他們帶着大模型，到行業原野中去_風聞
脑极体-脑极体官方账号-从技术协同到产业革命，从智能密钥到已知尽头07-07 20:12
每隔一段時間，都會重讀一遍梁啓超先生的《少年中國説》。
在向科技要答案的時代，在技術創新愈發可貴的時代，這篇我們都學過的文章中藴含着極大的價值。比如，其中説“使舉國之少年而果為少年也，則吾中國為未來之國，其進步未可量也”。每一項技術都是初生的少年，但這些技術創新真的有少年心氣嗎？
我們的技術，是否真正心懷寬廣，願意進行根技術的全棧創新？
我們的技術，是否願意走出家門，步履四方，去了解應用場景，去洞察行業需求？
我們的技術，是否能與大勢相結合，承擔起自己的時代責任？
在大模型掀起的新一輪全球AI熱潮中，這些問題的答案變得尤其重要。幾個月以來，中國已經陸續發佈了數十款大模型。但總有網友在問這樣一個問題：中國做了這麼多大模型，究竟有什麼不一樣？
我們是該堅持“人有我也有”的老成穩重，來亦步亦趨做AI ，還是要積極與這片土地結合，做出“人無我有”的新智能？
在7月7日舉辦的華為開發者大會2023（HDC.Cloud 2023 )期間，華為雲發佈了盤古大模型3.0。與其他AI大模型不同的是，華為雲選擇去到行業原野裏，寫一篇「少年AI説」。
AI大模型，需要一些少年氣
梁啓超在《少年中國説》裏諷刺了一種暮氣沉沉的現象，“雖轟雷盤旋其頂上，他事非所顧也，非所知也，非所聞也”。
技術創新中，經常也會陷入類似狀況：一項技術火了，大家就一擁而上，只要能夠做出差不多能夠交差的東西就行。在第三次AI崛起已經超過十年的今天，這種暮氣已經顯現出來。比如説，AI大模型通用性好，泛化性強已經成為產業共識。但大模型的應用，目前還處在比較傳統的軌道上——寫寫詩，答答題，跑跑分，刷刷紀錄。模式上看，這與深度學習十年來的應用邏輯只有量變，缺乏質變。
當大模型遇上如火如荼的數字中國建設，無數企業會問：亭台樓閣中的大模型很好，但我的行業為什麼用不到？
中國大模型想要發展，必須要直面並回答這個問題。
1.AI技術本身門檻高，成本高。從算力成本、數據成本、開發成本、人才成本多方面，企業應用AI並不容易，這為大模型落地造成了基礎阻礙。
2.數據安全和基礎設施隱憂。大模型是企業的核心數字化資產，需要得到核心技術、數據應用方面的多維度保障。尤其是AI大模型的技術自主化水平，在全球環境中正變得愈發重要。
3.大模型缺乏與行業結合的必要節點。行業應用大模型，不僅需要模型的通用性與泛化性，還需要模型具備專業知識，具備行業技能。
怎麼克服這些挑戰？答案不在辦公室、實驗室裏，而在廣袤的大地上。我們必須要像少年一樣走出去，走到行業當中，走到原野當中才能看見問題，找到答案。
今天的中國，數實融合成為了產業經濟的大勢所趨。中國經濟的優勢是行業眾多、產業體系全面，各行業的數字化、智能化動力蓬勃強勁，以東數西算為代表的國家級數字化基礎設施快速發展。
大模型必須與這些優勢、需求結合，才能創造革命級的科技生產力，激活千行百業的深層價值。
從2021年發佈以來，盤古大模型一直在思考客户運營、產品研發、軟件工程、生產供應、市場營銷等行業客户真正關注的問題。“不作詩、只做事”的盤古大模型，憑藉一股活潑生動的少年氣，走向了行業原野。
到行業原野中去：盤古大模型3.0有何不同？
在華為雲“AI for Industries”的思路下，結合時下產業界最關注的大模型能力趨勢，盤古大模型3.0實現了一系列升級，圍繞“行業重塑，技術紮根，開放同飛”三大方向，持續打造核心競爭力。
HDC.Cloud 2023當中，全面展示了盤古CV大模型、盤古預測大模型、盤古科學計算大模型、盤古NLP大模型、盤古多模態大模型五大基礎模型，並且發佈了系列行業大模型，其中包括政務、金融、製造、軌道行業大模型。
其中最為外界關注的大語言模型與多模態模型領域，盤古3.0可以提供100億參數，380億參數，710億參數和1000億參數的系列化基礎大模型，匹配不同場景、不同時延、不同複雜度的行業需求。而這些模型可以提供一致的能力集，包括大語言模型的知識問答、文案生成、代碼生成、NL2SQL、插件調用等外界十分關注的能力，以及多模態大模型的圖像生成，圖像理解等能力。
在應用結構層面，盤古大模型3.0構築了完全面向行業提供服務，以行業需求為基礎設計的大模型體系，包括5+N+X三層架構，即5大L0層的基礎大模型，能夠提供通用技能，支撐企業的各類應用；N個L1層的行業大模型，能夠基於基礎大模型的多種能力組合，幫助企業通過數據微調打造符合自身需求的大模型產品；X是海量的L2層場景模型，場景模型更加專注於某個具體的應用場景或特定業務，為客户提供開箱即用的模型服務。
在這三層結構的加持下，盤古大模型3.0可以適配企業的各種需求，並通過多樣、靈活的組合排列，形成符合千行百業需求的“千面大模型”。
盤古大模型3.0，究竟為何能深入行業，立足行業？這個問題，需要我們記住三個關鍵詞。
紅日初升，其道大光：大模型背後的行業沉澱
第一個關鍵詞：行業經驗。
所謂“瞭解行業”，並不是某種標準化能力，而是無數技術體系、產業體系搭建成的經驗集成。積累行業經驗沒有捷徑，而是必須一個個場景深入進去，一個個案例鑽研下去，去礦山，去碼頭，去實驗室，才能用水磨功夫聚集起行業經驗。
依託華為行業軍團，華為雲沉澱了超過400行業解決方案，並和夥伴聯合打造7大行業aPaaS，從而真正沉澱各個行業的核心訴求、核心知識、核心能力。在AI方面，華為雲AI已經在各行業有超過1000個項目的合作經驗，對各個行業的智能化訴求有具體、細緻的瞭解。而在華為雲AI for Industries的大方向下，我們可以看到盤古大模型本身即與行業知識深度結合，學習了10多個行業公開數據，涵蓋金融、政務、氣象、醫療、健康、互聯網、教育、汽車、零售等，在每個行業板塊中學習了超過500億 tokens的數據量。
行業種類眾多、涉及合作規模龐大、行業數據量巨大的行業經驗，最終造就了盤古大模型在行業原野上的“其道大光”。
以礦山大模型為例，讓煤礦工人在辦公室中進行遠程操作，是煤礦智能化發展發展的重心。但遠程操作會面臨礦井內大量粉塵、水霧遮擋攝像頭，弱化監控效果的問題。面對這個難題，盤古大模型可以將超過100路視頻拼接在同一個畫面上，通過透塵算法，異物檢測等視覺大模型技術，實時識別採掘過程中的大塊岩石、大塊煤、煤倉卡堵等異常情況，從而實現地面工作人員不下井，就能在看清看準的情況下實時操控採煤機作業。
目前，基於盤古礦山大模型，華為雲與山東能源集團深度合作，開發了21個場景化應用，覆蓋能源行業7大業務系統盤古大模型的成功應用，讓煤礦工人工作環境更加舒適安全，極大提升了礦山行業的生產效率與安全水準。
行業沉澱不是朝夕之功，而是經年累月的融合與突破。盤古大模型能夠真正融入行業，是因為它一早就為行業而生，而且在這條路上躬耕良久。
乳虎嘯谷，百獸震惶：自主創新的AI時代
第二個關鍵詞：自主創新。
在當前局面下，科技自立自強已經成為國家戰略，行業所需，尤其在涉及國計民生的重點行業，在面對大模型機遇時候對其自主創新水平提出了新的需求，也只有走向全棧自主創新，才能夠滿足這些行業的智能化需求，真正讓AI進入行業原野。
為此，華為雲盤古大模型在算力、芯片使能、AI框架、AI平台實現全棧自主創新。華為在最底層構建了以鯤鵬和昇騰為基礎的AI算力雲平台，以及異構計算架構CANN、全場景AI框架昇思MindSpore、AI開發生產線ModelArts等，為大模型開發和運行提供分佈式並行加速，算子和編譯優化、集羣級通信優化等關鍵能力。基於華為的AI根技術，大模型訓練效能可以調優到業界主流GPU的1.1倍。
同時，華為雲還積極推動大模型事業與東數西算戰略進行結合，會上，華為常務董事、華為雲CEO張平安宣佈單集羣2000P Flops算力的昇騰AI雲服務在華為雲的烏蘭察布和貴安AI算力中心同時上線。昇騰雲服務可以提供更長穩的AI算力服務，千卡訓練30天，長穩率達到90%，斷點恢復時長不超過10分鐘。
隨着AI技術的發展，社會經濟的智能化躍升盡在眼前，而自主創新是這個時代不可規避的核心使命，打造世界AI另一極，成為了華為雲的責任，也成為了中國科技的機遇。
前途似海，來日方長：以可用性為路標的AI雲服務
第三個關鍵詞：真實可用。
大模型的行業落地，需要面對一系列複雜的環境挑戰、人才挑戰、商業挑戰。克服這些難題，不僅需要技術能力的提升，更需要在各個環節提升大模型的易用性，降低產業智能化門檻。對此，我們不能閉門造車，想當然地發展AI、發展大模型，而是需要走到真實的產業需求、開發者需求當中去。
為此，華為雲以可用性為路標，構築了一系列真實可用的AI雲服務。比如我們上面討論的大模型商業模式，就通過L0、L1到L2的三層模式，全面打通了大模型的商業模式問題，解決了企業用户在大模型專屬性、訂製化方面的難題。
除此之外，華為雲應對企業不同的部署需求，提供了包括公有云、公有云大模型專區、混合雲等多種部署模式，從而滿足不同類型企業對大模型的部署需求。
在大模型的開發友好度方面，華為雲提供了易用可靠的大模型工具套件、匯聚海量多行業場景API的開天aPaaS，以及包含豐富優質課程和技術認證的大模型專屬社區，希望與開發者及夥伴一起，共同探索盤古大模型與行業結合的創新路徑。
這時候，我們需要勇於承擔責任，敢於探索未知的大模型體系。AI需要到行業知識中去，到自主創新中去，到開發者身邊，到企業內部，到一間間工廠中去，到一座座礦山中去。走向原野，鋭意拼搏，成為少年AI。
盤古大模型的目標，是要幫助每家企業、每個人都擁有自己的專家助手。最終，每家企業，每個行業的AI之力涓滴成海，才能匯聚成年少有為的智能中國。
縱有千古，橫有八荒。前途似海，來日方長。
只有闖出去，做實事，才能讓AI技術與天不老，與國無疆。