目前在AI行業(yè)，大模型火到破圈。

　　今年11月初，華為云盤古大模型的機場廣告在首都機場和深圳寶安機場亮相，主打“行業(yè)AI開發(fā)應(yīng)用優(yōu)選”的定位。11月18日，權(quán)威時政媒體中國新聞周刊官方微博發(fā)布了華為云盤古大模型海報，引發(fā)了廣泛關(guān)注。

　　以往，AI大模型這類基礎(chǔ)設(shè)施層面的前沿技術(shù)極少在大眾廣告渠道被看到。如今，大模型不僅成為眾多AI行業(yè)峰會中被高頻討論的熱詞，在AI行業(yè)之外的影響力也日漸擴大。這些都表明，AI大模型正在加速走出實驗室，成為賦能各行各業(yè)的通用AI基礎(chǔ)設(shè)施。

　　自2020年OpenAI推出NLP大模型GPT3至今，全球范圍內(nèi)AI大模型迎來大爆發(fā)，參與企業(yè)越來越多，參數(shù)級別越來越大，成為新一輪AI競賽的賽場。目前，大模型吸引了谷歌、微軟、英偉達、華為、智源研究院、百度、阿里、商湯、浪潮、中科院自動化所等科技巨頭和頂尖科研機構(gòu)參與其中，各家大模型的參數(shù)量級也從千億、萬億，迅速躍遷到了10萬億級別。

　　同時我們也看到，大模型火爆的背后卻面臨廣泛應(yīng)用的困局。技術(shù)很牛，落地很難，不夠接地氣，成為業(yè)界對大模型發(fā)展的普遍認知。大模型百家爭鳴的格局背后，AI行業(yè)更需要冷思考。

　　AI大模型應(yīng)該為應(yīng)用而生

　　為什么眾多科技巨頭扎堆推出大模型?

　　這要回歸到AI落地的核心挑戰(zhàn)。國際歐亞科學院院士、華為云人工智能領(lǐng)域首席科學家、IEEE Fellow田奇認為，AI進入千行百業(yè)面臨很多挑戰(zhàn)，其中最重要有三點：第一，AI場景碎片化使得AI技術(shù)難以大規(guī)模復(fù)制。傳統(tǒng)的定制化、作坊式的模型開發(fā)方式是“一個場景一個模型”，無法復(fù)用和積累，導(dǎo)致AI開發(fā)的高門檻、高成本。第二，如何將行業(yè)知識與AI技術(shù)相結(jié)合，跨越行業(yè)know how與AI技術(shù)之間的鴻溝。第三，AI技術(shù)一直面臨攻擊、隱私、安全以及可解釋性方面的難題。

　　AI大模型擁有超大規(guī)模參數(shù)、巨量訓練數(shù)據(jù)，通過模型的巨量化可以提高人工智能的通用屬性，并降低人工智能的應(yīng)用門檻。正因為直擊AI落地的挑戰(zhàn)，大模型成為很多AI企業(yè)的共識。

　　那么，AI大模型能帶來科學計算的范式革命嗎?目前還存在哪些局限?10月底，華為云AI院長峰會匯聚了AI產(chǎn)學研各界的最強大腦，來自華為的AI科學家與來自中國科學院、中國工程院以及國內(nèi)30余所頂尖高校的數(shù)十名院長、教授關(guān)于AI大模型的現(xiàn)狀和前景進行了專業(yè)的探討。各界大咖普遍認為，目前AI大模型最大挑戰(zhàn)在應(yīng)用落地，如何讓更多行業(yè)和場景真正用起來。

　　首先，不是所有場景都需要大模型。大模型在醫(yī)藥研發(fā)、衛(wèi)星遙感、災(zāi)害評估、自然生態(tài)監(jiān)測等場景有巨大價值，但一些數(shù)據(jù)量小、任務(wù)并不復(fù)雜的場景，并不適合使用大模型，相當于“大炮打蚊子”。

　　其次，大模型不是參數(shù)數(shù)量越大越好，如何廣泛應(yīng)用才是最大價值和難點。大模型應(yīng)用價值取決于其泛化能力，能否快速適配不同場景。

　　一位AI領(lǐng)域教授認為：“大模型不在于大，而在于能不能解決應(yīng)用的問題，是不是來自于真正的需求。怎么樣能夠在更廣泛的應(yīng)用場景中用起來，這是目前大模型非常大的挑戰(zhàn)。”

　　“大模型應(yīng)該是AI走向下一個時代的跳板。大模型的大一定是體現(xiàn)它能夠去掌握、組織更大量的數(shù)據(jù)，而不是模型的參數(shù)量大。”一位華為云高級研究員也持同樣的觀點。

　　第三，大模型不是萬能的，不應(yīng)該希望一個大模型能解決所有問題。

　　“如果大模型想要實際用的比較好，一定要有配套的工作流。如果把下游的工作流程給搭建起來，大模型在很多場景上能夠得到比較好的應(yīng)用。”該高級研究員表示。

　　深入AI落地的無人區(qū)

　　如果說參數(shù)的直觀對比類似外行看熱鬧，那么，落地能力才是大模型實力的真正較量。

　　目前，大模型在落地層面還處在探索的初期，各大科技巨頭都在摸索嘗試。其中華為云盤古大模型在行業(yè)應(yīng)用方面走得更遠，已經(jīng)在能源、零售、金融、工業(yè)、醫(yī)療、環(huán)境、物流等行業(yè)的100多個場景實際應(yīng)用, 讓企業(yè)的AI應(yīng)用開發(fā)效率平均提升了90%。

　　今年4月華為云發(fā)布的盤古系列預(yù)訓練大模型具有超大規(guī)模參數(shù)、超高精度的特質(zhì)，還提供模型預(yù)訓練、微調(diào)、部署和迭代的功能，以減少行業(yè)側(cè)的數(shù)據(jù)標注依賴，從而降低人工智能開發(fā)的門檻和成本。

　　華為云盤古系列大模型包括NLP(中文語言)大模型、CV(視覺)大模型、多模態(tài)大模型和科學計算大模型。盤古大模型家族還在不斷壯大，今年9月華為云新推出盤古藥物分子大模型，其研究了17億個小分子的化學結(jié)構(gòu)，可以高效生成藥物新分子，計算蛋白質(zhì)靶點匹配，預(yù)測新分子生化屬性，并對篩選后的先導(dǎo)藥進行定向優(yōu)化，實現(xiàn)全流程的AI輔助藥物設(shè)計。

　　在眾多行業(yè)場景中，還存在著大量AI尚未落地的無人區(qū)。其中很多場景都有這樣的特征：樣本復(fù)雜多樣且不均衡，如果使用傳統(tǒng)AI模型標注成本高、效率低、準確率也有待提升。這些場景正是盤古AI大模型的典型應(yīng)用場景之一。盤古大模型把自己化作AI世界的開路先鋒，深入傳統(tǒng)AI模型難以觸及的領(lǐng)域，不斷探索AI落地的前沿。

　　在電力行業(yè)，國網(wǎng)重慶永川公司在智能電力巡檢場景用無人機代替人工進行缺陷檢測，但面臨海量數(shù)據(jù)標注工作量大和缺陷種類繁多等問題。盤古 CV 大模型利用海量無標注電力數(shù)據(jù)進行預(yù)訓練，并結(jié)合少量標注樣本微調(diào)的高效開發(fā)模式，提出了針對電力行業(yè)的預(yù)訓練模型。應(yīng)用之后，樣本篩選效率提升約 30 倍，篩選質(zhì)量提升約 5 倍，以永川每天采集 5 萬張高清圖片為例，可節(jié)省人工標注時間 170 人天。

　　同時，結(jié)合華為云盤古大模型搭載的自動數(shù)據(jù)增廣以及類別自適應(yīng)損失函數(shù)優(yōu)化策略，可以做到一個模型適配上百種缺陷，一個模型就可以替代永川原先的 20 多個小模型，極大地減少了模型維護成本，平均精度提升 18.4%，模型開發(fā)成本降低 90%。

　　在金融行業(yè)，金融機構(gòu)擔保貸款通常要求企業(yè)提供不動產(chǎn)擔保。原因在于動產(chǎn)移動性較強，很難控制動產(chǎn)的去向和價值，監(jiān)管難度大，銀行提供貸款風險較高。因此動產(chǎn)很難作為抵押物進行融資貸款，造成中小企業(yè)融資難的困境。

　　浦發(fā)銀行的浦惠云倉項目利用人工智能、物聯(lián)網(wǎng)、區(qū)塊鏈、金融科技等相關(guān)技術(shù)，能夠智能地監(jiān)測收貨、入庫、在庫、出庫等環(huán)節(jié)，識別異常行為，確保貨物“不調(diào)包”和貨物數(shù)量準確。該項目采用華為云盤古大模型，用一個模型覆蓋全部9種物流場景，通過對人員異常行為、入庫/出庫異常檢測、叉車軌跡異常識別等全部流程檢測，實現(xiàn)了對動產(chǎn)的實時監(jiān)管，增強了銀行風控能力。另外數(shù)字化也提高了動產(chǎn)解質(zhì)押、出庫、進入市場等環(huán)節(jié)的流通時間，將原來的為120天資金占用回款周期縮短到20-30天，大幅降低了企業(yè)的融資成本。

　　在生態(tài)監(jiān)測方面，華為云盤古科學計算大模型實現(xiàn)了對全球海浪浪高的實時預(yù)測，在精度和覆蓋范圍與傳統(tǒng)科學計算相當?shù)幕A(chǔ)上，將預(yù)測速度提升到了原來的10,000倍。

　　在時尚產(chǎn)業(yè)，華為云盤古多模態(tài)大模型強大的跨模態(tài)檢索、跨模態(tài)生成能力，不斷延伸AI的創(chuàng)造力。通過以文搜圖和以圖搜文能力，可以實現(xiàn)趨勢預(yù)測。通過以文生圖和以圖生圖能力，盤古多模態(tài)大模型可以通過文本控制來快速生成服裝圖片，供人類設(shè)計師參考。

　　優(yōu)秀的泛化能力是如何煉成的?

　　當大模型普遍受困于落地難題，為什么盤古大模型率先做到了廣泛應(yīng)用?這離不開其開發(fā)過程中首次采用的眾多領(lǐng)先技術(shù)。

　　比如，盤古大模型首次在對比度自監(jiān)督學習中引入了樣本相似性，使得小樣本學習的能力獲得了顯著提升。盤古 CV 大模型是首個判別與生成聯(lián)合預(yù)訓練的模型，其小樣本學習性能在 10% 的標簽分類上精度達到了業(yè)界第一。盤古大模型首創(chuàng)采用“階段式訓練”和“動態(tài)冰化”策略，顯著提升大模型訓練的穩(wěn)定性和效率;在下游應(yīng)用中，僅需少量樣本和學習參數(shù)即可完成千億規(guī)模大模型的快速微調(diào)和下游適配等等。

　　作為盤古大模型的“設(shè)計師”，田奇此前曾表示，盤古大模型設(shè)計之初秉持了三個核心原則：“第一，網(wǎng)絡(luò)規(guī)模要大;第二，模型大但不能臃腫，有強壯的網(wǎng)絡(luò)架構(gòu)，希望它是百米冠軍，系統(tǒng)的性能要做到極致，綜合性能提升10%以上;第三，希望它有優(yōu)秀的泛化能力，也就是場景覆蓋率要高，不僅是單項的百米冠軍，也希望是10項全能冠軍。”

　　之所以堅持這樣的技術(shù)路線，源自盤古大模型的初衷：讓AI開發(fā)由作坊式向工業(yè)式轉(zhuǎn)變，降低行業(yè)AI開發(fā)應(yīng)用門檻，讓大模型真正走進千行百業(yè)，不再只是大資本和大實驗室的專屬。在AI走向千行百業(yè)過程中，華為云盤古大模型在行業(yè)落地方面快人一步，能夠幫助行業(yè)專家快速掌握AI技能。

　　“華為云AI的目標就是持續(xù)創(chuàng)新，打造人工智能黑土地，使能大規(guī)模、可復(fù)制的AI行業(yè)應(yīng)用。”田奇表示。

　　放眼全球AI產(chǎn)業(yè)，大模型已經(jīng)成為國際間AI技術(shù)競爭的一個熱點，通過大模型構(gòu)筑中國AI技術(shù)競爭壁壘，是這一代中國科技企業(yè)的機遇和挑戰(zhàn)。中國工程院院士、鵬城實驗室主任、北京大學信息科學技術(shù)學院院長、教授高文院士曾經(jīng)指出，中國的人工智能產(chǎn)業(yè)有政策支持、數(shù)據(jù)資源、應(yīng)用場景、青年人才四個長板。其中，豐富的數(shù)據(jù)資源和應(yīng)用場景是我國AI產(chǎn)業(yè)非常突出的優(yōu)勢。

　　如何將散落在各行各業(yè)的數(shù)據(jù)生產(chǎn)要素價值發(fā)揮到極致，AI大模型大有可為。尤其是當AI大模型與行業(yè)專家的知識相結(jié)合，必將開啟新一輪的AI應(yīng)用浪潮，爆發(fā)出巨大的價值。