ChatGPT的出現(xiàn)使通用人工智能演進(jìn)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(lái)的關(guān)鍵是路徑設(shè)計(jì)

【資料圖】

文/謝麗容

7月6日，一個(gè)極其細(xì)分的行業(yè)大模型被外界關(guān)注。由中國(guó)商飛上海飛機(jī)設(shè)計(jì)研究院開(kāi)發(fā)的三維超臨界機(jī)翼流體仿真大模型“東方·翼風(fēng)”，可以提升大飛機(jī)三維翼型設(shè)計(jì)速度1000倍，大大縮短商用大飛機(jī)研發(fā)周期。

此時(shí)，普通人對(duì)于ChatGPT的好奇和新鮮感逐步褪去，中國(guó)人工智能領(lǐng)域的新一輪迭代剛剛開(kāi)始。眾多涌入大模型賽道的團(tuán)隊(duì)和公司，需要考慮的是如何讓大模型在產(chǎn)業(yè)和經(jīng)濟(jì)領(lǐng)域發(fā)揮真正的生產(chǎn)力作用。

仔細(xì)分層剖析商飛的“東方·翼風(fēng)”大模型，它有兩個(gè)必備要素：其一，大模型技術(shù)底盤(pán)，這不是商飛擅長(zhǎng)的，由華為提供；其二，流體領(lǐng)域?qū)＜医?jīng)驗(yàn)、數(shù)據(jù)，具體的設(shè)計(jì)思路，這是商飛擅長(zhǎng)的。

科技公司和行業(yè)公司各司其職，技術(shù)演化成新生產(chǎn)力，推動(dòng)產(chǎn)業(yè)和經(jīng)濟(jì)發(fā)展，這個(gè)邏輯在社會(huì)商業(yè)系統(tǒng)始終未變，人工智能領(lǐng)域，也將繼續(xù)遵循這個(gè)邏輯。

基于對(duì)AIGC大模型長(zhǎng)期演進(jìn)方向的篤定，中美大型科技公司均在今年早些時(shí)候相繼發(fā)布了各自的戰(zhàn)略目標(biāo)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(zhǎng)胡厚崑7月6日在世界人工智能大會(huì)上給出了定論。他說(shuō)，人工智能的發(fā)展，關(guān)鍵在于“走深向?qū)崱保?/strong>華為的定位是賦能產(chǎn)業(yè)升級(jí)，服務(wù)好千行百業(yè)、服務(wù)好科學(xué)研究。

圍繞這個(gè)定位，華為有兩個(gè)路徑：其一，算力領(lǐng)域，打造強(qiáng)有力的算力底座。其二，大模型領(lǐng)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(jiǎn)單理解，關(guān)鍵詞是“基礎(chǔ)”和“做實(shí)”，算力，定位是算力底座；大模型，目標(biāo)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(tái)，支撐科研機(jī)構(gòu)和企業(yè)客戶(hù)，原生孵化了20多個(gè)基礎(chǔ)大模型，同時(shí)適配10多個(gè)業(yè)界主流的大模型，中國(guó)大模型中約一半由昇騰AI支撐。

這個(gè)成績(jī)很是亮眼，但技術(shù)的盡頭是商業(yè)，大模型的價(jià)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(tái)公司對(duì)人類(lèi)社會(huì)的直接貢獻(xiàn)可能不到2%，98%都是對(duì)工業(yè)社會(huì)、農(nóng)業(yè)社會(huì)的促進(jìn)。因此，要關(guān)注應(yīng)用，尤其是工業(yè)、農(nóng)業(yè)社會(huì)的應(yīng)用，模型的應(yīng)用有時(shí)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(lǐng)域貢獻(xiàn)生產(chǎn)力，華為自研的盤(pán)古大模型兩年多來(lái)的實(shí)踐可供參考。

7月7日，華為常務(wù)董事、華為云CEO張平安在華為2023開(kāi)發(fā)者大會(huì)上發(fā)布了盤(pán)古大模型3.0版本。盤(pán)古大模型2019年立項(xiàng)，第一代版本在2021年4月對(duì)外發(fā)布。

和ChatGPT通用大模型的屬性不同，盤(pán)古大模型從立項(xiàng)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(xué)計(jì)算大模型等。

盤(pán)古大模型3.0版本包括“5+N+X”三層架構(gòu)，即基礎(chǔ)模型、行業(yè)模型和場(chǎng)景模型，胡厚崑解釋?zhuān)畹讓拥幕A(chǔ)模型，做好海量基礎(chǔ)知識(shí)的學(xué)習(xí)，相當(dāng)于“讀萬(wàn)卷書(shū)”，打好基礎(chǔ)；在此之上，針對(duì)不同的行業(yè)、不同的場(chǎng)景，進(jìn)行專(zhuān)項(xiàng)知識(shí)和經(jīng)驗(yàn)的訓(xùn)練，打造好用、易用的行業(yè)模型和場(chǎng)景模型，相當(dāng)于“行萬(wàn)里路”。

盤(pán)古大模型現(xiàn)階段目標(biāo)是工業(yè)領(lǐng)域。胡厚崑透露了一組數(shù)據(jù)信息：自2021年發(fā)布以來(lái)，盤(pán)古大模型已經(jīng)落地金融、制造、政務(wù)、煤礦、鐵路等10多個(gè)行業(yè)，支撐400多個(gè)業(yè)務(wù)場(chǎng)景的AI應(yīng)用落地。

工業(yè)不是一個(gè)泛指，科研和生產(chǎn)兩大領(lǐng)域均要全面布局。

在科研領(lǐng)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(pán)古的氣象大模型。盤(pán)古氣象大模型1小時(shí)-7天的預(yù)測(cè)精度，超過(guò)歐美氣象中心的表現(xiàn)，相關(guān)論文在國(guó)際期刊《Nature》雜志上發(fā)表。

氣象預(yù)測(cè)是科研領(lǐng)域的一個(gè)重難點(diǎn)。以臺(tái)風(fēng)為例，全球每年大約會(huì)生成80個(gè)臺(tái)風(fēng)，其中影響西北太平洋和南海的大約有25個(gè)，平均有7個(gè)會(huì)登陸中國(guó)。2022年臺(tái)風(fēng)災(zāi)害造成的直接經(jīng)濟(jì)損失54.2億元。

傳統(tǒng)的氣象預(yù)測(cè)采用HPC高性能計(jì)算機(jī)來(lái)計(jì)算，如果要預(yù)測(cè)一個(gè)臺(tái)風(fēng)未來(lái)十天的路徑，需要在超級(jí)計(jì)算機(jī)上，利用超過(guò)3000個(gè)節(jié)點(diǎn)的超級(jí)計(jì)算機(jī)上花費(fèi)數(shù)小時(shí)進(jìn)行仿真。缺點(diǎn)是資源消耗大，預(yù)測(cè)耗時(shí)長(zhǎng)，成本高。

盤(pán)古氣象大模型是首個(gè)精度超過(guò)傳統(tǒng)數(shù)值預(yù)報(bào)方法的AI氣象預(yù)測(cè)方法。

從預(yù)測(cè)的精準(zhǔn)度角度來(lái)看，它是一種3D高分辨率AI氣象預(yù)報(bào)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(duì)應(yīng)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(gè)等壓層，會(huì)使得預(yù)報(bào)更精準(zhǔn)；

從資源消耗來(lái)說(shuō)，只需要單機(jī)單卡，10秒內(nèi)就可完成一次氣象預(yù)測(cè)；

從預(yù)測(cè)的頻來(lái)說(shuō)，傳統(tǒng)預(yù)報(bào)是六個(gè)小時(shí)預(yù)測(cè)一次，盤(pán)古可以做到一個(gè)小時(shí)做一次預(yù)測(cè)。

去年8月，盤(pán)古氣象大模型預(yù)測(cè)臺(tái)風(fēng)“馬鞍”的軌跡和登陸時(shí)間，準(zhǔn)確率達(dá)90%，遠(yuǎn)超行業(yè)平均水平。今年5月，華為盤(pán)古大模型提前五天預(yù)報(bào)出臺(tái)風(fēng)“瑪娃”將在中國(guó)臺(tái)灣島東部海域轉(zhuǎn)向路徑。

盤(pán)古氣象大模型的訓(xùn)練數(shù)據(jù)來(lái)源是過(guò)去40多年全球開(kāi)放的氣象數(shù)據(jù)，目前對(duì)外提供API接口，可提供天氣預(yù)測(cè)、海浪預(yù)測(cè)、臺(tái)風(fēng)路徑預(yù)測(cè)、寒潮/高溫預(yù)報(bào)等多種氣象預(yù)測(cè)。

7月6日，華為云盤(pán)古氣象大模型研究成果在《Nature》正刊發(fā)表。這是中國(guó)科技公司十年來(lái)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(lǐng)域，盤(pán)古的藥物分子大模型也有所進(jìn)展。新藥研發(fā)周期漫長(zhǎng)眾所周知。一款新藥研發(fā)通常需要10年時(shí)間、花費(fèi)10億美金；盤(pán)古藥物分子大模型的推進(jìn)性表現(xiàn)在，可以將先導(dǎo)藥物研發(fā)周期縮短至1個(gè)月，研發(fā)成本降低70%。

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

在工業(yè)生產(chǎn)領(lǐng)域，盤(pán)古礦山大模型的落地有一定代表性。

煤礦生產(chǎn)是一項(xiàng)復(fù)雜、危險(xiǎn)性較高的工作，中國(guó)采礦業(yè)現(xiàn)狀是，300米井下仍需大量人員現(xiàn)場(chǎng)作業(yè)，通過(guò)人工智能來(lái)實(shí)現(xiàn)“少人無(wú)人”的安全高效作業(yè)是煤礦智能化追求的重要目標(biāo)。不過(guò)，這件事并不好做，人工智能在煤礦行業(yè)落地存在著場(chǎng)景需求多、礦山間復(fù)制難、場(chǎng)景落地難等現(xiàn)實(shí)問(wèn)題。

場(chǎng)景多、落地難，導(dǎo)致此前的人工智能解決方案，多是針對(duì)某個(gè)或某幾個(gè)特定的場(chǎng)景去特定解決。

通用基礎(chǔ)大模型的優(yōu)勢(shì)在于“通用”和“自學(xué)習(xí)”。盤(pán)古礦山大模型只需導(dǎo)入海量無(wú)標(biāo)注的礦山場(chǎng)景數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練，即可進(jìn)行無(wú)監(jiān)督自主學(xué)習(xí)，一個(gè)大模型可以覆蓋煤礦的采、掘、機(jī)、運(yùn)、通、洗選等業(yè)務(wù)流程下的1000多個(gè)細(xì)分場(chǎng)景的通用。

大模型的“通用”如何體現(xiàn)在煤礦場(chǎng)景里？可以用行業(yè)泛化性的特點(diǎn)來(lái)理解，比如，已經(jīng)開(kāi)發(fā)訓(xùn)練完成的場(chǎng)景算法模型應(yīng)用到其他相似場(chǎng)景時(shí)，僅通過(guò)少量新場(chǎng)景數(shù)據(jù)加入訓(xùn)練，即可實(shí)現(xiàn)新場(chǎng)景快速?gòu)?fù)制部署。

如何理解大模型在具體煤礦里的“自學(xué)習(xí)”特性？煤礦場(chǎng)景非常多，異常場(chǎng)景無(wú)法窮舉，盤(pán)古大模型會(huì)大量學(xué)習(xí)正常樣本特征，在日常AI監(jiān)控過(guò)程中自動(dòng)識(shí)別異常樣本，發(fā)現(xiàn)并確認(rèn)異常場(chǎng)景。另外，構(gòu)建半自動(dòng)化機(jī)制，邊端識(shí)別誤報(bào)/未知異常樣本，人工進(jìn)行甄別后，樣本數(shù)據(jù)用于重新訓(xùn)練升級(jí)模型，持續(xù)迭代，越用越好。

盤(pán)古礦山大模型目前在全國(guó)8個(gè)礦井規(guī)模使用。另一個(gè)新消息是，山東能源正在與華為云基于盤(pán)古大模型聯(lián)合創(chuàng)新，覆蓋7大業(yè)務(wù)系統(tǒng)，正在開(kāi)發(fā)和實(shí)施首批21個(gè)應(yīng)用場(chǎng)景。

無(wú)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(yàn)證。

過(guò)去十幾年，上一代AI算法已經(jīng)在各行各業(yè)（通過(guò)大數(shù)據(jù)或充分的訓(xùn)練數(shù)據(jù)）開(kāi)啟生產(chǎn)力的變革，比如推薦算法和千人千面，工業(yè)領(lǐng)域的智能機(jī)械臂，交通領(lǐng)域的車(chē)輛自動(dòng)巡航。

該階段的大部分算法開(kāi)展方向更多傾向于小模型，通過(guò)在某一特定領(lǐng)域的固定場(chǎng)景特定數(shù)據(jù)，訓(xùn)練出以服務(wù)于指定場(chǎng)景操作的輔助模型，以提高在對(duì)應(yīng)場(chǎng)景下的生產(chǎn)效率。

將通用大模型訓(xùn)練的結(jié)果通過(guò)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(gè)世紀(jì)的人工智能領(lǐng)域步入了廣泛意義生產(chǎn)力提升的新時(shí)期。

做強(qiáng)算力底座

人工智能的發(fā)展，算力是基礎(chǔ)。但在中國(guó)當(dāng)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(lǐng)域的另一個(gè)重要目標(biāo)，是做強(qiáng)算力底座，讓算力不再成為人工智能發(fā)展的瓶頸。

中國(guó)信通院《中國(guó)算力白皮書(shū)（2022）》按照服務(wù)器算力總量估算（年服務(wù)器出貨規(guī)模×當(dāng)年服務(wù)器平均算力）稱(chēng)，全球算力規(guī)模美國(guó)占比34%，中國(guó)占比33%，歐洲占比14%，日本占比5%，其他國(guó)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(chǎng)上的主角，市場(chǎng)調(diào)研機(jī)構(gòu)IDC在今年5月公布的數(shù)據(jù)預(yù)測(cè)，2026年中國(guó)人工智能市場(chǎng)規(guī)模將達(dá)到269億美元，其中硬件148.5億美元，軟件76.9億美元，服務(wù)38.9億美元。硬件、軟件、服務(wù)的年復(fù)合增長(zhǎng)率分別為15.1%、 32.0%、28.5%。

面對(duì)如此之大的市場(chǎng)，華為需要根據(jù)自身的基因和優(yōu)勢(shì)來(lái)綜合排布。

在算力能力的建設(shè)方面，華為的關(guān)鍵詞是“自研”和“開(kāi)放”。在相對(duì)底層的計(jì)算效率研究方面，華為的打法是架構(gòu)創(chuàng)新。多年投資基礎(chǔ)研究，推出自主研發(fā)的達(dá)芬奇架構(gòu)，用創(chuàng)新的處理器架構(gòu)來(lái)匹配算力的增速。

最新的消息是，華為在計(jì)算節(jié)點(diǎn)層面推出了對(duì)等平構(gòu)架構(gòu)，突破傳統(tǒng)的以CPU為中心的異構(gòu)計(jì)算帶來(lái)的性能瓶頸，從而提升整個(gè)計(jì)算的帶寬、降低時(shí)延，節(jié)點(diǎn)性能得到30%的提升。

在算力至關(guān)重要的芯片處理器領(lǐng)域，華為也有自己的打法。2018年，基于自研的達(dá)芬奇架構(gòu)，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(gòu)上，鯤鵬芯片采用的是ARM架構(gòu)，而昇騰芯片采用的是自研的達(dá)芬奇架構(gòu)；鯤鵬芯片主要支持高性能計(jì)算和大數(shù)據(jù)處理，而昇騰芯片主要支持深度學(xué)習(xí)推理和訓(xùn)練。

另外，鯤鵬芯片的性?xún)r(jià)比較高，適合大規(guī)模部署，而昇騰芯片的性能更高，可以滿(mǎn)足更復(fù)雜的需求。

換句話說(shuō)，昇騰處理器是對(duì)標(biāo)目前大模型部署中炙手可熱的英偉達(dá)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(dá)主流的A100、H100可以基本相當(dāng)，但在實(shí)際場(chǎng)景中，昇騰芯片相對(duì)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(jié)合華為的基因特點(diǎn)，發(fā)揮云、計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)、能源的綜合優(yōu)勢(shì)?？梢岳斫鉃榘袮I數(shù)據(jù)中心當(dāng)成一臺(tái)超級(jí)計(jì)算機(jī)來(lái)設(shè)計(jì)，使昇騰AI集群性能更高、更可靠。

華為目前在國(guó)內(nèi)建設(shè)的規(guī)模最大的AI計(jì)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(shí)候，規(guī)模會(huì)達(dá)到16000P的水平。

鵬城云腦II實(shí)現(xiàn)了全棧軟硬件的自主可控，蟬聯(lián)了多項(xiàng)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(dá)的A100相當(dāng)，整機(jī)算力達(dá)到每秒100億億次AI運(yùn)算，能為大模型訓(xùn)練提供強(qiáng)大的算力支持。目前，“鵬城云腦”約70%的機(jī)時(shí)對(duì)外開(kāi)放服務(wù)，已支撐近千個(gè)國(guó)產(chǎn)AI大模型的訓(xùn)練。

中國(guó)工程院院士高文是鵬城實(shí)驗(yàn)室主任。高文在7月6日的世界人工智能大會(huì)上提到，美國(guó)的算力指數(shù)排名全球第一，比中國(guó)大概多了20%-30%的算力，GDP也比中國(guó)多20%-30%，“什么時(shí)候我們的算力超過(guò)了美國(guó)，GDP也有望超過(guò)美國(guó)。所以發(fā)展人工智能和經(jīng)濟(jì)沒(méi)有匹配的算力是不可能的。”

在硬件方面，華為不直接對(duì)外銷(xiāo)售處理器，優(yōu)先支持合作伙伴發(fā)展整機(jī)。今年開(kāi)始，華為在硬件方面進(jìn)一步開(kāi)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(mǎn)足不同行業(yè)場(chǎng)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(diǎn)創(chuàng)新的基礎(chǔ)上，充分發(fā)揮云、計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)、能源的綜合優(yōu)勢(shì)進(jìn)行架構(gòu)創(chuàng)新。據(jù)了解，目前，昇騰AI集群已支撐全國(guó)25個(gè)城市的人工智能計(jì)算中心建設(shè)，其中7個(gè)城市公共算力平臺(tái)入選首批國(guó)家“新一代人工智能公共算力開(kāi)放創(chuàng)新平臺(tái)”。

7月6日，華為宣布昇騰AI集群全面升級(jí)，集群規(guī)模從最初的4000卡集群擴(kuò)展至16000卡，是業(yè)界首個(gè)萬(wàn)卡AI集群，擁有更快的訓(xùn)練速度和30天以上的穩(wěn)定訓(xùn)練周期，這是行業(yè)平均水平的10倍。

在中國(guó)，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(chǔ)設(shè)施方面，華為為各地政府打造人工智能計(jì)算中心，提供普惠的算力基礎(chǔ)設(shè)施服務(wù)。據(jù)統(tǒng)計(jì)，全國(guó)已有25個(gè)城市，如上海、武漢、西安等，基于昇騰AI建設(shè)了人工智能計(jì)算中心。

另一方面，針對(duì)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(gòu)建獨(dú)立的算力中心。當(dāng)前，中國(guó)移動(dòng)、科大訊飛、南方電網(wǎng)等企業(yè)均在規(guī)劃和建設(shè)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(duì)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(wù)，這些中小企業(yè)就可以快速敏捷地實(shí)現(xiàn)開(kāi)發(fā)和應(yīng)用AI，云上獲取，隨取隨用。

人工智能產(chǎn)業(yè)在中國(guó)走過(guò)十年道路，技術(shù)周期更迭，至今仍未形成模式化的穩(wěn)定格局。對(duì)于今天的華為來(lái)說(shuō)，在人工智能領(lǐng)域，以大底盤(pán)的基礎(chǔ)布局來(lái)切入市場(chǎng)比單點(diǎn)應(yīng)用要更有效率得多，規(guī)模效應(yīng)有待后期釋放。始于2018年制裁，對(duì)華為整體布局打法的改變巨大，對(duì)中國(guó)人工智能產(chǎn)業(yè)的影響，或許比預(yù)期中的還要深遠(yuǎn)。

關(guān)鍵詞：