迈向智能世界白皮书2023云计算AI重塑千行万业

构建万物互联的智能世界

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

01 趋势一：人工智能重塑千行万业，已从点级走向应用与系统级
02 趋势二：AI for Industry，加速行业应用创新落地
03 趋势三：大模型驱动应用变革，AIGC重塑应用全生命周期，从代码为
中心走向模型为中心
04 趋势四：AI云服务逐渐成为企业构建大模型首选

趋势一：人工智能重塑千行万业，已从点级走向应用与系统级

人工智能技术在快速发展，但人工智能应用于各行业都需要一个过程，基于各行业众多的创新实践，AI应用到商业系统可以分为三个层次：

• 点级解决方案：AI解决非常具体的问题，用于改进现有流程的某个环节且可独立部署，不改变系统。

应用级解决方案：AI解决一系列问题，使能独立可部署的新流程，也不改变系统。

• 系统级解决方案：AI能够同时改进多个现有流程，或者通过改变相互依赖的流程使能多个新流程。

回顾历史，从蒸汽时代到电力时代的转变过程中，一个传统蒸汽作业的工厂同样经历了，先从单一设备气改电的点级方案开始，然后实现围绕一条生产线的应用级改造，最终实现所有设备、所有生产线乃至整个工厂的系统性、全面电气化转型。

通过当前各行业围绕人工智能的典型创新实践看到，人工智能应用于各行业正在从点级走向应用与系统级，如下图所示

点级解决方案

• 银行：智慧营销、风控等

行业创新实践

• 运营商：网络站点开通、告警压缩等

• 矿山：主运皮带运输异物识别等

电网：输电线路巡检、分布式能源管控等

制造：质量检测等

• 港口：集装箱识别、安全监测等

• 机场：出行一张脸等

• 水泥：生产实时优化等

• 家装：AI辅助出图等

• 数据中心：节能等

应用级解决方案

银行：智能数据洞见、风险报告生成（新流程）

矿山：井下综采远控（新流程）

• 运营商：网络外线运维助手（新流程）

• 港口：智能计划平台（新流程）

• 媒体：内容智能生成（新流程）

系统级解决方案

基于数字孪生、行业大模型等重构多个业务流程（运营商、金融、矿山…等实践探索中）

行动建议：战略驱动是根本、数据底座是基础、人工智能是核心

智能化的旋律一旦奏响，便将穿透企业内部的边界，连点成线、聚线成面。人工智能将驱动生产力从“量变到质变”，并逐步成为经济发展的核心引擎，重塑千行万业。在我们看来，对数智化转型而言：战略驱动是根本、数据底座是基础、人工智能是核心。

战略驱动+商业目标牵引

• 智能化是数字化的新阶段，系统性地引入智能化要对准企业或组织战略方向，支撑战略达成，实现既定的商业目标。成功的数字化、智能化转型，都是由战略驱动，而非技术驱动。

• 结合战略方向，通过清晰的商业成效目标牵引，价值场景先行：企业内可能用到人工智能的环节场景众多，避免为了替换而替换，企业需清晰定义引入人工智能后期望达到的成效目标，从而识别价值场景先行引入人工智能。

企业级数据底座是基础

• 人工智能无论是点级、应用级、系统级方案都需要用到大量数据资产，构建企业级数据底座势在必行。通过作业数字化、数字平台化，使得数据清洁、透明、聚合，这是转型的基础。结合对数据的科学治理，数据在企业内部的流动才具有意义，不同维度的数据汇聚在一起，才能创造新的价值。

人工智能大模型+行业是核心

• 从产业变革与升级的角度看，AI for Industry将成为人工智能接下来的主要方向，AI与各个行业的结合将会走向深度。例如，在垂直金融领域，BloombergGPT大模型在海量金融数据的基础上，为金融分析师提供智能服务，标志着通用大模型与金融行业深度结合的开始。

• 大模型将成为AI的操作系统，从使用和成本多个角度大模型接下来会加速与硬件的适配，所有的AI算法可以围绕大模型进行构建和应用。虽然AI大模型具备场景通用、泛化和规模化复制等优势，但如果需要深入解决复杂的各大垂直行业场景问题，AI大模型融入行业知识被视为是重要的机制与技术路径

行业实践：基于工业互联网架构，以人工智能为核心打造智慧矿山

煤矿生产是一项复杂、危险性较高的工作，当前在几百米井下仍需大量人员现场作业，因此少人无人、安全高效是煤矿智能化追求的重要目标。智能煤矿的本质是工业互联网架构在煤矿行业的变革，一定要有统一的标准、统一的架构、统一的数据规范，在这个架构下面，数据成为生产资料，人工智能成为新生产力。所以智能煤矿的核心就是以云为基础，数据为要素，通过人工智能替代人从事危险工作、重复劳动，沉淀专家经验。

点级解决方案：AI使能业务场景智能化，基于盘古矿山大模型的AI主运智能监测系统代替人工巡检，全时段智能监测，精准识别大块煤、锚杆等异常，准确率达98%，保障了主运皮带的正常运行，减少井下20%巡检人员；基于矿山大模型的AI掘进作业序列智能监测系统，精准识别掘进作业规范如钻眼深度、搅拌时间等，用过程的确定性解决人为因素的不确定性，保障了井下人员作业安全。

应用级解决方案：5G+AI使能新应用、新流程，通过5G实现上百路高清视频实时回传，结合人工智能拼接技术，从九宫格到40米全景画面保障采煤机远程精准操控，让煤矿工人从井下走到井上，在办公室里就可以实现远程采煤作业，大大改善了工作环境，同时，提高了整个煤矿的安全生产水平。

系统级解决方案：基于工业互联网架构，通过IoT物联平台统一接入3000+煤矿生产设备，统一数据标准入湖，结合大数据底座打通煤矿各子系统，统一治理OT与IT系统数据，为管理人员提供全场景全要素的实时信息，快速构建数字孪生矿山，基于矿山大模型的能力，由点级和应用级扩展至系统级解决方案，快速复制到采煤、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，实现AI应用大规模下井。

AI使能业务场景智能化

1.0 点级解决方案

主运系统，异物识别精度达98%掘进作业，动作规范识别准确率95%

5G+AI使能新应用、新流程

2.0 应用级解决方案

综采系统，几百路视频实时回传，结合人工智能拼接实现全景远程操控，采煤司机由井下到井上

基于工业互联网架构，打造智慧矿山

3.0 系统级解决方案

基于工业互联网架构，通过数智融合平台，构建智慧矿山通过AI大模型快速落地采、掘、机、运、通等1000+场景

统一架构 | 统一标准 | 统一数据规范

趋势二：AI for Industry，加速行业应用创新落地

伴随着大模型领域的创新突破，生成式AI掀起智能化升级的新一轮浪潮。千行万业是推动社会经济发展的核心引擎，大模型要真正发挥价值，就要走入千行万业。同时，多模态大模型兴起与行业场景业务诉求的双轮驱动，使得AI for Industry大有可为，加速行业应用创新落地。

技术方面：大模型走向多模态、多任务。通过融合图像，语言以及未来行动等多方面能力实现更加通用的智能，目前实现方式既有融合多模态，也有组合多模态，通过对海量数据的预训练，不断提升基础大模型的通用能力，满足复杂多样的行业场景诉求。

业务方面：大模型逐步走向行业应用实现更大的商业价值。在通用预训练大模型的基础之上加入行业数据，使用行业数据进行更新训练，生成适用于行业的大模型是未来发展的必经之路。

目前，问答、生成场景如回答问题、撰写文章、文本摘要、语言翻译和生成计算机代码等任务，已经在行业场景中逐步落地，提升了企业生产效率。为了进一步创造更大的商业价值，各行业正在探索通过行业大模型对已有业务及流程进行重塑，加速AI行业应用创新落地，创造新的业务模式，带来新的业务增长。

挑选生成式AI项目

来源: 哈佛商业评论

行动建议：从“读万卷书”到“行万里路”基于分层解耦的三层架构构建行业大模型

从通用大模型到行业大模型业界已有诸多实践，从构建范式来看，分层解耦的三层架构获得了业内的一致认可。

L0层是基础大模型，包括自然语言、视觉、多模态、预测大模型、科学计算等大模型，提供满足行业场景的多种基本技能。

L0层就是读万卷书的阶段，通过自监督训练技术，让模型从海量的无标签数据中学习和记忆，从而掌握基本常识。这一阶段数据量非常巨大，包含海量的图像、文本、图文对，必须在超大规模集群上才能进行训练。然后基于L0层存储的大量知识，通过有监督精调技术和强化学习来对模型进行引导，类似于名师进行指导，让模型在收集的海量高质量题库上进行大量练习，练就出上百种能力，才能将存储的知识灵活地加以运用，去解决实际问题。

L1层是行业大模型，基于基础大模型加行业知识，提供适配行业特征的大模型，打造政务、金融、制造、矿山、气象等各行业大模型。

读了万卷书，有了名师指导，接下来就进入行万里路阶段。行万里路就是将模型应用到行业场景中，学习行业的专业知识，在工作流程中进行大量锤炼，从而得到各个行业大模型。

L2层提供更多细分场景的模型，它更加专注于某个具体的应用场景或特定业务，提供开箱即用的模型服务。

行业实践一：政务大模型

在政务行业，华为云盘古政务大模型，对海量政务知识如12345热线、政策文件、政务百科等，进行预训练和推理，打造政务对话问答、政务文案生成、城市视频感知、视频多模态理解、开放事件发现等政务能力，实现构建从感知、认知到处置、决策全流程智能化的政务大模型。

在城市治理场景中，政务大模型通过接入城市数十万视频源进行联动分析，并对百万政务知识精调、政务规则理解与执行的能力，能实时精准理解及分析画面内容存在哪些城市损坏及异常的现象。同时，政务大模型将L0层的NLP大模型与CV大模型融合，实现城市事件实时感知、万物理解。例如在台风过后，政务大模型对树木倒塌、共享单车倾倒等场景进行准确检测与分割，并进行多任务协同调度，将树木倒塌分拨至园林绿化部门，共享单车倾倒分拨至城管部门，路面暴露垃圾与积水分拨至环卫部门处置，让城市事件秒级发现，分钟级分拨，城市事件处理效率提升了50%以上。

实时全面城市感知

慧眼识事

随时随地协同办公

便民便企政务服务

报告生成

精准高效城市治理

政务热线

智能网办

公文撰写

政务助手

政务数字人

政策推荐

一网统管

一网协同

一网通办

一屏统览

5大政务技能，构建感知-认知-处置-决策全流程智能化

政务对话问答

政务文案生成

城市视频感知

视频多模态理解

开放事件发现

千亿级参数

政务大模型

海量政务知识预训练

超网络兼顾局部与全局

多模态理解与识别一切

智慧政务全场景生态

行业实践二：金融大模型

在金融行业，华为云盘古金融大模型，结合银行数据底座汇聚的多源、异构的金融数据进行精调和推理，不断提升金融大模型的能力。

如今金融大模型走进银行网点，打造银行柜员自己的智慧助手，帮助网点柜员轻松办理各种业务。智慧助手通过对银行的各种操作、政策、案例文档进行预训练，能够根据客户的问题，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次操作完成的单次业务办理，降低为1次即可办结，处理时间缩短了5分钟以上。

未来金融大模型还将落地到更多的金融场景，如信贷业务、风控分析等，持续提升业务效率。

01 趋势一：人工智能重塑千行万业，已从点级走向应用与系统级
趋势二：AI for Industry，加速行业应用创新落地
趋势三：大模型驱动应用变革，AIGC重塑应用全生命周期，从代码为
03
中心走向模型为中心
04 趋势四：AI云服务逐渐成为企业构建大模型首选

趋势三：大模型驱动应用变革，AIGC重塑应用全生命周期，从代码为中心走向模型为中心

软件工程3.0从数字化走向智能化：强调通过大模型辅助验收标准、测试用例、 UI设计、代码实现以及测试脚本的端到端研发效能提升的重要性。人机交互智能使得研发过程更加贴近实际使用场景，提升软件质量。数字化研发平台从管理型工具变为智能化理解需求、设计、代码、测试和部署的助手型工具。以模型和数据为核心，研发工具通过模型、代码、数据和数字内容飞轮的迭代，满足更高层次需求。

软件研发作业流从DevSecOps走向多模态融合：随着AIGC的飞速发展，企业的未来业务应用正逐步深度融入数据和AI的紧密结合中。企业的新型数智媒软应用将进一步拓宽DevSecOps的范畴，推动其进化为一种以大模型为核心的多模态流水线。这种新型流水线将不仅包括开发、安全和运维的环节，还将涵盖数据、智能和数字内容等多个方面，为企业提供更加全面、高效的服务，助力企业进一步提升竞争力。

软件开发职责从多角色细分工走向全能：软件工具变革将影响软件研发流程的角色分工，基于AI的研发工具平台可以辅助决策、辅助计划、预测和协调工作。跨研发职责及角色的协同效率将提升，基于AI的研发工具平台可以解决不同的角色沟通提效，影响角色互动。研发团队从多角色精细分工转变为产品、架构和运维三个分类职能端到端负责应用落地，“一人成军”，单兵全栈作战能力极大提升。

软件工程3.0走向智能化

软件研发作业流走向多模态融合

软件开发职责走向全能

行动建议：通过智能化研发工具和集成开放能力，加速行业AI应用开发与生态构建

以研发大模型为核心，引入智能化研发工具：以研发大模型为核心，提供需求设计辅助、开发编码辅助、集成测试辅助、运维监测辅助和研发协同辅助能力落地设计助手、开发助手、测试助手和运维助手等智能化研发工具，协助开发者实现“一人成军”极大提升单兵全栈作业能力。

优化开发流程，统一云上应用融合生产线：将数据生产线、模型生产线、数字内容生产线和软件开发生产线紧密结合，打造一条全新的数智媒软AI软件开发生产线。这条生产线将贯穿联通的数据、模型和数字内容，为千行万业的 AI应用开发提供强大支持。通过优化开发流程，加速 AI应用的开发速度，帮助企业更快地实现智能化转型。

新增AI应用开发框架，全流程引入多模态应用开发能力：新增多模态应用集成层：集成大模型复杂任务编排，托管大模型和AI应用，完成多模态应用发布；新增多模态应用开发框架层：一站式多模态应用开发平台，提供输入转换、测试驱动模块、AI安全隐私、可视化组装等能力；新增多模态应用开发框架层：供AI插件框架联接大模型API，AI数据连接器进行数据增强检索。

智能化研发工具

研发业务应用

设计助手

开发助手

测试助手

运维助手

行业研发大模型

SIPC

XX行业研发大模型

训练

流水线

自监督学习流水线

监督学习流水线

RRTF流水线

PPO流水线

研发大模型

设计

开发

测试脚式本

运维协同

求

研猫

代城代

代

代码检查

单式

日志理点

工具协同

擦

代式代码优化

代

代码现

测试设计

测试日志

问题单分析

代码解释器

统一云上应用融合生产线

多模态AI应用开发框架

趋势四： AI云服务逐渐成为企业构建大模型首选

AI重塑千行万业，大模型表现出越来越强的能力，围绕AI Agent工程思维发展的技术栈，也让企业领袖们看到了AGI的时代大门在缓缓打开。站在时代风口，各个企业的领导者投入了前所未有的热情去拥抱大模型，或以“副驾驶”的方式接入大模型能力，或投入全部筹码以大模型来重构业务。

Scaling Law继续有效，基础大模型规模逐步摸高，大模型算力诉求持续增长：模型超过一定的临界规模后，大语言模型开始表现出一些开发者最开始未能预测的、更复杂的能力和特性，这些新能力和新特性被认为是涌现能力的体现。随着大模型能力被越来越大的释放出来，开发者们在追求更强人工智能的同时会进一步推高模型的参数规模，需求更多的算力支撑。短期内以模型训练需求为主，未来20%在模型训练，80%在模型推理，可靠、经济的AI算力成为企业关注点。

大模型需要新型的系统算力：大模型开发和应用对网络带宽、显存容量、内存带宽和系统可靠性方面都有非常高的要求，急需解决联算比、容算比和存算比这三大挑战。同时，企业拥抱大模型的过程是一个逐步探索的过程，对大模型的能力需求，对大模型所需算力的需求，都是一个变化过程。企业需要一个高效、弹性的AI算力支持。

大模型的开发与应用是一个复杂的系统工程：以生成式AI为代表的大模型早期技术生态已经出现：1）将AI模型集成到面向用户的应用程序中，端到端运行自己的模型或依赖第三方模型API；2）为 AI 应用提供基础大模型，可以作为专有 API 或开源提供；3）为大模型训练和推理工作提供支撑的基础设施供应商，即云平台和硬件制造商。各大云服务厂家围绕大模型做强技术栈和生态的构建，与大模型发展相辅相成。

大模型时代，传统摩尔定律的增长与模型算力诉求有了越多越大的差距，训练一个SOTA Transformer模型所需的算力增长达到了2年750倍的增长速度

来源: UC Berkeley RISELab

大模型技术生态快速发展，围绕着云服务有了基本的技术栈分层

来源: https://a16z.com

行动建议：以云服务构建企业大模型底座，实现大模型的系统开发和持续迭代

海量的AI算力资源，以及灵活、弹性的资源调度能力，云计算成为大模型训练、推理部署的必要基础设施。此外，大模型应用开发不仅需要算法开发能力，还需要数据处理、软硬件优化、模型开发、应用创新等系统工程能力，每一个环节都存在着大量工程技术挑战。借助云服务厂家构建的AI云服务生态，企业可以快速实现大模型的系统开发和持续迭代：

1.以AI为体，以云为用。Scaling Law继续有效，且大模型应用会持续消耗AI算力。拥抱领先的AI云服务，基于软硬件原生协同设计，端到端优化加速能力，获取高效AI算力。

2.接入领先的大模型生态，构建行业智能体。大模型将重塑千行万业，行业众多业务系统会衍变成一种以云为基础，以AI 为核心的一体化智能系统。

3.异构算力、多云战略。在使用大模型的过程中，业务连续、数据安全成为了制约因素，异构算力适配、多云业务部署，构建企业大模型可靠底座。

APP

大模型是迄今为止最复杂的软硬件系统工程，以AI云服务为载体降低大模型落地产业的复杂性

文案生成API

代码生成API

自有插件

第三方插件

L2

L1

政务大模型

L0

金融大模型
制造大模型

矿山大模型

LO Capabilities	对话问答	文案生成	代码生成	NL2SQL	插件调用	模型调用具身智能	·
L0 Foundation	自然语言	计算机视觉		多模态	预测	科学计算
Datasets	开源数据集	指令→文案		文本→SQL	公开金融数据	公开政务数据	：

铁路大模型

气象大模型

AI云服务

应用开发工具

应用开发框架

提示工程

模型开发工具

模型部署

模型评测

模型管理

模型训练工作流

数据撰写与标注

数据集管理

异构算力避免大模型算力瓶颈，多云战略保障核心数据安全

公有云

L1 行业大模型

持续迭代

L0 基础大模型 | 盘古、GPT4…

AI平台 | ModelArts…

AI框架 | MindSpore、PyTorch…

异构算力 | 昇腾、GPU、CPU、鲲鹏

公有云

脱敏行业数据

大模型云专区

混合云

L2 场景模型

代码场景

代码质量评估

测试用例生成

代码生成

对话场景

文档审核

代码修改建议

代码补全

交互理解

文本生成

多轮理解

文案生成

基于L1 的独立副本

AI平台 | ModelArts…

AI框架 | MindSpore、PyTorch…

异构算力 | 昇腾、GPU、CPU、鲲鹏

企业私有数据

混合云

公有云

行业实践：拥抱海量异构算力，基于大模型能力快速上线创新新业务

AIGC大模型火爆全网，以高效、优秀的文字、图形、代码生成能力冲击着大量数字内容生成企业，电商、游戏等互联网企业积极拥抱这一轮人工智能红利。2022年底，美图秀秀快速上线“AI绘画”等AIGC功能，在全球14国进入Top 10 APP。为了满足算力的爆发性需求，美图借助华为云ModelArts AI平台获取了海量异构、高效AI算力，并基于盘古大模型快速创新面向企业市场的新业务“AI模特试衣”，打造电商行业大模型应用。

• 高效AI云算力：华为云提供高性价比异构AI算力，AI平台加速能力让AI训练效率提升40%，AIGC模型推理时延减少33%以上。

全栈AI工具链：华为云ModelArts 兼容原生K8S接口以及主流第三方插件，实现社区加速能力即插即用。同时，为了加速行业大模型开发，简化大模型应用系统开发，华为云提供了大模型工程化套件，覆盖了数据处理、模型训练和应用开发三大环节， 5倍速开发行业大模型。

以大模型开发新业务：在快速接入开源大模型的能力同时，也积极围绕华为云盘古大模型，构建B2B端应用美图设计室，用盘古多模态大模型的AI生成能力，开发AI模特试衣功能，提升电商工作效率。

AI云服务，一键接入澎湃算力

模型加速

推理加速

编译优化

训练加速

昇腾适配

数据加载优化

算子优化

精度调优

模型切换

快速验证

ModelArts

CPU/鲲鹏

昇腾

GPU

基于商业大模型，创新B2B新业务

美图设计室

盘古大模型

AI云服务

Thank you.

把数字世界带入每个人、每个家庭、每个组织，构建万物互联的智能世界。 Bring digital to every person, home and organization for a fully connected, intelligent world.

The information in this document may contain predictive statements including, without limitation, statements regarding the future financial and operating results, future product portfolio, new technology, etc. There are a number of factors that could cause actual results and developments to differ materially from those expressed or implied in the predictive statements. Therefore, such information is provided for reference purpose only and constitutes neither an offer nor an acceptance. Huawei may change the information at any time without notice.

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