0
| 本文作者： 嘉嘉 | 2022-11-07 17:17 |
回顧人類歷史，每一次工業革命的核心驅動力都在于解決了關鍵技術的通用性之后，實現生產方式的巨大變化和生產力水平質的飛躍，從而深刻影響到人類社會的發展。
同樣，正在到來的第四次工業革命中，若想讓作為生產要素的數據、作為生產工具的智能技術真正釋放出強大的數字生產力，實現生產力范式的變革，解決AI等智能技術的通用性恰如打通“任督二脈”般關鍵，也即如何真正降低AI落地門檻、實現AI技術隨取隨用。
但這并非易事，不僅涉及到AI技術、平臺的創新，更與AI應用、產業實踐經驗息息相關，絕非一朝一夕之功所能完成，更需要產業界伙伴的長期努力。
今天，在華為全聯接大會2022中國站上，華為云正式發布了《預訓練大模型白皮書》，并且全新推出了礦山、氣象、OCR三個大模型、天籌AI求解器智能建模工具以及數字人大腦等共9項云服務，多管齊下推動AI產業化走向落地。
正如華為云EI服務產品部部長尤鵬所言：“華為云踐行‘一切皆服務’理念，將AI等先進技術、經驗和應用開放在云上，全方位幫助更多企業在數字化轉型中利用好云的新能力，實現從‘上好云’到‘用好云’的跨越。”
“有多少智能背后就有多少人工！”--這雖然是人工智能領域近年來流行的一句揶揄之語，卻也道出了AI落地在理想與現實之間的窘迫。
如今AI走向落地的確遇到諸多明顯挑戰：
模型專用特定領域屬性明顯，使得AI模型和應用開發存在大量碎片化的現象，在構建和訓練模型上往往耗費大量資源；
很多模型的數據質量參差不齊，數據樣本少的情況比比皆是；
模型精度不盡人意，訓練效果差和訓練周期長，導致模型在真實業務場景中實際效果差強人意。
如何打破這種局面？業界普遍認為，預訓練巨量模型的脫穎而出，正在努力改變這種局面。預訓練巨量模型就像現階段人工智能的一個集大成者，實現一個AI模型在多個場景通用、泛化和規模化復制，減少對數據標注的依賴，大幅降低AI開發與應用的使用成本，推動人工智能真正向著通用化、工業化、集約化發展。
例如，華為云的盤古大模型就是突出代表。盤古大模型由NLP（中文語言）大模型、CV（視覺）大模型、多模態大模型、科學計算大模型、Graph（圖網絡）大模型等多個大模型構成，其中，盤古NLP大模型是業界首個千億參數的中文大模型。盤古大模型的問世是為了解決傳統AI作坊式開發模式下不能解決的AI規模化、產業化難題。
如今，“預訓練大模型”已經成為人工智能領域快速發展的熱點方向。近年來，參數規模和模型性能不斷創新高，頗有些唯“參數量至上”的趨勢。但模型參數的多少并不是評判模型能力的最好標準，模型的長期規劃、模型的魯棒性以及行業落地實踐才是決定“預訓練大模型”能否成功的勝負手。
顯然，華為云在“預訓練大模型”的長遠發展方面棋高一招。
據悉，自2021年4月正式發布以來，華為云盤古大模型已經發展出L0、L1、L2三大階段的成熟體系持續進化。所謂L0是指NLP大模型、CV大模型等五大水平領域的基礎大模型；而L1指行業大模型，比如氣象、礦山、電力等行；L2指面向各行業中細分場景的模型，比如電力行業的無人機巡檢等。
在本次大會上，華為云又正式發布了盤古礦山大模型、盤古氣象大模型和盤古OCR大模型三個大模型。盤古OCR大模型解決了OCR領域算法普適性不強的問題，并將標注工作量降低90%；相較于以前的文字識別預訓練模型，盤古OCR大模型在11項公開數據集中取得顯著的精度提升，而且與原本領先的文字識別算法相比，盤古OCR大模型的精度平均提升5%以上。
華為云的盤古氣象大模型也極具意義。眾所周知，近年來極端天氣頻發，給全球經濟和人們生活造成了極大破壞，利用人工智能技術來預測天氣就成為大勢所趨。華云盤古氣象大模型支持秒級預測未來7天全球天氣情況，相比傳統預報算法，速度提升1000倍、精度提升20%。
例如，今年8月，華為云盤古氣象大模型實現秒級預測臺風“馬鞍”的登陸時間與軌跡，平均準確率90%，遠超業界。
華為云盤古礦山大模型則覆蓋整個礦區的8大主要業務場景和1000多個細分場景，邊用邊學、自我進化，通過學習少量異常樣本就能識別所有存在風險的異常情況，模型精度達98%，相比傳統模型平均提升10個百分點，有效保障井下安全。
毫無疑問，“預訓練大模型”的出現，是人工智能與大數據、大算力結合的必然結果，也是人工智能現階段發展的必然趨勢。但如何“預訓練大模型”之路走的既穩又遠，讓大模型不斷融入到行業場景乃重中之重。“華為云正在不斷迭代盤古大模型的能力，也讓盤古大模型一步步從實驗室走向千行百業，成為AI開發的操作系統。”華為云EI服務產品部部長尤鵬如是說。
華為云EI服務產品部部長尤鵬
如果說大模型的興起，解決了傳統AI模型的泛化、對人工標注數據的強依賴以及應用開發落地成本高等難題，在技術層面降低了AI開發與應用的門檻；那么，在工具與平臺、甚至在生態層面實現突破，則有望讓AI應用開發“走下神壇”和降低門檻，成為現階段AI產業化的又一大突破點。
一直以來，AI應用開發對于算法工程師等高級人才強依賴，參與應用開發門檻極高，極大影響了AI的產能。尤其是AI技術越來越復雜的大趨勢下，如何讓AI應用開發走向簡單化，讓那些具備產業經驗的人才可以很好地應用AI，對于AI在千行百業中的普及和規模化應用極具意義。
為此，華為云從工具、平臺、生態等方面多管齊下，不斷降低AI應用開發的門檻。
例如，華為云在本次大會上發布了天籌AI求解器智能建模工具。眾所周知，求解器是針對各行各業的復雜業務問題進行最優計算和決策的專業計算軟件，但往往需要懂運籌學和編程的專家才能應用起來，以至于求解器在行業中應用率不高。
為此，華為云推出了業界首個將AI和數學規劃結合的商用AI求解器--天籌AI求解器，目的就是幫助傳統行業用戶優化決策問題，實現高效、及時的決策。天籌AI求解器智能建模工具則簡化了開發人員的建模工作，大幅壓縮原本需要數月的建模時間，將求解建模速度提高30倍，進一步降低企業應用求解器的門檻，加速推動AI決策在傳統行業中的應用。
在平臺層面，華為云發布了基于AI資產重用的AI落地新范式及其平臺ModelArts Pilot。ModelArts Pilot具備“零代碼開發”“豐富的模型資源”“自動化”和“持續進化”四項優勢，支持AI應用自動生成，開發工作無需強依賴算法工程師。用戶僅需要提供數據和需求描述，即可觸發自動化流程，在調用API后僅需幾行代碼即可完成AI應用開發。
除了工具和平臺外，華為云還致力于推動AI應用開發生態的成長與健壯，寄希望通過生態的力量來不斷哺育開發者，降低AI開發難度和開發成本。為此，華為云推出了D-Plan生態伙伴計劃，聯合生態伙伴進行技術創新、項目交付、項目資產沉淀至平臺并進行推廣和復用，構建合作共贏的AI生態體系。
目前，華為云已經與行業ISV合作伙伴打造了9個行業場景Usecase，包括出行調度、銷量預測、生產排程、貨架識別、工業質檢、游戲AI等。這些AI Usecase和5萬多個AI資產都沉淀在華為云AI平臺上，開發者可以隨時利用AI資產庫（算法、模型等）和方案來解決AI問題。
“事實上證明，云對于推動AI產業化極具價值。在華為云上，包括AI求解器開發環境和集成工具，只需4周時間就能完成AI應用開發，相比傳統方式3-6個月時間，大幅提升了AI開發效率。” 華為云EI服務產品部部長尤鵬總結道。
不可否認，“預訓練大模型”如今被視為解決各種AI挑戰的重要路徑，業界對于“預訓練大模型”的研究和應用也呈現百花齊放的局面。但“預訓練大模型”距離規模化商業應用，還有需要持續演進和發展，不僅包含技術的演進，更包含商業模式的進化。
為此，華為云在本次大會上正式發布了《預訓練大模型白皮書》，將華為云在大模型領域的研究與落地經驗進行總結。由華為云人工智能領域首席科學家、IEEE Fellow、國際歐亞科學院院士田奇帶領的盤古大模型研發團隊認為，“預訓練大模型”將成為未來AI計算的“操作系統”，向下管理AI 硬件，向上支撐AI 算法，將使得AI 開發更加規范化、可復制。
《預訓練大模型白皮書》從人工智能發展趨勢的角度詳細剖析了大模型的由來、現狀和未來趨勢，并結合盤古大模型的五大模型、應用案例等介紹了大模型的應用情況，對于各行各業的企業CIO、開發者們普及大模型的價值與作用大有裨益。
例如，《預訓練大模型白皮書》有兩個重要判斷：其一、在下一個劃時代的計算模型出現以前，大模型將是人工智能領域最有效的通用范式，并將產生巨大商業價值；其二、對大模型的研究，將可能啟發下一個通用計算模型。
另外，《預訓練大模型白皮書》并未一味神化“大模型”的作用，而是從客觀角度認為“預訓練大模型”存在著局限性，即數據集越大、模型越大，提升同等精度所需要的代價就越大。為此，《預訓練大模型白皮書》也探索了大模型落地的新思路，即針對小樣本、長尾分布場景，云訓練大模型與預置工作流配合往往能達到很好效果。
數字化是一道必答題。華為云希望讓技術不難選、不難用，讓企業從‘上好云’到‘用好云’，尤其是從多方位推動AI產業化，真正幫助千行百業的用戶釋放數字生產力，從而實現跨越式發展。
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
