华为盘古大模型全布局揭秘，AI for Industries的落地路径

你还在用ChatGPT聊天么？

从全民热衷尝鲜，到仅有少部分人仍在使用，上半年的ChatGPT喧嚣进入尾声，而由另一维度观测，新技术的生命力在市场，只有客户拿真金白银买单的大模型，才是技术-商业的正向循环，下半年，行业大模型争相落地开启新的竞争。

(资料图片)

在7月7日举办的华为开发者大会2023（Cloud）上，华为云正式发布盘古大模型3.0。盘古大模型3.0是一个完全面向行业提供服务，以行业需求为基础设计的大模型体系，包括5+N+X三层架构。

不疾不徐，华为盘古大模型揭开了新的一重面纱，也是ChatGPT热潮之后，华为首次系统性地谈论大模型。

钛媒体App了解到，华为并不热衷于“百模大战”，尽管早在2021年4月，华为云就发布了盘古大模型，包括NLP大模型和CV大模型，此后华为相继发布科学计算大模型、药物分子大模型、盘古矿山大模型和气象大模型。

“熟悉华为的人想想就知道，‘盘古chat’不符合华为的主航道，华为的策略是拿下B端市场，基础模型早就发布过，国内国外C端的大模型声量虽然大，但是华为没有想去掺一脚，还是坚定地做自己擅长的事，到了整个市场都重视大模型落地、谈论行业大模型的时候，华为就必须要站出来了”，一位接近华为人士表示。

华为是国内最早发布大模型的厂商之一，资本市场概念的炒作一轮又一轮，当产业潮水涌向行业大模型，华为还是按捺不住，将自己的大模型战略和盘托出。

华为轮值董事长胡厚崑在WAIC上表示，华为人工智能的发展关键是“走深向实”，着力点放在让人工智能为千行百业的生产活动服务，为科研创新服务。

当前阶段，华为在人工智能发展上有两个着力点：第一，打造强有力的算力底座，支撑中国人工智能产业的发展。第二，从通用大模型到行业大模型，让人工智能服务好千行百业、服务好科研创新。

大模型“卷”落地

前车之鉴，后事之师。数十年间，人工智能技术发展的曲线潮起潮落，“落地难”始终是横亘在产业现实的一道关卡。

在ChatGPT热潮之前，人工智能面临场景碎片化的问题，同时人工智能并没有进入到企业的核心场景，技术和业务不是紧耦合的关系，也就很难形成规模效应。

根据第三方网站SimilarWeb的监测数据，6月份，ChatGPT的网站与移动客户端的全球流量（PV）环比下降了9.7%，美国地区的流量环比下降了10.3%。同时，ChatGPT的独立访客数量（UV）下降了5.7%，访客在网站上花费的时间也下降了8.5%。这是自2022年11月30日发布以来，ChatGPT首次出现流量负增长。

拐点的到来，在一些人的意料之外，却在另一些人的情理之中。

华为常务董事、华为云CEO张平安表示，“目前大模型大多数应用都集中在2C领域，在面向行业应用时，由于行业数据获取难，技术与行业know-how结合难，大模型在行业的落地进展较慢。”

当普罗大众还在沉浸ChatGPT聊天的惊艳表现时，人工智能厂商已经在设想大模型的商业化，国际上，微软、亚马逊等大厂向企业级服务寻求商业化路径，进行多个行业的探索；国内，诸如华为、百度、阿里、腾讯等大小厂商，都在快马加鞭加速行业大模型投入。

华为很早就看到了这一方向，据悉，2020年，华为判断人工智能有两个发展方向，一个是小模型到大模型的趋势；第二个，人工智能和行业的结合，就是AI for Industries，华为认为AI在千行百业有着极大的想象空间。

前者，随着模型参数的不断扩大，小模型到大模型的趋势已然兑现，张平安介绍，盘古3.0能够为客户提供100亿参数、380亿参数、710亿参数和1000亿参数的系列化基础大模型，匹配客户不同场景、不同时延、不同响应速度的行业多样化需求。

后者，在GPT火热之前，盘古大模型已经深耕行业，打造矿山、气象、药物分子、铁路等领域行业大模型和能力集，将行业知识know-how与大模型能力相结合，重塑千行百业，为每个企业、每个人提供专家助手，让工作更轻松。

如果说，彼时华为的战略预判还略显突兀，没有太多的参考，那么，如今大模型已经足以证明，华为的技术和业务路线的双重正确。

今年以来，华为迟迟不去“蹭”大模型的风口，而是在水面之下做一些基础的工作。盘古大模型发布以来，华为一直思考的都是客户运营、产品研发、软件工程、生产供应、市场营销等行业客户所关注的问题，坚持自己的技术主张和研发节奏，不急于求成，始终追求技术突破和技术领先，确保产品质量和交付质量。

“华为早在2020年就坚定地选择了大模型路线，当时市场上的热度并没有今天高，也存在很多质疑的声音，我们仍然坚持了下来，未来不管炒作与否，热度高低，我们都会尽量不受外界干扰，坚持做正确的事。”华为云人工智能领域首席科学家田奇对钛媒体App表示。

谈及行业过热的状态，田奇表示，“针对大模型这样最顶尖的技术，市场的热度一方面反映了资本对大模型盈利能力的期待，另一方面也反映了公众对大模型应用能力的期待。”

市场是最大的驱动力，大模型最大的改变，是创造了一个规模化效应的出口，上层应用都可以基于大模型去发展，把碎片化的场景，归拢统一，形成一套大模型解决方案，盘古大模型3.0的升级也遵循相似的逻辑。

盘古3.0大模型体系的5+N+X三层架构中，5大L0层的基础大模型，包括自然语言大模型、视觉大模型、多模态大模型、预测大模型、科学计算大模型，能够提供各种通用技能，支撑企业的各类应用。

N个L1层的行业大模型，例如政务大模型，金融大模型，矿山大模型等，能够基于基础大模型的多种能力组合，通过行业数据以及企业自有数据的二次训练，帮助企业打造自己的大模型。

X代表海量L2层的场景模型，与基础大模型和行业大模型相比，场景模型更加专注于某个具体的应用场景或特定业务，为客户提供开箱即用的模型服务，例如，在医疗领域，针对小分子筛选，小分子优化等。

从“无人相信”到登上《Nature》

华为开发者大会2023（Cloud）发布会前夕，华为云盘古大模型团队研发的高分辨率全球AI气象预报系统研究成果，正式在《Nature》正刊上发表，基于三维神经网络的气象预报系统精度，超过传统数值预报方法，且速度提高了1万倍以上。

少有人知道的是，就在去年12月份，国际气象领域的专家教授们还普遍认为，AI要达到传统数值方法的精度，是一件非常遥远的事。

“There are a lot of comments I could make indicating that this is perhaps not yet quite the triumph of AI over physical modelling. despite the claims in the paper. Never the less it is a big step forward compared to other efforts. The paper has also been causing a degree of existential angst at ECMWF.（我可以发表很多评论，表明这可能还不是AI相对于物理建模的巨大胜利，尽管论文中提出了主张，与其他努力相比，这绝不是向前迈出的一大步。但是，该论文还是在ECMWF引起了一定程度的焦虑。）

欧洲中期天气预报中心（ECMWF）是全球权威的国际性天气预报研究和业务机构，该中心于1979年6月首次做出了实时的中期天气预报，现在，华为盘古气象大模型，为世界展现了另一种可能。

盘古气象大模型研发团队核心成员对钛媒体App表示，之前大家不相信AI方法能够实现更高的精度和更好的效率，ECMWF也在探索用AI预测天气，但是规划的时间表以十年计算，他们认为，AI方法存在很多现阶段难以突破的问题。

例如分辨率不够，省级和区级的天气预报，数据量相差很大，如果要做到更高的分辨率，数据量要达到上千TB，这比其他AI应用数据量要大得多，大数据意味着消耗大算力，这部分问题能够通过堆硬件、工程化解决。

再如现有的 AI 预报方法精度大部分显著低于数值预报方法，这也是很多人都不相信AI能够超过数值预测方法的主要原因，现有的 AI 气象预报模型都是基于 2D 神经网络，无法很好地处理不均匀的 3D 气象数据，同时AI 方法缺少数学物理机理约束，因此在迭代过程中会不断积累迭代误差。

华为云提出了3D Earth-Specific Transformer方法，在每一个视觉transformer模块中新引入和纬度、高度相关的绝对位置编码，从而更好地处理复杂的3D气象数据，并且拆分各个不同的时间段模型分散训练，减少单个模型迭代的次数，从而减少迭代误差。

“我们不仅做出来一个精度超过欧洲气象中心数据预报的模型，而且我们迅速让这个模型落地，其中克服了很多问题，让气象专家实测验证模型结果，他们没有理由否认AI方法的先进性。”如上人士表示。

气象大模型的打造成为一个实证，华为云不仅能有意愿打造行业大模型，并且有将其付诸实践的工具和能力。对应华为盘古大模型，L0是科学计算基础大模型，L1是气象行业大模型，L2就是气象预测等应用。

大模型回答了“一个模型能否解决通用问题”以及“模型本身是否有价值”的关键问题，但是要想真正构建完整的业务链条，还需要从商业化层面跟进，为了加速和简化行业大模型从开发到落地，华为云提供了盘古大模型工程化平台，覆盖了数据处理、模型训练和应用开发三大环节。

在数据平台方面，相比传统标注平台（能提供的例如自动数据清洗等功能），华为云数据工程平台专门为SFT训练提供了基于模板的Prompt在线辅助撰写功能，为RLHF训练提供了多人Rank在线标注和任务分拨功能；对比离线进行这两种任务，实测效率可提升3倍。

有了高质量的数据如何产生高质量的模型，还需要确保模型开发的过程准确无误，在模型训练方面，大模型开发套件提供了自监督预训练，有监督SFT训练，强化学习训练3种工作流，覆盖了从数据集创建，超参配置到模型训练、评估、部署的全流程，凝结了大模型专家的实践经验，把复杂的大模型开发，流程化，标准化，简单化，帮助行业用户一键启动，一站式开发。

之后，开发好的盘古大模型要想在行业发挥作用，离不开下游应用，在模型开发方面，华为云提供盘古应用开发套件，将传统软件工程与大模型相结合，提供多种API和工具可调用，支撑企业分钟级构建大模型原生应用。

例如，基于盘古语言大模型和视觉大模型的基础能力，以及盘古大模型工程化平台，在学习了超过20万条政务数据，包括政策文件、政务百科等公开政务知识，以及12345热线场景等专有政务知识后，深圳市福田区政府打造了具备丰富法律法规、办事流程等行业知识的福田政务大模型。

据了解，参照GPT-3完成一个千亿行业模型端到端开发，基于盘古大模型工程化平台，开发大模型从过去需要5个月缩短到现在1个月，整体速度提升5倍。

AI世界的另一极

人工智能已经成为国家战略竞争焦点，AGI（通用人工智能）可能改变甚至颠覆世界运转的原有逻辑，国家层面强调：“人工智能是引领这一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的‘头雁’效应。”

人工智能与实体经济的结合，行业大模型扮演着重要作用，行业重塑、技术扎根、开放同飞，是华为云的差异化优势。

行业大模型以行业数据和know-how为重中之重，华为云AI的优势在于，在各行业已有超过数百个项目，基于对行业的深入理解，沉淀行业核心know-how，华为云盘古大模型能够更好地落地在行业客户的主业务场景。

盘古大模型已经学习10多个行业公开数据，涵盖金融、政务、气象、医疗、健康、互联网、教育、汽车、零售等。华为云和伙伴还联合打造了工业、供热、政务、煤矿、教育、电力、公路7大行业aPaaS，为盘古大模型了构建最深厚的行业积累。

墙高基下，虽得必失，人工智能产业需要从最底层夯实基础，张平安提到，其他人都可以依赖行业最成熟的AI算力和AI生态，但是华为只能依靠自己的AI根技术。

中国工程院院士郑纬民此前表示，大模型是新型关键基础设施的底座之一，大模型的竞争也是国家科技战略的竞争，中国一定要布局全栈自主创新的大模型产品，同时要构建国产化算力，也要解决算力能耗与国家“双碳”战略的平衡。

为此，华为构建了最深的AI堆栈根技术，在最底层构建了以鲲鹏和昇腾为基础的AI算力云平台，构建了昇腾的计算引擎CANN、AI框架MindSpore，以及AI开发平台ModelArts，为大模型开发和运行提供分布式并行加速，算子和编译优化，集群级通信优化等关键能力。

“现在基于华为的AI堆栈，我们的大模型训练效能不仅不落后，在大模型场景下我们的训练效能是业界主流GPU的1.1倍”，他说。