   

   戳“阅读原文”下载报告。