人工智能通识教程 / 高等院校人工智能通识课程系列教材
定价：￥49.80
作者： 王宜怀，芦碧波
出版时间：2025-06
最新印次日期：2025-6
出版社：中国铁道出版社
- 中国铁道出版社
- 9787113322564
- 1-1
- 559813
- 16开
- 2025-06
- 各专业
- 本科
内容简介
本书围绕高等院校人工智能通识教育展开，系统阐述以计算机算法为核心的人工智能知识。书中内容涵盖人类智能与人工智能概述、物理基础、基本原理等，介绍常用 AI 工具、大小模型，结合通用及嵌入式人工智能实例，探讨人工智能伦理与未来发展，为读者搭建起全面的人工智能知识框架。本书具有鲜明特点：定位 “知其然了解其所以然”，注重原理理解与实践结合；在内容组织上，平衡共性与个性、理论与实践，融入作者科研成果；配套丰富电子资源，含视频、源代码、课件等，便于学习实践。本书旨在帮助读者掌握人工智能基础知识，将人工智能作为新型学习工具，适合作为普通高等院校人工智能通识课程的教材或参考书，也可作为对人工智能感兴趣的教育工作者、技术爱好者的参考书。
目录
第 1 章 人类智能与人工智能概述 … 1
1.1 人工智能正向我们走来 …………… 2
1.2 从人类智能看人工智能 …………… 3
1.2.1 人类智能 ……………………… 3
1.2.2 人工智能 ……………………… 4
1.3 人工智能的由来 …………………… 4
1.3.1 电子计算机的出现 …………… 4
1.3.2 达特茅斯会议 ………………… 5
1.4 人工智能的发展历程 ……………… 6
1.4.1 人工智能发展过程的标志性节点 …………………………… 6
1.4.2 人工智能发展简史 …………… 6
1.4.3 DeepSeek 给出的关于人工智能发展史的回答 ………………… 7
1.5人工智能的多样性 ………………… 8
小 结 …………………………………… 9
习 题 …………………………………… 9
第 2 章 人类智能与人工智能的物理基础…………………………… 10
2.1 人类智能的物理基础 ……………… 11
2.1.1 人脑的基本结构 ……………… 11
2.1.2 神经元与神经网络 …………… 12
2.1.3 人脑思考的机理启发人工神经网络 …………………………… 12
2.2 人工智能的物理基础 ……………… 13
2.2.1 电子计算机出现的历史背景 … 13
2.2.2 电子计算机与传统工具的区别 …………………………… 14
2.2.3 软件的重要性 ………………… 15
2.2.4程序为何会自动运行 ………… 16
2.3 由 0 和 1 构成的世界 ……………… 18
2.3.1 信息的简明史 ………………… 18
2.3.2 由 0 和 1 构成的现代信息基础 …………………………… 19
2.3.3 由 0 和 1 构成的世界如何“思考” ……………………… 19
2.4 计算机语言举例：Python ………… 20
2.4.1 Python 开发环境安装与配置 … 20
2.4.2 运行 Python 第一个实例……… 24
2.4.3 认识 Python 语言中的对象…… 29
2.4.4 Python 窗体工程框架及常用控件实例 ……………………… 34
小 结 …………………………………… 43
习 题 …………………………………… 43
第 3 章 人工智能基本原理 ………… 44
3.1 人工神经网络 ……………………… 45
3.1.1生物神经网络与计算机模拟 … 45
3.1.2BP 神经网络…………………… 46
3.1.3深度神经网络 ………………… 48
3.1.4 人工智能流派 ………………… 49
3.2 卷积神经网络 ……………………… 50
3.2.1 图像的矩阵表示 ……………… 50
3.2.2 卷积运算 ……………………… 51
3.2.3 卷积神经网络特点 …………… 52
3.2.4 卷积神经网络基本结构 ……… 53
3.2.5 常见卷积神经网络 …………… 56
3.3 其他典型图像处理神经网络 ……… 58
3.3.1 物体检测神经网络 …………… 58
3.3.2 图像分割神经网络 …………… 59
3.3.3 生成对抗网络 ………………… 59
3.4 算法评估 …………………………… 60
3.4.1 可视化评估 …………………… 60
3.4.2 算法评价客观指标 …………… 60
小 结 …………………………………… 61
习 题 …………………………………… 61
第 4 章 常用 AI 工具 ………………… 63
4.1 文本类工具 ………………………… 64
4.1.1 自然语言处理 ………………… 64
4.1.2 自然语言处理技术 …………… 68
4.1.3 文本分析与挖掘 ……………… 72
4.1.4 文本生成 ……………………… 75
4.2 人机交互工具 ……………………… 77
4.2.1 人机交互框架 ………………… 78
4.2.2 对话管理 ……………………… 79
4.2.3 对话式 AI ……………………… 81
4.3 识别类工具 ………………………… 82
4.3.1 OCR 识别工具 ………………… 83
4.3.2 生物特征识别 ………………… 85
4.3.3 语音识别与合成 ……………… 87
4.4 辅助学习类工具 …………………… 89
4.4.1 智能辅导与答疑 ……………… 89
4.4.2 个性化学习路径推荐 ………… 90
4.4.3 教学管理与评价 ……………… 90
4.4.4 AI 教育工具 …………………… 90
4.5 案例实践 …………………………… 91
4.5.1 智能语音助手——导航语音交互 …………………………… 91
4.5.2 机器翻译工具——有道翻译 … 91
小 结 …………………………………… 92
习 题 …………………………………… 92
第 5 章 常用大模型 ………………… 95
5.1 大模型概况 ………………………… 96
5.1.1 大模型的定义 ………………… 96
5.1.2 大模型的发展历程 …………… 96
5.1.3 大模型的分类 ………………… 99
5.1.4 大模型的特征 ……………… 100
5.2 大模型数据与存储 ……………… 104
5.2.1 数据集构建 ………………… 105
5.2.2 数据的处理 ………………… 105
5.2.3数据质量与多样性 ………… 106
5.2.4数据存储 …………………… 107
5.3 大模型的架构 …………………… 108
5.3.1 主流大模型的架构演化 …… 108
5.3.2 Transformer 架构 …………… 110
5.3.3 编码器结构——BERT 家族… 116
5.3.4 解码器结构——GPT 家族 … 117
5.3.5 DeepSeek 大模型 …………… 118
5.4 大模型提示工程 ………………… 119
5.4.1 提示工程简介 ……………… 119
5.4.2 零样本提示 ………………… 119
5.4.3 少样本提示 ………………… 119
5.4.4 链式思考提示 ……………… 120
5.4.5 提示词 ……………………… 120
5.5 大模型训练与部署 ……………… 121
5.5.1 大模型训练 ………………… 121
5.5.2 训练的基本步骤 …………… 123
5.5.3 大模型训练方法 …………… 126
5.5.4 大模型部署 ………………… 127
5.6 大模型的应用 …………………… 131
5.6.1 智能客服与对话系统 ……… 131
5.6.2 生成式 AI …………………… 132
5.6.3 跨语言与跨文化传播 ……… 133
5.7 案例实践 ………………………… 134
5.7.1 生成文本 …………………… 134
5.7.2 生成摘要 …………………… 134
5.7.3生成图片 …………………… 134
5.7.4生成视频 …………………… 135
小 结 ………………………………… 136
习 题 ………………………………… 136
第 6 章 常用小模型 ……………… 138
6.1 小模型概述 ……………………… 139
6.1.1 小模型的定义与特点 ……… 139
6.1.2 小模型的发展历程 ………… 140
6.1.3 小模型的分类 ……………… 141
6.1.4 小模型和大模型的区别 …… 142
6.1.5 小模型与边缘计算的结合 … 143
6.1.6 小模型与端侧模型 ………… 144
6.2 小模型的架构 …………………… 145
6.2.1 主流小模型的架构演化 …… 145
6.2.2 MobileNet …………………… 146
6.2.3 MobileBERT………………… 146
6.2.4 Baby LLama ………………… 147
6.3 模型压缩技术 …………………… 148
6.3.1 模型量化 …………………… 148
6.3.2 模型剪枝 …………………… 149
6.3.3 知识蒸馏 …………………… 150
6.3.4 低秩分解 …………………… 151
6.4 小模型训练与部署 ……………… 151
6.4.1小模型训练 ………………… 151
6.4.2小模型部署 ………………… 151
6.5 面向小模型的芯片 ……………… 152
6.5.1 专用 AI 芯片介绍 ………… 152
6.5.2 芯片与软件协同设计 ……… 153
6.5.3 芯片选型与优化 …………… 153
6.6 小模型的应用 …………………… 154
6.6.1 物联网与智能家居 ………… 154
6.6.2 移动应用与可穿戴设备 …… 155
6.6.3 边缘计算 …………………… 156
6.6.4 低资源环境下的 AI 应用 … 156
小 结 ………………………………… 157
习 题 ………………………………… 157
第 7 章 通用人工智能实例 ……… 159
7.1 通用人工智能概述 ……………… 160
7.1.1通用人工智能的定义 ……… 160
7.1.2通用人工智能的目标 ……… 162
7.1.3 通用人工智能的评价标准 … 163
7.2 通用人工智能关键技术路径 …… 165
7.2.1 感知和认知模型 …………… 165
7.2.2 学习与自适应能力 ………… 166
7.2.3 跨领域知识整合与应用 …… 166
7.2.4 情感与社交智能 …………… 166
7.3 通用人工智能应用开发挑战 …… 167
7.3.1 理解人类智能的挑战 ……… 167
7.3.2 自主学习的挑战 …………… 168
7.3.3 资源需求的挑战 …………… 169
7.3.4 安全性和可靠性 …………… 169
7.4 通用人工智能应用举例 ………… 170
7.4.1 教育领域应用举例 ………… 170
7.4.2 医疗领域应用举例 ………… 172
7.4.3 工业领域应用举例 ………… 172
7.4.4 娱乐与游戏领域应用举例 … 174
小 结 ………………………………… 175
习 题 ………………………………… 175
第 8 章 嵌入式人工智能实例 …… 176
8.1 为什么需要嵌入式人工智能 …… 177
8.1.1 工业智能化的需求 ………… 177
8.1.2 工业智能化的本质 ………… 178
8.2 生产智能化的技术基础 ………… 178
8.2.1 传感器 ……………………… 179
8.2.2 嵌入式系统 ………………… 179
8.2.3 通信技术 …………………… 179
8.2.4 人工智能算法 ……………… 179
8.3 嵌入式人工智能应用开发方法 … 180
8.3.1 通用嵌入式计算机 ………… 180
8.3.2 构件 ………………………… 180
8.3.3采样与训练 ………………… 181
8.3.4嵌入式终端的推理 ………… 182
8.4 物体认知系统 EORS 概述 ……… 182
8.4.1 物体认知系统 EORS 的概念 ………………………… 183
8.4.2 物体认知系统 EORS 的目标 ………………………… 183
8.5 在 PC 上运行 EORS 训练软件 … 183
8.5.1 物体认知功能的实现流程 … 184
8.5.2 物体认知系统 EORS 训练软件的下载与安装 ………… 185
8.5.3 EORS 训练软件的操作步骤 ………………………… 186
8.5.4 基于 EORS 训练软件进行物体认知的实例 …………… 191
8.6 EORS 的视频演示 ……………… 193
8.6.1 了解 EORS 硬件系统 ……… 193
8.6.2 EORS 的视频演示 ………… 193
小 结 ………………………………… 194
习 题 ………………………………… 194
第 9 章 人工智能伦理 …………… 195
9.1 人工智能伦理概述 ……………… 196
9.1.1 人工智能伦理的定义 ……… 196
9.1.2 人工智能伦理的重要性 …… 197
9.1.3 人工智能伦理的基本原则 … 199
9.2 人工智能伦理分类 ……………… 199
9.2.1 数据伦理 …………………… 200
9.2.2 算法伦理 …………………… 201
9.2.3 应用伦理 …………………… 202
9.2.4 社会伦理 …………………… 203
9.3 人工智能伦理治理体系 ………… 204
9.3.1 法律法规与政策 …………… 204
9.3.2 伦理审查与监管 …………… 206
9.3.3 社会责任 …………………… 207
9.3.4公众参与和教育 …………… 208
9.4人工智能伦理案例分析 ………… 209
9.4.1 数据隐私泄露事件 ………… 209
9.4.2 AI 换脸技术案例分析 ……… 211
9.4.3 AI 造假案例分析 …………… 213
9.4.4 算法歧视案例分析 ………… 214
9.4.5 无人驾驶汽车事故案例
分析 ………………………… 216
小 结 ………………………………… 218
习 题 ………………………………… 218
第 10 章 人工智能未来发展展望 … 219
10.1 人工智能何去何从？——从初级阶段到形态分化 ……………… 219
10.1.1 人工智能发展概述………… 220
10.1.2 人工智能处于初级阶段…… 221
10.1.3 高度融合的机器人系统…… 225
10.1.4 非机器人形态的人工智能… 230
10.2 大模型的未来展望 …………… 238
10.2.1 技术突破与架构创新：从规模竞赛到效率革命 ………… 238
10.2.2 应用生态的扩展与重构：从通用基座到垂直深耕 ……… 241
10.2.3 社会影响与全球治理：从技术霸权到生态共建 ………… 242
10.3 小模型的未来展望 …………… 244
10.3.1 模型压缩技术：从“瘦身”到“强健” …………………… 244
10.3.2 架构创新：重新定义“小”的可能性 …………………… 246
10.3.3 数据效率革命：少数据，多智能 …………………… 248
小 结 ………………………………… 249
习 题 ………………………………… 249
参考文献……………………………… 251
1.1 人工智能正向我们走来 …………… 2
1.2 从人类智能看人工智能 …………… 3
1.2.1 人类智能 ……………………… 3
1.2.2 人工智能 ……………………… 4
1.3 人工智能的由来 …………………… 4
1.3.1 电子计算机的出现 …………… 4
1.3.2 达特茅斯会议 ………………… 5
1.4 人工智能的发展历程 ……………… 6
1.4.1 人工智能发展过程的标志性节点 …………………………… 6
1.4.2 人工智能发展简史 …………… 6
1.4.3 DeepSeek 给出的关于人工智能发展史的回答 ………………… 7
1.5人工智能的多样性 ………………… 8
小 结 …………………………………… 9
习 题 …………………………………… 9
第 2 章 人类智能与人工智能的物理基础…………………………… 10
2.1 人类智能的物理基础 ……………… 11
2.1.1 人脑的基本结构 ……………… 11
2.1.2 神经元与神经网络 …………… 12
2.1.3 人脑思考的机理启发人工神经网络 …………………………… 12
2.2 人工智能的物理基础 ……………… 13
2.2.1 电子计算机出现的历史背景 … 13
2.2.2 电子计算机与传统工具的区别 …………………………… 14
2.2.3 软件的重要性 ………………… 15
2.2.4程序为何会自动运行 ………… 16
2.3 由 0 和 1 构成的世界 ……………… 18
2.3.1 信息的简明史 ………………… 18
2.3.2 由 0 和 1 构成的现代信息基础 …………………………… 19
2.3.3 由 0 和 1 构成的世界如何“思考” ……………………… 19
2.4 计算机语言举例：Python ………… 20
2.4.1 Python 开发环境安装与配置 … 20
2.4.2 运行 Python 第一个实例……… 24
2.4.3 认识 Python 语言中的对象…… 29
2.4.4 Python 窗体工程框架及常用控件实例 ……………………… 34
小 结 …………………………………… 43
习 题 …………………………………… 43
第 3 章 人工智能基本原理 ………… 44
3.1 人工神经网络 ……………………… 45
3.1.1生物神经网络与计算机模拟 … 45
3.1.2BP 神经网络…………………… 46
3.1.3深度神经网络 ………………… 48
3.1.4 人工智能流派 ………………… 49
3.2 卷积神经网络 ……………………… 50
3.2.1 图像的矩阵表示 ……………… 50
3.2.2 卷积运算 ……………………… 51
3.2.3 卷积神经网络特点 …………… 52
3.2.4 卷积神经网络基本结构 ……… 53
3.2.5 常见卷积神经网络 …………… 56
3.3 其他典型图像处理神经网络 ……… 58
3.3.1 物体检测神经网络 …………… 58
3.3.2 图像分割神经网络 …………… 59
3.3.3 生成对抗网络 ………………… 59
3.4 算法评估 …………………………… 60
3.4.1 可视化评估 …………………… 60
3.4.2 算法评价客观指标 …………… 60
小 结 …………………………………… 61
习 题 …………………………………… 61
第 4 章 常用 AI 工具 ………………… 63
4.1 文本类工具 ………………………… 64
4.1.1 自然语言处理 ………………… 64
4.1.2 自然语言处理技术 …………… 68
4.1.3 文本分析与挖掘 ……………… 72
4.1.4 文本生成 ……………………… 75
4.2 人机交互工具 ……………………… 77
4.2.1 人机交互框架 ………………… 78
4.2.2 对话管理 ……………………… 79
4.2.3 对话式 AI ……………………… 81
4.3 识别类工具 ………………………… 82
4.3.1 OCR 识别工具 ………………… 83
4.3.2 生物特征识别 ………………… 85
4.3.3 语音识别与合成 ……………… 87
4.4 辅助学习类工具 …………………… 89
4.4.1 智能辅导与答疑 ……………… 89
4.4.2 个性化学习路径推荐 ………… 90
4.4.3 教学管理与评价 ……………… 90
4.4.4 AI 教育工具 …………………… 90
4.5 案例实践 …………………………… 91
4.5.1 智能语音助手——导航语音交互 …………………………… 91
4.5.2 机器翻译工具——有道翻译 … 91
小 结 …………………………………… 92
习 题 …………………………………… 92
第 5 章 常用大模型 ………………… 95
5.1 大模型概况 ………………………… 96
5.1.1 大模型的定义 ………………… 96
5.1.2 大模型的发展历程 …………… 96
5.1.3 大模型的分类 ………………… 99
5.1.4 大模型的特征 ……………… 100
5.2 大模型数据与存储 ……………… 104
5.2.1 数据集构建 ………………… 105
5.2.2 数据的处理 ………………… 105
5.2.3数据质量与多样性 ………… 106
5.2.4数据存储 …………………… 107
5.3 大模型的架构 …………………… 108
5.3.1 主流大模型的架构演化 …… 108
5.3.2 Transformer 架构 …………… 110
5.3.3 编码器结构——BERT 家族… 116
5.3.4 解码器结构——GPT 家族 … 117
5.3.5 DeepSeek 大模型 …………… 118
5.4 大模型提示工程 ………………… 119
5.4.1 提示工程简介 ……………… 119
5.4.2 零样本提示 ………………… 119
5.4.3 少样本提示 ………………… 119
5.4.4 链式思考提示 ……………… 120
5.4.5 提示词 ……………………… 120
5.5 大模型训练与部署 ……………… 121
5.5.1 大模型训练 ………………… 121
5.5.2 训练的基本步骤 …………… 123
5.5.3 大模型训练方法 …………… 126
5.5.4 大模型部署 ………………… 127
5.6 大模型的应用 …………………… 131
5.6.1 智能客服与对话系统 ……… 131
5.6.2 生成式 AI …………………… 132
5.6.3 跨语言与跨文化传播 ……… 133
5.7 案例实践 ………………………… 134
5.7.1 生成文本 …………………… 134
5.7.2 生成摘要 …………………… 134
5.7.3生成图片 …………………… 134
5.7.4生成视频 …………………… 135
小 结 ………………………………… 136
习 题 ………………………………… 136
第 6 章 常用小模型 ……………… 138
6.1 小模型概述 ……………………… 139
6.1.1 小模型的定义与特点 ……… 139
6.1.2 小模型的发展历程 ………… 140
6.1.3 小模型的分类 ……………… 141
6.1.4 小模型和大模型的区别 …… 142
6.1.5 小模型与边缘计算的结合 … 143
6.1.6 小模型与端侧模型 ………… 144
6.2 小模型的架构 …………………… 145
6.2.1 主流小模型的架构演化 …… 145
6.2.2 MobileNet …………………… 146
6.2.3 MobileBERT………………… 146
6.2.4 Baby LLama ………………… 147
6.3 模型压缩技术 …………………… 148
6.3.1 模型量化 …………………… 148
6.3.2 模型剪枝 …………………… 149
6.3.3 知识蒸馏 …………………… 150
6.3.4 低秩分解 …………………… 151
6.4 小模型训练与部署 ……………… 151
6.4.1小模型训练 ………………… 151
6.4.2小模型部署 ………………… 151
6.5 面向小模型的芯片 ……………… 152
6.5.1 专用 AI 芯片介绍 ………… 152
6.5.2 芯片与软件协同设计 ……… 153
6.5.3 芯片选型与优化 …………… 153
6.6 小模型的应用 …………………… 154
6.6.1 物联网与智能家居 ………… 154
6.6.2 移动应用与可穿戴设备 …… 155
6.6.3 边缘计算 …………………… 156
6.6.4 低资源环境下的 AI 应用 … 156
小 结 ………………………………… 157
习 题 ………………………………… 157
第 7 章 通用人工智能实例 ……… 159
7.1 通用人工智能概述 ……………… 160
7.1.1通用人工智能的定义 ……… 160
7.1.2通用人工智能的目标 ……… 162
7.1.3 通用人工智能的评价标准 … 163
7.2 通用人工智能关键技术路径 …… 165
7.2.1 感知和认知模型 …………… 165
7.2.2 学习与自适应能力 ………… 166
7.2.3 跨领域知识整合与应用 …… 166
7.2.4 情感与社交智能 …………… 166
7.3 通用人工智能应用开发挑战 …… 167
7.3.1 理解人类智能的挑战 ……… 167
7.3.2 自主学习的挑战 …………… 168
7.3.3 资源需求的挑战 …………… 169
7.3.4 安全性和可靠性 …………… 169
7.4 通用人工智能应用举例 ………… 170
7.4.1 教育领域应用举例 ………… 170
7.4.2 医疗领域应用举例 ………… 172
7.4.3 工业领域应用举例 ………… 172
7.4.4 娱乐与游戏领域应用举例 … 174
小 结 ………………………………… 175
习 题 ………………………………… 175
第 8 章 嵌入式人工智能实例 …… 176
8.1 为什么需要嵌入式人工智能 …… 177
8.1.1 工业智能化的需求 ………… 177
8.1.2 工业智能化的本质 ………… 178
8.2 生产智能化的技术基础 ………… 178
8.2.1 传感器 ……………………… 179
8.2.2 嵌入式系统 ………………… 179
8.2.3 通信技术 …………………… 179
8.2.4 人工智能算法 ……………… 179
8.3 嵌入式人工智能应用开发方法 … 180
8.3.1 通用嵌入式计算机 ………… 180
8.3.2 构件 ………………………… 180
8.3.3采样与训练 ………………… 181
8.3.4嵌入式终端的推理 ………… 182
8.4 物体认知系统 EORS 概述 ……… 182
8.4.1 物体认知系统 EORS 的概念 ………………………… 183
8.4.2 物体认知系统 EORS 的目标 ………………………… 183
8.5 在 PC 上运行 EORS 训练软件 … 183
8.5.1 物体认知功能的实现流程 … 184
8.5.2 物体认知系统 EORS 训练软件的下载与安装 ………… 185
8.5.3 EORS 训练软件的操作步骤 ………………………… 186
8.5.4 基于 EORS 训练软件进行物体认知的实例 …………… 191
8.6 EORS 的视频演示 ……………… 193
8.6.1 了解 EORS 硬件系统 ……… 193
8.6.2 EORS 的视频演示 ………… 193
小 结 ………………………………… 194
习 题 ………………………………… 194
第 9 章 人工智能伦理 …………… 195
9.1 人工智能伦理概述 ……………… 196
9.1.1 人工智能伦理的定义 ……… 196
9.1.2 人工智能伦理的重要性 …… 197
9.1.3 人工智能伦理的基本原则 … 199
9.2 人工智能伦理分类 ……………… 199
9.2.1 数据伦理 …………………… 200
9.2.2 算法伦理 …………………… 201
9.2.3 应用伦理 …………………… 202
9.2.4 社会伦理 …………………… 203
9.3 人工智能伦理治理体系 ………… 204
9.3.1 法律法规与政策 …………… 204
9.3.2 伦理审查与监管 …………… 206
9.3.3 社会责任 …………………… 207
9.3.4公众参与和教育 …………… 208
9.4人工智能伦理案例分析 ………… 209
9.4.1 数据隐私泄露事件 ………… 209
9.4.2 AI 换脸技术案例分析 ……… 211
9.4.3 AI 造假案例分析 …………… 213
9.4.4 算法歧视案例分析 ………… 214
9.4.5 无人驾驶汽车事故案例
分析 ………………………… 216
小 结 ………………………………… 218
习 题 ………………………………… 218
第 10 章 人工智能未来发展展望 … 219
10.1 人工智能何去何从？——从初级阶段到形态分化 ……………… 219
10.1.1 人工智能发展概述………… 220
10.1.2 人工智能处于初级阶段…… 221
10.1.3 高度融合的机器人系统…… 225
10.1.4 非机器人形态的人工智能… 230
10.2 大模型的未来展望 …………… 238
10.2.1 技术突破与架构创新：从规模竞赛到效率革命 ………… 238
10.2.2 应用生态的扩展与重构：从通用基座到垂直深耕 ……… 241
10.2.3 社会影响与全球治理：从技术霸权到生态共建 ………… 242
10.3 小模型的未来展望 …………… 244
10.3.1 模型压缩技术：从“瘦身”到“强健” …………………… 244
10.3.2 架构创新：重新定义“小”的可能性 …………………… 246
10.3.3 数据效率革命：少数据，多智能 …………………… 248
小 结 ………………………………… 249
习 题 ………………………………… 249
参考文献……………………………… 251
