在華為開發者大會 2023 上，華為不僅僅展示了盤古大模型 3.0 的強大能力，還揭開了一系列令人矚目的成果。這次釋出會的精彩紛呈，讓人目不暇接。然而，其中最引人矚目的焦點，無疑是盤古大模型 3.0 在氣象預測領域的革命性突破。
盤古大模型的革命性之處在于它在氣象預測中的應用。以前的氣象預測主要依賴于基于2D神經網絡的模型，但氣象系統的複雜性使得這種方法的效果受到限制。更糟糕的是，以往的AI模型在預測過程中會積累誤差，這會影響結果的準确性，是以一直未能得到廣泛應用。然而，盤古大模型通過采用3DEST的三維神經網絡來處理氣象資料，徹底改變了這一局面。
3DEST網絡訓練和推理政策采用了階層化時域聚合政策，從根本上減少了疊代誤差，提高了氣象預測的精度。舉個例子，傳統的AI氣象預測模型在預測台風來臨時，通常提前6小時進行預測，然後在這6小時内多次計算台風到達的時間。這種方法可能導緻不同的計算結果，誤差積累，影響了預測的準确性。而盤古大模型通過訓練4個不同預報間隔的模型，分别是1小時、3小時、6小時和24小時疊代1次，根據需要選擇合适的模型進行疊代。這種政策有效地減小了誤差，使得天氣預報邁向了一個新的水準。
盤古大模型之是以如此出色，還得歸功于其獨特的架構。華為盤古大模型3.0采用了5+N+X的三層架構，使其能夠快速應用于各個行業。這一架構巧妙地解決了AI落地行業時所面臨的資料擷取難題。首先，盤古的第一層L0包含了5個基礎大模型，它們學習了海量的百科知識、文學作品、程式代碼等文本資料，以及數十億張帶文本标簽的網際網路圖像，為模型建立了基本認知。然後，在第二層L1中的模型讓L0中的某一個基礎大模型學習了N個相關行業的資料，類似于大學的大學階段，需要選擇不同的專業進行學習。最後的L2則進一步細化到某個具體的場景，類似于研究所學生階段，根據不同行業的需求定制模型。
華為還加入了一個回報環節，根據他們的說法，過去開發一個GPT-3規模的行業大模型通常需要5個月，但有了這套架構，開發周期能縮短至原來的1/5。這也使得許多行業資料集較小的限制得以解決，為各行各業帶來了更多可能性。
不僅如此，華為還提出了算力國産化的概念，解決了AI算力方面的短闆。他們的昇騰910處理器在性能上已經超越了英偉達A100，雖然實際應用中還存在差距，但這一舉措表明了華為在AI領域的決心。而與此同時，華為還提供了全套的應用套餐，使使用者能夠更高效地訓練大模型。
綜合來看，華為在AI領域的布局是深刻而令人印象深刻的。他們不僅關注AI的基礎研究，還積極探索如何将AI落地應用于不同的行業。華為的盤古大模型3.0和算力國産化計劃，為AI行業帶來了新的活力，也讓人看到了AI領域未來的巨大潛力。如華為創始人任正非所言，AI領域的真正時代還在後頭，我們有理由期待更多創新和突破的出現。