你還在用ChatGPT聊天麼？
從全民熱衷嘗鮮，到僅有少部分人仍在使用，上半年的ChatGPT喧嚣進入尾聲，而由另一次元觀測，新技術的生命力在市場，隻有客戶拿真金白銀買單的大模型，才是技術-商業的正向循環，下半年，行業大模型争相落地開啟新的競争。
在7月7日舉辦的華為開發者大會2023（Cloud）上，華為雲正式釋出盤古大模型3.0。盤古大模型3.0是一個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。
不疾不徐，華為盤古大模型揭開了新的一重面紗，也是ChatGPT熱潮之後，華為首次系統性地談論大模型。
钛媒體App了解到，華為并不熱衷于“百模大戰”，盡管早在2021年4月，華為雲就釋出了盤古大模型，包括NLP大模型和CV大模型，此後華為相繼釋出科學計算大模型、藥物分子大模型、盤古礦山大模型和氣象大模型。
“熟悉華為的人想想就知道，‘盤古chat’不符合華為的主航道，華為的政策是拿下B端市場，基礎模型早就釋出過，國内國外C端的大模型聲量雖然大，但是華為沒有想去摻一腳，還是堅定地做自己擅長的事，到了整個市場都重視大模型落地、談論行業大模型的時候，華為就必須要站出來了”，一位接近華為人士表示。
華為是國内最早釋出大模型的廠商之一，資本市場概念的炒作一輪又一輪，當産業潮水湧向行業大模型，華為還是按捺不住，将自己的大模型戰略和盤托出。
華為輪值董事長胡厚崑在WAIC上表示，華為人工智能的發展關鍵是“走深向實”，着力點放在讓人工智能為千行百業的生産活動服務，為科研創新服務。
目前階段，華為在人工智能發展上有兩個着力點：第一，打造強有力的算力底座，支撐中國人工智能産業的發展。第二，從通用大模型到行業大模型，讓人工智能服務好千行百業、服務好科研創新。
大模型“卷”落地
前車之鑒，後事之師。數十年間，人工智能技術發展的曲線潮起潮落，“落地難”始終是橫亘在産業現實的一道關卡。
在ChatGPT熱潮之前，人工智能面臨場景碎片化的問題，同時人工智能并沒有進入到企業的核心場景，技術和業務不是緊耦合的關系，也就很難形成規模效應。
根據第三方網站SimilarWeb的監測資料，6月份，ChatGPT的網站與移動用戶端的全球流量（PV）環比下降了9.7%，美國地區的流量環比下降了10.3%。同時，ChatGPT的獨立訪客數量（UV）下降了5.7%，訪客在網站上花費的時間也下降了8.5%。這是自2022年11月30日釋出以來，ChatGPT首次出現流量負增長。
拐點的到來，在一些人的意料之外，卻在另一些人的情理之中。
華為常務董事、華為雲CEO張平安表示，“目前大模型大多數應用都集中在2C領域，在面向行業應用時，由于行業資料擷取難，技術與行業know-how結合難，大模型在行業的落地進展較慢。”
當普羅大衆還在沉浸ChatGPT聊天的驚豔表現時，人工智能廠商已經在設想大模型的商業化，國際上，微軟、亞馬遜等大廠向企業級服務尋求商業化路徑，進行多個行業的探索；國内，諸如華為、百度、阿裡、騰訊等大小廠商，都在快馬加鞭加速行業大模型投入。
華為很早就看到了這一方向，據悉，2020年，華為判斷人工智能有兩個發展方向，一個是小模型到大模型的趨勢；第二個，人工智能和行業的結合，就是AI for Industries，華為認為AI在千行百業有着極大的想象空間。
前者，随着模型參數的不斷擴大，小模型到大模型的趨勢已然兌現，張平安介紹，盤古3.0能夠為客戶提供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，比對客戶不同場景、不同時延、不同響應速度的行業多樣化需求。
後者，在GPT火熱之前，盤古大模型已經深耕行業，打造礦山、氣象、藥物分子、鐵路等領域行業大模型和能力集，将行業知識know-how與大模型能力相結合，重塑千行百業，為每個企業、每個人提供專家助手，讓工作更輕松。
如果說，彼時華為的戰略預判還略顯突兀，沒有太多的參考，那麼，如今大模型已經足以證明，華為的技術和業務路線的雙重正确。
今年以來，華為遲遲不去“蹭”大模型的風口，而是在水面之下做一些基礎的工作。盤古大模型釋出以來，華為一直思考的都是客戶營運、産品研發、軟體工程、生産供應、市場營銷等行業客戶所關注的問題，堅持自己的技術主張和研發節奏，不急于求成，始終追求技術突破和技術領先，確定産品品質和傳遞品質。
“華為早在2020年就堅定地選擇了大模型路線，當時市場上的熱度并沒有今天高，也存在很多質疑的聲音，我們仍然堅持了下來，未來不管炒作與否，熱度高低，我們都會盡量不受外界幹擾，堅持做正确的事。”華為雲人工智能領域首席科學家田奇對钛媒體App表示。
談及行業過熱的狀态，田奇表示，“針對大模型這樣最頂尖的技術，市場的熱度一方面反映了資本對大模型盈利能力的期待，另一方面也反映了公衆對大模型應用能力的期待。”
市場是最大的驅動力，大模型最大的改變，是創造了一個規模化效應的出口，上層應用都可以基于大模型去發展，把碎片化的場景，歸攏統一，形成一套大模型解決方案，盤古大模型3.0的更新也遵循相似的邏輯。
盤古3.0大模型體系的5+N+X三層架構中，5大L0層的基礎大模型，包括自然語言大模型、視覺大模型、多模态大模型、預測大模型、科學計算大模型，能夠提供各種通用技能，支撐企業的各類應用。
N個L1層的行業大模型，例如政務大模型，金融大模型，礦山大模型等，能夠基于基礎大模型的多種能力組合，通過行業資料以及企業自有資料的二次訓練，幫助企業打造自己的大模型。
X代表海量L2層的場景模型，與基礎大模型和行業大模型相比，場景模型更加專注于某個具體的應用場景或特定業務，為客戶提供開箱即用的模型服務，例如，在醫療領域，針對小分子篩選，小分子優化等。
從“無人相信”到登上《Nature》
華為開發者大會2023（Cloud）釋出會前夕，華為雲盤古大模型團隊研發的高分辨率全球AI氣象預報系統研究成果，正式在《Nature》正刊上發表，基于三維神經網絡的氣象預報系統精度，超過傳統數值預報方法，且速度提高了1萬倍以上。
少有人知道的是，就在去年12月份，國際氣象領域的專家教授們還普遍認為，AI要達到傳統數值方法的精度，是一件非常遙遠的事。
“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.（我可以發表很多評論，表明這可能還不是AI相對于實體模組化的巨大勝利，盡管論文中提出了主張，與其他努力相比，這絕不是向前邁出的一大步。但是，該論文還是在ECMWF引起了一定程度的焦慮。）
歐洲中期天氣預報中心（ECMWF）是全球權威的國際性天氣預報研究和業務機構，該中心于1979年6月首次做出了實時的中期天氣預報，現在，華為盤古氣象大模型，為世界展現了另一種可能。
盤古氣象大模型研發團隊核心成員對钛媒體App表示，之前大家不相信AI方法能夠實作更高的精度和更好的效率，ECMWF也在探索用AI預測天氣，但是規劃的時間表以十年計算，他們認為，AI方法存在很多現階段難以突破的問題。
例如分辨率不夠，省級和區級的天氣預報，資料量相差很大，如果要做到更高的分辨率，資料量要達到上千TB，這比其他AI應用資料量要大得多，大資料意味着消耗大算力，這部分問題能夠通過堆硬體、工程化解決。
再如現有的 AI 預報方法精度大部分顯著低于數值預報方法，這也是很多人都不相信AI能夠超過數值預測方法的主要原因，現有的 AI 氣象預報模型都是基于 2D 神經網絡，無法很好地處理不均勻的 3D 氣象資料，同時AI 方法缺少數學實體機理限制，是以在疊代過程中會不斷積累疊代誤差。
華為雲提出了3D Earth-Specific Transformer方法，在每一個視覺transformer子產品中新引入和緯度、高度相關的絕對位置編碼，進而更好地處理複雜的3D氣象資料，并且拆分各個不同的時間段模型分散訓練，減少單個模型疊代的次數，進而減少疊代誤差。
“我們不僅做出來一個精度超過歐洲氣象中心資料預報的模型，而且我們迅速讓這個模型落地，其中克服了很多問題，讓氣象專家實測驗證模型結果，他們沒有理由否認AI方法的先進性。”如上人士表示。
氣象大模型的打造成為一個實證，華為雲不僅能有意願打造行業大模型，并且有将其付諸實踐的工具和能力。對應華為盤古大模型，L0是科學計算基礎大模型，L1是氣象行業大模型，L2就是氣象預測等應用。
大模型回答了“一個模型能否解決通用問題”以及“模型本身是否有價值”的關鍵問題，但是要想真正建構完整的業務鍊條，還需要從商業化層面跟進，為了加速和簡化行業大模型從開發到落地，華為雲提供了盤古大模型工程化平台，覆寫了資料處理、模型訓練和應用開發三大環節。
在資料平台方面，相比傳統标注平台（能提供的例如自動資料清洗等功能），華為雲資料工程平台專門為SFT訓練提供了基于模闆的Prompt線上輔助撰寫功能，為RLHF訓練提供了多人Rank線上标注和任務分撥功能；對比離線進行這兩種任務，實測效率可提升3倍。
有了高品質的資料如何産生高品質的模型，還需要確定模型開發的過程準确無誤，在模型訓練方面，大模型開發套件提供了自監督預訓練，有監督SFT訓練，強化學習訓練3種工作流，覆寫了從資料集建立，超參配置到模型訓練、評估、部署的全流程，凝結了大模型專家的實踐經驗，把複雜的大模型開發，流程化，标準化，簡單化，幫助行業使用者一鍵啟動，一站式開發。
之後，開發好的盤古大模型要想在行業發揮作用，離不開下遊應用，在模型開發方面，華為雲提供盤古應用開發套件，将傳統軟體工程與大模型相結合，提供多種API和工具可調用，支撐企業分鐘級建構大模型原生應用。
例如，基于盤古語言大模型和視覺大模型的基礎能力，以及盤古大模型工程化平台，在學習了超過20萬條政務資料，包括政策檔案、政務百科等公開政務知識，以及12345熱線場景等專有政務知識後，深圳市福田區政府打造了具備豐富法律法規、辦事流程等行業知識的福田政務大模型。
據了解，參照GPT-3完成一個千億行業模型端到端開發，基于盤古大模型工程化平台，開發大模型從過去需要5個月縮短到現在1個月，整體速度提升5倍。
AI世界的另一極
人工智能已經成為國家戰略競争焦點，AGI（通用人工智能）可能改變甚至颠覆世界運轉的原有邏輯，國家層面強調：“人工智能是引領這一輪科技革命和産業變革的戰略性技術，具有溢出帶動性很強的‘頭雁’效應。”
人工智能與實體經濟的結合，行業大模型扮演着重要作用，行業重塑、技術紮根、開放同飛，是華為雲的差異化優勢。
行業大模型以行業資料和know-how為重中之重，華為雲AI的優勢在于，在各行業已有數百個項目，基于對行業的深入了解，沉澱行業核心know-how，華為雲盤古大模型能夠更好地落地在行業客戶的主業務場景。
盤古大模型已經學習10多個行業公開資料，涵蓋金融、政務、氣象、醫療、健康、網際網路、教育、汽車、零售等。華為雲和夥伴還聯合打造了工業、供熱、政務、煤礦、教育、電力、公路7大行業aPaaS，為盤古大模型了建構最深厚的行業積累。
牆高基下，雖得必失，人工智能産業需要從最底層夯實基礎，張平安提到，其他人都可以依賴行業最成熟的AI算力和AI生态，但是華為隻能依靠自己的AI根技術。
中國工程院院士鄭緯民此前表示，大模型是新型關鍵基礎設施的底座之一，大模型的競争也是國家科技戰略的競争，中國一定要布局全棧自主創新的大模型産品，同時要建構國産化算力，也要解決算力能耗與國家“雙碳”戰略的平衡。
為此，華為建構了最深的AI堆棧根技術，在最底層建構了以鲲鵬和昇騰為基礎的AI算力雲平台，建構了昇騰的計算引擎CANN、AI架構MindSpore，以及AI開發平台ModelArts，為大模型開發和運作提供分布式并行加速，算子和編譯優化，叢集級通信優化等關鍵能力。
“現在基于華為的AI堆棧，我們的大模型訓練效能不僅不落後，在大模型場景下我們的訓練效能是業界主流GPU的1.1倍”，他說。
與此同時，華為雲提供了易用可靠的大模型工具套件、彙聚海量多行業場景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群，幫助開發者一站式完成入門到專家。
華為也積累了高密度的大模型人才：盤古團隊中大概50%以上是博士，還有很多名“天才少年”，上述氣象大模型的核心成員便是之一，大模型在訓練過程中，會遭遇各種各樣的困難和挑戰，一個技術過硬、敢于創新的團隊，才是大模型能夠練成的核心保障，也是華為對外輸出大模型能力的依托。
在安全方面，華為雲提供公有雲、混合雲、大模型專區三種模式，保障安全部署；建立長效機制，確定大模型安全合規：包括資料集來源和使用合規、資料全生命周期安全、建構完整的資料标注以及稽核機制、構模組化型合規使用政策、確定模型使用邊界。
AI大模型時代，面臨自下而上自主創新的宏大命題，華為正在打造世界AI另一極。