“盤古”走向產業山巒，開啟了一串AI落地的新腦洞

作為中國神話體系中最古老的神，盤古與其他創世神不同的地方，在於開天闢地之後，將自身化為承載華夏文明的山川江海。

《五運歷年紀》中記載，盤古氣成風雲，聲為雷霆，左眼為日，右眼為月，四肢五體為四極五嶽，血液為江河，筋脈為地理，肌肉為田土，發為星辰，皮毛為草木，齒骨為金玉，精髓為珠石，汗流為雨澤。

今天，眾多產業渴望引入AI來提質增效，但傳統行業AI人才不足、專業經驗與技術相互適配的磨合難題、產業智慧化改造的探索成本等等，導致AI落地產業時，很容易面臨需求瑣碎、解決方案繁多、投入效益比不清晰的混沌局面。

這時，預訓練大模型的出現，就成為劈開蒙沌的那把“斧子”。

基於預訓練大模型，開發者和產業可以透過微調就能快速開發出適配不同場景的應用，打破AI落地產業的諸多限制條件。GPT等超大引數通用模型的迭代，都會引發學術界和產業界的狂熱關注。而中國預訓練大模型的技術標杆，大機率要算華為一個。

今年4月，華為雲釋出了盤古系列超大預訓練模型。基於大量資料打造，具有超大規模引數、超高精度的特質，還提供模型預訓練、微調、部署和迭代的功能，以減少行業側的資料標註依賴，從而降低人工智慧開發的門檻和成本。

以“盤古”來命名預訓練大模型，來自於華為嚴肅而又浪漫的思考——為AI走向千行百業開啟新空間，同時將華為的各種技術能力與產業融合，讓AI滋養萬物。

AI落地不是奇思妙想的神話，要經受現實的種種考驗，盤古大模型真的能夠實現技術目標嗎?恰好最近有一個實地探訪“華為雲黑科技”的節目，我們可以透過盤古大模型的探訪影片，眼見為實地瞭解一下盤古大模型在實際案例中的能力。

可以看到， AI正在與千行百業、山川江海凝結在一起，抵達每一座產業山巒，勾勒出數智山河的全新畫卷。

其中，“盤古”都扮演著怎樣的角色呢?

工業之眼

AI需要望向那些曾被忽視的偏遠角落和產業難題。電網巡檢，正是這樣的地方。

長期以來，電網員工必須穿行在深山峽谷、荒漠戈壁中，親自去觀察和檢修故障。而現在，盤古大模型也讓AI開始流淌在這些人煙罕至的地方。

在國網重慶永川公司智慧電力巡檢專案中，就用無人機替代人力完成巡檢，但是，要當好一線生產作業中的“眼睛”，並不容易。

一來，許多電網環境和狀況都各有不同，意味著訓練資料樣本少，傳統開發方式下很難達到應用效果，無法取代人力;二來，電網作為基礎設施，覆蓋面積大、範圍廣，標註海量資料需要耗費大量時間和人力成本。這時，盤古預訓練大模型的優勢便體現出來了。

首先，盤古CV大模型是目前業界最大的CV大模型，包含超過30億引數，並且在超過10億張影像上進行了預訓練，在ImageNet等資料集上的小樣本分類精度上排名世界第一，所以能夠滿足無人機智慧巡檢系統(缺陷檢測)中的小樣本學習、標註工作量大等問題，提升訓練效率。國網重慶永川專案中，就藉助盤古大模型將資料篩選效率提升30倍、篩選質量提升5倍。

其次，盤古大模型的開發過程中採用了多項領先技術，比如首次在影像預訓練流程中加入生成和判別損失，兼顧CV大模型的判別能力和生成能力，保證模型在底層影像恢復和高層語義理解的能力，從而保證了最終部署的模型精度能夠滿足作業的需求。

不難看出，盤古大模型的視覺能力，正在點亮中國大地上一個個能力各異的“工業之眼”。

醫療之臂

提到AI醫療，很多人都會想到疫情防控期間行走在醫院裡的消毒機器人、送餐機器人。很少有人知道，在實驗室中，科研人員同樣需要AI來加速攻關。

新冠肺炎爆發後，全球的科研人員短期內發表了大量新冠相關的文章，時間緊任務重，要快速從海量文獻中提取出最新最前沿的關鍵知識和研究成果，給中國醫療人員帶來了不小的壓力：

靠人工整合，不僅需要大量人員投入，影響防疫效率，還可能出現分析效率低、出現誤差等情況。而且，當時所能使用的深度學習演算法模型，很多沒有生物醫學領域語料，在知識提取上表現一般。

這時候，盤古大模型迅速化身為科研人員的左膀右臂。

基於盤古大模型，華為雲構建了從文獻到知識圖譜的端到端分析流程，用於醫學資訊的抽取，同時提出了用於醫學關係預測演算法，可以自適應地選擇更恰當的專家模型，來對輸入的資料進行預測。

靈活的模型選擇，使得盤古大模型的知識表徵方法比傳統的知識表徵方法，準確度提升了12%。也有效地推動了科研工作的程式。

可能有讀者會問，隨著疫情逐步得到控制，盤古大模型還能在醫療領域發光發熱嗎?實際上，今天AI及盤古大模型已經成為生物醫療創新路上不可或缺的夥伴。

城市之路

智慧城市是目前為止人類對AI能力最恢弘也最全面的落地想象。而城市智慧生活，則是由一個個細分且垂直的演算法模型來組成的。

舉個例子，城市指揮交通往往需要成百上千個演算法，來分析和處理錯綜複雜的交通狀況與萬級規模影片流資料。僅識別領域，就包括號牌遮擋、人車對比、駕駛行為異常等等諸多細節。

要針對每個AI落地場景都一一開發、訓練，智慧城市可能要等到天荒地老。這時候，盤古大模型就成了智慧城市的一條“加速履帶”，讓創新可以被更快、更簡單地實現。

這條加速履帶，讓AI應用之路更寬廣：利用自研的虛擬的與現實資料混合技術，配合最新研發的層次化Transformer模組，盤古大模型能夠實時處理數百路影片的實時資料，在無需任何手工標註資料的情況下，完成交通參與者的識別與分析。這意味著，基於盤古大模型，許多AI能力薄弱的城市也能快速追趕上智慧化隊伍。

同時，也讓數字化建設變得更集約。一直以來，智慧城市都面臨著資料、算力、人才等資源的巨大消耗。而基於盤古的預訓練模型，以及自研的小樣本微調技術等等，可以大幅降低人工標註量和調優難度，讓AI可以低成本、大規模複製。

藉助這條履帶，越來越多的城市可以點亮AI之路，智慧山河的畫卷正在城市版圖上徐徐展開。

科學之腦

盤古大模型不僅出現在人間煙的火、千行百業的實踐中，也不忘護航科研創新的星辰大海。

盤古大模型的分身之一科學計算大模型，正在各種科學問題中，用AI技術來促進基礎科學的發展。

目前，科學計算大模型還被應用於氣象預測、分子動力學預測、微分方程求解等科學問題上，助力AI長遠地影響和改變人類生活品質。

目前，盤古大模型已經在能源、零售、金融、工業、醫療、環境、物流等行業多個場景中成功驗證。透過這些案例，我們可以窺見盤古大模型為AI描畫的想象空間——為產業AI開闢新天地，將己身支撐數智山河的繁榮生長。

在產業山巒間，描畫AI的指數級增長曲線

有資料顯示，目前AI的滲透率不到10%，產業AI處在初級階段，帶來巨大的市場增長空間。多快好省，是AI接下來走出指數級增長曲線不可或缺的環節。從盤古大模型的實踐中，我們也可以看到，加速AI落地產業的幾個前提：

1.標準化。盤古大模型在預訓練階段沉澱了大量的通用知識，四大分身模型以流水線的方式，快速適配和擴充套件不同場景，實現了AI模型在千行百業的批次化落地和可複製性。

2.先進性。只有具備人無我有、降維打擊的技術能力，預訓練模型才能滿足各行各業的差異化開發、訓練需求，這也是盤古大模型的價值所在。比如之前業界的一些預訓練大模型為了追求泛化能力，基本都不調優，導致一些細分場景下無法發揮出最優效能。而盤古大模型的基於提示(prompt-based)調優、動態冰化等一系列技術，則能夠實現小樣本訓練下的優異效能，提升AI的場景普適度。

3.普惠性。減少行業應用者的成本顧慮，也是科技企業的職責。華為雲透過全棧AI協同最佳化，幫助盤古大模型實現訓練加速，單位位元算力成本最優。從演算法、算力與資料問題，再到與行業知識的結合，盤古大模型正在一步步移除AI向產業世界進發的種種阻礙。

在AI進入萬物的過程中，如何讓落地變得更加順暢、真正解決產業問題?技術與產業，可能需要一個“深情擁抱”。這是科技企業需要擔負的時代之責，也是盤古大模型正在寫就的傳奇故事：

讓技術力量化為三山五嶽、雨露甘霖，支撐千行百業的智慧化升級，在產業土壤中澆灌出千姿百態的AI之花。

9月23日華為全聯接線上大會

華為高階副總裁、華為雲CEO、

消費者雲服務總裁張平安

將在主題演講中

釋出華為雲盤古家族新成員