人工智能（AI）算法的快速发展推动了对计算和存储资源的不懈需求。云服务器的弹性部署为AI算法提供了一个灵活且可扩展的基础设施，满足其不断变化的资源需求。
云服务器弹性部署的优势
云服务器的弹性部署具有以下优势：
- 按需扩展：根据AI算法的工作负载需求弹性扩展或缩减计算能力。
- 自动伸缩：通过自动伸缩机制，在算法负载波动时自动调整资源，避免资源浪费和性能瓶颈。
- 成本优化：仅为所需的资源付费，避免了购买固定容量服务器的成本开销。
- 高可用性：云服务器提供冗余
百度智能云AI技术加身，自动驾驶量变到质变倍道兼行
当前，自动驾驶技术的发展可谓日新月异，不过离最高级别还相去甚远。
2022年，自动驾驶行业在喜忧参半中前行，一方面，众多自动驾驶公司估值缩水、裁员倒闭，高级别自动驾驶技术商业化落地尚需时日；另一方面，国内自动驾驶利好政策密集出台，首次实现立法突破，自动驾驶测试区不断增加。
据IDC《中国汽车云市场跟踪研究，22H2》报告显示，2022下半年，中国汽车云解决方案市场规模共计17.62亿人民币。
其中，中国自动驾驶研发解决方案市场规模达4.95亿人民币，同比增长100.2%。
网络智能云以35.9%的市场份额排名第一，同比实现162.0%的超高速增长，在国内汽车云市场中处于龙头地位。
在自动驾驶预冷之际，网络智能云为什么能够在竞争激烈的智能云市场取得如此骄人业绩？在自动驾驶赛道，网络智能云有怎样的布局和哪些合作模式？如何利用优越的闭环能力提升自动驾驶领域客户的核心竞争力？
图 | 网络智能云泛科技行业总经理张玮接受焉知专访
带着这些问题，记者在焉知第三届焉知年会线下专场会——网络智能云自动驾驶领域区域“智能行”系列活动（华东站）期间专访了网络智能云泛科技行业总经理张玮。
他表示，网络智能云布局由来已久，之所以能够得到广大客户的高度认可，皆源于以合作模式、极致优化、全面数据服务，以及“AI大底座”技术，持续满足客户的差异化需求，为客户创造价值。
智能云市场网络何以一骑绝尘？
不言而喻，智能汽车是未来汽车发展的方向，自动驾驶技术已成为智能汽车研发的关键，汽车云市场竞争的关键领域之一正是自动驾驶。
2023年，作为一种集成多种AI技术的综合模型，“AI+大模型”在自动驾驶中呈现出广阔应用前景，成为整个智能汽车行业关注的焦点。
网络智能云之所以在中国自动驾驶研发解决方案市场领袖群伦，张玮道出了个中缘由：“首先得益于网络智能云的领先架构。
作为大模型与自动驾驶并重的头部科技公司，网络智能云基于‘云智一体’优势，正持续发力自动驾驶应用。
”
他说，从2019年提出“云智一体”概念至今，网络智能云“云智一体”架构已迭代至3.0版本。
通过切入行业核心场景，打造行业标杆应用，带动和沉淀了AI PaaS和AI IaaS层的能力，打造出极致性价比的异构算力和高效AI开发运行能力，其向上可优化已有应用、孵化新应用，向下可以改造数字底座。
“‘云智一体’战略让我们较早地在芯片、框架、模型和应用各层进行了布局和协同，成为全球唯一一家在各层都有领先产品的公司，”张玮说。
如果要给网络智能云找两个关键词，其一是“聚焦”，网络智能云依托“云智一体”的领先优势，聚焦自动驾驶研发过程，利用核心技术做最核心的事；其二是“完整”，网络智能云提供了从业务侧到资源侧的完整解决方案，包括端到端数据闭环、贯穿研发流程的工具链、为工具链提效的大模型，以及为全流程提供强大算力支持的“AI大底座”，能够满足从L2到L4的研发需求，加速自动驾驶业务落地。
整体布局满足客户差异化需求
谈到网络智能云在自动驾驶领域的布局，张玮表示，网络智能云依靠多年来在云计算、大数据、人工智能的深耕，赋能自动驾驶多个垂直赛道，客户涵盖乘用车造车新势力、商用车干线物流类、Tier1/2汽车零部件厂商、L4/L5无人自动驾驶小车，以及耕耘自动驾驶算法、解决方案的科技公司。
在解决方案层面，网络智能云提供自动驾驶云边协同、安全合规、量产车流量调度等解决方案，相关智能座舱解决方案、大数据解决方案都在场景打磨过程中。
相比其他友商，网络智能云的产品与解决方案更为全面，无论是最佳实践，还是产品功能等都有丰富的最佳实践、落地场景，全面覆盖智驾、智舱、智图、智云四个领域。
灵活多样的合作模式也是网络智能云的一大特色，“合作既可以是双方共建式的战略合作，也可以是项目的合作，当然，我们也非常欢迎客户成为我们的生态合作伙伴，联合打磨解决方案和产品，”张玮表示。
在满足不同客户的差异化需求方面，网络智能云提供了丰富的产品和服务，包括基础云底座的IaaS和PaaS服务，还有上层应用级别的通用应用产品和行业应用产品，不同的客户可以各取所需。
在张玮看来，车企选择云服务合作伙伴的关键考量主要包括：一是技术实力和服务能力，比如能否提供先进的产品技术和解决方案，能否提供安全可靠的数据存储和计算服务，以及能否提供高效专业的客户服务；二是合作伙伴的支持和协同能力，包括是否有完善的合作机制和支持体系，是否能够协同创新和开拓市场；三是能否提供定制化解决方案，满足车企的差异化需求。
为了提供更好的服务，网络智能云从四个方面入手打造，一是加强技术研发和服务能力建设，不断提升产品技术和解决方案的先进性和服务质量；二是建立完善的合作机制和支持体系，为合作伙伴提供全方位的支持和服务；三是与合作伙伴一起积极进行市场推广和业务创新；四是注重定制化解决方案的开发，为客户量身定制。
极致优化为客户创造价值
构建自动驾驶端到端的模型生产和上线迭代的闭环能力，是自动驾驶领域客户加速技术研发和商用落地的核心竞争力之一。
在这方面，网络智能云通过网络百舸方案对自动驾驶常用模型进行了优化与加速，尤其是通过百舸方案的AIAK训练加速能力。
截止目前，在CV、NLP、推荐场景中，基于百舸AIAK-Training2.0能力，针对自动驾驶典型模型，如resNET、bert、swin-transformer等，网络智能云携手英伟达，通过数据加载优化、模型计算优化、多卡通信优化等手段，实现了17个模型训练多达39%-390%的性能提升。
“这项模型训练优化工作还在不断扩展和进行中。
所以，网络百舸尤其模型训练加速能力，能为客户带来非常大的价值，”张玮信心满满。
他介绍说，网络智能云的AI IaaS，也就是网络百舸是一个AI异构计算平台，包含AI计算、AI存储、AI加速、AI容器四大核心套件，具有高性能、高弹性、高速互联、高性价比等特性。
该平台充分汲取了网络异构计算平台多年的技术积累，深度融合无人驾驶场景的实践经验，能够为AI场景提供软硬一体解决方案，加速AI研发和工程化落地。
全面数据服务助客户降本增效
那么，在自动驾驶的数据采集、数据传输、数据存储、数据处理/标注、数据训练/仿真/测试等各个阶段，网络智能云是否都可以提供相应的服务呢？张玮给出了肯定的答案。
据他介绍，网络智能云可以提供自动驾驶领域全部的工具链能力，完整覆盖数据采集、传输、存储、数据处理与标注，以及训练/仿真/测试等自动驾驶业务环节。
例如，在车辆数采环节，网络智能云有专业的数采服务，具备满足安全合规要求的甲级测绘资质。
数据采集完成后，使用网络智能云移动存储设备月光宝盒及适配车机的硬盘，可满足用户对数据传输的时效性和安全性要求。
随着采集数据量的不断增长，数据存储、扩展及成本控制已成为企业的重点考量，为此，网络智能云提供具备海量存储、AI数据处理等能力的对象存储产品。
在自动驾驶工具链的数据标注方面，网络智能云能够输出基于安全合规的数据标注解决方案。
在自动驾驶训练环节，基于百舸AI异构计算平台，通过其AI计算层面的RDMA网络能力、AI存储层面的高速数据读取能力、AI容器层面的虚拟化与隔离能力，以及AI加速层面的训练推理加速能力，不仅可以大幅降低通信延时，提升训练与推理效率，还能在很大程度上帮助企业降低成本。
网络智能云可以为企业客户提供基于海量场景精准度量的云仿真平台，帮助客户实现降本增效。
张玮坦承，自动驾驶数据，尤其是车采数据，量级非常庞大，随着存储规模的不断增大，存储成本也会成为一个棘手的问题。
这种场景很适用网络智能云对象存储产品，因为它不仅具备分级存储能力，可以帮客户控制存储成本，同时轻松实现海量数据扩容，又具备原生的若干AI数据处理能力。
PFS产品是专门针对高性能计算场景的并行文件存储服务，可以提供亚毫秒级访问能力、高IOPS及高吞吐的数据读写请求能力，非常适合AI训练场景，特别是自动驾驶训练数据集存储场景。
利用存储分类，不仅能够精细化满足场景需求，也能提升业务和训练效率，帮助客户降低存储成本。
在数据标注环节，人工标注耗时费力，且标准不一。
通常，云厂商都试图通过工程方法尽量减少人工标注，以提高标注效率。
两种方法一是通过机器自动化标注，然后人工修正部分数据；二是通过仿真模拟生成大量标注好的数据。
“这两种方式，在网络智能云内部都在使用。
对于全新业务场景或经验积累较少的特定业务场景，优先以人工标注为主，以不断积累经验。
之后再不断将能力完善到自动化标注工具中，所以目前已知的众多自动驾驶数据标注场景中，都在使用我们的自动化标注工具。
”张玮说。
最后是路采车产生的海量数据的传输。
张玮指出，通常企业会面临图商资质、采集备案、规范路采、脱敏脱密等业务痛点。
“网络智能云有专业的数据采集服务，不仅有采集车队，还有专业的车辆改装技术团队，可进行深度定制，满足客户的多样化需求。
”张玮补充说：“在具体数据传输中，都是按照安全合规要求进行；对于路采车是以加密硬盘形式离线运送数据，硬盘运送途中有2名具备安全资质的人员互相监督，从而保证数据与操作合规。
”
“AI大底座”加速自动驾驶研发迭代
自动驾驶领域是一个强人工智能CV视觉的新兴高科技领域，大模型训练的支撑不可或缺，网络智能云是如何让大模型发挥作用的呢？
张玮告诉记者，网络智能云多年来一直在AI领域对相关技术能力进行深度研究与打磨，比如，以自动驾驶模型为重点的训练与仿真环节，利用网络多年沉淀的“AI大底座”技术栈，通过异构计算平台的GPU算力，在大幅提升性能的同时提高了利用率，有效解决了目前大模型的“算力恐慌”瓶颈；同时网络智能云还与英伟达合作，对一些特定算法模型进行定向优化，形成AIAK异构计算平台训练加速组件，目前这些能力都是免费提供给客户使用。
谈到网络智能云“AI大底座”异构计算平台的最佳实践，张玮分享道，某头部乘用车造车新势力的套整自动驾驶技术栈都部署在网络智能云上，使用“AI大底座”中的CCE云原生产品，在使用AIAK优化加速组件以及GPU资源共享调度下，资源利用率提升了2.5倍以上，在其自动驾驶业务研发方面发挥了重要作用。
另一个案例是国内一家头部汽车芯片公司，几年前该公司开始使用网络智能云设计的一套混合云架构，目前大部分核心训练任务都在网络智能云上完成。
在“AI大底座”技术栈的赋能下，高效支持了该公司训练等相关任务，加速了产品研发迭代、芯片上车和SOP量产速度。
大模型虽好，但必须用数据来驱动。
数据量不足，就会影响自动驾驶感知大模型的训练效果。
凭借多年自动驾驶行业实践，特别是来自大量Apollo量产车在北京、上海、广州、武汉、重庆的道路数采自动驾驶数据，基于网络文心大模型的全流程数据训练，保障了其模型的精准性。
“我们还将相关能力打磨成了产品和解决方案，可以为有数据采集、标注、训练需求的客户提供全套数据闭环解决方案，”张玮补充道。
结束语
“云智一体，深入产业”是网络智能云的战略，基于“AI大底座”和文心大模型，以及行业领先的全套自动驾驶工具链，网络智能云先后帮助传统车企、新势力、商用车和解决方案供应商等行业用户实现了自动驾驶业务落地。
张玮最后表示，AI技术赋能网络智能云正在加速自动驾驶由量变到质变的进程。
未来，网络智能云将持续深耕包括“数据闭环-自动驾驶工具链-大模型-AI大底座”在内的自动驾驶研发解决方案，帮助汽车行业实现智能化升级。
什么是云计算？？
云计算即分布计算，简单来说就是有许多许多的计算资源，千万台服务器集合而成的系统，可以把一个庞大的计算量由云端拆成无数个晓得程序，发给不同的服务器同时进行计算，最后整合出结果进行反馈。
云计算的用途：
1、搭建网站、应用需要云服务器；
2、互联网+医疗，互联网+旅游等等借助它能开源节流；
3、万物互联离不开它；
4、大数据依托它可以帮助企业更好的成长
互联网行业目前还是最热门的行业之一，学习IT技能之后足够优秀是有机会进入腾讯、阿里、网易等互联网大厂高薪就业的，发展前景非常好，普通人也可以学习。
想要系统学习，你可以考察对比一下开设有相关专业的热门学校，好的学校拥有根据当下企业需求自主研发课程的能力，建议实地考察对比一下。
祝你学有所成，望采纳
北大青鸟学生课堂实录
达摩院发布 2022 十大科技趋势：AI for Science 催生科研新范式
据介绍，《达摩院 2022 十大 科技 趋势》采用了“定量发散，定性收敛”的分析方法，整个分析流程分为两部分：
达摩院分析了 159 个领域近三年 770 万篇公开论文、8.5 万份专利，挖掘其中热点领域及重点技术突破，深度访谈近 100 位科学家，提出了 2022 年可能照进现实的十大 科技 趋势，覆盖人工智能、芯片、计算和通信等领域。
具体而言，这十大 科技 趋势分别是：AI for Science、大小模型协同进化、硅光芯片、绿色能源 AI、柔性感知机器人、高精度医疗导航、全域隐私计算、星地计算、云网端融合、XR 互联网。
达摩院认为，计算机科学改变科研的路径是从下游逐渐走向上游。
起初计算机主要用来做实验数据的分析与归纳。
后来科学计算改变了科学实验的方式，人工智能结合高性能计算，在实验成本与难度较高的领域开始用计算机进行实验的模拟，验证科学家的假设，加速科研成果的产出，如核能实验的数字反应堆，能够降低实验成本、提高安全性、减少核废料产生。
近年，人工智能被证明能做科学规律发现，不仅在应用科学领域，也能在基础科学领域发挥作用，如 DeepMind 使用人工智能来帮助证明或提出新的数学定理，辅助数学家形成对复杂数学的直觉。
达摩院预测， 在未来的三年内，人工智能技术在应用科学中将得到普遍应用，在部分基础科学中开始成为研究工具。
阿里达摩院城市大脑实验室负责人华先胜在接受 InfoQ 采访时表示，用 AI 去助力科研主要基于数据和计算这两点，在数据和算力的基础上形成 AI 能力。
“从本质上来讲，AI for Science 和 AI for Industry 差别不大，AI 也是作为推动领域发展的一个工具。
只是这个领域有点不一样，它的门槛比较高，因为是科学家要做的事情，不是一个普通人、一般的技术工作人员可以做的事情。
但是从本质上来讲，也是这个领域因为有了数据，可以设计算法去挖掘数据中的’玄机’，去解决这个领域的问题。
”
对于从业者而言，AI for Science 需要 AI 专家要去了解科学问题，需要科学家要去了解 AI 的原理。
“AI for Industry 的时候，其实是从单点的技术逐渐地走向了平台化，AI for Science 的未来，我想也会逐步地走向平台化。
这个时候就是 AI 专家结合某个领域、某个学科，甚至是某个学科的某一类问题和科学家们一起去建造一个科研的平台。
这个时候科学家们可能有更大的自由度、更强大的工具，能够更批量地去做科学研究，实现更加丰富、更加重要的科学突破。
”华先胜说道。
谷歌的 BERT、Open AI 的 GPT-3、智源的悟道、 达摩院的 M6 等大规模预训练模型取得了重要进展，大模型的性能有了飞跃性提升，为下游的 AI 模型提供了发展的基础。
然而大模型训练对资源消耗过大，参数数量增加所带来的性能提升与消耗提升不成比例，让大模型的效率受到挑战。
阿里达摩院智能计算实验室科学家杨红霞在接受 InfoQ 采访时表示，预训练大模型还有亟待突破的几个课题：
达摩院认为，大模型的参数规模发展将进入冷静期，大模型与相关联的小模型协同将是未来的发展方向。
大模型沉淀的知识与认知推理能力向小模型输出，小模型基于大模型的基础叠加垂直场景的感知、认知、决策、执行能力，再将执行与学习的结果反馈给大模型，让大模型的知识与能力持续进化，形成一套有机循环的智能系统，参与者越多，受惠者越多，模型进化的速度也越快。
“大小模型的协同进化也可以更好的服务于更加复杂的新场景，例如虚拟现实、数字人，需要云边端的同时部署与交互，同时该体系对于保护用户数据隐私也更加的灵活，用户可以在不同的端上维护自己的小模型。
”杨红霞向 InfoQ 说道。
清华大学计算机系教授，北京智源人工智能研究院学术副院长唐杰表示，大模型的发展，在认知智能方面，模型参数不排除进一步增加的可能，但参数竞赛本身不是目的，而是要探究进一步性能提升的可能性。
大模型研究同时注重架构原始创新，通过模型持续学习、增加记忆机制、突破三元组知识表示方法等方法进一步提升万亿级模型的认知智能能力。
在模型本身方面，多模态、多语言、面向编程的新型模型也将成为研究的重点。
达摩院预测， 在未来的三年内，在个别领域将以大规模预训练模型为基础，对协同进化的智能系统进行试点 探索 。
在未来的五年内，协同进化的智能系统将成为体系标准，让全 社会 能够容易地获取并贡献智能系统的能力，往通用人工智能再迈进一大步。
电子芯片发展逼近摩尔定律极限，集成技术进步趋于饱和，高性能计算对数据吞吐要求不断增长，亟需技术突破。
光子芯片不同于电子芯片，技术上另辟蹊径，用光子代替电子进行信息传输，可以承载更多的信息和传输更远的距离。
光子彼此间的干扰少、提供相较于电子芯片高两个数量级的计算密度与低两个数量级的能耗。
相较于量子芯片，光子芯片不需要改变二进制的架构，能够延续当前的计算机体系。
光子芯片需要与成熟的电子芯片技术融合，运用电子芯片先进的制造工艺及模块化技术，结合光子和电子优势的硅光技术将是未来的主流形态。
北京大学教授，上海光机所特聘首席研究员周治平表示，达摩院选择“硅光芯片”作为 2022 年 10 大 科技 趋势之一，印证了该技术在信息通信领域的巨大应用价值。
硅光芯片的进一步扩展是硅基光电子芯片：利用集成电路的设计方法和制造工艺，将微纳米量级的光子、电子、及光电子器件异质集成在同一硅衬底上，形成一个完整的具有综合功能的新型大规模光电集成芯片。
它更加显著地反映了人类 社会 在纳米技术方面的持续努力以及对更小型器件和更紧凑系统的极大兴趣。
达摩院预测，光电融合是未来芯片的发展趋势，硅光子和硅电子芯片取长补短，充分发挥二者优势，促使算力的持续提升。
未来三年，硅光芯片将支撑大型数据中心的高速信息传输；未来五到十年，以硅光芯片为基础的光计算将逐步取代电子芯片的部分计算场景。
绿色能源的大规模开发和利用已经成为当今世界能源发展的主要方向。
在高比例绿色能源并网的趋势下，传统电力系统难以应对绿色能源在大风、暴雨、雷电等天气下发电功率的不确定性，以及复杂故障及时响应的应对能力。
在运行监测过程中，参数核验和故障监测仍需要大量的人工参与，故障特征提取困难，识别难度大。
针对大规模绿色能源并网在稳定、运行和规划上面临的各种挑战，以人工智能为主的新一代信息技术将对能源系统整体的高效稳定运行提供技术保障和有力支撑。
人工智能与能源电力的深度融合，将推动大规模新能源发电、并网、输送、消纳和安全运行，完成对能源系统的升级改造。
中国电科院首席系统架构师周二专认为，新型电力系统要实现智能调控、运行推演将离不开 AI 技术，在 AI 技术的支撑下构建多个物理电网和 IT 应用程序交互的数字孪生体，每个数字孪生体解决某一个场景或某一个方面的电网运行问题。
这样，当有足够的孪生体构成电网调控数字孪生系统来解决电网运行问题的各个方面，即可实现智能调控。
达摩院预测， 在未来的三年内，人工智能技术将帮助电力系统实现大规模绿能消纳，能源供给在时间和空间维度上能够互联互济，网源协调发展，弹性调度，实现电力系统的安全、高效、稳定运行。
机器人是技术的集大成者，在过去硬件、网络、人工智能、云计算的融合发展下，技术成熟度有了飞跃式地进展，机器人朝向多任务、自适应、协同化的路线发展。
柔性机器人是重要的突破代表，具有柔软灵活、可编程、可伸缩等特征，结合柔性电子、力感知与控制等技术，可适应多种工作环境，并在不同任务中进行调节。
近年柔性机器人结合人工智能技术，使得机器人具备感知能力，提升了通用性与自主性，降低对预编程的依赖。
柔性感知机器人增加了对环境的感知能力(包含力、视觉、声音等)，对任务的迁移能力增强，不再像传统机器人需要穷举可能性，并且可执行依赖感知的任务(如医疗手术)，拓展机器人的适用场景。
另一个优势是在任务中的自适应能力，面向突发变化能够及时反应，准确地完成任务并避免问题发生。
达摩院预测， 未来五年内，柔性机器人将充分结合深度学习带来的智能感知能力，能面向广泛场景，逐步替代传统工业机器人，成为产线上的主力设备。
同时在服务机器人领域实现商业化，在场景、体验、成本方面具备优势，开始规模化应用。
传统医疗依赖医生经验，犹如人工寻路，效果参差不齐。
人工智能与精准医疗深度融合，专家经验和新的辅助诊断技术有机结合，将成为临床医学的高精度导航系统，为医生提供自动指引，帮助医疗决策更快更准，实现重大疾病的可量化、可计算、可预测、可防治。
预计未来三年，以人为中心的精准医疗将成为主要方向，人工智能将全面渗透在疾病预防和诊疗的各个环节，成为疾病预防和诊疗的高精度导航协同。
而随着因果推理的进一步发展，可解释性有望实现突破，人工智能将为疾病的预防和早诊早治提供有力的技术支撑。
数据安全保护与数据流通是数字时代的两难问题，破解之道是隐私计算。
过去受制于性能瓶颈、技术信任不足、标准不统一等问题，隐私计算尚只能在少量数据的场景下应用。
随着专用芯片、加密算法、白盒化、数据信托等技术融合发展，隐私计算有望跨越到海量数据保护，数据源将扩展到全域，激发数字时代的新生产力。
浙江大学教授，浙江大学网络空间安全学院院长任奎表示，隐私计算不是某个单项技术，而是大一统的称呼，包括最早 1982 年提出的安全多方计算，到后来的同态加密、可信计算、差分隐私等等。
但隐私计算早前并不具备太大的实用价值，像全同态加密理论上很好，但性能开销过大，实际使用很困难。
现在随着硬件加速和软件创新，我们逐渐看到实用化的趋势，当然这还有个过程。
达摩院预测， 未来三年，全域隐私计算技术将在性能和可解释性上有新的突破，或将出现数据信托机构提供基于隐私计算的数据共享服务。
基于地面网络和计算的数字化服务局限在人口密集区域，深空、海洋、 沙漠等无人区尚是服务的空白地带。
高低轨卫星通信和地面移动通信将无缝连接，形成空天地海一体化立体网络。
由于算随网动，星地计算将集成卫星系统、空中网络、地面通信和云计算，成为一种新兴的计算架构，扩展数字化服务的空间。
阿里达摩院 XG 实验室负责人张铭认为，星地计算要真正能够实现成功商用和规模化发展，仍涉及到不少核心技术的突破。
以低轨卫星终端为例，一是要以场景需求和商用价值为导向，二是需要从技术突破和解决工程问题等角度出发，设计高性能、低成本、适应场景多的商用产品。
例如在关键技术方面，如何设计新型毫米波相控阵天线，以及相应的波束赋形控制算法，以低成本方式满足性能指标要求；如何设计新型星地通信协议，满足卫星互联网多用户、移动性、复杂动态业务需求；此外，在终端集成和优化方面，还存在很多工程问题需要突破和解决，从而满足海陆空不同场景下多方位需求。
达摩院预测， 未来三年，低轨卫星数量会迎来爆发式增长，与高轨卫星共同组成卫星互联网。
在未来五年，卫星互联网与地面网络将无缝结合形成天地一体的泛在互联网，卫星及其地面系统成为新型计算节点，在各类数字化场景中发挥作用。
新型网络技术发展将推动云计算走向云网端融合的新计算体系，并实现云网端的专业分工：云将作为脑，负责集中计算与全局数据处理；网络作为连接，将多种网络形态通过云融合，形成低延时、广覆盖的一张网；端作为交互界面，呈现多元形态，可提供轻薄、长效、沉浸式的极致体验。
云网端融合将促进高精度工业仿真、实时工业质检、虚实融合空间等新型应用诞生。
达摩院预测， 在未来两年内，将有大量的应用场景在云网端融合的体系运行，伴随着更多依云而生的新型设备，带来更极致、更丰富地用户体验。
随着端云协同计算、网络通信、数字孪生等技术发展，以沉浸式体验为核心的 XR（未来虚实融合）互联网将迎爆发期。
眼镜有望成为新的人机交互界面，推动形成有别于平面互联网的 XR 互联网，催生从元器件、设备、操作系统到应用的新产业生态。
XR 互联网将重塑数字应用形态，变革 娱乐 、社交、工作、购物、教育、医疗等场景交互方式。
达摩院预测， 未来三年内会产生新一代的 XR 眼镜， 融合 AR 与 VR 的技术，利用端云协同计算、光学、 透视等技术将使得外形与重量接近于普通眼镜，XR 眼镜成为互联网的关键入口，得到大范围普及。
