ChatGPT的出現(xiàn)使通用人工智能演進迭代方向清晰，要讓大模型真正發(fā)揮生產(chǎn)力作用，接下來的關鍵是路徑設計

【資料圖】

文/謝麗容

7月6日，一個極其細分的行業(yè)大模型被外界關注。由中國商飛上海飛機設計研究院開發(fā)的三維超臨界機翼流體仿真大模型“東方·翼風”，可以提升大飛機三維翼型設計速度1000倍，大大縮短商用大飛機研發(fā)周期。

此時，普通人對于ChatGPT的好奇和新鮮感逐步褪去，中國人工智能領域的新一輪迭代剛剛開始。眾多涌入大模型賽道的團隊和公司，需要考慮的是如何讓大模型在產(chǎn)業(yè)和經(jīng)濟領域發(fā)揮真正的生產(chǎn)力作用。

仔細分層剖析商飛的“東方·翼風”大模型，它有兩個必備要素：其一，大模型技術底盤，這不是商飛擅長的，由華為提供；其二，流體領域專家經(jīng)驗、數(shù)據(jù)，具體的設計思路，這是商飛擅長的。

科技公司和行業(yè)公司各司其職，技術演化成新生產(chǎn)力，推動產(chǎn)業(yè)和經(jīng)濟發(fā)展，這個邏輯在社會商業(yè)系統(tǒng)始終未變，人工智能領域，也將繼續(xù)遵循這個邏輯。

基于對AIGC大模型長期演進方向的篤定，中美大型科技公司均在今年早些時候相繼發(fā)布了各自的戰(zhàn)略目標和策略。華為的定位和路徑是什么？華為公司此前并未發(fā)布確定性定論。

華為輪值董事長胡厚崑7月6日在世界人工智能大會上給出了定論。他說，人工智能的發(fā)展，關鍵在于“走深向實”，華為的定位是賦能產(chǎn)業(yè)升級，服務好千行百業(yè)、服務好科學研究。

圍繞這個定位，華為有兩個路徑：其一，算力領域，打造強有力的算力底座。其二，大模型領域，從通用大模型到行業(yè)大模型，真正讓人工智能使能行業(yè)，助力科研。

簡單理解，關鍵詞是“基礎”和“做實”，算力，定位是算力底座；大模型，目標是千行百業(yè)。

胡厚崑在這次演講中公布了一組數(shù)字：面向大模型的創(chuàng)新，華為提供了全流程的使能平臺，支撐科研機構和企業(yè)客戶，原生孵化了20多個基礎大模型，同時適配10多個業(yè)界主流的大模型，中國大模型中約一半由昇騰AI支撐。

這個成績很是亮眼，但技術的盡頭是商業(yè)，大模型的價值，最終要在千行百業(yè)的生產(chǎn)力提升上顯現(xiàn)。今年3月，華為創(chuàng)始人任正非提到，人工智能軟件平臺公司對人類社會的直接貢獻可能不到2%，98%都是對工業(yè)社會、農(nóng)業(yè)社會的促進。因此，要關注應用，尤其是工業(yè)、農(nóng)業(yè)社會的應用，模型的應用有時比模型本身還有前途。

大模型究竟為行業(yè)做什么？

行業(yè)大模型究竟可以在哪些領域貢獻生產(chǎn)力，華為自研的盤古大模型兩年多來的實踐可供參考。

7月7日，華為常務董事、華為云CEO張平安在華為2023開發(fā)者大會上發(fā)布了盤古大模型3.0版本。盤古大模型2019年立項，第一代版本在2021年4月對外發(fā)布。

和ChatGPT通用大模型的屬性不同，盤古大模型從立項之初就為行業(yè)而生，早期版本包括CV大模型、NLP大模型、科學計算大模型等。

盤古大模型3.0版本包括“5+N+X”三層架構，即基礎模型、行業(yè)模型和場景模型，胡厚崑解釋，最底層的基礎模型，做好海量基礎知識的學習，相當于“讀萬卷書”，打好基礎；在此之上，針對不同的行業(yè)、不同的場景，進行專項知識和經(jīng)驗的訓練，打造好用、易用的行業(yè)模型和場景模型，相當于“行萬里路”。

盤古大模型現(xiàn)階段目標是工業(yè)領域。胡厚崑透露了一組數(shù)據(jù)信息：自2021年發(fā)布以來，盤古大模型已經(jīng)落地金融、制造、政務、煤礦、鐵路等10多個行業(yè)，支撐400多個業(yè)務場景的AI應用落地。

工業(yè)不是一個泛指，科研和生產(chǎn)兩大領域均要全面布局。

在科研領域，華為目前已經(jīng)推出藥物分子、氣象和海浪等一系列大模型。胡厚崑尤其提到了盤古的氣象大模型。盤古氣象大模型1小時-7天的預測精度，超過歐美氣象中心的表現(xiàn)，相關論文在國際期刊《Nature》雜志上發(fā)表。

氣象預測是科研領域的一個重難點。以臺風為例，全球每年大約會生成80個臺風，其中影響西北太平洋和南海的大約有25個，平均有7個會登陸中國。2022年臺風災害造成的直接經(jīng)濟損失54.2億元。

傳統(tǒng)的氣象預測采用HPC高性能計算機來計算，如果要預測一個臺風未來十天的路徑，需要在超級計算機上，利用超過3000個節(jié)點的超級計算機上花費數(shù)小時進行仿真。缺點是資源消耗大，預測耗時長，成本高。

盤古氣象大模型是首個精度超過傳統(tǒng)數(shù)值預報方法的AI氣象預測方法。

從預測的精準度角度來看，它是一種3D高分辨率AI氣象預報方法，空間分辨率上，水平精度是在0.25°×0.25°這樣的精度上，大概對應的物理范圍是28公里×28公里，高度上是將空間從海平面到高空分層13個等壓層，會使得預報更精準；

從資源消耗來說，只需要單機單卡，10秒內就可完成一次氣象預測；

從預測的頻來說，傳統(tǒng)預報是六個小時預測一次，盤古可以做到一個小時做一次預測。

去年8月，盤古氣象大模型預測臺風“馬鞍”的軌跡和登陸時間，準確率達90%，遠超行業(yè)平均水平。今年5月，華為盤古大模型提前五天預報出臺風“瑪娃”將在中國臺灣島東部海域轉向路徑。

盤古氣象大模型的訓練數(shù)據(jù)來源是過去40多年全球開放的氣象數(shù)據(jù)，目前對外提供API接口，可提供天氣預測、海浪預測、臺風路徑預測、寒潮/高溫預報等多種氣象預測。

7月6日，華為云盤古氣象大模型研究成果在《Nature》正刊發(fā)表。這是中國科技公司十年來首篇作為唯一署名單位發(fā)表在《Nature》正刊上的論文。

在科研領域，盤古的藥物分子大模型也有所進展。新藥研發(fā)周期漫長眾所周知。一款新藥研發(fā)通常需要10年時間、花費10億美金；盤古藥物分子大模型的推進性表現(xiàn)在，可以將先導藥物研發(fā)周期縮短至1個月，研發(fā)成本降低70%。

今年5月，西安交通大學第一附屬醫(yī)院劉冰教授基于華為云盤古藥物分子大模型，研發(fā)出一款超級抗菌藥Drug X。據(jù)介紹，Drug X有望成為全球近40年來首個新靶點、新類別的抗生素，改變病人面對“超級耐藥菌”感染時無藥可用的局面。

在工業(yè)生產(chǎn)領域，盤古礦山大模型的落地有一定代表性。

煤礦生產(chǎn)是一項復雜、危險性較高的工作，中國采礦業(yè)現(xiàn)狀是，300米井下仍需大量人員現(xiàn)場作業(yè)，通過人工智能來實現(xiàn)“少人無人”的安全高效作業(yè)是煤礦智能化追求的重要目標。不過，這件事并不好做，人工智能在煤礦行業(yè)落地存在著場景需求多、礦山間復制難、場景落地難等現(xiàn)實問題。

場景多、落地難，導致此前的人工智能解決方案，多是針對某個或某幾個特定的場景去特定解決。

通用基礎大模型的優(yōu)勢在于“通用”和“自學習”。盤古礦山大模型只需導入海量無標注的礦山場景數(shù)據(jù)進行預訓練，即可進行無監(jiān)督自主學習，一個大模型可以覆蓋煤礦的采、掘、機、運、通、洗選等業(yè)務流程下的1000多個細分場景的通用。

大模型的“通用”如何體現(xiàn)在煤礦場景里？可以用行業(yè)泛化性的特點來理解，比如，已經(jīng)開發(fā)訓練完成的場景算法模型應用到其他相似場景時，僅通過少量新場景數(shù)據(jù)加入訓練，即可實現(xiàn)新場景快速復制部署。

如何理解大模型在具體煤礦里的“自學習”特性？煤礦場景非常多，異常場景無法窮舉，盤古大模型會大量學習正常樣本特征，在日常AI監(jiān)控過程中自動識別異常樣本，發(fā)現(xiàn)并確認異常場景。另外，構建半自動化機制，邊端識別誤報/未知異常樣本，人工進行甄別后，樣本數(shù)據(jù)用于重新訓練升級模型，持續(xù)迭代，越用越好。

盤古礦山大模型目前在全國8個礦井規(guī)模使用。另一個新消息是，山東能源正在與華為云基于盤古大模型聯(lián)合創(chuàng)新，覆蓋7大業(yè)務系統(tǒng)，正在開發(fā)和實施首批21個應用場景。

無論是科研還是生產(chǎn)，大模型在千行百業(yè)中效率確定性和收益確定性正在被驗證。

過去十幾年，上一代AI算法已經(jīng)在各行各業(yè)（通過大數(shù)據(jù)或充分的訓練數(shù)據(jù)）開啟生產(chǎn)力的變革，比如推薦算法和千人千面，工業(yè)領域的智能機械臂，交通領域的車輛自動巡航。

該階段的大部分算法開展方向更多傾向于小模型，通過在某一特定領域的固定場景特定數(shù)據(jù)，訓練出以服務于指定場景操作的輔助模型，以提高在對應場景下的生產(chǎn)效率。

將通用大模型訓練的結果通過行業(yè)大模型的方式帶到產(chǎn)業(yè)的科研和生產(chǎn)流程中去，意味著發(fā)展了大半個世紀的人工智能領域步入了廣泛意義生產(chǎn)力提升的新時期。

做強算力底座

人工智能的發(fā)展，算力是基礎。但在中國當前的情況下，算力在可獲取性和成本方面，都面臨著不小的挑戰(zhàn)。胡厚崑在發(fā)言中提到，華為在人工智能領域的另一個重要目標，是做強算力底座，讓算力不再成為人工智能發(fā)展的瓶頸。

中國信通院《中國算力白皮書（2022）》按照服務器算力總量估算（年服務器出貨規(guī)?！廉斈攴掌髌骄懔Γ┓Q，全球算力規(guī)模美國占比34%，中國占比33%，歐洲占比14%，日本占比5%，其他國家或地區(qū)占比14%。

此外，硬件和軟件將仍然是人工智能市場上的主角，市場調研機構IDC在今年5月公布的數(shù)據(jù)預測，2026年中國人工智能市場規(guī)模將達到269億美元，其中硬件148.5億美元，軟件76.9億美元，服務38.9億美元。硬件、軟件、服務的年復合增長率分別為15.1%、 32.0%、28.5%。

面對如此之大的市場，華為需要根據(jù)自身的基因和優(yōu)勢來綜合排布。

在算力能力的建設方面，華為的關鍵詞是“自研”和“開放”。在相對底層的計算效率研究方面，華為的打法是架構創(chuàng)新。多年投資基礎研究，推出自主研發(fā)的達芬奇架構，用創(chuàng)新的處理器架構來匹配算力的增速。

最新的消息是，華為在計算節(jié)點層面推出了對等平構架構，突破傳統(tǒng)的以CPU為中心的異構計算帶來的性能瓶頸，從而提升整個計算的帶寬、降低時延，節(jié)點性能得到30%的提升。

在算力至關重要的芯片處理器領域，華為也有自己的打法。2018年，基于自研的達芬奇架構，華為推出昇騰處理器，昇騰處理器和華為此前推出的鯤鵬處理器有所不同。在架構上，鯤鵬芯片采用的是ARM架構，而昇騰芯片采用的是自研的達芬奇架構；鯤鵬芯片主要支持高性能計算和大數(shù)據(jù)處理，而昇騰芯片主要支持深度學習推理和訓練。

另外，鯤鵬芯片的性價比較高，適合大規(guī)模部署，而昇騰芯片的性能更高，可以滿足更復雜的需求。

換句話說，昇騰處理器是對標目前大模型部署中炙手可熱的英偉達A100的。兩家公司的官方理論數(shù)據(jù)顯示，理論值上，華為昇騰910芯片在理論性能和功耗上與英偉達主流的A100、H100可以基本相當，但在實際場景中，昇騰芯片相對稚嫩，還有不少可完善空間。

華為正在做的另一件事情是，圍繞昇騰芯片打造昇騰AI集群，結合華為的基因特點，發(fā)揮云、計算、存儲、網(wǎng)絡、能源的綜合優(yōu)勢?？梢岳斫鉃榘袮I數(shù)據(jù)中心當成一臺超級計算機來設計，使昇騰AI集群性能更高、更可靠。

華為目前在國內建設的規(guī)模最大的AI計算集群在深圳鵬城云腦II期，目前算力是1000P的規(guī)模，按照規(guī)劃，到2024年三期的時候，規(guī)模會達到16000P的水平。

鵬城云腦II實現(xiàn)了全棧軟硬件的自主可控，蟬聯(lián)了多項全球AI性能榜單的冠軍?！谤i城云腦Ⅱ”搭載了4096顆華為昇騰AI芯片，每顆芯片的算力與英偉達的A100相當，整機算力達到每秒100億億次AI運算，能為大模型訓練提供強大的算力支持。目前，“鵬城云腦”約70%的機時對外開放服務，已支撐近千個國產(chǎn)AI大模型的訓練。

中國工程院院士高文是鵬城實驗室主任。高文在7月6日的世界人工智能大會上提到，美國的算力指數(shù)排名全球第一，比中國大概多了20%-30%的算力，GDP也比中國多20%-30%，“什么時候我們的算力超過了美國，GDP也有望超過美國。所以發(fā)展人工智能和經(jīng)濟沒有匹配的算力是不可能的?！?/strong>

在硬件方面，華為不直接對外銷售處理器，優(yōu)先支持合作伙伴發(fā)展整機。今年開始，華為在硬件方面進一步開放，推出了更多樣化的模組和板卡，30多家硬件合作伙伴基于昇騰AI，推出了上百款人工智能硬件產(chǎn)品，以滿足不同行業(yè)場景差異化的需求。

因此，可以理解華為的昇騰AI集群創(chuàng)新邏輯是，在各單點創(chuàng)新的基礎上，充分發(fā)揮云、計算、存儲、網(wǎng)絡、能源的綜合優(yōu)勢進行架構創(chuàng)新。據(jù)了解，目前，昇騰AI集群已支撐全國25個城市的人工智能計算中心建設，其中7個城市公共算力平臺入選首批國家“新一代人工智能公共算力開放創(chuàng)新平臺”。

7月6日，華為宣布昇騰AI集群全面升級，集群規(guī)模從最初的4000卡集群擴展至16000卡，是業(yè)界首個萬卡AI集群，擁有更快的訓練速度和30天以上的穩(wěn)定訓練周期，這是行業(yè)平均水平的10倍。

在中國，算力需求是多種多樣的，華為的策略是面向政府、大型企業(yè)、中小企業(yè)分別提供不同的算力解決方案。

在城市算力基礎設施方面，華為為各地政府打造人工智能計算中心，提供普惠的算力基礎設施服務。據(jù)統(tǒng)計，全國已有25個城市，如上海、武漢、西安等，基于昇騰AI建設了人工智能計算中心。

另一方面，針對有自建人工智能算力中心訴求的大型企業(yè)，華為的打法是幫助它們構建獨立的算力中心。當前，中國移動、科大訊飛、南方電網(wǎng)等企業(yè)均在規(guī)劃和建設大規(guī)模的算力集群，華為是算力提供方之一。

中小企業(yè)對AI算力需求旺盛且分散。華為的策略是在華為云上提供AI算力服務，這些中小企業(yè)就可以快速敏捷地實現(xiàn)開發(fā)和應用AI，云上獲取，隨取隨用。

人工智能產(chǎn)業(yè)在中國走過十年道路，技術周期更迭，至今仍未形成模式化的穩(wěn)定格局。對于今天的華為來說，在人工智能領域，以大底盤的基礎布局來切入市場比單點應用要更有效率得多，規(guī)模效應有待后期釋放。始于2018年制裁，對華為整體布局打法的改變巨大，對中國人工智能產(chǎn)業(yè)的影響，或許比預期中的還要深遠。

關鍵詞：