生成式AI掀起巨大聲勢，而它自身也不斷展現(xiàn)出越來越大潛力。比如讓AI自動設計芯片，或者讓AI給人看病。

為搶占領先地位，趨之若鶩的企業(yè)不僅使出渾身解數(shù)，釋放自身技術力，AI模型也越做越大，以達到力大磚飛的效果，實現(xiàn)智能涌現(xiàn)（emergence）。

科技部新一代人工智能發(fā)展研究中心的《中國人工智能大模型地圖研究報告》顯示，迄今為止，中國已發(fā)布79個10億參數(shù)規(guī)模以上的大模型，大模型之戰(zhàn)逐漸步入后半場，更多人開始關注大模型與實體產(chǎn)業(yè)的結(jié)合上，企業(yè)也接連展示其產(chǎn)品的應用場景。

但平心而論，原本使用傳統(tǒng)AI技術的應用，真的需要使用大模型嗎，什么樣的大模型才是行業(yè)所需的？華為開發(fā)者大會2023（HDC.Cloud 2023 )上，華為云展示其在“AI for Industries”、盤古大模型方面的最新進展，并提出讓AI重塑千行百業(yè)。

行業(yè)大模型成新風向

任何企業(yè)都不想在大模型熱潮中掉隊，你方唱罷我登場，近幾個月每隔幾天都會有一個大模型的新聞。市場輪轉(zhuǎn)下，企業(yè)已紛紛從搶占先機，上馬通用大模型，逐漸謀局落子，轉(zhuǎn)向行業(yè)大模型，盡顯自家產(chǎn)品實用性，其中不乏實機演示和方案展示。

大模型之所以被大眾所熟知，是因為ChatGPT這樣to C的產(chǎn)品，讓人實實在在體會到技術的價值。實際上，大模型的關鍵不在于有多大，或是通用能力有多強，而在于能不能解決現(xiàn)有應用的問題，只有立足應用本身，重塑千行百業(yè)，改善提升人們生活品質(zhì)，才能被人所接受。

縱觀全球，因算力成本高昂、信息泄露、政策監(jiān)管等挑戰(zhàn)，大模型的to C商業(yè)化進程更為緩慢，大多企業(yè)選擇務實地面向to B端企業(yè)客戶落地，滿足特定行業(yè)場景所需要求。可以說，做行業(yè)大模型已成普遍共識。

傳統(tǒng)小模型AI通常只能執(zhí)行特定任務或特定問題，對to B行業(yè)而言，大模型不僅可以將傳統(tǒng)系統(tǒng)信息串聯(lián)在一起，還可實現(xiàn)更為復雜的決策和規(guī)劃。

但做行業(yè)大模型談何容易，許多想要應用AI的企業(yè)，最終都只能作罷。

首先，企業(yè)業(yè)務場景復雜，且多數(shù)需定制化，要對文本、圖片、音頻、視頻、機理等多樣化任務進行處理，與之相悖的是，大多企業(yè)稀缺數(shù)據(jù)樣本。

其次，大模型是燒錢的游戲，不僅要在訓練階段使用千卡起步的大算力，還需技術力極高的專業(yè)AI應用開發(fā)人才。

最后，數(shù)據(jù)和知識是企業(yè)核心資產(chǎn)，需保證企業(yè)數(shù)據(jù)的隱私安全及合規(guī)。

專業(yè)的事，就應該交給專業(yè)的人來做，大模型亦如此，而不是讓企業(yè)與去制造螺絲、軸承、齒輪這樣的基礎性工作。

華為云作為早在2021年就發(fā)布盤古基礎大模型的企業(yè)，在大模型領域絕非新手，彼時便以AI工業(yè)化為目標。而到今天，華為云正式發(fā)布盤古3.0和昇騰AI云服務，成為中國首個全棧自主的AI大模型，堅持AI for Industries方向，讓AI和各行各業(yè)深度結(jié)合。

就如華為常務董事、華為云CEO張平安發(fā)所提到的，盤古大模型不作詩、只做事，聚焦行業(yè)場景，致力于深耕政務、金融、制造、煤礦、鐵路、制藥、氣象等行業(yè)。

以大代小引發(fā)的改變

事實上，大模型早已脫離講概念的階段，而是正在悄然改變生活中的一切。

氣象與人類密不可分，而它也為我們的發(fā)展之路上帶來許多損害。就比如，每年，全球大約會生成80個臺風，其中影響西北太平洋和南海的大約有25個，平均有7個會登陸我國。2022年，臺風災害造成的直接經(jīng)濟損失54.2億元。

傳統(tǒng)氣象預測多采用HPC高性能計算機計算，如要預測臺風未來10天路徑，需在超級計算機上，利用超過3000個節(jié)點的超級計算機上花費數(shù)小時進行仿真。隨著算力增長趨勢和物理模型復雜化，傳統(tǒng)數(shù)值預報瓶頸凸顯。

盤古氣象大模型則只需單機單卡，10秒內(nèi)就可完成一次氣象預測。它是全球首個精度超過傳統(tǒng)預報方式的AI模型，可在秒級時間內(nèi)完成一個臺風未來10天的路徑，臺風路徑預測準確度世界第一，相比歐洲氣象局提升約20%。

同樣的改變，發(fā)生在制藥領域。

抗生素曾挽救無數(shù)人生命，但自1987年達托霉素被發(fā)現(xiàn)以后，人類已有近40年沒有發(fā)現(xiàn)新的抗生素。耐藥性不僅會威脅每個人的身體健康，還可能會導致到2030年GDP每年下降至少3.4萬億美元，使2400萬人陷入極端貧困。世界急需全新類別的抗生素，改變病人面對“超級耐藥菌”感染時無藥可用的局面。

研究一款新藥談何容易，一直以來，新藥研發(fā)難逃“雙10定律”魔咒，即平均成本超過10億美元、研發(fā)周期大于10年。不止如此，這還是最佳的業(yè)態(tài)，現(xiàn)實中一款新藥從研發(fā)到獲批上市，平均需要10年~15年時間，耗費超過26億美元，且臨床成功率不到10%。

華為云盤古藥物分子大模型采用全新深度學習網(wǎng)絡架構(gòu)，生成了1億個100％結(jié)構(gòu)新穎的類藥小分子庫，相比傳統(tǒng)方式，成藥性預測準確性可提升20%。

西安交通大學第一附屬醫(yī)院劉冰教授在新藥研發(fā)中采用基于華為云盤古藥物分子大模型打造的AI輔助藥物設計服務，研發(fā)出一款超級抗菌藥Drug X（肉桂酰菌素），有望成為近40年來首個新靶點、新類別的抗生素，并將先導藥的研發(fā)周期從數(shù)年縮短至一個月，研發(fā)成本降低70%，打破醫(yī)藥界“雙十定律”。

被改變的，不止是患者。

幽暗的礦山之下，是工人的人生。下井工人長期處于高危高壓環(huán)境，不僅被死亡陰影所困，更是伴隨著一生的傷病。但與之相悖的是，當前300米井下仍需大量人員現(xiàn)場作業(yè)，他們更需技術的人文關懷。

AI就是保障井下作業(yè)安全的好手，能夠讓不確定的人工流程多一個好幫手。然而，要AI進入煤礦行業(yè)并沒有想象那樣簡單。井下作業(yè)環(huán)境惡劣，對圖像、視頻識別精度要求高。況且，礦山與礦山間差別大，現(xiàn)場作業(yè)情況復雜，模型不可能簡單復用。同時，煤礦行業(yè)缺乏高素質(zhì)的人工智能人才。

盤古礦山大模型只需導入海量無標注的礦山場景數(shù)據(jù)進行預訓練，即可進行無監(jiān)督自主學習，一個大模型就能覆蓋煤礦的采、掘、機、運、通、洗選等業(yè)務流程下的1000多個細分場景，能夠?qū)崿F(xiàn)全時段巡檢，幫助工作人員及時發(fā)現(xiàn)問題，避免因漏檢造成的安全事故，縮短停機時間，同時提升井下巡檢人員的工作效率。目前，它已在全國8個礦井規(guī)模使用。

無數(shù)大中小城市因鐵路而串聯(lián)，迄今為止，我國鐵路營業(yè)里程15.5萬公里，鐵路貨車超過100萬輛。隨著我國鐵路安全水平提升，很多故障已極少發(fā)生，多數(shù)人都沒有見過，但故障一旦發(fā)生通常都是大故障。比如搖枕心盤脫出，全國范圍內(nèi)只找到一張故障樣本。

安全的背后是無數(shù)人的辛勞。受制于技術發(fā)展，當前廣泛采用的TFDS（貨車運行故障動態(tài)圖像檢測系統(tǒng)）仍采用人工方式進行故障識別。以某樞紐站5T檢測車間為例，日均檢車近800列4萬余輛，TFDS系統(tǒng)拍攝圖片280萬余張，列檢員每天需檢查大量極其類似的圖片，且需在5秒左右的時間及時發(fā)現(xiàn)細微的差別，找出列車存在的故障。

通過盤古大模型，原來人工需要識別4000張圖片，現(xiàn)在僅需要復檢170多張圖片，工人勞動強度下降95.75%。實際應用中，能精準識別67種貨車430+種各類故障，重大異常故障100%識別，無故障圖片篩除率高達95%，超過客戶預期。

這樣的例子不勝枚舉，事實上，每次使用一網(wǎng)通辦業(yè)務，每次使用智能產(chǎn)品的背后，或許都是大模型的功勞，我們也一直在直接或間接地享受到技術升級所帶來的紅利。

盤古大模型又有何不同

如今的大模型領域，依然熱得發(fā)燙，國內(nèi)選手上演了一出”百模大戰(zhàn)“，其中不乏實力強勁的互聯(lián)網(wǎng)大廠，那么盤古大模型又有什么差異化優(yōu)勢？

首先，華為云在AI領域已有數(shù)百個項目，并堅持AI for Industries，結(jié)合自身超過30年行業(yè)積累經(jīng)驗及10余個行業(yè)軍團持續(xù)場景深耕，將行業(yè)客戶和伙伴沉淀的豐富的Know-how與大模型進行融合，讓大模型具備行業(yè)知識與經(jīng)驗。

其次，盤古大模型除了學習大量通用知識外，還學習了10多個行業(yè)公開數(shù)據(jù)，涵蓋金融、政務、氣象、醫(yī)療、健康、互聯(lián)網(wǎng)、教育、汽車、零售等。

更為重要的是，盤古大模型從底層芯片到全流程平臺都實現(xiàn)了自主創(chuàng)新。要知道，AI熱潮中，GPU已成為炙手可熱的香餑餑，但在地緣政治摩擦和供貨短缺多重影響下，部署高性能計算卡只會困難重重，因此，自主創(chuàng)新已成行業(yè)普遍共識。

回顧盤古大模型歷史，是不斷滿足行業(yè)需求的過程。2020年3月，田奇加入華為云后便開始組建團隊；2021年4月，盤古大模型正式對外發(fā)布，包括NLP大模型和CV大模型；2021年9月，華為云發(fā)布科學計算大模型和藥物分子大模型；2022年6月，華為云發(fā)布盤古礦山大模型；2022年11月，華為云發(fā)布氣象大模型。

時間回到現(xiàn)在，華為云正式發(fā)布盤古大模型3.0，同時發(fā)布政務、金融、制造大模型。大模型在前一陣子異?；馃?，為什么華為云要選擇這個時間點公布盤古大模型的進展？

事實上，華為云在面對產(chǎn)業(yè)新技術和新趨勢時，優(yōu)先考慮的都是行業(yè)需求，只有當技術做得足夠成熟才會向市場推行新技術。而從盤古大模型3.0上來說，此次華為云更為明確了其產(chǎn)品在工業(yè)上的定位，整合了以往的大模型，重新梳理架構(gòu)，并通過新的大模型把這張網(wǎng)拉的更大，以覆蓋到每一個行業(yè)。

華為輪值董事長胡厚崑在日前的2023世界人工智能大會上也強調(diào)，人工智能的發(fā)展，關鍵是要“走深向?qū)崱?，賦能產(chǎn)業(yè)升級。當前階段，華為在人工智能發(fā)展上有兩個著力點：第一，打造強有力的算力底座，支撐中國人工智能產(chǎn)業(yè)的發(fā)展。第二，從通用大模型到行業(yè)大模型，讓人工智能服務好千行百業(yè)、服務好科學研究。

盤古大模型3.0采用分層設計，包括5+N+X三層架構(gòu)：5大L0層基礎大模型提供各種通用技能，N個L1層行業(yè)大模型幫助企業(yè)打造自己的大模型，海量L2層場景模型專注于具體應用場景或特定業(yè)務，為客戶提供開箱即用的模型服務。

算力是大模型的食糧，訓練過程中，盤古各個系列大模型幾乎都需要幾百張、甚至上千張昇騰芯片訓練，昇騰AI云服務則是盤古大模型的底座，為它提供堅實的基礎。

華為云單集群達2000P Flops算力的昇騰AI云服務在烏蘭察布和貴安同時上線，采用天成液冷平臺的華為云數(shù)據(jù)中心能夠保障千卡訓練30天長穩(wěn)率達到90%，斷點恢復時長不超過10分鐘。

“為了幫助全球客戶、伙伴、開發(fā)者訓練和使用大模型，我們致力于為全球客戶打造世界AI另一極，為所有AI開發(fā)者提供新的選擇”，張平安如是說。

對很多企業(yè)來說，數(shù)據(jù)安全合規(guī)是首要考慮因素，盤古大模型除公有云部署模式，可進一步提供大模型云專區(qū)，建立云專屬資源池供大模型訓練和推理，確保數(shù)據(jù)安全合規(guī)。對于更嚴格數(shù)據(jù)本地化要求，還提供混合云部署，幫助客戶在自己的私有化HCS上訓練大模型。

一款產(chǎn)品，好用才是關鍵。華為云提供了易用可靠的大模型工具套件、匯聚海量多行業(yè)場景API的開天aPaaS，以及包含豐富優(yōu)質(zhì)課程和技術認證的大模型專屬社區(qū)，以幫助開發(fā)者快速開發(fā)。

誠然，技術本身是革命性的，但對盤古大模型進入千行百業(yè)這件事，仍然需要給它時間在行業(yè)中生根發(fā)芽。

正如AI四大天王之一的Andrew Ng所說，“很難想象哪一個大行業(yè)不會被人工智能改變。大行業(yè)包括醫(yī)療保健、教育、交通、零售、通訊和農(nóng)業(yè)。人工智能會在這些行業(yè)里發(fā)揮重大作用，這個走向非常明顯?！蔽磥恚總€行業(yè)或許都會由各個行業(yè)大模型所改變。