华为云共建智能世界云底座

CLOUD 云+

封面故事

AI重塑千行百业

P04

P10

华为云盘古大模型全布局揭秘Al for Industries的落地路径

P25

华为云盘古气象大模型登Nature正刊-天气预报不准的难题被AI突破了

P58

“只做事”的大模型成就真英雄

内部发行免费赠阅准印证号：粤BL0230022

第十七期2023年10月

群内每日免费分享5份+最新资料

300T网盘资源+40万份行业报告

为您的创业、职场、商业、投资、亲子、网赚、艺术、健身、心理、个人成长…全面赋能！

关注公众号获取更多资料

添加微信，备
注“入群”
立刻免费领取
200套知识地图+最新研报

致终身学习者社群

行业报告/思维导图/电子书/资讯情报

收钱文案、增长黑客、产品运营、品牌企划、营销战略、办公软件、会计财务、广告设计、摄影修图、视频剪辑、直播带货、电商运营、投资理财、汽车房产、餐饮烹饪、职场经验、演讲口才、风水命理、心理思维、恋爱情趣、美妆护肤、健身瘦身、格斗搏击、漫画手绘、声乐训练、自媒体打造、效率软件工具、游戏影音...

扫码先加好友，以备不时之需

非经华为技术有限公司书面同意，任何单位和个人不得擅自摘抄、复印本资料内容的部分或全部，并不得以任何形式传播。

无担保声明：

本资料内容仅供参考，均“如是”提供，除非适用法要求，华为技术有限公司对本资料所有内容不提供任何明示或暗示的保证，包括但不限于适销性或者适用于某一特定目的的保证。在法律允许的范围内，华为技术有限公司在任何情况下都不对因使用本资料任何内容而产生的任何特殊的、附带的、间接的、继发性的损害进行赔偿，也不对任何利润、数据、商誉或预期节约的损失进行赔偿。

（内部资料，免费交流）

编印单位：华为技术有限公司

印刷单位：雅昌文化(集团)有限公司

出版人：董理斌李明潇

印刷日期：2023年10月23日

执行主编：张桂林蒋宁静

发送对象：本行业、公司员工

编辑：欧阳伶星黄鹏飞王艳平胡珊珊肖雲

印数：3000册

封面故事

AI重塑千行百业华为云发布盘古大模型3.0和昇腾AI云服务

P04

华为云盘古大模型全布局揭秘 Al for Industries的落地路径

P10

视界

赋能实体经济中国大模型走自主创新之路

P16

AI终于超越了撩拨舆论的阶段

P19

华为云共建智能世界云座CLOUD 云+

CLOUD·云+

主办：华为云计算技术有限公司

电子版请登陆 huaweicloud.com 阅读或下载

索阅、投稿、建议和意见反馈，请联系编辑部：

Email: hwcloudplus@huawei.com

编辑部地址：中国深圳市龙岗区坂田华为基地G1

华为云热线电话：950808

huaweicloud.com

行业重塑

不作诗，只做事 P21探秘华为云盘古大模型行业应用

华为云盘古气象大模型登Nature正刊 P25-天气预报不准的难题被AI突破了

「盘古」的逆向突围： P31一条有效的工业智能化路径

云上加速 AI大模型帮车企跨越智驾鸿沟 P40

华为云盘古政务大模型： P45助力广州白云建设新一代智慧城管

当盘古大模型遇到矿山华为云让AI走深向实 P47

华为云的「云端」实战： P35

以大模型加速新药研发，成本降低70%

技术创新

大模型时代CodeArts定义软件开发新范式
“只做事”的大模型成就真英雄

华为云天筹AI求解器荣获世界人工智能大会最高奖P61

盘古大模型让人人实现数字人自由

AI重塑干行百业华为云发布盘古大模型3.0和昇腾AI云服务

■华为云

华为云盘古大模型3.0围绕“行业重塑”“技术扎根”“开放同飞”三大创新方向，持续打造核心竞争力，为行业客户、伙伴及开发者提供更好的服务。目前已在政务、金融、制造、医药研发、煤矿、铁路等诸多行业发挥着巨大价值。

7月7日，华为开发者大会2023（Cloud）在中国东莞正式揭开帷幕，并同时在全球10余个国家、中国
30多个城市设有分会场，邀请全球开发者共聚一堂，就AI浪潮之下的产业新机会和技术新实践开展交流分享。

在大会主题演讲中，华为常务董事、华为云CEO张平安重磅发布盘古大模型3.0和昇腾AI云服务。其中，盘古大模型3.0围绕“行业重塑”“技术扎根”“开放同飞”三大创新方向，持续打造核心竞争力，为行业客户、伙伴及开发者提供更好的服务。昇腾Al云服务单集群提供2000PFlops算力，干卡训练30天长稳率达到90%，为业界提供稳定可靠的AI算力，让大模型触手可及。

华为常务董事、华为云CEO张平安重磅发布盘古大模型3.0

张平安表示：“盘古大模型要让每个行业、每个企业、每个人都拥有自己的专家助手，让工作更高效更轻松。我们始终坚持Al for Industries的战略，在深耕行业的道路上不断前行。我坚信大模型将重塑千行百业，而每一个开发者，都将是改变世界的英雄。 7

盘古大模型3.0：重塑千行百业

华为云盘古大模型从一开始就聚焦为行业服务，本次大会发布的盘古大模型3.0 也是一个面向行业的大模型系列，包括“5+N+X”三层架构：

LO层包括自然语言、视觉、多模态、预测、科学计算五个基础大模型，提供满足行业场景中的多种技能需求。盘古3.0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。同时提供全新能力集，包括NLP大模型的知识问答、文案生成、代码生成，以及多模态大模型的图像生成、图像理解等能力，这些技能都可以供客户和伙伴企业直接调用。无论多大参数规模的大模型，盘古提供一致的能力集。

L1层是N个行业大模型，华为云既可以提供使用行业公开数据训练的行业通用大模型，包括政务，金融，制造，矿山，气象等大模型；也可以基于行业客户的自有数据，在盘古大模型的L0和L1层上，为客户训练自己的专有大模型。

华为云发布盘古大模型3.0

L2层为客户提供了更多细化场景的模型，更加专注于政务热线、网点助手、先导药物筛选、传送带异物检测、台风路径预测等具体行业应用或特定业务场景，为客户提供“开箱即用”的模型服务。

盘古大模型采用完全的分层解耦设计，可以快速适配、快速满足行业的多变需求。客户既可以为自己的大模型加载独立的数据集，也可以单独升级基础模型，也可以单独升级能力集。在L0和L1大模型的基础上，华为云还为客户提供了大模型行业开发套件，通过对客户自有数据的二次训练，客户就可以拥有自己的专属行业大模型。同时，根据客户不同的数据安全与合规诉求，盘古大模型还提供了公用云、大模型云专区、混合云多样化的部署形态。

“盘古为行业而生，就要为行业着想，更好地服务干行百业的客户”，张平安表示。如今，盘古大模型已在金融、制造、医药研发、煤矿、铁路等诸多行业发挥着巨大价值。

在政务领域，华为云携手深圳市福田区政务服务数据管理局，上线了基于盘古政务大模型的福田政务智慧助手小福，能够精准理解民众咨询意图，改变传统的一网通办模式，把老百姓的话语转化为政府办事的语言，让城市更有爱。盘古政务大模型对超过20万条政务数据进行精调，包括12345热线、政策文件、政务百科等，掌握了丰富的法律法规、办事流程等行业知识。基于盘古政务大模型的小福，在一网通办业务中体现出行业性、专业性、领先性和惠民性。

华为云EI服务产品部部长尤鹏

在煤矿领域，盘古矿山大模型已经在全国8个矿井规模使用，一个大模型可以覆盖煤矿的采、掘、机、运、通、洗选等业务流程下的1000多个细分场景，让更多的煤矿工人能够在地面上作业，不仅能让煤矿工人的工作环境更加舒适，而且可以极大地减少安全事故。

在铁路领域，盘古铁路大模型能精准识别现网运行的67种货车、430多种故障，无故障图片筛除率高达95%，成为货运列检员身边有力的数字助手，将列检员从每日数百万张的“图海”检测中解放出来。

在气象领域，盘古气象大模型是首个精度超过传统数值预报方法的AI预测模型，同时预测速度也有大幅提升。原来预测一个台风未来10天的路径，需要在3000台服务器的高性能计算机集群上花费5小时进行仿真。现在基于预训练的盘古气象大模型，通过AI推理的方式，研究者只需单台服务器上单卡配置，10秒内就可以获得更精确的预测结果。

在金融领域，盘古金融大模型可以对银行的各种操作、政策、案例文档进行预训练，能根据客户的问题，为柜台工作人员自动生成流程和操作指导，将原来需要平均5次的操作降低为1次，办结时间缩短5分钟以上。盘古大模型让数十万网点柜员都拥有自己的智慧助手。

在制造领域，过去单产线制定器件分配计划，往往要花费3个小时以上才能做齐1天的生产计划。盘古制造大模型学习了华为产线上各种器件数据、业务流程及规则以后，能够对业务需求进行准确的意图理解，并调用天筹AI求解器插件，1分钟即可做出未来3天的生产计划。

在药物研发领域，原来一款新药研发平均需要10年时间、花费10亿美金。盘古药物分子大模型助力西安交通大学第一附属医院刘冰教授团队发现全球40年来首个新靶点、新类别的抗生素，并将先导药物研发周期缩短至1个月、研发成本降低70%。

技术扎根、极致效能，打造世界AI另一极

大模型的创新不仅仅是模型自身的创新，更依赖于AI的各项根技术创新。华为在最底层构建了以鲲鹏和昇腾为基础的AI算力云平台，以及异构计算架构CANN、全场景AI框架昇思MindSpore，AI开发生产线ModelArts等，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。基于华为的AI根技术，大模型训练效能可以调优到业界主流GPU的1.1倍。

算力是训练大模型的基础。在本次大会上，张平安宣布单集群2000PFlops算力的昇腾AI云服务在华为云的乌兰察布和贵安Al算力中心同时上线。昇腾AI云服务除了支持华为全场景AI框架昇思MindSpore外，还支持 Pytorch、Tensorflow 等主流Al框架。同时，这些框架中90%的算子，都可以通过华为端到端的迁移工具平滑迁移到昇腾平台。

此外，在大模型训练过程中经常会遇到GPU故障，研发人员不得不经常重启训练，时间长，代价大。昇腾AI云服务可以提供更长稳的AI算力服务，千卡训练30天长稳率达到90%，断点恢复时长不超过10分钟。例如，美图仅用30天就将70个模型迁移到了昇腾，同时华为云和美图团队一起进行了30多个算子的优化以及流程的并行加速，AI性能较原有方案提升了30%。

“为了帮助全球客户、伙伴、开发者训练和使用大模型，我们致力于为全球客户打造世界AI另一极，为所有AI开发者提供新的选择”，张平安表示。

深度融合，盘古大模型重构产品创新

除了在千行百业的落地实践，华为云盘古大模型也深度融入了华为云的产品服务，重构产品创新。

例如，在资料服务中，通过盘古大模型的文案生成和代码生成技术，能够提升资料撰写和前端代码编写效率，将新产品上市、赋能周期大为缩短。在云客服，通过嵌入行业知识库和意图挖掘能力的对话问答，实现全流程AI优先作答，提升客服工作效率30%。在BI，通过NL2SQL和AutoGraph智能路由，实现SQL到可视化图表的自动推荐，通过多轮自然语言交互，让人人都能便捷地从数据中洞察业务细节。在云搜索，通过多模态Embedding和NL2API技术，实现视频、文本、图谱等广泛场景搜索，借助强大的语义理解和泛化能力，让搜索准确率提高15%。

同时，华为云将CodeArts研发工具与盘古大模型相结合，正式发布了面向开发者的智能编程助手CodeArtsSnap。该工具训练了760亿行精选代码、1300万篇技术文档，具备智能生成、智能问答、智能协同三大核心功能，可以实现一句对话让代码生成、一次点击即可自动注释和生成测试用例，一条指令即可智能部署，让每个软件开发者都有自己的编程助手。

此外，为了让企业在Al时代构筑更强的内容创新能力，华为云通过盘古基础大模型赋能MetaStudio 数字内容生产线，打造了盘古数字人大模型，提供模型生成和模型驱动两大服务，并已经使用了20万小时音视频数据进行了预训练。基于这两大服务，开发者可以快速生成和驱动数字人模型，赋能在线教育、文娱直播、企业会议等行业应用，让每个企业员工实现“数字人自由”。例如，用户只需在华为云MetaStudio的服务页面上传20秒的个人视频，就可以快速生成个性化的数字人讲解视频，过去3个研发人员3天完成的工作，现在只需要3分钟就可以完成。

■开放同飞，携手客户伙伴共赢大模型生态

华为云致力于构建以开发者为核心的、开放共赢的全球生态体系。目前，华为云全球开发者数量已超过460万，云商店上架的商品已达10000多个。华为云提供了易用可靠的大模型工具套件、汇聚海量多行业场景API的开天aPaaS，以及包含丰富优质课程和技术认证的大模型专属社区，希望与开发者及伙伴一起，共同探索盘古大模型与行业结合的创新路径。

大模型的发展离不开高质量数据的持续输入。华为云联合中国公共关系协会、文化大数据产业委员会、以及多家伙伴单位，共同倡议成立大模型高质量数据联盟。联盟将汇聚来自各成员单位的开放数据，打造覆盖千行百业的高质量数据集，促进行业大模型的蓬勃发展。

开发者是推动数字创新的核心力量。本次大会上，主题为“创想无限”的2023华为开发者大赛正式启动。作为华为ICT领域的顶级赛事，华为开发者大赛开设云底座和产业两大赛道，覆盖中国、亚太、欧洲、北非、拉美五大赛区，让开发者在人工智能领域大展身手，实现创新性应用开发。

华为盘古大模型全布局揭秘Al for Industries 的落地路径

■钛媒体

Al 大模型时代，面临自下而上自主创新的宏大命题，华为正在打造世界AI另一极。

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。

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干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，让人工智能服务好干行百业、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AIfor Industries，华为认为Al在干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。”华为云盘古大模型专家对钛媒体App 表示。

谈及行业过热的状态，华为云盘古大模型专家表示，“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+×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。

丨从“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 l could make indicating that this is perhaps not yet quite the triumph of Al 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 causinga 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，数据量要达到上干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，

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。

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。

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开发生产线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”，张平安说。

与此同时，华为云提供了易用可靠的大模型工具套件、汇聚海量多行业场景APl的开天aPaaS，以及包含丰富优质课程和技术认证的大模型专属社区，帮助开发者一站式完成入门到专家。

华为也积累了高密度的大模型人才：盘古团队中大概 50%以上是博士，还有很多名“天才少年”，上述气象大模型的核心成员便是之一，大模型在训练过程中，会遭遇各种各样的困难和挑战，一个技术过硬、敢于创新的团队，才是大模型能够练成的核心保障，也是华为对外输出大模型能力的依托。

在安全方面，华为云提供公有云、混合云、大模型专区三种模式，保障安全部署；建立长效机制，确保大模型安全合规：包括数据集来源和使用合规、数据全生命周期安全、构建完整的数据标注以及审核机制、构建模型合规使用政策、确保模型使用边界。

AI大模型时代，面临自下而上自主创新的宏大命题，华为正在打造世界AI另一极。

赋能实体经济中国大模型走自主创新之路

■人民日报客户端

中国大模型厂商要紧密结合国家战略需求和行业发展方向，深入探索行业痛点和场景，打造行业大模型，为实体经济赋能。

今年以来，ChatGPT引领了人工智能的新一轮创新浪潮。科技部新一代人工智能发展研究中心发布的《中国人工智能大模型地图研究报告》显示，我国研发的大模型数量位居全球第二。据不完全统计，当前中国已发布的大模型产品已超过80个，进入“百模大战”的新时代。这充分体现了我国在人工智能领域的创新实力和发展潜力，同时如何走出具有中国特色的大模型发展之路，也成为我们必须思考和回答的重大课题。

坚持自主创新，构建核心竞争力

大模型是新型基础设施的关键底座之一，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。

”

-中国工程院院士郑纬民

当前，我国大模型面临着四方面的挑战：一是中文语料库和英文语料库在质和量上都存在较大差距，缺乏高质量的中文语料数据和行业数据；二是大模型需要大算力，但受制于国外技术封锁，中国缺乏先进、有效的算力；三是当前大模型训练算法框架大量依赖于国外框架；四是我国缺乏顶尖的AI人才。这些挑战对我国大模型的研发和应用构成了制约。

为了应对这些挑战，我们要加强自主创新能力，从算力、算法、框架、工程化、人才等各个层面提升我国大模型的核心竞争力。因此，中国大模型产业需要在以下几个层面加强建设：

加强算力建设

加快推进芯片、云服务等大模型算力基础设施的自主研发和生产，打破国外的技术和供应链封锁，为我国大模型提供可靠且持续的算力支撑。

加强算法创新

加强基础理论研究和前沿技术探索，突破核心算法难题，提高我国大模型的训练效率和预测准确性，提供优质高效的算法支撑。

加强训练框架研发

推进大模型训练框架的自主研发和创新，提高大模型训练效率、安全性、可解释性和可信度，为国产大模型提供安全可控的框架支撑。

加强数据资源建设

推进中文语料库和行业数据集流通和共享等机制的建设，突破数据瓶颈，提升中文语料数据和行业数据的“质”和“量”，为我国大模型提供充足丰富的数据支撑。

加强工程化能力

建设大模型工程化平台，如数据清洗和标注平台、大模型开发套件和应用开发套件等，加速和简化大模型的开发到落地，让大众和企业能更方便地应用大模型。

加强人才培养

推进人工智能人才培养体系的建设和完善，培养一批高水平、高素质、高效率的人才，为大模型创新提供强有力的人才支撑。

发挥场景优势，抓住弯道超车机会

中国具有强大的工业基础和丰富的行业应用场景，为国产大模型的发展带来了弯道超车的机会。

中国坐拥庞大的实体产业基础，以制造业为例，据统计，中国目前共有31个制造业大类、609个小类，拥有全球产业门类最齐全、产业体系最完整的工业体系。

同时，中国持续构建现代化产业体系，对于人工智能技术与行业应用的深度融合，有着更庞大、更迫切、更具价值的实际需求，也提供了更为广大的创新实践空间。例如，在制造业中，人工智能可以帮助企业提高生产效率和质量，通过智能机器人、传感器、图像识别等技术，实现自动化、精准化、智能化的生产过程；在交通领域中，可以帮助交通管理部门优化交通流量和路况，通过智能信号灯、导航系统、无人驾驶等技术，实现安全、便捷、节能的交通运输；在气象领域中，可以帮助气象部门提高天气预报准确率，通过大数据分析、深度学习、卫星遥感等技术，实现及时、准确、全面的气象信息服务；在药物研发领域中，可以帮助企业加速新药研发进程，通过自然语言处理、知识图谱、分子建模等技术，实现高效、创新、个性化的药物设计和发现。

这些新的需求也是在人工智能时代，中国大模型产业实现弯道超车的机遇所在。中国大模型厂商要紧密结合国家战略需求和行业发展方向，深入探索行业痛点和场景，打造行业大模型，为实体经济赋能。

构建行业大模型，加速在实体产业落地

Chat类的大模型引发新一轮热潮，但对话、写诗、作画绝不是大模型的全部。我们需要去深入思考大模型的应用方向，要将大模型切实投入到城市发展、金融科技、生物医药、工业制造、科学研究等领域，也需要专业的企业和组织加速其在实体产业落地，为产业刚需带来实实在在的大价值，去真正意义大规模服务社会。

刀

-中国工程院院士邬贺钰

目前，国产大模型产品正在与实体产业深度融合方面积极探索，已经取得了一系列的成果。以华为云盘古大模型为例，它在多个领域展示了行业大模型的巨大潜力。

盘古气象大模型只需10秒就能预测一个台风未来10天的路径，并且预测精度超过传统数值预报方法，最大限度减小台风灾害；盘古矿山大模型能覆盖煤矿的采、掘、机、运、通、洗、选等业务流程下的1000多个细分场景，提升生产效率，让煤矿工人工作环境更加舒适安全；盘古制造大模型能够理解制造业的需求、知识和经验，自动建模并给出决策优化方案，提升制造企业的效率和智能化水平。盘古大模型深入行业取得的成果充分证明了我国大模型与实体产业深度融合的巨大潜力和价值。我们要进一步推动行业大模型的落地应用，让更多的行业和企业享受到人工智能技术带来的红利。

走出具有中国特色的大模型发展之路，需要坚持自主创新、抓住弯道超车的机会、加速大模型与实体产业的深度融合，不断提升国产大模型的核心竞争力，为我国人工智能产业的发展注入更强的动力。

AI终于超越了撩拨舆论的阶段

■曹林

真正强大的AI，不应该让人类产生被替代的恐惧和焦虑，而应该让人们看到科技赋能的强大。Al的终极发展不是人化，而是“超人化”。

ChatGPT和各种AI大模型火了大半年了，我发现了一个现象，人们对AI的态度，已经从年初的兴奋猎奇，热衷于跟人的灵性作攀比，当成吟诗作对、炫耀才艺的“逗乐玩具”，到如今平静务实地看待：AI大模型到底能帮人类解决什么问题，它到底能在哪些人力不可及的问题上延伸人的肢体和智能？

这是一种进步，不炫耀才华、不跟舆论撩拨的AI，是更成熟了。既是AI大模型的成熟，也是公众AI观的成熟。

后ChatGPT的AI时代，这大半年是不是AI一直匍匐在ChatGPT的阴影之下呢？不是，各国的大模型都在飞跃成长，在舆论视野之外做了很多事。前几天看到一个报道，《自然》杂志发表了华为云盘古大模型研发团队研究成果一一《三维神经网络用于精准中期全球天气预报》。论文显示，盘古气象大模型是首个精度超过传统数值预报方法的AI模型，速度相比传统数值预报提速10000倍以上！今年5月，台风“玛娃”走向受到广泛关注，来自国家气象中心的消息称，华为云盘古大模型在“玛娃”的路径预报中表现优异，提前五天预报出其将在台湾岛东部海域转向路径。目前，盘古气象大模型能够提供全球气象秒级预报！

这才是属于大模型最应该去“炫”的才华，人类最需要的AI才华。写评论、创意海报、吟诗作赋、唱歌、广告文案、谈情说爱，这些才华，就留给人类吧！大模型之大，应该在人力不可及的范畴去挥洒人工智能之伟力。

AI终于超越了和舆论撩拨的初级阶段，努力去做实事，用“实事”证明它对人类的重要。这半年，微软、谷歌与亚马逊，华为、阿里、腾讯、京东、商汤科技、科大讯飞，各种大模型纷纷亮相一一可以注意到，无论是阿里的“通义干问”，还是腾讯的新一代HCC高性能计算集群，都很务实，并没有让人们觉得AI像“人类玩偶”一样好玩，人们理解它，是需要一定专业、观念和技术门槛的，不是在舆论场上成为“网红”，而是在专业领域和特定行业引发轰动。AI过了网红那个阶段，而去用专业实力证明自己。

近来华为云盘古大模型3.0也是如此，中国首个全栈自主的AI大模型，表面上看，并没有多少让普通人眼前一亮的网红级发布，它的“才华”都集中在金融、政务、制造、矿山、气象、铁路等具体行业具体问题上，将行业知识know-how与大模型能力相结合，重塑干行百业，为每个企业、每个人提供专家助手，让工作更轻松。这些“大模型才华”在《自然》杂志这样的顶级科学期刊上引发世界关注，在行业中引发轰动。

盘古开天辟地，除了开头提到的“气象大模型”，还有矿山大模型：原来井下异常看不清、看不全，需要人工巡检。现在一个盘古矿山大模型可覆盖矿山7大业务流程1000+场景，帮助地面操作人员实时掌握整个综采面工作状况。药物分子大模型：原来一款新药研发需要10年时间、花费10亿美金。现在通过盘古药物分子大模型，可以将先导药物研发周期缩短至1个月，研发成本降低70%。比如这个大模型就助力西交大一附院刘冰教授团队发现世界40年来首个抗生素（肉桂酰菌素），目前已进入临床阶段。一一让无数患者受益，助人类减少疼痛，这是大模型最大的本分，最核心的“才华”。还有铁路大模型、政务大模型、制造大模型等等，都是人们肉眼看不见的地方用强大的算力延伸人力不可及的智能。

你看云时热切，你看我时眼盲，真正的大模型，对它的理解可能是小众的，并非大众情人、大众网红，但它能在小众理解的范畴内、在大众觉察不到的地方，对大众生活带来巨大影响，Alfor Industries，看云识天气，驾云采新药，云中解决急难愁盼。有一天你突然发现，那些看不见大模型渗入生活方方面面，重塑和服务干行万业，已经成了我们生活的“最强大脑”。

AI不炫耀才华了，更让人信赖，是过了那个炫耀才华和猎奇炫奇的初级阶段。开始需要那种炫耀，就像ChatGPT，以“人化”的方式让公众看到了大模型的升级智能，在感性中普及了它的存在感，但它长大了，就不需要那些方面的炫耀了。就像一个小孩子，可能在刚开始的时候，他们特别喜欢在大人的诱导下，或者出于好奇，在社交场合表演背唐诗宋词，弹钢琴，表演各种才艺。随着长大和成熟，他们会越来越有分寸、边界和判断，知道什么才是自己的核心素养，什么是社会最看重的核心能力，知道不要为不属于自己的观众表演自己不擅长的东西，稳重扎实，在关键方面咬定青山不放松。

这也是公众AI观的成熟。我一直觉得，真正强大的AI，不应该让人类产生被替代的恐惧和焦虑，而应该让人们看到科技赋能的强大。AI的终极发展不是人化，而是“超人化”。文化、精神和心灵层面，舞文弄墨，这是属于人类的才华，独一无二，不可替代的，不是AI的领地。作为人工智能，它应该是超人的，这种“超人”，不是指“超过并代替人类”，而是在人力不可及的问题上去发挥超人能力，帮助人类实现超人的效率、超人的想象、超人的福利。人类的创造，永远不能反人类、取代人类、碾压人类、增加人类的“卷”，它应该是AI人的。就像盘古一样，开天辟地地创造，并在阳光雨露的滋养下，让人类生生不息。

不作诗，只做事探秘华为云盘古大模型行业应用

■华为云

大模型是新一轮Al发展的核心，华为云盘古大模型践行Al for industries，持续打造核心竞争力，加速各行各业数字化的进程。

华为云于2021年正式发布了盘古基础大模型，包括CV计算机视觉大模型、NLP自然语言处理大模型和科学计算大模型。在基础大模型之上，华为云践行Al for industries，陆续推出了矿山、药物分子、电力、气象、海浪等盘古行业大模型，加速各行各业数字化的进程。

2023年7月7日，华为云发布盘古大模型3.0，围绕“行业重塑”“技术扎根”“开放同飞”三大创新方向，持续打造核心竞争力，为行业客户、伙伴及开发者提供更好的服务。

如今，华为云Al已经在各行业有超过1000个项目，基于对行业的深入理解，华为云盘古大模型能够更好地落地在行业的核心业务场景。

货运列车智慧检测，盘古铁路大模型为铁路物流安全护航

随着海内外经济复苏，货运铁路的班次及载重均迎来新高潮。

在传统的货运铁路巡检中，TFDS（货车运行故障动态图像检测）系统作为5T检测技术的重要组成部分，通过高速拍摄的“电子眼”，动态采集列车车底配件、车体侧部等部位图像，实时判别货运列车是否存在故障。

一列50辆车厢的货车，“电子眼”会拍摄4000张照片，检测员每秒需审阅1张图。动态检车员不仅工作强度大、难度高，而且需对车辆专业理论与实际运用有较高水平，要在短时间内完成整列车的故障分析，确保整列车的运行安全。

华为云在现有设备和平台架构的基础上，基于盘古铁路大模型，推出TFDS故障智能识别方案，实现从图像采集、数据收发、列车拆分，到实时故障判别的全局分析，能够对多工位、多辆车关联等全局故障进行精准预报。

自监督行业预训练模型

盘古预训练大模型基于语义相似样本、等级化语义聚集的对比表示学习方法，利用百万级无标注铁路行业图像生成铁路行业大模型。

图像质量自动增强&评估

通过底层视觉特征以及高层视觉特征对增强后的图像进行自动评估，对正常图像做进一步故障识别，非正常图像返回人工审核。

盘古铁路大模型核心竞争力

依托车型先验模板匹配

根据已知的车型信息建立零部件的相对位置模板，具有可解释性地预报部件异常情况，如脱落、丢失、错位等。

小样本故障定位、识别

基于铁路行业预训练大模型，结合当前最优的目标检测、图像识别框架，进行部件定位、故障识别，具有更强的泛化能力，仅需传统1/3的样本即可完成。

在实际应用中，盘古铁路大模型单张照片识别仅需4毫秒，可智能过滤95%的正常图片，实现了400多种故障的自动化识别以及严重故障的“零漏报”，比人工识别更准确，大幅度提升TFDS系统作业效率，成为货运列检员身边有力的数字助手，将列检员从每日数百万张的“图海”检测中解放出来。

AI辅助药物设计，盘古药物分子大模型加速新药研发

自1987年达托霉素被发现以来，人类已经有近40年没有新的抗生素被研发出来。药物研发专家需要花费超过10年时间、超过10亿美元成本，才有可能研发出一款新药。

为了帮助药物研发专家从海量药物分子中高效挑选出适合成药的小分子，华为云联合中国科学院上海药物研究所推出了盘古药物分子大模型，基于全流程AI辅助药物设计的能力，以靶点预测、分子设计、活性评估、毒性筛选等环节为抓手，帮助医药公司实现快速、精准、低成本的药物发现，开启药物研发的新模式。

在药物虚拟筛选方面，依靠华为云创新的iFitDock算法以及虚拟筛选服务，盘古药物分子大模型的成药性预测准确率比传统方式高20%，进而让药物筛选效率提升十倍；

在药物优化方面，基于华为云盘古药物分子大模型的结构优化器，研发专家可对先导药进行定向优化，通过更科学的药物结构设计，减弱对人体正常细胞可能产生的毒副作用。

“图-序列不对称条件变分自编码器”深度学习架构

全新提出“图-序列不对称条件变分自编码器”深度学习架构，更好地提取化合物关键的分子特征指纹，提升下游任务的准确性。

超大规模的化合物表征模型训练

对17亿个小分子的化学结构进行预训练，结构重构率、唯一性等方面优于现有方法。

盘古药物分子大模型四大核心技术特点

生成1亿个创新的类药物小分子库

其结构新颖性为99.68%，为发现新药创造可能性。

实现了领先的药物发现任务性能

在化合物-靶标相互作用预测、化合物ADME/T属性评分、化合物分子生成与优化等方面实现性能最优，赋能药物发现全链条任务。

西安交通大学第一附属医院刘冰教授在盘古药物分子大模型的辅助下，突破性地研发出一款超级抗菌药Drug×，其有望成为全球近40年来首个新靶点、新类别的抗生素。华为云盘古药物分子大模型让先导药的研发周期从数年缩短至几个月，研发成本降低70%。AI技术与基础科学的结合与创新，不仅解决了研发成本高和时间周期长的痛点，更为初创型科研团队提供了施展能力的舞台。

让风云可测，盘古气象大模型精准呈现台风轨迹

在气象气候预报任务中，除了短期天气预报，全球中长期预报也是业界最为关注、重要性非常高的预测任务，它以预测未来14天内的大气系统状态为目标，在气象、航海、农业、旅游等多个行业发挥着举足轻重的作用。

当前人工智能技术虽已广泛应用在气象预测领域，受大气系统中物理过程的复杂性影响，以及求解大气模型所需资源规模巨大，基于传统数值方法进行的中长期天气预报通常会累计误差，导致准确度低，且需在超级计算机上运算数小时。

基于近40年的全球气象数据，华为云盘古气象大模型在中长期确定性预报上超越当前最强的数值预报方法（欧洲气象中心的IFS系统），是业内首个精度超过传统数值预报方法的全球AI气象预测模型。平均预报误差降低了10%-15%，速度提升10000倍以上，实现秒级全球气象预报。

3D高分辨率的神经网络

首次采用3D高分辨率的神经网络（3DEarth- Specific Transformer）：与二维的神经网络和低分辨率的神经网络相比，盘古气象大模型水平空间分辨率达到0.25°×0.25°，约28公里x28公里，可以精准地预测细粒度气象特征。在时间维度上，盘古气象大模型将预测频率从6小时/次提升至1小时/次，使气象预测结果更准确。

层次化时域聚合策略

盘古气象大模型核心技术特点

使用层次化时域聚合策略：训练了4个不同预报间隔的模型（分别为1小时间隔、3小时间隔、6小时间隔、24小时间隔），使得预测特定时间气象状况的迭代次数最小，从而减少迭代误差，也避免了由递归训练带来的训练资源消耗。

华为云盘古气象大模型在极端天气过程（如台风）的预报中已展现出精准、快速的优势：

·2022年8月，盘古气象大模型实现秒级预测台风“马鞍”的轨迹和登陆时间，准确率达90%，远超行业平均水平。

·今年5月22日至23日，今年第2号台风“玛娃”在24小时内，中心附近最大风力从38米/秒（台风级）迅速加强到60米/秒（超强台风级）。

中央气象局指出，华为云盘古大模型在“玛娃”的路径预报中表现优异，提前五天预报出其将在台湾岛东部海域转向路径。

人工智能触发的产业变革正在改变每一个行业，人工智能也在越来越多的行业场景发挥重要价值。华为云以“Al for industries”为发力点，提升大模型通用能力，贴近客户业务场景的现实需求，让人工智能开发标准化、可复制、批量化生产，加速AI深入干行百业，推动人类社会进入智能世界。

华为云盘古气象大模型登Nature正刊-天气预报不准的难题被AI突破了

·浪潮工作室

华为云盘古气象大模型研究成果在国际顶级学术期刊《Nature》正刊发表，审稿人对该成果给予高度评价：“华为云盘古气象大模型让人们重新审视气象预报模型的未来，模型的开放将推动该领域的发展。

打开手机里的天气预报，你不仅可以看到今天实时每小时的天气，也能知道未来十几天的预测。

如今天气预报变得更及时、便利，但是你有时仍感到它不够准确。明明预报是风和日丽，结果暴雨杀得你措手不及；在气象专家说的台风天出门，结果耀眼的太阳刺得你睁不开眼，穿着全套雨衣、雨鞋的你仿佛成了小丑。

但这一次，时不时会“骗”一下你的天气预报，将迎来一次全新的改变。

7月6日，国际顶级学术期刊《Nature》正刊发表了华为云盘古大模型研发团队独立研究成果——Accurate medium-range global weather forecasting with3Dneuralnetworks，审稿人评价华为云盘古气象大模型让人们重新审视气象预报模型的未来。

这一新的预报模型能让天气预报变得更准确吗？它会给我们的生活带来什么变化？

扫码了解盘古气象大模型登顶《Nature》正刊详情

扫码了解更多华为云盘古气象大模型研究成果

nature

Explore contentAbout the journalPublish with usv

nature>articles>article

Article|Qpen Access|Published: 05July2023

Accurate medium-range global weather forecasting with3D neural networks

Kaifeng BiLingxiXie,Hengheng Zhang,XinChen,Xiaotao Gu&QiTian

Nature619,533-538(2023)|Citethisarticle

88k Accesses|1Citations|878 Altmetric|Metrics

混沌的天气，难以百分百预测

2022年，匈牙利政府在国庆烟花表演开始前7小时，收到了极端天气警报，被迫只能将活动推迟。但在当晚，首都布达佩斯却风和日丽。气象局预测的那场暴雨改变了方向，没有影响首都，转而袭击匈牙利东部地区[1]。。

这样不准的天气预报，在我们的日常生活并不少见。想要完全准确预测出天气，为什么这么难？

首先，这是由气象本身的特性决定的。所有天气都是由大气运动引起，后者涉及到太阳辐射、空气对流等诸多物理过程，还有大气圈、冰冻圈、生物圈、岩石圈、水圈这5大圈层在共同作用[2]。

大气运动处在实时变化中，各种各样的因素都无时无刻不影响着未来我们所感知到的天气。就像一场混战，一个微小的扰动就可能引起整个系统长期的巨大连锁反应。

面对如此复杂的天气系统，人类目前主要的预测方法是“数值天气预报”。

科学家们长期研究气象后，设计出一套有海量参数的模型来模拟大气运动。这本质就是在解一套极为复杂的方程。人们要预测天气时，需要先获取无线电探空仪、卫星、气象站等观测到的气象数据，将这些数据作为初始条件输入方程组，而后运算得出结果[3]。

但这个方法十分依赖初始条件的准确性，而天气又是一个处在实时变化中的混沌系统，在计算过程中，一些微小的误差都会造成最终结果的巨大不同。另一方面，复杂的参数化物理模型始终是不完备的，再复杂的物理模型也难以完全模拟出大气运动状况，这就会不可避免地向数值预报引入系统误差[4]。

在3天天气预报上，数值预报的准确度在全球范围可达95%以上的。但如果要预测7天、10天后的天气，准确率就会掉到60%、40%左右，精度仍显不够多[5]。

不只如此，数值预报精确度的进一步提升，还面临着算力问题。

天气预报的准确度，受到数值模式的复杂程度影响。数值模式越复杂，就能更准确捕捉更小规模的天气现象。

但是，数值模式越复杂，就意味着要搜集更多气象数据，进行更大量的计算，这对算力的消耗非常大。如0.25°×0.25°精度的未来10天数值预报，需在超过3000个节点的超级计算机上花费数小时进行仿真，这让数值预报的预测速度难以进一步提升[6]。

一些地方的气象监测也确实面临着算力问题。马来西亚发生对流风暴普遍，但需要精度更高的分辨率才能捕获对流数据；中国台湾也是一个非常容易受到

被AI改变的天气预报

AI预报的出现，给天气预报带来了全新可能。

AI擅长处理重复任务、拟合未知数据关系。它不需要像科学家那样熟知大气运动中的物理原理，只要用深度学习的方法了解各种气象数据中的关系，就能完成天气预报的任务。

这就像短视频平台给我们推荐视频，算法不需要知道我们会喜欢这类视频的原因，它只要掌握大量的数据并学习其中的规律，就能对每个用户投其所好。

这些特点让AI预报在预测速度上有着巨大优势：数值预报方法无法给出分钟级的气象预测，而AI方法拟合雷达回波数据的能力，超过了光流法等外插方法，这让AI方法能更快预测出天气，甚至能在几秒内就预测出未来的天气状况。

平时手机上的天气预报都是用数值预报预测，其预报速度比不上AI预报。但是，在中长期气象预测上，AI预测的精度却明显落后于数值预报方法。

2022年，英伟达推出A预报模型一FourCast-Net，该模型首次把预报水平分辨率提升到了和数值预报相比拟的水平。但FourCastNet预测5天天气时，位势预测的均方根误差为484.5，即使使用100个模型进行集成预报，其均方根误差依然高达462.5，远高于欧洲气象中心的数值预报系统 operational IFS报告的333.7[7]。

可以说AI在天气预报上的使用，仍处于初阶阶段。英国皇家学会发表的一项研究也表明，将深度学习应用于气象数据分析的研究还处在起步阶段，难以判断AI究竟能否取代传统的数值预报方法[8]。

台风和暴雨等自然灾害影响的地区，要预测这些极端天气状况，也需要更多的算力。

即使在科技高速发展的今天，天气的复杂性、物理模型的不完备、算力的限制，这些都仍制约我们对天气的进一步认知。

然而，华为云团队研发出的新AI预报模型，让AI天气预报迎来了新的转机。

7月6日，国际顶级学术期刊《Nature》正刊发表了华为云盘古大模型研发团队的独立研究成果。在该研究中，我们可以看到，盘古气象大模型提供的Z500五天预报均方根误差为296.7，显著低于之前最好的数值预报方法（均方根误差：333.7）和AI方法（均方根误差：462.5）]。

保持精度的同时，盘古气象大模型也有着无可比拟的预测速度。在一张V100 显卡上只需要1.4秒就能完成24小时的全球气象预报，相比传统数值预报提速10000倍以上[]。

这一成果的背后，汇聚着研发人员对AI模型的多次训练。华为云的研发人员向我们解释，他们让盘古大模型进行丰富的数据学习，内容包括43年（1979-2021年）的全球实况气象数据，涵盖了垂直高度上的13个不同气压层，每层中有温度、湿度、位势、经度、纬度五种气象要素，以及地球表面的海平面气压、风速等四种气象要素。

数据来源: Bi KXie,L Zhang, H, Chen,X, GuXTian,Q.(2022).Pangu-Weather:A3D Hiqh-Resolution Model for Fast and Accurate Global Weather Forecast.arXiv preprint arXiv:2211.02556.
注：RMSE指均方根误差，即标准误差。ACC指异常相关系数。RMSE测量预报和真实值之间的差异的大小;ACC并测量模型预测的气候学差异（即某个位置和日期的平均天气)与同一量计算的真实值之间的相关性。

此外，过往的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。为此，华为云研发团队提出了3DEarth-Specific Transformer方法，也就是在原本的每一个视觉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。

AI方法预报中长期气象需要多次迭代模型才能得到预报结果，但在迭代的过程中会不断积累误差。比如若将盘古气象预报的1小时模型迭代168次，预报误差就会明显上升。

为了解决这个问题，研究人员训练了4个不同预报间隔的模型，分别为1小时间隔、3小时间隔、6小时间隔、24小时间隔。这样拆分成各个不同的时间段模型分散训练，就能减少单个模型迭代的次数，从而减少迭代误差。

在多次钻研、训练之下，盘古气象大模型首次在中长期气象预报上超过了传统数值方法。它强大的预报精度与速度，将为气象预报结合人工智能方法创造无限可能。

精准的天气预报，对我们有多重要

如果盘古气象大模型落实到应用层面，真正实现秒级的精确天气预报，会对我们的生活产生什么影响？

你手机上的天气预报可能不会再以小时为单位预测，而是能实时刷新，你不必再担心明明出门前看了天气预报，却还是遇到突发天气变化。

但更重要的意义，是在极端天气的预测上。

哪怕进入了21世纪，人类依然不断面临着极端天气的考验。近20年来，全球每年极端天气灾害发生次数都在300以上，多则500 多次[9]。

每一次极端天气灾害，都将带来巨大的损失。美国国家海洋和大气管理局发布的报告显示，2022年美国一年的极端天气灾害共造成1650亿美元的损失。其中，飓风“伊恩”于去年9月摧毁佛罗里达州的部分地区，损失高达1129亿美元，更造成至少150人死亡[10]。

极端天气越来越频繁，但我们对极端天气的预测却仍不够精确。2016年“莫兰蒂”台风袭来时，刚开始各大数值预报模式均预期台风会在台湾以东海域转向，然而随后两三日预报却大幅将其路径向西调整，结果“莫兰蒂”台风重创中国东南沿岸、中国台湾地区、菲律宾巴丹群岛。

所以，应对极端天气状况，需要一个更精准的预报模型，而盘古在预测极端天气时，就有着出色的表现。

在《Nature》刊登的期刊中，盘古气象大模型计算了RQE值来衡量不同预报方法的极端天气预测趋势，RQE值越接近0表示模型预报更准确。结果显示盘古气象大模型在U10 上的 RQE 值比FourCastNet更接近0，这代表盘古气象大模型在确定性预报上有着更高的精度[]。。

不只是理论上的数值，盘古气象大模型在一些实际运用中也有着不错战绩。

在预测台风“马鞍”的轨迹和登陆时间，盘古气象大模型准确率达 90%，远超行业平均水平；在近期另一个台风“玛娃”的路径预报中，中央气象局指出，华为云盘古大模型提前五天预报出台风将在台湾岛东部海域转向的路径。

欧洲中期天气预报中心的对比数据也显示，在预测2022年芬兰寒潮的时候，盘古气象大模型比欧洲中期天气预报中心更快预测出温度下降趋势，提前预测出寒潮的可能[11]。。

盘古气象大模型比欧洲中期天气预报中心更早预测到寒流

数据来源：欧洲中期天气预报中心

注：为了检验数据驱动的模型预测极端（气候）事件的能力，盘古团队以今年年初芬兰出现-29摄氏度的事件作为案例来研究，发现盘古气候大模型能更早地预测到该事件的严重性，但IFS和盘古都同样显著错估了气温。

在第19次世界气象大会上，欧洲中期天气预报中心主任弗洛伦斯·哈比耶展示了华为云盘古气象大模型与欧洲中期天气预报中心的实时运行检验对比情况，前者惊人的预报能力令现场参会人员惊叹如今人工智能技术的发展。

弗洛伦斯·哈比耶评价道：“人工智能技术为发展中国家提供了重要机遇，因为它不再需要大规模的超算资源，还为提升全球预报能力提供了难得的机遇。”

华为轮值董事长胡厚崑也在人工智能大会上表达了对盘古大模型的期许，他认为人工智能的发展，关键要“走深向实”，赋能产业升级。当前阶段，在人工智能领域，华为有两个着力点：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，让人工智能服务好干行百业，服务好科学研究。“我们希望，AIforScience，能为科学家，科学工作者带来更多新思路、新方法、新工具，也为我们产业输入新的动力。”

正如胡厚崑轮值董事长所说，人工智能的发展要走深向实，让人工智能为干行百业的生产活动服务，为科研创新服务。

一个具有前瞻性的天气预报AI模型的诞生，不仅能让我们更深入了解那喜怒无常的天气，减少因天气的变化莫测而带来的灾害，同时它也将给各行各业带来新变化，让人们切实感受到“精准预报天气”带来的便利。

[2]Weather Forecast Ofice. (2023)The Forecast Process: Observing and Analysis.Weather Forecast Office.

[3]张涛，&张格苗.(2020).为什么有些天气很难准确预报？.中国气象报．

[4]Buizza, R. (2001). Chaos and weather prediction-A review of recent advances in Numerical Weather Prediction: Ensemble forecasting and adaptive observation targeting. Ilnuovo cimento C,24(2),273-302.

[5]Bauer, P.,Thorpe,A.,& Brunet, G. (2015).The quiet revolution of numerical weather prediction. Nature,525(7567),47-55.

[6]Kaifeng Bi, Lingxi Xie, Hengheng Zhang, Xin Chen,Xiaotao Gu,QiTian.(2023).Pangu-Weather: A3D High-Resolution Model for Fast and Accurate Global Weather Forecast.

[7]Pathak,J.,Subramanian, S., Harington,P., Raja, S.,Chattopadhyay,A., Mardani, M.,..& Anandkumar, A. (2022). Fourcastnet: A global data-driven high-resolution weather model using adaptive fourier neural operators.arXiv preprint arXiv:2202.11214.

[8]Schultz, M. G., Betancourt, C.,Gong, B., Kleinert,F., Langguth, M., Leufen, L.H.,..& Stadtler,S. (2021). Can deep learning beat numerical weather prediction?.Philosophical Transactions of the Royal Society A,379(2194),20200097.

[9]国际灾害数据库.(n.d.).极端天气灾害统计.

[10]美国国家海洋和大气管理局.(2023).去年美国极端天气共造成1650亿美元损失.

[11]ECMWF.(2023).The rise of machine learning in weather forecasting.

「盘古」的逆向突围：条有效的工业智能化路径

■极昼工作室

这几年，华为云在基础大模型之上，陆续推出了矿山、药物分子、电力、气象、海浪、铁路等盘古行业大模型，并在超过100个实际场景中取得应用，加速了各行各业数字化的进程。

作为安全命脉的守护者，煤矿检测员在地下高风险的环境里工作，8小时不停地巡查异常状况，每天行走近10公里，工作强度大，还有风险；铁路质检员每人每天要看4万张图片，平均一秒接近两张，连续12个小时，必须集中精力，避免看漏故障的端倪。AI模型的引入对他们的改变是巨大的，可以降低工作强度，最大限度地保证安全，技术提供了一个有效的解决路径，也和工人们一起，守护着我们的公共安全。

地下数百米的难题

矿工进入“罐笼”，一路下降，将白天甩在身后，随之进入黑压压的矿井，很快到了地下数百米。机器轰鸣，说话时需要大声喊。巷道里湿漉漉的，白炽灯下粉尘飞扬，有些呛人。空气湿度大，有时会呼吸困难、气喘咳嗽。

在山东一些国有中大型煤矿，井下机械化、智能化程度较高，但巡检员的工作仍然复杂，并伴有一定风险。机器是否发生故障，人员操作是否规范，运输煤炭的皮带上是否有异物…众多业务流程，每一项都需要他们8小时不停查看。如果是巡检主运系统上的皮带，巡检员每天要走将近10公里。

相较之下，巡检采煤和掘进的路程稍短，但更危险一一比如用于运输的转载机，在非封闭的区域容易造成矿工意外坠落，或被飞溅物击伤。更别说地下还可能有瓦斯、水灾等事故。一个区队里，两个生产班配一个检修班，巡检员甚至占总人数的一半。如果发现故障，他们要用有线电话通知地面上的值班人员，再进行处理，不能及时发现的话，会导致事故扩大。

劳动强度大，环境恶劣，长年累月地工作，不少矿工都患上了风湿、耳鸣等职业病。最好的解决办法是实现智能化，这几年，国家多次下发文件，督促加快煤矿智能化建设，打造绿色智慧矿山。

实现起来并不容易。除了专业技术问题，人才不足也是个挑战。华为云的一位盘古矿山大模型专家介绍，煤矿行业从业人员平均年龄45岁左右，基本没有懂AI的技术人员。他在各个矿区调研，发现多数煤矿地理位置偏远，工作环境差，很多年轻人不愿来。有的刚招来10个大学生，第二年就走了一半。

在北方某车辆段，数百名车辆故障质检员承担着铁路货车安全的重要使命。他们每天要对数百万张图片进行细致分析和判定，工作强度高，责任重。

走到列检作业车间，一百多名质检员身穿统一的蓝色工作服，整齐地坐在工位前，专注地审视着屏幕。这里是个忙碌的车辆段，每天有1000列货车经过，产生400万张图片，每人每天要分析4万张图片。

图片来自轨边探测站，当列车经过探测站时，TFDS（货车运行故障动态图像检测系统）抓拍照片，传回检测车间进行故障识别。

车辆不断驶来，列检员需在10分钟里看完1000多张图，平均一秒接近两张。一天两个班次，每班次要连续上12个小时，中间只留下吃饭、上洗手间的时间。车间里白炽灯一直亮着，大屏幕上不断滚动着数字，点击鼠标声此起彼伏。

这里的工作人员肩负着国家铁路货车运行安全的重任。他们要对货车进行细致检测，及时发现问题并排除故障，否则后果严重。比如如果刹车部件出现问题而被忽略了，碰巧前方遇上情况要紧急制动，多方因素下，车辆就有脱轨甚至翻车风险。

由于工作强度大、风险高、技术要求高，能胜任这项工作的人才十分匮乏。中国铁路营业里程达到15.5万公里，货车总数约100万辆。货车的安全运行关系到国计民生，如何有效保障是一个重大课题。

列车经过探测站时，TFDS系统的抓拍。讲述者供图

一个授人以渔的故事

现在，车辆段的检测车间轻松了下来，每隔一小时，员工们可以休息十几分钟。原来满满当当的屋子，有1/4的工位空了出来。

人员减少，效率反倒变高一一这是去年引入华为云的盘古大模型后，最明显的变化。以一列50 辆车厢的货车为例，TFDS会拍摄4000 张照片，以往全都需要人工一一识别，现在仅需要复检170多张。

作为中国首个全栈自主的AI大模型，盘古在工业领域多行业成功落地。它找到了逆向的方式，让AI学习大量的正常样本特征，来自动识别异常，且有效保护企业的数据安全，除了解决煤矿、铁路行业的症结外，也出现在更多领域的场景中。

在货运铁路上，AI能精准识别430多种各类故障。对于这一结果，投入运用的几个铁路局都表示超过预期。有专家记得，现场模型识别到了折角塞门故障，而如果漏报，列车遇到长坡下行的路段，无法有效制动，可能会造成列车脱轨、翻车等严重事故。

起初，盘古铁路模型的专家担心，这会夺了质检员的饭碗。后来，车辆段领导告诉他们，因为工作量变少，有人到了年龄可以退休，有人分流到了其他人力缺口大的岗位，可以为铁路运输人力优化配置提供更灵活手段。

另一方面，盘古也降低了人才门槛。盘古矿山大模型专家介绍，煤矿工人不需要懂AI，只需要在使用的过程中，如果发现了故障或误报，点一下鼠标，把问题讲清楚，回传到盘古上，伙伴便会重新训练，再部署下去，如此“边用边学，越用越聪明”。而比起在实验室里面训练出来的模型，它拥有了行业数据，能达到更高的精度。

华为云从2019年开始布局盘古，据大模型高级研究员说，是看到了各行业由来已久的通过AI解决现实问题的需求。在大模型之前，企业有些零散的开发模式，但除了精度达不到，开发代价也太大一一这不仅要相应的专业人员，开发后还要适配、维护，如果大规模地应用，成本更是昂贵。

2021年，华为云正式发布了盘古基础大模型，项目获得当年度“深圳人工智能科技进步奖”。评委会认为，它实现了一个AI大模型在众多场景通用、泛化和规模化复制，减少对数据标注的依赖。一位盘古大模型高级研究员介绍，盘古的优势在于，是国内较早提出，在工业上进行实际落地的大模型解决方案，并且具有泛化能力。

要实现泛化并不简单，这对硬件、模型的算法以及数据都有较高的要求。单单是煤矿行业，每个矿山情况不同，针对一个矿山开发的模型无法直接复用到其它矿山。以山东和山西的煤矿为例，山东的冲击地压比较严重，但是没有瓦斯，山西的情况则相反。即使是相同场景，由于现场条件、工况、采光等多重差异，模型很难简单地复用推广。而煤矿场景需求多，采、掘、机、运、通等主业务下有1000多个细分作业场景。

为了满足各企业的需求，盘古矿山大模型与轨道大模型相比，更像是一个平台一一它引入了专业伙伴，为其赋能，做运营支撑。伙伴是同行业的信息化公司，在平台上开发小模型，来解决特定场景的问题。

去年初，山东能源与华为开始一同探索煤炭这一传统行业的数字化转型。盘古矿山大模型落地后，山东能源旗下的云鼎科技（有限公司）依据深耕人工智能的经验，发挥工业智能化应用的优势，开发了覆盖9个专业的21个场景应用。“这是个授人以渔的故事。”一个盘古矿山大模型专家干脆把自己当作项目经理，为云鼎科技进行专业培训，一起穿着胶靴下井调研。

张浩是云鼎科技工业互联网事业部解决方案中心AI组经理，他介绍，盘古的专家团队在模型开发上给他们提供了很多思路，还提升了效率一一针对一般场景的AI模型，原来他们需要开发一两个月，现在一周内就搞定了。

现在，山东能源的4家盘古试点煤矿都提升了生产效率，降低了劳动强度。工作面装了摄像头，为了防止水和粉尘模糊镜头，贴了三防膜，甚至装上自动雨刮。巡检员不用一股脑儿地闷在地下，镜头里一旦出现异常，模型自动识别，给出结论，并报警。

在主运系统，以往矿工需每天行走近10公里巡检，现在它在远程就精准识别出大块煤、锚杆等异常情况，异物识别准确率达98%。矿工的压力减轻了。

盘古在去年进入煤矿行业，目前已经在全国8个矿井规模使用。山东能源的煤炭产业国内外产能3.4亿吨/年，产量位居全国煤炭行业第三位，集团下有近百家煤矿，未来，盘古将在全集团全面推广。

漫长的道路

走向智能化的道路是漫长的。云鼎科技的张浩此前在煤矿的信息中心工作了十多年，熟悉行业的智能化过程。此前，煤矿曾采用过小模型，但准确率不高，只有70-80%。误报经常出现，每次警报声一响，矿工慌张地跑过去看，结果发现是虚惊一场。久而久之，大家不愿再用，甚至不信任人工智能了。

摄像头也安装上了，但仅仅起到监控的作用。画面传到地上的集控中心电视墙，没法逐一检查，还有一定滞后性，依然解决不了需要现场巡检的痛点问题。

2022年上半年，张浩一开始接触盘古矿山大模型时，也持怀疑态度。他们做了两手准备，顺利的话遍地开花，否则就此打住。

出乎预料，一期验证效果很理想，此后的两三个月内，他们和盘古矿山团队没日没夜地交流、碰撞，业务与技术不停地融合，他们提出的很多问题也得到了回答和解释。接触半年后，团队很确定，盘古大模型是合适的。

盘古的精度超过90%。比如在矿山打磨线上的皮带运输异常检测，它的平均识别精度明显优于小模型模式，性能提升达20%以上，并且仅需少量样本快速训练，就能做到对异常样本准确识别。

此外，作为核心资产，企业数据的安全也得到了保障。张浩记得，以前布置上小模型后，有厂家曾调取煤矿的数据，甚至拷走。而使用盘古时，他们在山东能源集团内建了一个私有云，数据在集团内流转，即使是盘古的专家也无法获取。

在铁路货运方面，前文所述的北方某车辆段也历经10年，才使得铁路人了却心愿。一位在此工作了30 年的副班长向盘古专家回忆，多年前，他就焦虑于轨道智能化的问题，请了众多科研院校的专家来探讨。没想到，效果不行，成本也高一一摆了满满一屋子的服务器，算了很久，就识别出一两个故障。他只能放弃。

如今，他临近退休，没有遗憾了。车辆段在误报率方面，对盘古提出的要求是一列车大约4000张图片，误报控制在200 以内。现在，盘古报出的故障平均大约在177个，且未来有望压缩到100个，甚至50-80个。

人工智能触发的产业变革正在改变每一个行业，人工智能也在越来越多的行业场景发挥重要价值。大模型是新一轮AI发展的核心，已在推进产业智能化升级中表现出巨大潜力，并将在未来形成风起云涌之势。

作为中国首个全栈自主的AI大模型，盘古大模型从AI算力、芯片使能、AI框架到AI平台全栈技术创新，极致算力加速大模型开发，打造世界AI另一极。

这几年，华为云在基础大模型之上，践行Al for industries，陆续推出了矿山、药物分子、电力、气象、海浪等盘古行业大模型，加速各行各业数字化的进程。比如在医药界，它助力发现世界40年来首个抗生素，价值1亿美元。如今华为云盘古大模型已经在超过100个实际场景中取得应用，加速了行业的数字化转型和智能升级。

华为云的「云端」实战：以大模型加速新药研发，成本降低70%

■机器之心

AI 技术广泛应用于制药行业的是必然趋势。华为云盘古药物分子大模型，基于全流程AI辅助药物设计的能力，以靶点预测、分子设计、活性评估、毒性筛选等环节为抓手，帮助医药公司实现快速、精准、低成本的药物发现，开启药物研发的新模式。

最近几年，AI加持下的新药研发成为被寄予厚望的赛道之一。

从流程上看，药物研发分为药物发现、临床前研究、临床研究、审批与上市四个阶段。医药界有一个「双十定律」的说法一一即需要超过10 年时间、10 亿美元的成本，才有可能成功研发出一款新药。即使如此，也只有约10%新药能被批准进入临床期。

目前，AI技术的参与主要集中于药物发现阶段。挑战在于，虽然AI技术加快了一部分工作的推进速度，但AI技术与药物研发的“联姻”并不是一蹴而就的，囿于算法低效、数据割裂、数据安全、算力瓶颈等挑战，药物研发仍然是一项高风险、长周期、高成本的工作。

鉴于「AI新药研发」还处于待普及阶段，学界和业界都在探索一种更好的技术落地模式。数据、算法、算力，并列为人工智能技术发展的三大要素，也在某种程度上决定了AI新药研发能够以何种速度走到最后一步。研发团队需要具备的条件很多：大量数据资源、充足的算力以及强大的技术积累。在这样的情况下，在数据、算法、算力三方面均有深厚实力的大厂似乎更能扛起这份责任。

路漫漫其修远兮，究竟该如何解决遇到的挑战？

盘古药物分子大模型，为新药研发提质增效

对于西安交大一附院的刘冰教授来说，「双十定律」给他带来的体会尤其深刻。

2020 年，刘冰教授所在的团队正在尝试研发一种名为「Drug×」的超级抗菌药。然而细菌的进化速度是非常惊人的，很多时候可能等不及一款新药上市，细菌就已经产生了对这款药物的耐药性。近四十年来，领域内都未有新类别、新靶点的抗生素出现，有些被超级耐药菌感染的病人甚至面临无药可用的局面。

「目前一款抗生素的研发费用平均能达到16亿美金，如果这款抗生素在还没有面世的阶段被发现了细菌对它的耐药性，就等于16亿美金直接打水漂了。」刘冰教授表示。

想要研制一款超级抗菌药，就相当于和「耐药性的产生」进行一场时间赛跑。

传统的药物研发方式显然是不够快的，我们可以粗略算一算：药物研发平均周期超过10 年，其中先导药物的设计就需要3到5年之久。科研团队首先要从上亿个小分子化合物中找到对目标靶点最有效的那一个，在这个过程中，团队需要不断地修改药物结构来提高其活性和成药性。每一次更新药物结构都意味着合成路线、药效评估实验等系列方案的重设和验证。

彼时，刘冰教授刚回国不久，实验室还在建设中，他想要带领团队进行AI辅助药物设计，但在数据、算法、算力三方面都遇到了一些挑战。

与华为云的合作机会让他看到了新的可能。华为云在2021年正式推出了盘古药物分子大模型，这是当前业界参数最大的药物分子大模型，主要面向药物研发领域，提供结合预测、属性预测、分子优化与生成能力。

「在科研的整个过程中，可能一万次失败里面才有一次成功。像我们这样十多个人的团队，必须要依靠像 AI这种新技术，才能绕开既有壁垒，走出一条新路。」刘冰教授表示。

刘冰教授所遇到的壁垒，也正是现阶段大多数科研团队和药企所遇到的挑战。而引入AI技术进行药物设计的提升是相当明显的：在「药物分子筛选」和「药物分子优化」这两大环节，华为云盘古药物分子大模型对 Drug×的研发提供了重要帮助。最终，在 Al大模型的加持下，Drug×先导药的研发周期获得了数十倍的加速，从数年缩短到数月，研发成本直接降低了70%。

盘古药物分子大模型框架

这种飞跃式提升是如何实现的？简单来说，华为云盘古药物分子大模型接受了超大规模的化合物表征模型训练，预先对17亿个药物分子的化学结构进行了学习，并对药物分子结构进行预测、打分。实验结果表明，华为云盘古药物分子大模型的成药性预测准确率比传统方式高20%，帮助科研人员省去大量药物设计的成本。此外，该模型还内置了高效的分子生成器生成了1亿个创新的类药物小分子筛选库，结构新颖性达99.68%，为发现新药创造了更多可能性。

「盘古药物分子大模型的训练前后花费两年的时间，华为云团队在模型架构设计及验证、大规模百卡昇腾 NPU的训练都遇到过挑战，最后都一一解决了。」华为云EIHealth 医疗智能体负责人乔楠博士介绍说。

在这一模型的打造过程中，华为云团队首创了名为「图－序列不对称条件自编码器」的架构，将药物分子结构转换成可量化的数值，可以更好地在数值空间定量地对药物分子结构与性质进行预测与推荐。在AI优先推荐的药物分子基础上，科研人员可直接选择评分较高的药物分子进行人工实验验证。

这一架构的灵感来源于人类认识化合物的两种方式：分子式和结构式。「我们教会AI用同样的方法学习化合物的分子式和结构式，设计了这样一个图和序列不对称的算法架构，它的两端采用的是两种不同的深度学习架构，图部分采用了图深度学习、图卷积的方法，序列部分采用了Transformer架构。」乔楠博士表示。

在缩短研发时间、降低研发成本之外，盘古药物分子大模型还能够对筛选后的先导化合物进行定向优化，通过更科学的药物结构设计，降低新药可能对人体产生的毒副作用。

在相关论文发表前，华为云团队对盘古药物分子大模型进行了多项测试，结果表明，该模型在化合物-靶标相互作用预测、化合物ADME/T（吸收、分配、代谢、排泄、毒性）属性评分、化合物分子生成与优化等20余项药物发现任务上实现了SOTA（性能最优），可赋能药物发现全链条任务。

正如乔楠博士所说，如果说相关领域内的科研是

打造新药研发领域的「EDA软件」

不只有面向药物分子设计的行业大模型，一直以来，华为云还在做一件更长期主义的事：打造新药研发领域的「EDA软件」。

盘古药物分子大模型的图－序列不对称条件自编码器架构

「科学」，那么盘古药物设计大模型就是「技术」，科学与技术与相辅相成，才能让基础发现快速转化为一个可以运用到实际场景的成果。在近两年的商用中，已有多家药企借助盘古药物分子大模型设计出了具备良好活性的新分子。

其中，微芯生物在肿瘤药物设计领域基于华为云能力，将药物设计效率提升1/3，分子优化后结合能提升40%，加速肿瘤领域药物研发创新研究。

旺山旺水在中枢神经系统创新药物的系列研发工作中，靶点发现效率提升3倍，分子设计实验时间及资金成本节省60%以上，高靶向性化合物的优化设计和验证工作量降低五倍以上。

业内有一个判断：「未来的 AI制药，正从以算法为中心（Model-centric）朝着以数据为中心（Data-centric）的竞争趋势演进，而高质量大数据是医药研发的竞争关键。」

新药研发的核心高质量数据通常掌握在药企手中，然而大部分药企特别是中小企业仍处于传统医药研发阶段，缺乏人工智能及大数据分析手段的支撑。海量的原始数据未经过系统化的清洗整理，大多不能产生良好的预测效果。

数据的价值需要使用算法去发现，同时结合AI新药研发公司成熟的算法，而算法需要运行在算力平台上。在这种情况下，就需要一个高效的企业级AI辅助药物研发平台将三大要素有机结合起来。

如此一来，不仅能够提高药物研发的效率、节约成本，还能大大降低药物研发的门槛，让每一家药企都能高效转型。

为此，华为云在医药领域自下而上构建了laaS、PaaS、SaaS三层服务：基于分布式云基础设施，在药物研发环节为药企提供融合大数据、AI能力的一站式AI辅助药物研发平台，并且根据多样性的数据治理和AI开发需求，提供全链路药物研发数据治理能力和全流程药物研发AI开发能力，帮助众多药企降低 AI开发门槛和提升研发效率。

具体来说，在SaaS层，华为云的一站式Al辅助药物研发平台涵盖了「靶点发现」、「药物筛选」、「分子优化」三大核心服务，覆盖新药研发全流程，支持从靶点发现、虚拟筛选、先导化合物优化到获取可合成先导化合物的全业务流程，真正做到了「无功能断点」。

例如，传统的靶点发现需要做大量的科研工作，对靶点做大量的生物学假设，并设计一系列的实验进行验证，需要漫长的周期。在这一环节，华为云发布了AutoGenome单组学自动Al建模、AutoOmics多组学自动AI建模、AutoGGN调控网络自动AI建模三个框架，即使是没有机器学习背景的研究人员，也可以借助这些自动化调优的方法和策略对自己研究的问题和数据进行建模。

再谈到药物筛选，传统方法通常是借助实验手段或采用高通量实验筛选平台进行筛选，不仅耗时、耗钱，而且多样性差。华为云的一站式AI辅助药物研发平台则大大加速了这一早期筛选过程：平台预置了药物虚拟筛选流程和分子库，依托于华为云弹性扩容算力，支持并行化地完成海量的药物虚拟筛选，同时支持小分子和多肽分子对接，提供了打分矩阵、集成可视化。

一个具备代表性的案例是，新冠疫情爆发之后，由于没有实验提出新冠病毒相关靶点，研究人员很难进行相关业务设计。当时，华为云和国内几所高校积极开展新冠肺炎药物筛选工作，基于华为云15000核超大算力，完成了新冠21个蛋白质靶点与8500个已上市药物的筛选工作。原本耗时一个月的药物虚拟筛选，最终缩短到一天完成。

对于分子优化环节，传统方法更加依赖资深的药化专家在漫长职业生涯中积累的经验，对化合物进行改造，并需要进行实验验证，项目的成功极其依赖药化专家的经验和运气，而华为云提供的盘古药物分子大模型将这一阶段的工作进行了拆解，提供了多种自动化工具。

模型以参考化合物为起点，使得从参考化合物到改造化合物的类药性质一览无余，更方便地迭代优化，得到性质更优、结构新颖的化合物。这些丰富的功能意味着，如果一位药企的研究人员积累了大量关于某种毒性的试验数据，就可将试验数据上传并通过盘古药物分子大模型基于它的试验数据进行Fine-tune 调优，直接可以在八十多种分子属性里面再加上新的自定义分子属性。

「算法只是一种技术的架构，一方面算法需要数据的训练来实现真正的业务需要，另一方面，就像ChatGPT一样，只有足够多的数据输入才能实现算法的最好性能，最后，算法的领先性需要持续的数据输入和迭代。所以未来AI制药的竞争是AI算法和药企数据的深度结合，实现干（计算，DryLab）湿（实验，WetLab）结合，循环迭代的大模型。」

SaaS 化服务的好处在于，药企只需订阅这一平台，就可以立即将其应用到自身的业务中，不用考虑他要雇多少人去开发、维护平台，也不需要考虑怎么引入新的技术方法。这种模式对于药企来是最直接、最快速的提升，意味着可以将重心、核心、精力聚焦于自身的业务层。

在将最新的技术和方法引入到平台的同时，华为云团队也特别注重将客户需求和建议融入平台。为了应对不断变化的需求，「AI辅助药物研发平台」每年平均迭代、更新几十次，华为云派出专业的研发团队让药企的算法模型服务持续从业务中获得反馈以进行更新，确保药企可以方便快捷地将最新的技术应用起来，最终加速创新药的研发。

数据、算法、算力，构成了AI技术发展的三大要素，三者之间密不可分。例如，还有一些挑战依旧是药企最担心的：比如药物设计阶段产生的大量数据如何存、怎么用？算力资源的局限如何突破？

面向客户在「数据」和「算力」两块的升级需求，华为云也给到了专门的解决方案：通过全链路药研数据治理服务，在集成、存储、转换、分析、治理等全生命周期帮助医药企业进行自动化、智能化的数据治理，实现外采数据统一管控、干实验数据跨团队共享、干/湿实验数据整合闭环，并以中心化数据安全策略覆盖全链路，为药物研发提供高质量、高可信数据；此外，在算力方面，华为云提供医药行业分布式云基础设施，为药物研发提供最强算力底座和极致算力性能，通过高安全、高可用、高性能、国产化、大算力的云计算资源，保障生物医药企业数字化建设的数据安全性、系统合规性、研发稳定性、资源弹性。

让「Al for Industries」走到干行百业的深处

从目前的阶段来看，AI制药对于制药行业仍是一门颠覆式的创新技术。长远来看，AI技术广泛应用于制药行业的是必然趋势，以传统实验为唯一的药物发现过程必将逐渐过渡为以数据驱动的范式。

中国的制药行业是一个饱和的市场，对于每一家药企来说，创新药的研发将成为下一阶段取胜的关键。接下来的路怎么走，仍然值得探讨。

在取得一系列成果之后，华为云已成为AI新药研发赛道的「实力玩家」，越来越受到行业伙伴的关注。基于此，多方机构联合起来探索一种科研机构、医药产业链、华为云等「产学研用」紧密结合的模式，成为了众望所归。

在近日举办的华为云AI新药研发论坛中，由昌平区管委会、昌发展、华为云共同建设的「生命谷健康云创新中心」正式揭牌。

该中心投入运营后，华为云将基于人工智能等云计算能力持续汇聚各方力量，更有效地服务药企，帮助京津冀TOP药企实现突破性创新，提升京津冀生物医药产业在全国的知名度，并将合作模式辐射至全国各生物医药产业园区。

华为云EI服务产品部部长尤鹏表示，AI制药技术使得漫长的「马拉松」转向「加速跑」，华为希望以自身数据、算法、算力三方面的积累，以生命谷健康云创新中心为起点，未来服务于全国100+生物医药产业基地，推动中国新药研发高质量高速发展。

在新药研发领域的历史性变革中，像华为云这样的头部企业，正在对中国AI新药研发事业起到重要的推动作用。在我国生物医药产业链和产业集聚的形成过程中，「生命谷健康云创新中心」模式也将成为一种值得关注的创新路径。

最后，当大模型成为全新的风口，我们更需要思考的是，动辄十亿、百亿参数的大模型能在何种程度上改变社会，实现路径又是怎样的。

作为国内率先投入大模型研发及落地的机构，华为云认为，未来的三年将会是大模型是风起云涌的三年，Al将会和各行各业深度结合，「Al for Industries」将是主要方向。

未来，参照已经实践的大模型服务模式，华为云希望继续将最前沿的一批AI技术复制到千行百业之中去，推动人工智能开发实现从「作坊式」到「工业化」升级。 ▲

云上加速AI大模型帮车企跨越智驾鸿沟

■远川研究所

华为云重磅发布自动驾驶开发平台，将华为和伙伴在汽车行业的多年经验积累与盘古大模型等新技术进行深度结合，提供更加敏捷高效的自动驾驶全流程开发平台，加速自动驾驶量产。

对于汽车的定义，不同的时代有不同的理解。

在汽车尚未普及的时代，李书福说“汽车就是四个轮子加一个沙发”，而如今，在芯片、Al等技术的加持下，汽车正成为继手机之后下一个超级移动终端，用地平线创始人余凯的话说，现在的车就是“四个轮子上的超级计算中心”。

而要打造一台行驶中的超级计算机，以此实现更强的智能驾驶能力，难度可想而知。

其中的关键就在于对于数据的利用，包括收集、存储、标准、计算以及过程中的合规要求等等，而要建立这样一个高效的数据运维体系，绝不是车企单打独斗就可以实现的。

跨越鸿沟的隐秘代价

智能电动汽车的重心，正在加速倒向智能，尤其是智能驾驶。

今年以来，特斯拉FSD 盛传即将入华，造车新势力相继开卷城市高阶智驾，公布了各自的时间表。而通勤模式的发布，更是让智能驾驶第一次看到了“杀手级应用”的希望。

当智能汽车开得越来越溜，能够妥善处理更多复杂场景，它将赢得消费者更多的信任。来自一线销售的反馈显示，智能驾驶在影响消费者购车决策中的排名迅速上升，正在从锦上添花型需求转向刚需。中信证券预计，L2+智能驾驶渗透率有望在今年达到8%。这意味着，作为一项创新技术，高阶智能驾驶即将步入“跨越鸿沟”的阶段一一如果跨越不了，便化为一场泡沫；要是跨过去了，则能实现商业闭环，成长为一项改变世界的重大技术。

而智驾跨越鸿沟实现商业闭环的前提是，实现数据闭环，让智能驾驶汽车从海量的数据中不断地学习、持续增强能力。

不过绝大多数消费者不了解，甚至一部分车企业也没意识到的一点是，数据闭环的门槛，其实并不比造车低。这是一个涉及环节众多，所需资源甚广的苦活累活，不仅仅需要车端研发，更需要巨额的云端投入。

一般来说，智能驾驶数据闭环分为几个环节：数据在车端筛选采集后，传输并存储在云端超算中心，而后数据会被标注，作为养料供算法模型训练。算法模型训练完成后，通常会进行仿真、验证，检验训练效果，最后再通过OTA，更新车端智驾算法。

在其中仅车端数据采集环节，就需要解决数据合规、场景挖掘、计算资源调度等问题，需要一支专门团队负责。而到了云端，资源的消耗更呈指数级增加。

比如特斯拉在车队收集了数十亿公里智能驾驶里程后，为了妥善利用数据，决定自研单体计算能力达1EFlops（每秒一百亿亿次浮点运算）的Dojo 超算。

为此，特斯拉启用了大量新芯片工艺、带宽技术、供能/散热技术，但代价不仅是技术不成熟屡次跳票，而且成本高、先期投入巨大。在2024年前，DOJO 超算的搭建预计会消耗10 亿美元投资。

放眼到整个汽车行业，能像特斯拉这样财大气粗的车企屈指可数。一方面，主机厂如今身负重任，一边造车、一边开发软件算法已经是弹精竭虑、砸锅卖铁；另一方面，车市步入存量市场，价格战导致的普遍低毛利，也在蚕食着主机厂的现金流。

手中没啥余粮的车企，很难再独力承担云端设施的构建，迫切需要一种轻资产的模式实现智能驾驶数据闭环。与云服务商深入合作，便成为车企跨越智驾鸿沟的必经之路。

智能汽车的超级基建

今年初，伴随着ChatGPT的大火，一段佳话也随之流传开：出于对OpenAl的信任，微软不惜砍掉了自家部门的一部分研发资源，从其Azure云中腾出了上万块GPU训练GPT3.5，促成了ChatGPT的腾飞。

这显然给车企们生动地上了一课：云端算力的力大砖飞，是当下发展Al的“正确姿势” 。

于是，车企们还没治好两年前患上的车端算力饥渴症，就又患上了云端算力焦虑症。多家国内车企联合云计算大厂进行“算力基建”，将云端算力储备提升到了数百甚至上干PFlops（1PFlops 即每秒浮点运算一千万亿次）。

拥有自研云端训练芯片、在国内汽车云市场份额第一的华为也不落于人后。7月7日，华为云2000PFlops单集群的昇腾Al云服务在乌兰察布上线，将智驾云端算力的“基本计量单位”提升到了EFlops（1EFlops=1000 PFlops，每秒一百亿亿次浮点运算）级。

不过，车企需要的汽车云，算力其实只是基础。一朵能帮助车企建设、迭代智驾能力的智驾云，不仅应该是算力怪兽，也要同时满足安全合规、降本增效、服务全面。

过去，车企对较敏感数据的上云多采用私有云，但它不能完全满足智能驾驶的需求。

一方面，智能驾驶在法理上受《测绘法》约束，有更严苛的合规需求；另一方面智驾的数据量庞大，数据形式复杂多样，涉及利益方更多，而智驾又处在剧变的关键节点，安全稳定至关重要，因此适合专云专用。

以华为为例，7月21日华为云推出乌兰察布汽车专区，打造了特定的高性能数据中心，建立起更严谨的三分区合规框架，并引入了图商驻场办公，让车企在华为云汽车专区就能实现快速合规、全流程合规。

同时，汽车专区的多层安全防护体系和运维体系，也能保证云端的算力与服务持续稳定地运行。比如算力2000PFlops的计算集群，能保持一个月长稳率90%状态持续训练。

而在保证安全合规的前提下，行业一直希望加速智能驾驶的算法训练。迭代越快越多，能力越强，赢得市场的希望就越大。

扫码了解乌兰察布汽车专区

但一个常见的现象是：车端数据收集能力强大，云端的算法训练能力强大，但中间的数据带宽、存取、预处理性能却往往成为瓶颈。

2023年，自动驾驶向云端传输的数据可能会达到8000PB，可以塞满80万个企业级硬盘；一次算法训练的预热元数据量达到10亿条，需要4天时间准备。这容易造成算力等数据的空转浪费。

为解决这一瓶颈，华为汽车云启用了AI云存储服务，在1000Gbit/s数据专线、分级智能存储、近GPU加速等技术支持下，能够做到24小时内路采数据入云，10亿条元数据预热时间降至5小时。

而更智能的云存储不仅可以实现数据存储20%的降本，它对算法训练的提速实际上也变相提升了费效比。在特定案例中，华为云最快已经可以支持智能驾驶算法模型的天级更新，单次训练更新的成本得以降低。

算法训练的极速狂飙离不开华为云搭建的自动驾驶开发平台。传统上，一家企业要搭建自己的自动驾驶开发平台需要3个月时间，但华为云基于长期服务汽车行业经验，本身建立了自动驾驶开发平台，不仅可以免除部分基础工作，还对几乎每一个环节都进行了优化加速。

不过，行业内不同企业对智驾的投入以及具备的能力有分化，市场上有需求一条龙服务的车企，希望快速建立智驾能力与数据闭环；也有希望在某一模块引入行业优秀方案、与自身能力结合的车企。

汽车数智升级必有云，华为云KooVerseforVehicle，为汽车行业量身打造

在这种背景下，有灵活商业模式的云服务厂商能够获得更多青睐。像华为云，其自动驾驶开发平台就提供一站式与模块式部署两种方式，由合作伙伴灵活选择。

由此，智能汽车需要的云，其实要兼顾稳、快、全。要满足这些条件，企业不仅要做算力基建，也要做软件基建，还要进行生态基建，这实质上决定了市场会持续收敛，只有少数云计算大厂才能陪车企跨越智驾的鸿沟。

加速智驾的秘密武器

不过，智驾要跨越的鸿沟依然险峻。

今年，智能驾驶迎来了规模化进城元年，北上广深的城市高阶智驾被相继点亮，更多二线城市也“开城”在即。但开疆拓土之际，智能驾驶也不可避免地直面长尾困境。

眼下，头部企业的城市高阶智驾能够在大部分时间表现顺利，一些品牌表示智驾系统已经可以实现数十公里无接管，仅在少数时候、少数场景表现不力一一比如在非标准红绿灯下，智驾车辆可能会误识别、爆冲。

然而对于大多数消费者，这些偶发但可能致命的功能失效，足以摧毁他们的信任。

智驾要跨越鸿沟，必须攻克持续出现的长尾场景。但这些场景将耗费比以往更多的工程资源，最好的方式是行业合力突破。

7月21日，在电动汽车百人会牵头下，华为与合作伙伴发起了“自动驾驶关键技术攻坚倡议活动”，对十大难点技术进行技术攻关。其中引入瞩目的一点是，“AI大模型在智能驾驶的应用”。

眼下，国内主流云计算厂商重点发力的大模型，以语言类大模型为主。但在智能驾驶中，数据主要是图像，语言类大模型很难有效赋能。而在这个月，华为云发布了盘古大模型3.0，它的特点是能够将行业know-how与大模型能力结合，解决细分行业、细分领域的难题。

在盘古基础模型之上，华为云提供了丰富的行业开发套件。协助自动驾驶算法公司，陆续开发了场景生成大模型，场景理解大模型，预标注大模型，多模态检索大模型等场景模型，大大提升了数据处理效率。

盘古大模型，帮助行业客户打造自己的自动驾驶大模型

其中，场景理解大模型与多模态检索大模型配合，可以快速挖掘有价值的数据，加速建立智驾的场景库；预标注大模型则自动化地对数据进行标注，不仅标注速度倍增，标注成本也将比人工标注更低。

而场景生成大模型，则是华为开发NeRF神经辐射场网络技术的成果，它能够以更低的成本、更高的准确度与自由度，对自动驾驶的算法研发进行仿真，其仿真精度最高可达厘米级，也支持按需编辑场景中的元素。

有了场景生成大模型的支持，车企能够以假乱真地生成现实中很难收集的罕见场景或者所需的CornerCase，有目的性地、可掌握地定向锤炼智驾算法对长尾场景的应对能力，省钱、省时地提升智驾表现。

为克服大模型训练难度大、耗时长的问题，华为云配套了ModelArtAI三大加速服务，对数据加载、模型训练、模型推理同时加速。受益于此，禾多科技在同华为的合作中，模型训练速度提升了280%。

尾声

今年4月，奇绩创坛创始人陆奇分享了他的大模型世界观。在他看来，自动驾驶很可能会是第一项“让执行无处不在”的AGI，将更显著地改变物理世界。

如今，行业距离它似乎只差临门一脚，但实际上又有着极高的势垒需要逾越。无论如何，这项史无前例的超级工程，必然需要车端与云端，以史无前例的方式紧密配合。

华为云盘古政务大模型：助力广州白云建设新一代智慧城管

■华为云

广州白云区城管局携手华为云持续深化白云智慧城管建设，探索华为云盘古政务大模型、GausSDB数据库在城市治理领域的创新应用，并已成立全国首个盘古政务大模型实验室。

2023年7月9日，华为开发者大会2023（Cloud）期间，华为云举办“一城一云，共助城市迈向精细化“智理””政务高峰论坛，围绕一体化云平台、华为云盘古政务大模型、数据要素等关键领域，打造城市“智”理新范式。会上，广州市白云区城市管理和综合执法局党组书记、局长郑柏生分享数据驱动下的智慧白云应用实践，讲解白云智慧城管建设理念。

白云区是广州市面积最大、常住人口最多的中心城区，城市治理任务也最为繁重。2017年以来，白云区携手华为云开展智慧城区建设，推进全区政务系统上云，提升全区政务信息资源统筹管理和集约化运营水平。目前白云区已有30多个部门单位、180余个政务业务系统部署至区内政务云平台，构建起“一屏观白云、一键连指挥、一门办业务、一网统管理”的社会治理格局。

郑柏生表示：“基于白云区政务云底座，白云区城市管理和综合执法局（下简称“白云区城管局”）以数字化建设为引擎，通过“数字上图”实现部件管理可视化、人员（物资）管理线上化、作业管理工单化、群众参与多元化。白云智慧城管系统上线以来，已将4.5万多个城市部件、1.4万多个城管物资纳入可视化动态管理，搭建起集感知、分析、服务、指挥、监察于一体的城市管理信息化平台。

环卫压缩站管理：实现动态感知，预防垃圾偷倒

在环卫压缩站管理方面，白云区城管局在全区59座压缩站安装了称重设备、AI抓拍摄像头、环境监测物联感知设备，采用物联网+AI技术加强对压缩站的动态感知，对未备案车辆进站、垃圾量环比超过10%等异常情况，形成工单督促镇街查找原因，实现垃圾量同比下降300多吨/天，间接节省财政资金近千万元。

智慧燃气安全巡检：提高燃气安检覆盖率，减少燃气安全隐患

在燃气监管方面，白云区城管局搭建智慧燃气安全巡检系统，督促全区1800多名送气工送气上门的同时落实专业性安全检查，目前已实现燃气安检83万多次，处置燃气安全隐患数据1000多条，有效预防燃气安全事故发生。

■环卫收费监管：搭建缴费小程序，实现环卫收费高效透明

针对环卫收费不方便、难以监管、标准不统一等问题，白云区城管局开发环卫收费系统，通过小程序缴费实现环卫收费金额透明、应收尽收、一键缴费。该系统在松洲街槎龙村、同和街等试点近一个月以来，已收费一千六百多万元，远超同期水平。

白云区城管局以数据为支撑，以人民需求为导向、以解决问题为出发点，建设白云智慧城管平台，推进白云区城市治理服务体系现代化建设。

华为云盘古政务大模型：助力广州白云建设新一代智慧城管

本次大会全新发布的华为云盘古政务大模型，让政务视频、政务交互、政务治理等场景的算法训练效能、内容生成质量等得到了进一步提升。

白云区城管局携手华为云持续深化白云智慧城管建设，探索华为云盘古政务大模型、GauSsDB数据库在城市治理领域的创新应用，并已成立全国首个盘古政务大模型实验室，对占道经营、垃圾堆积、城中村治理等城市治理典型场景展开全面交流。

在政务视频领域，相比于传统的“判别式”算法，华为云盘古政务大模型（政务CV大模型)具备更好的通用性和泛化性，相当于为摄像头加上智慧大脑，实现7*24小时不间断“慧眼识事”；

面向政务交互领域，盘古政务大模型（政务NLP大模型）相比人工答复效率提升100%，可以实现政务热线的自然语言对话，意图精准识别和问题准确回答，让政务咨询更加专业和有温度，让智能热线、数字讲解员等场景拥有更流畅、更智能的体验。

华为云盘古政务大模型将助力白云智慧城管系统提升图片、文本等数据的分析精度及速度，实现城市管理事件自动立案、自动审核预结案，加速白云区形成告警推送、互联互通、快速反应的城市运行管理中心，全面赋能城市应用智能升级。

当盘古大模型遇到矿山华为云让AI走深向实

■华为云

山东能源集团基于华为云Stack建设集团中心云，采用华为云盘古矿山大模型建设人工智能训练中心，不断开发价值应用场景，推进煤矿生产智能化管理的转型。

齐鲁大地历来资源禀赋优势明显，历史文化底蕴深厚，山东能源集团正是成长在这片沃土之上。山东能源以矿业、高端化工、电力、新能源新材料、高端装备制造、现代物流贸易为主导产业。

其中煤炭产业国内外核定产能2.9亿吨/年，产量位居全国煤炭行业前列。2022年投入45亿元实施智能矿井建设，建成166个智能化采掘工作面，9处国家级智能化示范矿井全部通过验收，智能开采产量占比超过80%。“十四五”期间，山东能源集团结合企业自身特点构建了数字化转型“159”总体蓝图，在“建设数智山能，催生发展新动能”的愿景引领下，山东能源已经开出了创新之花。

扫码了解更多华为云盘古矿山大模型

缩短人工智能模型落地周期，识别精度显著提升

煤矿作业环境复杂恶劣，安全生产依然面临严峻挑战，并且存在从业人员减少甚至是“断档”的挑战，实践证明，通过智能化建设实现提效增安，已成为煤矿企业发展的必然选择。

近年来，山东能源携手华为云，研究一套可复用的算法模型流水线应用到各种不同的场景，减少专家的干预和人为调优的消耗，降低人工智能开发门槛和时间周期，能实现快速规模复制推广的智能化解决方案，包括：

两级架构+云边协同

山东能源集团基于华为云Stack建设集团中心云，提供云边协同方案。中心云负责经营管理、数据共享、AI开发、训练和模型管理；边缘云用于AI推理，并结合推理结果进行生产管理。

边用边学+专家经验

通过将人工智能技术与山东能源集团专家经验结合，把生产现场异常信息反馈至平台，由一线技术人员和专家进行审核和标注，不断迭代训练和升级模型，实现人工智能和华为云盘古大模型能力在实际生产业务中越用越好用，越用越准确。

非正常即异常

通过非正常即异常机制的理念革新，提供强大的发现异常样本的能力，大幅降低异常样本获取难度，节省模型训练工作量。

通用性与规模复制

已训练好的模型，在少量补充训练样本的情况下，可以快速迁移到新的生产单位，大大降低应用推广成本和门槛，提升了规模部署和使用的效率。

通过这一方案，人工智能模型的落地周期从原先需要6个月缩短到1个月，识别精度在实测场景中提升了20%。同时，还能减轻超过80%的数据样本标注工作量，从而释放出大量人力资源。

通过云边协同、边用边学、非正常即异常的机制，人工智能在矿山领域规模应用的问题得到了很好地解决，进而加速了山东能源在生产、经营和管理上的智能化进程。

聚焦9大专业21个应用场景，提效增安

当前，山东能源正在着力打造“安全、绿色、智能、高效”四型矿山。在矿业领域，依托华为云提供的盘古视觉大模型、预测大模型，在前期通过试点场景验证了大模型在工业生产领域的能力基础上，开发和实施首批应用场景，涵盖采煤、掘进、主运、辅运、提升、安监、防冲、洗选、焦化9个专业21个应用场景，降低安全生产风险、提升员工幸福感、提升生产质量效益、优化人工智能建设投资回报、提升科研创新力、培育产业生态等价值。

在危险区域人员安全管控场景，增强煤矿安全管理能力，降低安全事故发生概率，提升经济效益，为煤矿行业安全行为管控打造可复制的模型，实现从原先事后审核监管走向7*24小时全时段保障人员安全。

在防冲卸压施工孔深监督场景，使用专用摄像仪对施工过程动态监管，视频实时上传并进行智能核验，从原先隔天审核走向分钟级实时审核实时告警，当孔深不足时及时进行声光告警，便于工程核验和监管，提高监管时效性与准确性，提升安全生产的同时，有效减轻员工人工审核的工作压力。

未来，山东能源集团除了加大现有技术在各产业领域的应用，还会采用华为云盘古多模态、自然语言处理大模型，持续探索人工智能技术对传统能源企业转型发展的帮助，实现综合多维信息，辅助优化决策，不断提升智能化生产效率和经营水平。

大模型时代CodeArts定义软件开发新范式

■云数智观察

华为云将CodeArts研发工具与盘古大模型相结合，正式发布了面向开发者的智能编程助手CodeArts Snap。该工具可以实现一句对话让代码生成、一次点击即可自动注释和生成测试用例，一条指令即可智能部署，让每个软件开发者都有自己的编程助手。

.doodle input:checked \~ .animate set a cxlay so that the rewind effect can occ -webkit-animation:\~horse-ride .5s steps(12,end) infinite 5s;

“我用GPT-4编写了Python代码，成功地完成了网站数据抓取！”一位我们俗称的软件开发“小白"说到此，喜悦之情溢于言表。10n：

对此，作为“老司机”的程序员们又会作何感想呢？有的人愿意积极拥抱变革，坚信AI大模型将有效提升软件开发的效率和体验；也有的人抱怨这是“灭顶之灾”，自己的饭碗不保。这让我联想到了“半杯水的故事”悲观的人会叹息，“唉，只剩半杯水了”；乐观的人会兴奋地说，“看，还有半杯水”。

现在，AI大模型其实就是那“半杯水”，从诞生之日起就在争议中前行。但这显然不会阻碍更多人的期盼，Al大模型终究有一天会变成“一杯水”，就像华为所说的，Al for Industries，赋能甚至颠覆各行各业，软件开发产业也不例外。

华为云PaaS 服务产品部部长徐峰

软件工程3.0大幕已经拉开

2021年左右，大模型在软件开发圈里已经风声水起，但是普通大众对于大模型是什么仍一头雾水。直到去年底、今年初ChatGPT的爆火，能聊天、会作诗的AIGC开始走入寻常百姓家，站在这个时间节点重新审视华为云智能开发助手CodeArts Snap 的发布乃至整个软件开发产业的演进，人们才猛然意识到，原来变革早就已经开始了！而AI大模型正是软件开发产业变革最重要的推手，也是抓手。

回溯现代软件工程的历史演进，1968年召开的NATO会议确立了软件工程学科的诞生，也正式开启了软件工程1.0时代的探索之路；直到敏捷软件开发宣言的发布，软件工程正式迈入2.0时代，突出强调团队协作，实现更快的产品交付，敏捷、CI/CD、DevOps等成了关键词；如今，AI大模型的出现将软件工程推进到3.0的崭新阶段，软件开发走向数字化、智能化成为大势所趋。

走过半个多世纪的风雨历程，软件工程将面临一次彻底的颠覆。2021年，Gartner发布了企业机构在2022年需要探索的12项重要战略技术趋势，生成式AI位居榜首，并预言生成式AI可用于多种活动，而创建软件代码首当其冲。如今，像华为云CodeArts Snap 这样以智能化代码生成为核心的提高开发者开发效率的Al产品正不断涌现，它们对于软件开发产业的重构，及其蕴藏的巨大商业价值引发了市场的普遍关注。

大模型时代，软件开发将何去何从？综合之前与同济大学特聘教授朱少民老师的交流可以这样归纳：软件工程3.0将以AIGC、数字化为特征，以模型和数据为本，凸显人机交互智能。具体来说，软件开发人员将基于大语言模型这一底座，快速生成所需的代码和其他所需内容，整个开发流程由模型驱动，真正实现所需即所得。

在由大模型驱动的软件开发活动中，软件开发中新的生产关系必须更好地适配新的生产力要求。从开发、测试、运维到运营的整个流程中，只需产品专家、架构专家和QA专家三类关键角色，即可高效完成开发。可以想见，因为大模型的加持，未来大量的软件开发工作将由AI协同完成，不仅能够实现极速开发迭代、智能高效的测试，还能做到无人化运维和运营。

软件工程3.0才刚刚拉开序幕，大模型驱动的软件开发不仅仅要求技术、工具层面的创新，更需要思想上的变革。从实操和应用体验的角度来看，大模型的出现似乎是降低了软件开发的门槛，“人人都可以成为软件开发者”从梦想照进了现实；而从整个软件开发体系和工程演进的角度看，大模型实际上提升了开发的门槛，软件开发者不仅要会用大模型，有时还要根据实际需求对大模型进行微调，更进一步，甚至要精通整个业务流，能够将基于大模型开发的工具融入到端到端的开发流程中，真正实现生产力的提升。

叠加智能CodeArts重生

Snap！打一个响指，软件程序就开发完成。这正是华为云打造智能开发助手CodeArts Snap 的初衷。就像华为云PaaS服务产品部部长徐峰所言，“让每个开发者享受写代码”，使得开发者事半功倍。

毋庸置疑，在大模型时代，数字化技术与AI技术将深刻地影响开发方式与所需的相关技能和工具。而开发者最直接的感受就是大模型强大的代码生成能力，以及为自动化测试等带来的极大便利。举例来说，Github 声明，其内部团队30%的新代码是在Copilot的帮助下完成的；在写Web服务端的对比实验中发现，使用Al辅助编程工具的一方平均可减少55%的开发时间。作为云厂商中首个国产化的AI代码辅助编程工具，华为云CodeArts Snap致力于打造现代化开发新范式，通过将自然语言转化为规范可阅读、无开源漏洞的安全编程语言，从而大幅提升开发者的编程效率，助力企业快速响应市场需求。由此可见，AI辅助编程工具对于减轻开人员的工作压力、降低企业开发投入成本、提高编程效率具有非常重要的价值。

从 Copilot到CodeArts Snap，它们作为各自产线中的智能引擎或者说Al助手，让开发者真正领略到了“智能化”这一基因的魅力和强大。以华为云CodeArts Snap 为例，它是华为云将CodeArts 研发工具与盘古研发大模型相结合，训练了760亿行精选开源代码、1300万公开的经典技术文档打造出的智能开发助手，目前已经发布了智能生成、智能问答、智能协同三大核心功能及九大主打特性，具备快速生成代码、生成测试用例、多轮技术问答、自动化的云服务/API调用等能力。

由于华为云CodeArts Snap 具有注释编程、多语言支持、自动化部署、安全可靠等特质，所以作为一个智能插件，当CodeArts Snap 被嵌入到整个CodeArts 平台上，让覆盖软件开发全流程的CodeArts 已经发布的16款工具都有了“智”的飞跃，从一个数字化开发平台演进到智能化开发平台。

实际上，华为云对于CodeArts Snap 有更多、更长远的期待，所以提出了“1+N”的策略。“1”代表CodeArtsSnap本身，即依托其自身的特色和功能，最大程度地解放集成开发环境下的编码人员，减轻其工作压力；而“N”则代表需求检查、核入、构建、测试执行、测试分析、问题发现、问题定位、运维运营、技术配置、技术支持等所有环节和角色，相应的每一个软件工具在融入CodeArts Snap 的“智”力后将会实现重构。

因此，华为云CodeArts Snap 不仅仅是一个工具，更代表了大模型技术与传统软件工具的融合。

“4"

代表CodeArts Snap本身，即依托其自身的特色和功能，最大程度地解放集成开发环境下的编码人员，减轻其工作压力

代表需求检查、核入、构建、测试执行、测试分析、问题发现、问题定位、运维运营、技术配置、技术支持等所有环节和角色，相应的每一个软件工具在融入CodeArtsSnap的“智”力后将会实现重构

“N”

当前，华为云CodeArts Snap 正处于免费邀请测试中，国内的很多高校、银行等客户已经在深度试用中，反馈良好。

纵观CodeArts，它是集华为自身多年的研发实践，以及前沿研发理念和先进研发工具于一体的研发云平台，也是一站式、全流程、安全可信的软件开发生产线，开箱即用，让软件开发简单高效。可以说，CodeArts引领软件开发走上了云化、数字化的道路。而CodeArts Snap 的出现，在CodeArts平台之上实现了“叠加效应”，使得整个CodeArts变得更加智能，宛若重生。

未来已来重塑软件开发

由于数字经济的快速发展，以及市场不确定性的进一步增强，导致企业更加迫切希望加速创新与迭代，以便更快地响应市场和客户的需求。这就要求企业的应用研发不断提升效率、降低成本、控制风险。

越来越多的实践证明，AI大模型的应用能够有效帮助企业提升软件开发流程和效率，改善用户体验，进一步增强竞争力。在大模型时代，企业必须随需应变，变革传统研发方式，充分发掘和培养新的技能，持续创新理念、方法和工具，开拓新的价值和可能性。

源于华为云盘古大模型的CodeArts Snap，把软件开发中的脏活累活全部接管，让软件开发更具智能和效率。毫无疑问，大模型正在重塑软件开发的形态。不过，我们也必须清醒地认识到，企业级开发的复杂性虽然需要AI工具的助力，但它还不能完全替代人的工作。

另外，AI始终是一柄“双刃剑”，在带来效率提升的同时也蕴藏着安全或其他潜在的风险。有统计数据显示，部分厂商的Al辅助编程工具所生成的代码中，40%左右存在网络安全缺陷。因此，华为云CodeArts Snap 十分强调安全性，采用了多重安全措施，保障生成代码的安全性和可靠性。

尽管还有需要持续完善之处，但是大模型的风口已来，软件开发必将重构。

盘古大模型让人人实现数字人自由

■胖头陀

华为云通过盘古基础大模型赋能MetaStudio数字内容生产线，打造了盘古数字人大模型，提供模型生成和模型驱动两大服务。基于此，开发者可以快速生成和驱动数字人模型，赋能在线教育、文娱直播、企业会议等行业应用，让每个企业员工实现“数字人自由”。

当前，大模型无疑是国内外最为热门的话题，国际顶级学术期刊《自然》（Nature）杂志正刊发表了华为云盘古大模型研发团队研究成果，这不仅是对华为云盘古大模型的一大褒奖，更是对国内大模型产业领域的共同提振。

融合物理世界和数字世界

说到大模型，就不能不说到ChatGPT。其发布瞬间点燃了产业领域的大模型之火，其后大量的科技公司“火上浇油”，纷纷发布了各自的大模型。

与其他公司不同，早在2021年4月，华为云盘古大模型就已经发布。在当年的世界人工智能大会上，华为云盘古超大规模预训练模型，就让观众们通过多种交互方式，深切感受到它在中文语言处理方面的强大能力。

作为国内首个全栈自主的AI大模型，华为云盘古大模型的目标很明确，它没有沉溺于吟诗作对之类的风花雪月当中，而是坚定地将重塑干行百业作为发展方向。

自从发布以来，华为云盘古大模型聚焦各类客户所关注的核心问题，致力于深耕行业，并为金融、政务、制造、矿山、气象、铁路等领域，打造了专属和定制的行业大模型与能力集。

在华为开发者大会2023（Cloud）上，华为云盘古大模型迎来了又一次重大升级。在最新的3.0版本中，华为云盘古大模型不仅得到了能力的全方位提升，也首次在字面上明确了定位，即“为行业而生”

作为一个面向行业的大模型，华为云盘古大模型

让每个人实现数字人自由

通过盘古基础大模型，华为云赋能MetaStudio数字内容生产线，打造了盘古数字人大模型，提供模型生成和模型驱动两大服务，让每个人都能实现数字人自由。

3.0包括5+N+X三层架构，提供了满足行业场景的多种技能，专注于具体的应用场景和特定业务，为客户提供开箱即用的模型服务。

华为云盘古大模型的快速演进和迭代，得益于华为云AI的雄厚积淀。目前，华为云AI在各个行业已经拥有上干个深度合作项目，这种来自一线的真实打拼和行业Know-How，为华为云盘古大模型的成长提供了充足的“养分”。

华为云盘古大模型在能力方面的不断提升，也为华为云的产品服务带来全面加持，华为云MetaStudio就是其中的一例。通过打造云上的数字内容生产线，以及构建以人为中心的全场景智慧化体验，华为云MetaStudio加速了物理世界和数字世界的融合。

数字人（Digital Human/Meta Human），是运用数字技术创造出来的、与人类形象接近的数字化人物形象。起初，限于技术、成本等问题，数字人主要被用于垂直、专业的极少数领域之中。

华为云媒体服务产品部部长吕阳明

得益于数字技术的快速进展，近几年数字人的应用范围不断扩大，开始被虚拟现实、教育、健康管理、智能客服等领域广泛采用，产业化不断加速，商业模式开始持续演变和多样化。

即便如此，对于很多机构和企业来说，数字人的制作与使用仍有着较高的门槛。如果只是玩票，以上的门槛之说可能并不成立，不过假如真的要数字人深入到生产、经营和服务等领域，企业仍然面临极高的难度。

按照华为云媒体服务产品部部长吕阳明的说法，MetaStudio数字内容生产线就是“让每个人实现数字人自由”，其中包含的建模、驱动、仿真、渲染等一系列流程，实现了低成本、低门槛、高效率、高拟真的数字人生产。

数字未来成为现实

华为云在数字内容方面的积累由来已久，不过早期主要还是围绕视频、图片等内容生产。在发展的过程中，华为云注意到，一些深刻的变化正在发生，相关产业的游戏规则也开始改弦易辙。

以影视业为例，我们现在可以看到的实拍内容已经不多了，呈现于眼前的大多是计算机制作。比如说《流浪地球2》、《阿凡达2》等大片，你甚至很难在其中分辨出实景拍摄的片段。

基于这些趋势，华为云推出MetaStudio数字内容生产线，在云上通过自动化和AI技术，面向那些做数字内容生产的行业，实现自动化数字内容的生产制作。

现在看来，数字内容的生产实际上适用于所有行业。在我们奔向元宇宙的今天，对于干行百业而言，数字内容已经成为最基础的能力之一，缺乏数字内容的企业，其灵魂也是不完整的。

在华为开发者大会2023（Cloud）的开幕式上，当干练靓丽的数字人徐徐向我们走来，说出“每一个开发者都了不起”，那一刻，那种发自内心的感受很难仅仅用“惊艳”二字来形容……

确实惊艳，但是绝不止于此。此前，我们并非没

需要指出的是，华为云MetaStudio的数字人生产，并不只是面向ToB或是高精专领域，甚至可以包括个人应用。打开脑洞设想一下，由于工作、学习等缘故，儿孙们往往无法常伴老人，这时候假如有一个儿孙形象的数字人时时陪伴，对于老人岂不是莫大的抚慰？

基于盘古大模型，华为云MetaStudio 为新的数字人赋予了非常聪明的大脑。通过持续不断的训练，数字人可以真正实现拟人化和个性化的对话，其能力也会得到同步的提升。

与此同时，由于端侧的显示技术逐渐增强，数字人的形象也越来越饱满，越来越生动。在云侧完成的数字人驱动、数字人形象的渲染，也会通过网络推送到端侧，实现高质量、高画质和高质感的呈现。

有见过数字人，但是很多时候它们往往是静止或站立的，而且表情和手势过于生硬，也就很难在情感上引起我们的真实共鸣。

华为云MetaStudio数字内容生产线的做法可谓别出机杼，数字人驱动服务会追踪真人脸部的136个特征点、28个人体特征点和10多个声音关键特征点，尽可能做到应采尽采。

接下来，在云上传输数据时，华为云MetaStudio只传输特征点数据，而不是原始的音视频数据，因此带宽需求就降低了1000倍以上，即便是在上行50K的弱网环境下，也可以实现4K60fps 的数字人会议体验，让传统的交流从“0101的比特传输”，走向“有温度的模型交互”。

当前，华为云MetaStudio在国内已经实现了广泛的合作与落地。在长沙马栏山、北京石景山VR/AR基地，华为云MetaStudio已经进入到综艺节目、影视音乐制作等领域；在深圳龙岗、浙江温州等地，华为云MetaStudio 也进入到工业设计、服装设计等领域……

一同开启创意的小宇宙吧！很快你就会发现，华为云MetaStudio让那些我们曾经构想的瑰丽数字未来，正在逐渐变为现实。

“只做事”的大模型成就真英雄

■张戈BP

大模型充分融入干行百业，离不开广大开发者及伙伴的积极参与。华为云希望探索盘古大模型与行业结合的创新路径，更希望成就开发者的英雄之路。

活明白的冯唐说：“煲汤比写诗重要。”我深以为然。华为云说盘古大模型：“不写诗，只做事。”我更想强烈表达认同。“大模型”有太多的事情可以做，也有太多的事情要去做，哪一件事情都比写诗重要。

一等大事“打基础”

摩拳擦掌久矣。

两年前的HDC.Cloud，华为云就在这里正式发布盘古大模型。两年后的HDC.Cloud，华为云又是在这里发布盘古大模型3.0。

开发者对此摩拳擦掌久矣。他们知道盘古大模型一定会上新，毕竟这两年里，华为云一直在快速迭代盘古大模型；他们也知道盘古大模型上新的同时，一定会送出生态“大礼包”，毕竟这是华为云的传统。

果不其然。

华为云没有让开发者失望。在定下“不做诗、只做事”的基调后，盘古大模型3.0并没先想着去画“宫保鸡丁”，也没去想着怎么展示“鸡兔同笼”，它琢磨的一等大事是“建生态”、“打基础”。

“当前盘古大模型的生态系统已初具规模，众多行业头部客户和伙伴正在与华为云联合创新，基于盘古开发与各具特色的行业大模型，升级各行各业的解决方案。我相信，盘古大模型的生态一定会更加蓬勃发展，成为行业智能化升级的中坚力量。”康宁是华为云全球生态部总裁，他直接切入主题，并进一步提出组建“高质量数据联盟”，就是生态的一部分。

想想还真是这个道理。

数据才是大模型存在的基础和发展的关键。只有多看书、看好书、多看专业的好书，至少不能会被“毒教材”带跑偏，才能让大模型不断地学习和优化。

也正是为了夯实这一基础，华为云与中国公共关系协会、文化大数据产业委员会共同发起，多家伙伴共同倡议，成立大模型高质量数据联盟。“我们希望通过‘高质量数据联盟’，汇聚成员单位开放的各类数据，打造覆盖千行百业的高质量数据集，共训共享基础大模型。欢迎各行业机构，企业单位加入高质量数据联盟。”康宁说。

丨生态“大礼包”

而更进一步，华为云还希望为开发者和生态伙伴多做几件事情。或者说，华为云是送出了一系列生态“大礼包”，而且他真的很懂开发者，技术礼包和服务礼包都能送到开发者的心坎上。

通常而言，开发者都会关心几个问题：例如，行业API是否丰富，调用API是否顺手，毕竟用户关注的是通用大模型，但需要的是行业大模型或企业大模型；再例如，大模型的工具套件是否丰富，应用开发是否友好，毕竟这决定了开发效率。

回答上述问题，康宁先是列举了一系列数据，进而又派送出一系列生态技术“大礼包”：“华为云开天aPaaS已经汇聚了13.6万个场景API，API与业务匹配度达到95%，应用上线周期从过去月级缩短至天级。”

看来，坚持“爬北坡的华为云”对“做事情的大模型”，已经有相当的行业自信。其很希望以这种“盘古+开天”的组合，为开发者辟开另一片天地。

当然，对于技术能力，华为云也一向开放，而且其大模型工具套件，已经越发开放友好。

说：“在模型生产领域，华为云提供了覆盖数据处理，模型的开发训练与部署，以及模型微调的多种工具，可显著提升开发者的模型生产效率；在模型应用领域，华为云不仅提供80多种模板的提示词工程和50多种模型技能，还提供模型工具集，让开发者更加灵活的实现对大模型的使用。”

”

-康宁

华为云全球生态部总裁康宁

不仅如此。

华为云还为开发者做了几件事情，这也是盘古大模型生态“大礼包”的一部分：例如，如果开发者找资料、找数据集、算法、模型，可以去“大模型专属社区”；如果想学习，可以去“云课堂”；如果找老师，可以联系DTSE全能专家。

除此之外，如果你找合作伙伴，想深入行业数字化，就去“开发者创新中心”；如果想检验一下学习成果，并与同行交流，就去参加“华为开发者大赛”。总之，只要你想找，就能找到，只要你想学，就一定能学会。

不作诗、只做事

更重要的是，相比那些“忽如一夜春风来”的大模型，盘古也很值得信任。因为“不作诗、只做事”的盘古大模型,就是华为云的明确的业务思路一一在行业中多做实事，多为用户输送“行业专家”，至少也需要多提供些“工作助理”。

其实，盘古大模型肯定是会写诗的，2021年，华为云发布的盘古大模型1.0，就包括NLP大模型。但华为云真的抓住了开发者的心理一一你要跟开发者聊大模型生成的“宫保鸡丁”，他们也许会微微一笑，但你要给开发者展示，大模型下注视下的煤矿传输皮带抖动检测，他们一定会举起手机认真拍照。

或者说，开发者不会去纠结，在所谓的“干模大战”中，谁是“超模”，谁是“野模”？但他们一定会关注谁在写诗，谁只做事，关注谁家的大模型在行业中落地最扎实，以及业内又出现了哪些行业大模型。

盘古大模型恰恰是行业落地最扎实的那个，也是最想着为用户踏踏实实地做点事。2021年4月，华为云正式发布盘古大模型；2021年9月，华为云发布科学计算大模型和药物分子大模型；2022年6月，华为云发布盘古矿山大模型；2022年11月，华为云发布气象大模型；2023年7月，华为云发布盘古大模型3.0。

看如此节奏，华为云每隔三五个月，就会推出一款行业大模型。截至目前，华为云已陆续推出矿山、药物分子、电力、气象、海浪、铁路等大模型。本次HDC.Cloud 期间，华为云又连续发布政务、金融、制造大模型，持续为业界贡献先进的算法和解决方案。

以铁路大模型为例，其能精准识别现网运行的67种货车、430多种故障，综合准确性高达99.8%。以一个中心站点为例，平均每天过站1000列车，原来需要260名列检员肉眼检查400万张检测图片，现在通过盘古铁路大模型的一双“慧眼”，无故障图片筛除率可达95%，可以轻松筛除380万张无故障图片，列检员只需复检20万张图片，效率大大提升。

成就英雄

对此，内行看门道。上述应用场景中，上述行业大模型中，其实就隐藏着众多生态合作模式。数据伙伴可以通过共享开放数据，共训共享基础大模型；咨询与集成伙伴可以协助用户，构建大模型基础设施；服务伙伴可以基于盘古大模型，为用户搭建行业大模型、企业大模型；软件伙伴既可以众筹模型算法，将行业“微场景”联接成为“大场景”，也基于华为平台为用户开发丰富的智能应用。

总之，通往大模型的路不只一条。而这正如康宁最后所说：“大模型充分融入千行百业，离不开广大开发者的积极参与。华为云希望探索盘古大模型与行业结合的创新路径，更希望成就开发者的英雄之路。

华为云天筹AI求解器荣获世界人工智能大会最高奖

■华为云

7月6日，2023世界人工智能大会（WAIC 2023）在上海开幕，大会最高奖项“卓越人工智能引领者”SAIL奖重磅揭晓。凭借在赋能行业上的突出贡献，华为云天筹AI求解器荣获该奖项。

华为云天筹AI求解器是一款将运筹学和AI相结合的云服务产品，突破业界运筹优化极限，以通用形式描述问题，高效计算求解最优方案。基于求解器的决策优化方案可为企业带来新的运营方式，在决策机制上降低对人的依赖，尤其针对供应链及制造管理方面带来质的提升，从而显著提高企业的收益增长速度，提升企业成长空间。

华为云将天筹AI求解器与行业场景结合，推出一系列的行业智能决策方案。在供应链场景，基于AI求解器的生产排班，可实现超大规模计划排产，供应能力最大化，库存齐套率提升37%，每年节省巨大资金；在制造行业，可帮助家居、服装、钣金等制造原料切割最优排版，材料利用率提升2%以上，每年为企业节约成本上亿元；在交通行业，可优化航班调度，让260万旅客不再坐摆渡车；天津港与华为云合作开发了基于天筹AI求解器的新一代港口智能计划平台，可实现整个港口计划10 分钟内完成，计划速度提升144倍，大幅提升作业效率和资源利用率。

作为世界人工智能大会的最高奖项，SAIL奖（SuperAILeader，卓越人工智能引领者）坚持“追求卓越、引领未来”的理念，评选和运营秉持“高端化、国际化、专业化、市场化、智能化”原则，从全球范围发掘在人工智能领域中具有高度认可和美誉、并具有提升人类福祉意义的项目。

盘古矿山大模型一个大模型识别所有异常让人工智能大规模“下矿

华为云盘古矿山大模型，导入海量无标注的矿山场景数据进行预训练和无监督自主学习，仅一个大模型就能覆盖煤矿的采、掘、机、运、通、洗选等业务流程下的1000多个细分场景。目前已在全国8个矿井规模使用让更多的煤矿工人能在地面舒适安全地作业。

粉尘烟雾弥漫人工下井巡检看得全看得清看得准地面操控更舒适安全

AlforIndustries

盘古药物分子大模型

打破双十定律加速新药问世

华为云药物分子大模型，对17亿个类药分子的化学结构进行预训练，

生成1亿新化合物分子，具备药物分子化合物筛选、分子属性优化等能力，已帮助6家药企

和研究机构在抗菌抗癌等领域找到新的活性小分子化合物；

帮助西安交通大学第一附属医院刘冰教授团队

突破性研发出超级抗菌药肉桂酰菌素。

10年研发周期
10亿美金投入

研发周期缩至1个月研发成本降低70%

AlforIndustries

盘古气象大模型

风云瞬息万变秒级精准预测

华为云盘古气象大模型，是首个精度超过传统数值预报方法

的AI气象预测系统，能预测台风路径、海浪高度、寒潮和高温预报

等多种气象现象。预测能力得到

科技界的高度认可，相关研究论文在《Nature》正式刊发。

未来10天台风预测3000台服务器5小时仿真

未来10天台风预测
单机单卡
10秒完成

群内每日免费分享5份+最新资料

300T网盘资源+40万份行业报告

为您的创业、职场、商业、投资、亲子、网赚、艺术、健身、心理、个人成长.….全面赋能！

关注公众号获取更多资料

添加微信，备
注“入群”
立刻免费领取
200套知识地图+最新研报

致终身学习者社群

行业报告/思维导图/电子书/资讯情报

收钱文案、增长黑客、产品运营、品牌企划、营销战略、办公软件、会计财务、广告设计、摄影修图、视频剪辑、直播带货、电商运营、投资理财、汽车房产、餐饮烹饪、职场经验、演讲口才、风水命理、心理思维、恋爱情趣、美妆护肤、健身瘦身、格斗搏击、漫画手绘、声乐训练、自媒体打造、效率软件工具、游戏影音.....

CLOUD 云+

群内每日免费分享5份+最新资料

300T网盘资源+40万份行业报告

致终身学习者社群

扫码先加好友，以备不时之需

封面故事

视界

华为云共建智能世界云座CLOUD 云+

CLOUD·云+

行业重塑

技术创新

AI重塑干行百业华为云发布盘古大模型3.0和昇腾AI云服务

盘古大模型3.0：重塑千行百业

技术扎根、极致效能，打造世界AI另一极

深度融合，盘古大模型重构产品创新

■开放同飞，携手客户伙伴共赢大模型生态

华为盘古大模型全布局揭秘Al for Industries 的落地路径

大模型“卷”落地

丨从“无人相信”到登上《Nature》

AI世界的另一极

赋能实体经济中国大模型走自主创新之路

坚持自主创新，构建核心竞争力

发挥场景优势，抓住弯道超车机会

构建行业大模型，加速在实体产业落地

AI终于超越了撩拨舆论的阶段

不作诗，只做事探秘华为云盘古大模型行业应用

货运列车智慧检测，盘古铁路大模型为铁路物流安全护航

自监督行业预训练模型

图像质量自动增强&评估

盘古铁路大模型核心竞争力

依托车型先验模板匹配

AI辅助药物设计，盘古药物分子大模型加速新药研发

“图-序列不对称条件变分自编码器”深度学习架构

让风云可测，盘古气象大模型精准呈现台风轨迹

3D高分辨率的神经网络

层次化时域聚合策略

华为云盘古气象大模型登Nature正刊-天气预报不准的难题被AI突破了

nature

Accurate medium-range global weather forecasting with3D neural networks

混沌的天气，难以百分百预测

被AI改变的天气预报

精准的天气预报，对我们有多重要

「盘古」的逆向突围：条有效的工业智能化路径

地下数百米的难题

一个授人以渔的故事

漫长的道路

华为云的「云端」实战：以大模型加速新药研发，成本降低70%

盘古药物分子大模型，为新药研发提质增效

打造新药研发领域的「EDA软件」

让「Al for Industries」走到干行百业的深处

云上加速AI大模型帮车企跨越智驾鸿沟

跨越鸿沟的隐秘代价

智能汽车的超级基建

加速智驾的秘密武器

尾声

华为云盘古政务大模型：助力广州白云建设新一代智慧城管

环卫压缩站管理：实现动态感知，预防垃圾偷倒

智慧燃气安全巡检：提高燃气安检覆盖率，减少燃气安全隐患

■环卫收费监管：搭建缴费小程序，实现环卫收费高效透明

华为云盘古政务大模型：助力广州白云建设新一代智慧城管

当盘古大模型遇到矿山 华为云让AI走深向实

缩短人工智能模型落地周期，识别精度显著提升

两级架构+云边协同

边用边学+专家经验

非正常即异常

通用性与规模复制

聚焦9大专业21个应用场景，提效增安

大模型时代CodeArts定义软件开发新范式

软件工程3.0大幕已经拉开

叠加智能CodeArts重生

未来已来重塑软件开发

盘古大模型让人人实现数字人自由

■胖头陀

融合物理世界和数字世界

让每个人实现数字人自由

数字未来成为现实

“只做事”的大模型成就真英雄

一等大事“打基础”

丨生态“大礼包”

不作诗、只做事

当盘古大模型遇到矿山华为云让AI走深向实

《CLOUD 云+》第17期