目录
1. 前言 .......................................................................................4
2. 大模型与AI 终端发展趋势 ..................................................5
大模型产业发展趋势 ..................................................5
技术演进趋势 ...................................................5
市场发展趋势 ...................................................7
AI 终端的发展机遇、问题与挑战 ..............................8
大模型重新定义智能终端 ...............................9
AI 终端面临的问题与挑战 .............................10
端云协同的架构与关键技术 ....................................12
端云协同的架构 .............................................12
端云协同的关键技术 .....................................12
3. 元景大模型架构及能力体系 .............................................15
基础大模型 ................................................................15
MaaS 服务平台 ...........................................................16
大模型内生安全 ........................................................17
4. AI 终端产品及应用场景 ....................................................18
通用型智能终端+AI..................................................19
AI 手机典型应用场景 .....................................19
智能手表典型应用场景 .................................20
AI 摄像头典型应用场景 .................................20
AI 组网终端典型应用场景 .............................21
AI 需要专用定制终端 ................................................22
5. 中国联通AI 终端合作倡议 ................................................23
6. 结束语 .................................................................................25
1. 前言
2023 年以来，全球科技领域迎来了生成式人工智能（AI）
的爆发式增长，特别是以 ChatGPT 为代表的大型语言模型，
凭借其卓越的文本生成、语言理解和逻辑推理能力，正深刻
改变着人机交互的方式与体验。这一变革不仅限于云端服务， 更
在终端侧展现出前所未有的潜力与活力。随着芯片技术的 飞速
进步和模型优化技术的日臻完善，生成式 AI 技术得以高效部
署于各类消费级及行业级终端设备中，推动了智能终 端的全
面升级与生态创新。
中国联通，作为中国领先的通信运营商，始终站在技术
前沿，积极探索人工智能与通信技术的深度融合，推出了自
研的大模型产品--元景大模型，并以元景大模型为基础，推 出
了元景MaaS(Model as a Service 模型即服务)平台。通过“开放
训练算力”、“开放通用大模型”、“开放 MaaS 服务”、“开放
行业专家团队”服务千行百业。
本白皮书分析探讨了大模型及 AI 终端的发展趋势以及
元景大模型 AI 终端应用场景，并据此提出了中国联通 AI 终
端合作倡议，旨在携手终端产业链合作伙伴，构建端云协同
的元景大模型AI 终端产品生态，加速生成式 AI 技术在智能
终端的广泛应用，为用户带来更加智能、便捷、个性化的服 务
体验。
2. 大模型与 AI 终端发展趋势
大模型产业发展趋势
大模型产业正步入快速发展阶段，展现出强劲的增长潜
力与广阔的应用前景。在生成式 AI 技术的推动下，大模型
产业不仅成为智能数字化优先时代的催化剂，还深刻重塑
了数字经济格局。未来，大模型将更加注重生态体系建设，
通过开放包容的态度吸引多方合作，共同构建繁荣的 AI 原
生应用生态。这一生态体系将围绕 AI 大模型为核心支柱，
串联产业链上的合作伙伴，创造新的服务模式，挖掘并实现商
业潜能。同时，随着技术的不断迭代和市场需求的变化，大
模型产业将持续提升自身在高性能计算、模型部署优化、数
据管理、安全保障等方面的能力，以应对日益复杂的市场挑
战。IDC 预测，到 2027 年，全球生成式 AI 市场规模将达到
1,454 亿美元，中国市场也将实现显著增长，年复合增长率
高达 %，显示出大模型产业蓬勃发展的强劲势头。
技术演进趋势
随着人工智能技术的不断进步，AI 大模型技术正呈现出
以下几个重要的发展趋势：
1.云计算与人工智能深度融合：随着云计算技术的不断 成
熟，大模型技术正逐步与云计算深度融合，形成“超级工厂”
式的服务模式。这种模式通过提供算力层、模型层、应用层
的三层架构，实现了技术与业务的深度融合。云计算的强大
算力支持为大模型的训练和推理提供了坚实的基础，使得大
规模、高效率的模型训练成为可能。
2.模型架构与算法持续优化：大模型技术不断在模型架 构
和算法上进行优化。通过引入更先进的神经网络结构、更高
效的训练算法和更精细的调参策略，大模型在特征提取、泛
化能力等方面取得了显著进步。同时，预训练加微调的策略
也已成为大模型开发的标准流程，使得模型能够更快地适应
不同的应用场景和任务需求。
3.强调生态构建与协同发展：大模型技术的演进不仅仅 是
技术层面的突破，更强调生态的构建与协同发展。通过搭建
开放、协同的合作伙伴网络，大模型技术能够更广泛地应用
于各行各业。这种生态模式不仅促进了技术的快速落地应用，
还推动了行业的数字化转型和智能化升级。同时，生态 中的各
方也能够共享资源、共同创新，形成良性循环。
4.强调安全与隐私保护：随着大模型技术在各领域的广泛
应用，安全与隐私保护问题日益凸显。因此，大模型技术 的演
进趋势中，安全与隐私保护成为了不可忽视的重要方面。 通过引
入先进的加密技术、隐私保护算法和严格的数据管理 规范，大
模型技术能够确保用户数据的安全性和隐私性，为 技术的广泛
应用提供坚实保障。
市场发展趋势
为了降低大模型的应用门槛，市场上涌现出越来越多的
标准化、模块化大模型产品。这些产品通过提供API 接口、
SDK 等开发工具，使得更多的企业和开发者能够轻松集成大模
型能力到自己的业务中。针对不同行业、不同场景的需求， 大模
型产品正逐步向垂直化、定制化方向发展。通过结合行 业知识、
用户数据等特定信息，定制化大模型能够提供更加 精准、高效
的解决方案，满足客户的个性化需求。AI 大模型作为当前人工
智能技术的重要成果，其强大的数据处理、模 式识别及预测
能力，正在各行各业中展现出巨大的应用价值。
在金融领域，AI 大模型被广泛应用于风险评估和信贷审
批流程中。通过对海量历史交易数据、用户行为数据、社交
媒体信息等多元数据的深度学习，模型能够精准识别潜在的
风险点，预测借款人的还款能力，从而优化信贷决策过程。
在医疗健康领域，AI 大模型的应用涉及疾病的早期预警、
辅助诊断及治疗方案推荐等场景。通过分析患者的基因数据、
医疗影像资料、生活习惯等多维度信息，模型能够发现疾病
的早期迹象，辅助医生进行精准诊断。尤其在肿瘤、心脑血 管
疾病等复杂疾病的诊断中，AI 辅助显著提高了诊断的准确性和
及时性。
在智能制造领域，AI 大模型被用于构建智能工厂，实现
生产流程的自动化、智能化。通过对生产数据的实时监控与
分析，模型能够预测设备故障、优化生产计划、提高生产效 率。
在教育领域，AI 大模型被用于构建个性化学习平台，为
学生提供定制化的学习资源和辅导方案。通过分析学生的学
习行为、能力水平、兴趣偏好等数据，模型能够推荐适合的
学习内容和路径。
AI 终端的发展机遇、问题与挑战
AI 大模型，作为具有巨大参数量的深度学习模型，其强
大的处理能力和学习能力为智能终端带来了全新的智能化 体
验。这些模型通过学习大量数据，能够在自然语言处理、
计算机视觉、自主驾驶等多个领域实现高精度、高效率的预
测和决策。在 AI 大模型的赋能下，智能终端不再仅仅是执
行简单任务的工具，而是成为了能够理解用户需求、提供个
性化服务的智能伙伴。
AI 终端主要呈现以下特点：
1.高度智能化：智能终端在 AI 大模型的赋能下，能够实
现更加智能化的交互和服务。它们能够理解用户的自然语言
指令、识别用户的情绪和行为习惯，并据此提供个性化的服
务和建议。
2.高效能计算：AI 大模型需要强大的计算能力来支撑其
复杂的预测和决策过程。因此，智能终端在硬件方面也不断
升级和优化，以提供更高的计算性能和更低的功耗表现。
3.多模态交互：AI 大模型支持多模态交互方式，包括语
音、图像、文本等多种形式。智能终端也相应地提供了多种
交互方式供用户选择，以满足不同场景下的使用需求。
大模型重新定义智能终端
随着云、网、边、端配套技术的持续进步与深度融合，
终端侧 AI 领域正迈入一个前所未有的黄金发展时期，展现
出蓬勃的生命力和无限的创新潜力，并开辟了多元化的应用
路径。当前，AI 终端应用的发展趋势可以清晰地划分为两大
主要方向：
一方面，传统通用终端如手机、PC 以及智能家居设备等，
通过深度集成与优化 AI 技术，实现了智能终端向 AI 终端的升
级。这些设备搭载了各类先进的 AI 模型与应用，不仅能够精
准捕捉用户需求，进行个性化服务推荐，还在交互 方式上实
现了质的飞跃，为用户带来前所未有的智能化与个 性化体验。
这一转变不仅提升了用户的工作效率与生活品质， 更推动了整个
智能终端行业的转型升级。
另一方面，随着 AI 技术的不断创新与突破，专为特定
场景设计的智能 AI 终端也应运而生。这些终端紧密围绕用
户的具体需求与场景特点，深度融合 AI 技术，实现了在特
定领域内的深度定制与极致体验。例如，在医疗领域，AI
辅助诊断终端能够精准分析患者数据，提供个性化的治疗方
案；在教育领域，智能教学机器人则根据学生的学习进度与 兴
趣，定制学习路径与互动体验；而实时翻译眼镜等 AI 新兴
终端，正逐步成为促进全球化交流与合作的重要桥梁，为用
户带来跨越国界的无缝沟通体验。这些新兴终端以其独特的
价值主张与卓越的用户体验，正逐步成为推动相关行业快速
发展的关键力量。
AI 终端面临的问题与挑战
当下 AI 终端领域在快速发展的同时，也面临着多方面
的挑战与问题，尤其在端侧算力、性能功耗以及安全隐私等
方面尤为突出。
在芯片算力方面，端侧 AI 的发展受到芯片能力的显著
制约。中低端芯片的算力、内存带宽以及异构计算能力普遍
不足，难以有效支撑 AI 算法的复杂性和数据处理需求。这
使得在终端设备上部署大型 AI 模型变得尤为困难。此外，
端侧模型还需适配不同芯片的推理框架，这进一步增加了
部署的复杂性和成本。因此，芯片能力的提升成为端侧 AI
发展的关键瓶颈之一。为了推动端侧 AI 的广泛应用，需要
不断研发高性能、低功耗的 AI 芯片，并优化芯片与模型的
适配性，以提高整体系统的运行效率和稳定性。
在性能与功耗的平衡上，端侧 AI 同样面临着严峻挑战。
一方面，为了提升模型的准确性和泛化能力，需要增加模型
的参数和复杂度，但这会显著增加资源消耗和功耗。另一方 面，
如果为了降低功耗而减小模型参数，又会导致模型的泛 化能力
大幅下降，影响实际应用效果。因此，如何在保证模 型性能的
同时降低功耗，成为端侧 AI 研究的重要课题。目前，研究
者们正在探索通过优化模型结构、算法设计和硬件 加速等多种
手段来解决这一问题。例如，通过设计轻量级神经网络结构、
利用剪枝、量化等技术降低模型复杂度，以及采用低功耗硬
件加速芯片来降低功耗等。
在安全隐私方面，端侧 AI 同样面临诸多挑战。由于端
侧设备通常直接与用户交互，因此保护用户数据的安全和隐
私至关重要。然而，在数据收集、处理和传输过程中，很容
易发生数据泄露或被恶意利用的风险。为了保障用户隐私，
端侧 AI 需要采取一系列安全措施。例如，在数据收集阶段
采用脱敏技术处理个人敏感信息；在数据传输过程中采用加
密技术保护数据安全；在数据处理和存储过程中加强访问控
制和权限管理，防止未经授权的数据访问和篡改。此外，还
需要建立完善的安全管理机制和应急预案，以应对可能的安
全威胁和突发事件。通过这些措施的实施，可以有效提升端侧
AI 系统的安全性和可靠性，保障用户数据的安全和隐私。
端云协同的架构与关键技术
端云协同的架构
端云协同架构主要由云端的大模型与端侧设备的本地
计算结合而成，通过优化资源配置，从而实现计算任务的
高效分配。其中预训练模型参数储存在云端，等待端侧设备
上传本地参数在云端出构建个性化模型，然后，云端将模型的
输出结果传回给端边设备，从而缓解端侧设备存储和计算的
压力。这一体系不仅提升了实时响应速度和系统鲁棒性，还
确保了可扩展性与个性化服务的提供。
端云协同的关键技术
在端云协同的架构中应用的关键技术主要有大模型微调
关键技术、端侧模型部署关键技术以及软件加速关键技术。
1.大模型微调关键技术
大模型微调关键技术主要包括参数增量微调、指令微调
以及提示词工程等，旨在避免微调模型的所有参数，从而降
低成本和代价。
参数增量微调方法以LoRA 微调方法为主流，该方法冻
结原模型参数，往模型中加入额外的网络层，并只训练这些
新增的网络层参数。由于这些新增参数数量较少，这样不仅
finetune 的成本显著下降，还能获得和全模型参数参与微调
类似的效果。指令微调是在预训练模型上微调的方法，旨在
提高模型在自然语言格式的任务上的泛化能力。该方法对于
未见过的任务也能够展现出较好的泛化能力。提示词工程
（Prompt Engineering），是一种专门针对大模型进行优化的
方法，通过设计和调整输入的提示词 （prompt）来引导这些模
型生成更准确的输出。这种方法具有精准控制、可扩展性、 实用
性强和可交互的特点。
2.端侧部署关键技术
为解决算法模型在端侧直接运行和部署，其关键技术之
一是模型压缩。由于端侧设备的存储空间有限，模型压缩后
方能部署，具体方法主要有量化、剪枝和知识蒸馏。
量化指的是通过压缩网络参数来降低计算量，用整型数
值来替换神经网络中原本用浮点表示的量，然后在后续计算
过程中通过反量化技术将整型数据还原成浮点数据，进而得
到最终的结果。它不仅能减少资源消耗，还能大幅提升计算
效率，对端侧 AI 应用落地有深远的意义。剪枝是通过删除
模型中的冗余参数和结构来降低参数量，从而达到压缩模
型规模和提高推理速度的目的。在训练后推理前进行剪枝称
为静态剪枝，在模型推理阶段通过强化学习的方法进行剪枝
成为动态剪枝。为节约运算资源，静态剪枝方法更适合终端
设备使用。知识蒸馏是指将大模型或模型集合中的信息转换
为训练小模型。在半监督学习中，引入完全监督的教师模型
和
使用无标记数据的学生模型之间的知识转移，学生模型模仿
教师模型，二者相互竞争，使得学生模型可以与教师模型持 平
甚至卓越的表现。
并行技术也是端侧部署的重要技术之一。并行技术分为
数据并行、模型并行和流水线并行等方法。这种技术通过将 大
型、复杂计算任务切割为独立子任务，分配给不同处理单元
并行处理，显著提高计算效率和速度，这在处理能力和存储
空间有限的端侧设备上运行大型算法模型尤为关键。
3.软件加速关键技术
在端云协同架构中，软件加速中的关键技术通过优化云
端与终端设备之间的数据传输和处理，对整体系统的性能和
响应速度起到提升作用。
例如批量调度技术（Batching 调度）是在高性能计算和
深度学习领域广泛应用的加速手段，该技术主要通过批量处
理数据或任务来优化资源利用、提高处理效率和吞吐量，并
减少延迟。
通过批量处理，可以更好地利用 CPU、GPU 等计算资源、
提高处理效率、降低单位成本，将多个小数据包组合成一个
大数据包进行传输的方式可以提高网络传输的效率和吞吐
量从而优化网络传输。
除此之外，在端侧部署中改善模型基础架构也是可以尝
试的方法，例如采用线性的自注意力机制来替代transformer
的自注意力机制，降低算法的时间复杂度，具有明显的效率
优势。
3. 元景大模型架构及能力体系
中国联通积极响应国家“人工智能+”战略，倾力打造了元 景
“1+1+M”大模型体系，即一个基础模型平台、一个 MaaS
（Model as a Service）服务平台，以及多个面向特定行业的
深度定制大模型。这一架构确保了模型的高效研发、灵活部 署
与广泛应用。
图 3-1 元景大模型体系
基础大模型
元景基础大模型是中国联通自主研发的新突破，同参数
性能业界领先，形成特色多模态能力。其中，语言大模型包
含 1B 到 180B 多参数版本。多模态大模型具备声、图、文、
视频 4 模态能力，形成图像局部修改、中文文字生成、多模
交互等特色能力，在 4 个国内外主流榜单上进入前五。元景
基础大模型已通过中央网信办生成式人工智能服务和算法 双
备案，并在工信部中国软件评测中心大模型产品安全测试
获得最高等级A 级。
图 元景基础大模型能力
MaaS 服务平台
元景 MaaS 平台通过模型库提供多种能力、工具集降低
大模型的微调和开发门槛、原生应用商店补齐 AI 落户行业
所需的体系化支撑，从而能够很好的服务客户需求。模型库
方面，元景模型库已经积累了 200 余款大模型，既可以满足
通用场景需求，也能为设计、制造、物流、电力等行业提供 海
量场景化模型服务。工具集方面，元景 MaaS 平台已整合了
100 多款工具，能够覆盖“选模型-改模型-用模型”的完整
业务流程，为用户提供 0 代码、低成本的服务，形成更懂行
业、更易定制、安全可靠 3 大特色，助力企业快速构建行业
大模型、企业大模型及专属应用，该能力已通过中国信息通
信研究院 RAG 和智能体最高评级。原生应用商店方面，元景
MaaS 平台在原生应用商店中提供了一系列产品辅助设计、操
作工序监测、安全生产合规、智能客服、编程助手等原生应用，
能够一站式满足政企用户的各类 AI 二次开发和应用需求，助
力用户在 MaaS 平台上构建更完整的AI 应用体系。
图 3-3 元景 MaaS 平台服务能力
大模型内生安全
AI 大模型技术推动千行百业实现数字化转型，同时也带
来了新的安全问题与挑战。人工智能内生安全指的是人工智
能系统自身和应用运行时存在的脆弱性，包含 AI 基础设施
安全问题、数据安全与隐私问题、模型安全问题以及应用服
务安全风险问题。同时，AI 内生安全问题给 Al 监督与管理
带来了巨大的挑战。
中国联通积极面对新挑战，研究形成了人工智能内生安
全一体化解决方案。牵头联合中国信息通信研究院、国家计
算机网络应急技术处理协调中心、中国软件评测中心、北京
百度网讯科技有限公司、华为技术有限公司、三六零数字安 全
科技集团有限公司、亚信安全科技股份有限公司、超聚变数
字技术有限公司共同发布了《人工智能内生安全白皮书
（2024）》。
元景大模型从全面的安全风险维度出发设计安全评测
数据集，形成模型安全增强方法，已构建并开源的安全评测
数据集覆盖 31 类安全风险，并打造了端到端模型服务安全
工具链。
图 3-4 元景大模型内生安全体系
4. AI 终端产品及应用场景
AI 大模型正引领终端领域经历一场前所未有的变革，它
不仅彻底颠覆了传统终端的交互模式与形态，更催生出了一
系列前所未有的新形态终端，同时赋予了终端更加人性化、
智能化与直观化的交互体验。
随着技术的飞跃，华为、小米、OPPO、vivo、荣耀等终
端产业合作伙伴纷纷推出搭载 AI 技术的智能手机、手表，
智能家庭组网终端、AI 个人电脑、AI PIN、AI 机器人等创
新形态 AI 终端产品，它们以更加灵活多变的形式，进一步
拓宽了AI 技术在日常生活中的应用边界。
本章将根据产品形态进一步分析 AI 终端产品的未来发
展趋势，为联通元景大模型与终端产业合作提供指导。
通用型智能终端+AI
AI 手机典型应用场景
1.智能语音助手：通过深度学习和自然语言处理技术，
AI 手机能够准确理解用户的意图和需求，实现高效的语音交
互。用户可以通过简单的语音指令完成打电话、发送短信、
查询天气、预订机票等多种操作，使手机成为真正的个人智
能助手。
2.个性化推荐：AI 手机根据用户的使用习惯、兴趣爱好
等数据，提供个性化的内容和服务推荐。无论是购物、娱乐
还是工作，都能获得更符合自身需求的信息和建议，从而提 升
生活和工作效率。
3.照片优化：利用 AI 算法对照片进行去噪、增强对比度、
无损放大等优化处理，帮助用户轻松拍摄和编辑出高质量的照
片。
4.实时语言翻译：在通话或聊天过程中，AI 手机能够实
现双向实时语音和文本翻译，打破语言障碍，促进国际交流。
5.智能办公：AI 手机可协助处理文件、收发邮件、制作
报表等办公任务，提供实时的行业资讯和数据分析，帮助用 户
做出更明智的决策。
6.娱乐体验：根据用户的喜好推荐电影、电视剧、综艺
节目、游戏、音乐和图书，让休闲娱乐更加丰富多彩。此外，
AI 技术还能增强游戏体验，如通过智能识别游戏场景来提供不
同层级的震动反馈。
智能手表典型应用场景
1.智能健康监测：能够实时监测心率变化，为用户的健
康状况提供即时反馈；记录步数、运动量、运动轨迹等数据， 帮
助用户了解日常运动情况；通过监测用户的睡眠状态，分析睡
眠质量，提供改善建议。
2.智能教育娱乐：AI 手表内置教育相关的应用或功能，
如 AI 数字人辅导、英文单词记忆等，帮助孩子提高学习能
力；支持下载和安装各类娱乐应用，如游戏、音乐、视频等，
满足用户的休闲娱乐需求。
AI 摄像头典型应用场景
1.智能家居：AI 摄像头可以监控家庭环境并识别用户的
行为，云端大模型则可以根据这些行为生成个性化的对话内
容，为用户提供更贴心的服务。
2.行业应用：AI 摄像头与大模型的结合能够大幅提升客
户服务的质量。零售店中的 AI 摄像头可以实时分析顾客的
行为和情绪，云端大模型则可以根据这些信息生成实时的客
户服务建议或自动回复，提高客户满意度和销售转化率。
3.公共安全：AI 摄像头可以用于监控和识别潜在的安全
威胁，而云端大模型可以根据摄像头捕捉到的信息生成报警
信息或提供实时的安全建议，帮助相关部门更迅速地做出反
应。
AI 组网终端典型应用场景
1.集成式智能中枢：作为“全时在线连接”的家庭智能网
络的“大脑”，通过识别语音指令、接收传感器信号并根据家
庭成员的习惯和偏好智能创造不同家居场景，跨平台兼容不
同品牌的智能设备和应用程序，对各种智能家电实现集中管
理和智能控制。
2.家庭安全管理：在网络安全方面，组网终端可通过 AI
技术可以实时监测网络状态和数据传输情况，发现潜在的安
全威胁并采取相应的防护措施。通过 AI 网络行为分析，组
网终端可学习家庭成员的网络使用习惯，识别异常行为并
采取相应措施。通过使用生物特征识别技术，如面部识别或
指纹识别，来授权访问家庭网络和智能设备。
3.网络优化管理：通过智能分析家庭网络使用模式，使
用 AI 精确预测每个家庭及家庭成员的带宽需求高峰时段，
动态调整服务质量（QoS）和体验质量（QoE），确保每位 用
户进行视频会议、在线游戏还是高清视频流媒体播放时，
都能享受到专属且不受干扰的带宽，实现真正的个性化网络
体验。
4.家庭云储功能：通过家庭云存储系统，实现多设备之
间的文件同步和访问；用户可以根据需要选择合适的协议进
行文件共享和访问。结合 AI 能力，可对云储文件进行 AI 识
别、AI 翻译、AI 生成等。
AI 需要专用定制终端
此类终端主要是由 AI 需要专用定制终端，其中具有代
表性的AI 创新终端有：AI PIN、Rabbit R1、Ray-Ban Meta。
上述三款 AI 创新终端均搭载各自的 AI 大模型能力，具
备语音和视觉等交互功能，模型算力均部署在云端通过网络与
设备进行连接，但在具体形态、唤醒方式上存在差异。AI PIN
主打减少对人体的干扰与介入，可便携佩戴在衬衫或外套上，
通过敲击进行唤醒后支持语音和动作交互，并且支持激光投
影仪实现在手掌投影显示。Rabbit R1 类似手机造型， 但尺寸
仅为传统手机一半，重 115g，搭配一块 英寸触摸显示屏，
通过按键唤醒语音交互，具备 360 度旋转的摄像头可实现基
本的视频通话。 Ray-Ban Meta 是由 Meta 公司推
出的不带屏幕的智能AR 眼镜，不仅可以识文、识物，还可
以语音对话，更适合 7x24 小时佩戴，通过“Hey Meta”进行
语音助手的唤醒。
1. 中国联通 AI 终端合作倡议
中国联通正式发起中国联通元景大模型及 MaaS 平台与
终端产业链伙伴的合作倡议，诚邀广泛合作伙伴加入，范围
涵盖但不限于终端制造商、芯片供应商、AI 技术企业、应用
软件开发商、解决方案提供商、高等学府及研究机构。我们
将积极携手合作伙伴，开展深入研发合作，并持续向业界展示
基于元景大模型的 AI 研发最新成果，携手推动终端产品AI
智能化进程。共同完善端云一体化的 AI 大模型协同架构， 并
携手定义 AI 终端与应用的新标准。通过联合研发 AI 终端产品
与应用解决方案，我们致力于让终端用户亲身体验到由AI 技
术驱动的新变革、新产品与前所未有的智能体验。
中国联通针对终端产业链各类合作伙伴，包括：终端品 牌
商、ODM（Original Design Manufacturer）终端厂商、终端应
用开发商以及终端产业的初创公司提供差异化的 AI 能力及
配套的支撑服务体系。
1. AI 平台能力赋能：开放训练算力服务，基于中国联
通云网优势，以及 1+N+X 架构的智算布局，中国联通可以
提供超过 200 个城市“ 一市一池” 的， 超过 10EFLOPS
（Floating-point Operations Per Second：每秒 100 亿亿次浮点
运算）的算力服务能力。开放中国联通元景大模型从 1B 到
180B 多参数，支持语言、图片、视频、多模态的自研通用大
模型能力，合作伙伴可通过SDK/API 的方式，满足 AI 终端
多场景的应用需求。
2. AI 产品孵化赋能：中国联通 MaaS 平台提供超 100 项
AI 大模型应用工具，覆盖大模型的选->改->用全流程开发， 协
助合作伙伴快速构建私有大模型，灵活选择和部署适合的 终
端应用大模型。同时中国联通已成立 18 个行业军团，积累了
超过 1000 名数字化转型与AI 领域专家，可以按需提供专业的
解决方案与实施技术服务，保障项目的落地应用。
3. 营销资源赋能：中国联通可通过遍布全国的营业厅、
客户服务热线“10010”、网上营业厅、短信、手机营业厅、 自助
服务终端、官方微博、微信客服等形式为合作伙伴提供丰富
的营销资源与客服服务能力。
4. 央企品牌赋能：中国联通作为“数字信息运营服务
国家队，数字技术融合创新排头兵”打造国家首席、政府首
选、人民首信的品牌形象，提供可信赖的算网一体化运营服
务，打通经济社会发展的信息“大动脉”，构筑数字经济新底
座。合作伙伴可以通过“联通智造”、“联通智选”等合作 方式，
共享品牌价值，通过打造共享生态圈，促进产业链合作共赢。
