01
盤古開天： 自帶算力的大模型
任正非
我們即將進(jìn)入第四次工業(yè)革命時(shí)代，其規(guī)模之大不可想象
第一次工業(yè)革命：蒸汽機(jī)時(shí)代；
第二次工業(yè)革命：電氣化時(shí)代；
第三次工業(yè)革命：信息化時(shí)代；
第四次工業(yè)革命，是AI帶給人類的顛覆性革命�？扇斯ぶ悄馨殡S我們70多年，為什么今天才進(jìn)入AI革命紀(jì)呢？
因?yàn)锳I大模型的出現(xiàn)，特別是生成式AI得到驗(yàn)證后，通用性問題被解決：
人類和AI，將攜手創(chuàng)造一個(gè)全新世界。
所以，誰擁有優(yōu)秀的AI大模型，誰可能就是第四次工業(yè)革命的“奇點(diǎn)”，誰就是未來世界的“母體”。
這也是華為為什么一定要推出“盤古大模型”的原因，因?yàn)榇竽Ｐ蜎Q定你在AI世界的地位。
鴻蒙初辟，盤古開天。當(dāng)然，AI大模型僅僅自己優(yōu)秀還不夠，還需要算力支撐。就像再好的內(nèi)燃機(jī)，也需要石油，而算力就是AI大模型的石油。
所以，任正非又補(bǔ)充了一句：
基礎(chǔ)就是大算力
孟晚舟也在華為全聯(lián)接大會(huì)2023上說：
持續(xù)打造算力底座。
誰擁有最強(qiáng)算力，誰就可能贏得AI時(shí)代。
華為擁有鯤鵬和昇騰根技術(shù)，扎根原子世界打造算力底座，讓來源于物理世界的算力不再卡AI數(shù)字世界的瓶頸。
現(xiàn)在看來，華為初步解決了AI的兩大痛點(diǎn)。
一是算力；二是大模型。算力是大模型的基石，而大模型是場景的基石。
但要在AI時(shí)代占據(jù)至高點(diǎn)，最大的困境其實(shí)是第三點(diǎn)：場景。
第四次工業(yè)革命的戰(zhàn)場在于大模型，
而大模型未來在于“場景”。
02
大模型背后的“痛點(diǎn)”：場景
ChatGPT出現(xiàn)之初，全世界為之驚艷。
一石激起千層浪，人類精英為AI的質(zhì)變擊節(jié)贊嘆。
一時(shí)間之間，“AI大模型改變?nèi)祟愂澜?/STRONG>”、“AIGC帶來新盧德運(yùn)動(dòng)”、“60%的精英將被AI替代”這樣的言論沖擊著世界的每一個(gè)角落。
是的，生成式AI確實(shí)正在改變世界。
但是這些讓人拍案叫絕的產(chǎn)品，真的在商業(yè)上能形成閉環(huán)嗎？你喜歡它，但是你會(huì)持續(xù)用它嗎？你會(huì)為它付費(fèi)嗎？
想一想，作為一個(gè)普通用戶，三個(gè)月前想方設(shè)法交錢的你，是不是很長時(shí)間沒有給ChatGPT付費(fèi)了？
《Analytics India Magazine》指出
OpenAI 運(yùn)行 AI 服務(wù)每天就要花掉70 萬美元。盡管 Altman 一直努力推動(dòng) GPT轉(zhuǎn)為收益，但 OpenAI 仍遠(yuǎn)未能達(dá)到收支平衡。
所以說，縱使強(qiáng)大如ChatGPT，也是如履薄冰。
百模大戰(zhàn)真不是夸張，而且個(gè)個(gè)都是市場上頂尖的選手。
AI從業(yè)者都清楚，大模型最后的決戰(zhàn)在tob垂直行業(yè)模型，核心點(diǎn)在于服務(wù)“場景”本身。
誰能將AI跟傳統(tǒng)的互聯(lián)網(wǎng)、數(shù)字化產(chǎn)業(yè)結(jié)合起來，誰有可能成為最后的王者。
03
盤古一氣化三清：
不做詩，只做事
華為云的盤古大模型，現(xiàn)在走的正是“場景”這一條路。
如果說ChatGPT熱衷“做詩”，那盤古大模型熱愛“做事”。
而且是“解難題”“做難事”，也就是要幫助行業(yè)落地場景實(shí)戰(zhàn)。
創(chuàng)造AI“應(yīng)用場景”，這就是華為云盤古大模型干的事。
大模型賽道“看熱鬧”的時(shí)期過去了，市場正在對大模型的實(shí)用提出要求。
與C端市場的集體狂歡相比，開發(fā)者更關(guān)心大模型如何在B端行業(yè)落地。僅僅只會(huì)“Chat”（聊天）是不夠的，還要滿足各種“應(yīng)用場景“。
那盤古大模型是如何創(chuàng)造AI“應(yīng)用場景”的呢？看看盤古大模型的“一氣化三清”：
“
這是一個(gè)具有「5+N+X」三層架構(gòu)，就是從 AI 能力的基礎(chǔ)層，到行業(yè)的第二層，再到應(yīng)用層面向場景的各個(gè)接口，也就是說，它的入口就是“場景”。
”
L0 層包括 NLP、視覺、多模態(tài)、預(yù)測、科學(xué)計(jì)算五個(gè)基礎(chǔ)模型，提供滿足行業(yè)場景中的多種技能需求。盤古 3.0 提供了 100 億、380 億、710 億和 1000 億參數(shù)等基礎(chǔ)大模型，以匹配不同場景。
L1 層是多個(gè)行業(yè)大模型，華為云既可以提供使用行業(yè)公開數(shù)據(jù)訓(xùn)練的行業(yè)通用大模型，包括政務(wù)，金融，制造，礦山，氣象等大模型；也可以基于行業(yè)客戶的自有數(shù)據(jù)，在盤古大模型的 L0 和 L1 層上，為客戶訓(xùn)練自有的專用大模型。
L2 層提供了更多細(xì)化場景的模型，更專注于政務(wù)熱線、網(wǎng)點(diǎn)助手、先導(dǎo)藥物篩選、傳送帶異物檢測、臺(tái)風(fēng)路徑預(yù)測等具體行業(yè)應(yīng)用或特定業(yè)務(wù)場景，為客戶提供「開箱即用」的模型服務(wù)。
04
開天易，創(chuàng)世難
宇宙大爆炸容易，3分鐘之內(nèi)完成。
但生命世界的形成和演化，并不容易。
經(jīng)歷了幾百億年，才有了地球上豐富多彩的生態(tài)。
人工智能創(chuàng)世，也要演繹萬千世界。
每個(gè)場景，又完全不同。
盤古大模型分為更多行業(yè)方向，解決人類世界的難題：
礦山、藥物分子、電力、氣象、海浪、鐵路、政務(wù)、金融、制造等垂直行業(yè)大模型。
這一個(gè)個(gè)的場景，最難解決。
舉個(gè)例子，要想打造一輛超越人類老司機(jī)駕駛的頂級汽車的AI汽車行業(yè)大模型，有多難？
汽車漫長產(chǎn)業(yè)鏈每一個(gè)環(huán)節(jié)、零件都要根據(jù)智能自動(dòng)駕駛重塑，根據(jù)需求重新打磨。硬件層面包含車輛硬件、視覺和雷達(dá)等多傳感器選型、傳感器布局安裝等；
軟件層面包含數(shù)據(jù)清洗、數(shù)據(jù)標(biāo)注、感知算法、定位算法、決策規(guī)劃和執(zhí)行控制等；
每一個(gè)環(huán)節(jié)客戶都要收集需求信息，覆蓋設(shè)計(jì)、生產(chǎn)、營銷、研發(fā)......
而這只是完成了第一步生態(tài)搭建。
假設(shè)AI汽車已經(jīng)熟練通過通常路況，那特殊交通情況呢？雨天、霧天、前方突發(fā)事故、指示牌變形......所謂corner case；
這些特殊情況單獨(dú)都是小概率，加在一起構(gòu)成大概率事件，這就是長尾效應(yīng)。
基于華為云汽車大模型的自動(dòng)駕駛場景數(shù)據(jù)解決方案有這些優(yōu)點(diǎn)：
1
數(shù)據(jù)質(zhì)量更加魯棒，支持位姿偏移自動(dòng)修正，實(shí)現(xiàn)多旅程重建、并進(jìn)一步仿真和生成新行駛軌跡數(shù)據(jù)；
2
重建精度高，開闊大場景精度厘米級，誤差小于千分之三，從而實(shí)現(xiàn)大視角變換，支持不同車型適配和車道變換；
3
重建場景可按需編輯，支持通過環(huán)拍數(shù)據(jù)進(jìn)行3D物體重建、并將重建的交通參與者添加到原場景中。
最終突破大場景、高幾何精度、多相機(jī)融合、前背景光照和諧化等技術(shù)難題，實(shí)現(xiàn)可控Corner case場景生成。
一個(gè)汽車領(lǐng)域，就要耗費(fèi)盤古如此多的心力和算力。
開天易，創(chuàng)世難。
當(dāng)然不僅僅只是汽車，盤古大模型的目標(biāo)是要重塑千行萬業(yè)。
05
汗流為雨澤：政務(wù)大模型
盤古政務(wù)大模型基于多模態(tài)大模型的能力，通過千億級參數(shù)的NLP大模型對百萬級別的政府政策、公文進(jìn)行精調(diào)，讓它了解城市的事項(xiàng)標(biāo)準(zhǔn)和政策法規(guī)。
通過與CV大模型進(jìn)行多模態(tài)融合訓(xùn)練，除了實(shí)現(xiàn)對文本輸入理解，還可以對城市視頻、圖像進(jìn)行動(dòng)態(tài)解析。
深圳市福田區(qū)政數(shù)局基于盤古大模型，上線了為市民提供政務(wù)服務(wù)的智慧助手小福。
對超過20萬條政務(wù)數(shù)據(jù)進(jìn)行精調(diào)，包括12345熱線、政策文件、政務(wù)百科等，掌握了豐富的行政法規(guī)、辦事流程等政務(wù)知識(shí)，解決了政務(wù)熱線在問題拆解、多重意圖理解、政務(wù)政策關(guān)聯(lián)等方面的難題，讓小福成為既有溫度又極專業(yè)的政務(wù)服務(wù)助手。
現(xiàn)在盤古政務(wù)大模型又開始攻克城市治理的難題。城市治理是一項(xiàng)復(fù)雜的系統(tǒng)工程，需協(xié)同超過40個(gè)業(yè)務(wù)部門，應(yīng)對4000多個(gè)開放場景并關(guān)聯(lián)上萬條政務(wù)法規(guī)條例。
例如，在臺(tái)風(fēng)等自然災(zāi)害過后，城市各種設(shè)施可能會(huì)受到損壞，如綠化樹倒塌、道路積水等幾百個(gè)場景，需協(xié)同十幾個(gè)部門進(jìn)行分撥處置，需耗時(shí)幾天甚至更長時(shí)間。
點(diǎn)擊展開
點(diǎn)擊展開
因此，實(shí)現(xiàn)城市事件萬物感知、智能分撥是一項(xiàng)極具挑戰(zhàn)性的任務(wù)。
盤古大模型對這些城市事件能做出準(zhǔn)確理解，當(dāng)工作人員確認(rèn)處理后，盤古能夠?qū)⑦@些開放事件按照優(yōu)先級，準(zhǔn)確分撥至園林綠化、環(huán)衛(wèi)等部門處置，讓城市事件秒級發(fā)現(xiàn)，分鐘級分撥，讓城市管理者擁有高效的政務(wù)智慧助手
06
血液為江河：鐵路大模型
在鐵路領(lǐng)域，我國鐵路營業(yè)里程15.5萬公里，鐵路貨車超過100萬輛，貨車運(yùn)行的安全性引起高度的重視，TFDS（Trouble of moving Freight car Detection System，貨車運(yùn)行故障動(dòng)態(tài)圖像檢測系統(tǒng)）是被廣泛應(yīng)用的一個(gè)檢測系統(tǒng)。
受制于技術(shù)發(fā)展，TFDS當(dāng)前仍采用人工方式進(jìn)行故障識(shí)別，尚未完全開展智能識(shí)別工作。人力勞動(dòng)強(qiáng)度大，人力成本高。
例如，貨運(yùn)列車通常編組為60-100輛，每套TFDS有5個(gè)拍攝點(diǎn)位，每輛車/每節(jié)車廂拍攝約80張圖片。以平均每列車50輛車廂計(jì)算，每列車的拍攝圖片約為4000張，要求檢測人員10分鐘左右看完。其中故障/疑似故障圖片約177張，實(shí)際有故障的約20-30張，包括掉漆，劃痕等極小故障。
通過大模型技術(shù)，原來人工需要識(shí)別4000張圖片，現(xiàn)在僅需要復(fù)檢170多張圖片，工人勞動(dòng)強(qiáng)度下降95.75%，極大提升了檢測效率，同時(shí)提升了故障識(shí)別率，提高了列車安全性。
在實(shí)際應(yīng)用中，能精準(zhǔn)識(shí)別67種貨車430+種各類故障，重大異常故障100%識(shí)別，綜合故障識(shí)別率達(dá)99.8%，超過客戶預(yù)期。
07
筋脈為地理：礦山大模型
煤礦生產(chǎn)是一項(xiàng)復(fù)雜、危險(xiǎn)性較高的工作，當(dāng)前在300米井下仍需大量人員現(xiàn)場作業(yè)，因此通過AI來實(shí)現(xiàn)“少人無人”的安全高效作業(yè)是煤礦智能化追求的重要目標(biāo)
然而，AI在煤礦行業(yè)落地存在著場景需求多、礦山間復(fù)制難、場景落地難、AI人才不足等挑戰(zhàn)。
華為云盤古礦山大模型只需導(dǎo)入海量無標(biāo)注的礦山場景數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練，即可進(jìn)行無監(jiān)督自主學(xué)習(xí)，僅一個(gè)大模型就能覆蓋煤礦的采、掘、機(jī)、運(yùn)、通、洗選等業(yè)務(wù)流程下的1000多個(gè)細(xì)分場景，讓AI應(yīng)用在煤礦普及更容易。
面向洗選場景，在視覺大模型的基礎(chǔ)上，山東能源集團(tuán)引入了盤古預(yù)測大模型，通過對不同煤層、不同季節(jié)、不同灰分的原煤煤質(zhì)數(shù)據(jù)和工藝參數(shù)智能分析，智能選擇一系列專業(yè)小模型進(jìn)行層次堆疊，基于自研的圖網(wǎng)絡(luò)融合技術(shù)對多個(gè)專業(yè)小模型高效融合、動(dòng)態(tài)調(diào)優(yōu)，精準(zhǔn)預(yù)測精煤產(chǎn)品的灰分值，從而實(shí)現(xiàn)重介選煤分選密度的精準(zhǔn)控制與實(shí)時(shí)調(diào)整。
新的方案讓煤礦能洗選出更多的精煤，山能濟(jì)寧二號煤礦每年多產(chǎn)出8000噸精煤。這個(gè)能力推廣到全國，可讓每個(gè)煤礦每年平均多產(chǎn)出2000噸精煤，精煤產(chǎn)率提升千分之二，增收2000萬。
08
發(fā)髭為星辰：氣象大模型
華為云盤古大模型研發(fā)團(tuán)隊(duì)獨(dú)立研究并撰寫的一篇論文《Pangu-Weather: A 3D High-Resolution Model for Fast and Accurate Global Weather Forecast》登上了《自然》雜志。
作為工程領(lǐng)域的 AI 技術(shù)，登陸 Nature 正刊是一件罕見的事。
該論文詳細(xì)介紹了基于深度學(xué)習(xí)開發(fā)的精準(zhǔn)精確全球 AI 氣象預(yù)報(bào)系統(tǒng) —— 華為云盤古氣象大模型。
這是首個(gè)精度超過傳統(tǒng)數(shù)值預(yù)報(bào)方法的 AI 預(yù)測模型，突破了 AI 預(yù)報(bào)天氣精度不及傳統(tǒng)數(shù)值預(yù)報(bào)的世界性難題，對比傳統(tǒng)方法預(yù)測速度提升 10000 倍，可秒級完成對全球氣象的預(yù)測。
《自然》審稿人對該成果給予高度評價(jià)：
盤古氣象大模型讓人們重新審視氣象預(yù)報(bào)模型的未來，模型的開放將推動(dòng)該領(lǐng)域的發(fā)展。
因?yàn)楸P古氣象系統(tǒng)的準(zhǔn)確表現(xiàn)，歐洲氣象局已經(jīng)將該系統(tǒng)列入了模型對比作為參考。
盤古氣象大模型今年在臺(tái)風(fēng)路徑預(yù)測上具有精準(zhǔn)的表現(xiàn)。
為了攻克暴雨預(yù)測的難題，這個(gè)夏天，華為云團(tuán)隊(duì)夜以繼日地攻關(guān)。在40年全球氣象數(shù)據(jù)的基礎(chǔ)上，增加了10年衛(wèi)星降水?dāng)?shù)據(jù)，并通過獨(dú)有的3D EST-3地球空間網(wǎng)絡(luò)訓(xùn)練優(yōu)化，使得盤古氣象大模型具備了新的降雨預(yù)測能力，目前已經(jīng)實(shí)現(xiàn)對未來6小時(shí)、24小時(shí)的短期和中期降水預(yù)報(bào)。
經(jīng)過系列測試，模型的降雨量預(yù)報(bào)精度提升了20%以上。
09
齒骨為金石：
藥物分子大模型 & 醫(yī)學(xué)大模型
藥物研發(fā)行業(yè)存在一個(gè)著名的“雙十定律”，即新藥研發(fā)需要花費(fèi)10年時(shí)間、10億美元。
而按照Nature的統(tǒng)計(jì),“雙十定律”其實(shí)是一種理想業(yè)態(tài)，現(xiàn)實(shí)中一款新藥從研發(fā)到獲批上市，平均需要10到15年的時(shí)間，需要耗費(fèi)約26億美元，而且臨床成功率不到10%。
西安交通大學(xué)第一附屬醫(yī)院劉冰教授在新藥研發(fā)中采用了基于華為云盤古藥物分子大模型打造的AI輔助藥物設(shè)計(jì)服務(wù)，突破性地研發(fā)出一款對多種耐藥菌都有明顯效果的廣譜抗菌藥，并將先導(dǎo)化合物的研發(fā)周期從數(shù)年縮短至一個(gè)月，研發(fā)成本降低70%，打破了醫(yī)藥界“雙十定律”。
這款廣譜抗菌藥有望成為全球近40年來首個(gè)新靶點(diǎn)、新類別的抗生素，改變病人面對“超級耐藥菌”感染時(shí)無藥可用的局面。其靶點(diǎn)特質(zhì)決定了細(xì)菌將難以對這款廣譜抗菌藥產(chǎn)生耐藥性，對抗瘧（即瘧原蟲）藥物研發(fā)等多個(gè)領(lǐng)域有著重要的影響。
如今這款廣譜抗菌藥已完成一期臨床驗(yàn)證。
除此之外，華為云還發(fā)布了醫(yī)學(xué)大模型，學(xué)習(xí)了1600萬學(xué)術(shù)期刊等海量高質(zhì)量數(shù)據(jù)以及100多萬結(jié)構(gòu)化知識(shí)圖譜，得以具備醫(yī)學(xué)臨床輔助能力，可以在醫(yī)學(xué)檢驗(yàn)、臨床輔助診療、個(gè)人健康管理等場景，成為醫(yī)生和患者有力的醫(yī)學(xué)助手。
基于盤古大模型研發(fā)的潤達(dá)醫(yī)療大模型 · 良醫(yī)小慧，在10個(gè)科室的檢驗(yàn)報(bào)告診斷對照測試中，盤古醫(yī)學(xué)助手輔助診斷的準(zhǔn)確率已經(jīng)接近臨床醫(yī)生的平均水平。
未來將走進(jìn)4000家醫(yī)院，輔助醫(yī)生進(jìn)行報(bào)告解讀和診斷，加速醫(yī)療普惠。
09
精髓為氣息：數(shù)字人大模型
盤古數(shù)字人大模型，通過錄制一段3-5分鐘視頻，盤古數(shù)字人大模型即可為直播主播高效生成逼真的數(shù)字人。
同時(shí)，通過文本或語音，精準(zhǔn)驅(qū)動(dòng)數(shù)字人準(zhǔn)確、流利地介紹產(chǎn)品，口型匹配度>95%。
基于大模型的語言泛化能力，母語訓(xùn)練一次，數(shù)字人便可說多國語言，實(shí)現(xiàn)全球直播能力；基于智能互動(dòng)問答服務(wù)，可以自動(dòng)捕捉彈幕，并和觀眾實(shí)時(shí)互動(dòng)，帶來更好的直播互動(dòng)體驗(yàn)。
在貴州黔東南地區(qū)，很多特色農(nóng)產(chǎn)品（如刺梨、硒鋅米等）以及蠟染、古法造紙等非遺文化和商品，因大山阻隔，少為外界知曉，而本地傳統(tǒng)的銷售方式也銷量有限。
貴州電商云公司聯(lián)合華為云，通過華為云MetaStudio數(shù)字內(nèi)容生產(chǎn)線的數(shù)字人直播方案。
基于盤古數(shù)字人大模型，用AI打造專業(yè)的數(shù)字人主播助手，輔助當(dāng)?shù)卮迕裰辈�，助力貴州非遺商品、農(nóng)特產(chǎn)走出大山，走向全球。
10
大腦為珠玉：軟件研發(fā)大模型
最后當(dāng)然還有 AI 自動(dòng)編程能力，華為云盤古的代碼生成工具名叫 CodeArts。
今年7月華為云將CodeArts研發(fā)工具與盤古大模型相結(jié)合，該工具訓(xùn)練了760億行精選代碼、1300萬篇技術(shù)文檔，具備智能生成、智能問答、智能協(xié)同三大核心功能，可以實(shí)現(xiàn)一句對話讓代碼生成、一次點(diǎn)擊即可自動(dòng)注釋和生成測試用例，一條指令即可智能部署，讓每個(gè)軟件開發(fā)者都有自己的編程助手。
9月21日，在華為全聯(lián)接大會(huì)2023上，華為云全面升級了華為云CodeArts Snap智能開發(fā)助手，基于華為云盤古研發(fā)大模型，加強(qiáng)了代碼檢視和代碼優(yōu)化能力，并接入到CodeArts軟件開發(fā)生產(chǎn)線的全流程23個(gè)開發(fā)工具中。
華為云CodeArts Snap可以讓研發(fā)整體效能提升 30%以上，同時(shí)，也讓代碼更符合編程規(guī)范和代碼可信。
盤古研發(fā)大模型接入到Astro低代碼平臺(tái)，幫助開發(fā)者實(shí)現(xiàn)一句對話輕松生成應(yīng)用，全面重塑軟件開發(fā)。
12
華為 • 盤古 • 第四次工業(yè)革命
說到第四次工業(yè)革命時(shí)，為何談大模型？
因?yàn)榈谒拇喂I(yè)革命源于通用大模型的崛起。
在AI時(shí)代，大模型就是“技術(shù)之根”。
革命是一個(gè)歷史符號，大模型才是技術(shù)應(yīng)用。
所以，中國要有自己的世界級大模型。
那怎么樣成為世界級大模型呢？
直接與ChatGPT硬剛ToC市場好嗎？
不一定，盤古走了另外一條ToB的路線，創(chuàng)造行業(yè)場景，讓更多企業(yè)一起開創(chuàng)AI世紀(jì)。
………
回到本文開頭，AI時(shí)代三大要素最為重要：
Ⅰ.算力
Ⅱ.大模型
Ⅲ.應(yīng)用場景
基礎(chǔ)算力是原子時(shí)代積累下來的技術(shù)，代表過去。它是大模型之根。
大模型則是各大公司正在競爭的技術(shù)，代表現(xiàn)在。它是場景應(yīng)用之根。
AI時(shí)代最后比拚的不是技術(shù)，而是生態(tài)，代表未來。它是AI時(shí)代進(jìn)化形態(tài)。
第四次工業(yè)革命取決于大模型，但大模型不是參數(shù)有多大，而是對行業(yè)的垂直滲透率有多高。有價(jià)值的不是萬億參數(shù)，而是哪些行業(yè)做深又?jǐn)U展到更多行業(yè)。
除了盤古大模型，仍然要再強(qiáng)調(diào)一次算力。
華為一直在打造中國算力底座,早就全方位布局AI。
所以孟晚舟才有底氣稱為世界構(gòu)建第二選擇，做厚AI“黑土地”。
如果算力是AI的黑土地，那么盤古大模型是這“黑土地”的生命之樹，也是AI技術(shù)的“應(yīng)用之根”。
古有盤古開天地，萬物新生；
今有盤古創(chuàng)世界，助力AI時(shí)代。
.png)
LOGO.gif)
