盘古大模型千亿参数规模应用场景了解！

✍️作者简介：小北编程（专注于HarmonyOS、Android、Java、Web、TCP/IP等技术方向）
🐳博客主页：沫小北/码农小北 开源中国、稀土掘金、51cto博客、博客园、知乎、简书、慕课网、CSDN
🔔如果文章对您有一定的帮助请👉关注✨、点赞👍、收藏📂、评论💬。
🔥如需转载请参考【转载须知】

简介

盘古大模型 AI for Industries 大模型重塑千行百业
盘古大模型致力于深耕行业，打造金融、政务、制造、矿山、气象、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，成为各组织、企业、个人的专家助手。

认识盘古

盘古 3.0 为客户提供 100 亿参数、380 亿参数、710 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。

盘古大模型开启AI工业化

为了更好地针对不同领域方面，在盘古大模型中，有视觉、NLP(自然语言处理)、多模态、Graph和科学计算等五个领域的大模型。在不同的行业。场景下，如金融风控、工业质检、时尚设计、案件审核和智慧育种等场景下，设置场景化模型。这些场景化模型都可以适配盘古大模型，最后应用在不同的行业案例中，如违规风险识别、布料质检、流行元素标注等等应用。

2025年，企业对AI的采用率将达到86%。所以，AI走进企业的生产核心系统创造更大价值是大势所趋。但与之相对的是，封闭的作坊式AI开发已经无法满足行业高效、高质量的数字化转型需求。

因为当企业有了AI需求以后，就需要独立的创建一个场景。在这个场景中，企业要投入专家和开发人员，来针对这个场景去进行专门的研发。这会导致AI应用的开发效率低下，并且它的开发经验，包括产生的一些资产也是无法得到有效积累。针对这样的情况，华为提出了 盘古大模型 。

盘古大模型应用在千行百业

为了更好地针对不同领域方面，在盘古大模型中，有视觉、NLP(自然语言处理)、多模态、Graph和科学计算等五个领域的大模型。在不同的行业。场景下，如金融风控、工业质检、时尚设计、案件审核和智慧育种等场景下，设置场景化模型。这些场景化模型都可以适配盘古大模型，最后应用在不同的行业案例中，如违规风险识别、布料质检、流行元素标注等等应用。

盘古大模型是通过把算力、研发成本前置到华为云侧，如华为云每年会消耗英伟达V100GPU超过4000张、使用相当于4TB清洗后纯文本数据和10亿张图片去进行训练，配备大量的工程师，经过多年的积累研发了大模型系统，这个大模型系统及可以帮助业界把成本大大减少和降低，不用在耗时耗力重复性的开发算法及模型，应用大模型从而快速的进行AI开发为了让大家更好的认识和熟悉大模型，接下来将为大家展示大模型在不同行业中的应用。

1. CV大模型

在铁路TFDS进行未知的故障预测的场景中：一辆列车行驶路途中，有个摄像头架设在一个固定地点，通过拍摄列车上各种不同视角不同位置的图像后，快速的去判断列车是否有故障。

由于这些故障出现次数较少，故障类型多、拍摄图片质量差等原因，因此很多情况下小模型无法取得很好的应用。很多情况下，工程师要针对每个故障去适配一个小模型，成本就非常高，更不要说未知故障的预测了。

通过盘古大模型，可以用一个或者少数几个大模型去适配铁路TFDS中的100多种不同的故障场景。最终保证故障的召回率达到90%，未知故障预测发现率提升1倍以上，同时还能保证单张图片的识别时间小于4ms。

2. NLP大模型

关于NLP大模型，为大家介绍的是最高检应用项目。在这个项目当中，从最高检获取文本，对法律文书文本进行分析，去理解其中所代表的内容。比如，某一项法律为什么应用在这个判决的这个地方，这中间包含了哪些原因等等。

如果是传统小模型，需要适配数据再去适配不同的案例，这就导致时间较长。盘古大模型已经在预训练过程中积累了大量NLP方面的知识，所以基于盘古大模型就可以在很短的时间内，把测试结果不断地从开始的73%提升到最后的测试结果92%，也是高效地完成了项目。

除了在最高检的项目应用以外，盘古NLP大模型还在反电炸等场景上得到应用。NLP大模型的迁移性强，对人工的依赖程度小，少量样本、简单调参即可。

3. 科学计算大模型

所谓科学计算就是把AI的能力辐射到其他领域。在科学计算领域，比如气象、医药、航天航空、海洋、工业、地质等不同场景，在这些场景当中所面临的共同问题就是解偏微分方程。在偏微分方程解的过程当中，盘古大模型可以发挥出它自己得天独厚的优势。比如说神经网络体量很大，所以在解方程的时候，科学计算大模型可以捕捉到小模型无法捕捉到的特征，从而得到更精确的解答。

政务

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。通过对超过 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，政务助手掌握了丰富的法律法规、办事流程等行业知识。

气象

气象领域是华为云发布会上介绍的重点，就在几天前，盘古气象大模型的研究成果发表在国外顶级期刊《Nature》，被审稿人评价为：让我们重新审视气象预测的未来。

对于大部分海上作业来说，精确的海浪预报具有重要的价值。与基于超级计算机的传统预报模式相比，Al全球海浪预报模型可以以较低的计算成本，灵活的结合短期气象预报更新结果，快速提供相关海域未来数小时的海况。该预报系统可以为航运公司提供服务，通过海浪数据结合航速航向来优化航行路径，减少航行过程中的碳排放，同时避免遭遇极端海况造成人员和财产损失。

医药

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%。

铁路

传统列检员每天要检测数百万张列车图片，检测铁路网络运行的货车是否存在故障问题。引入盘古大模型后，可以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%。换言之，列检员只需要检测过去 1/20 的列车图片，相当于提高了 20 倍的工作效率。

煤矿

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。

以上的只是部分应用的展示！！！！

总结

大模型的出现，实质上是提供了更加高效的生产力工具。一方面，对于这些原本已经在拥抱 AI 的产业，意味着更高的效率和更快的改造进程；而效率更高，也意味着对更多行业来说，更容易算好「经济账」，AI 有潜力从变革所谓几大行业，变成改造千行百业。

这是华为为什么要坚决走进产业的原因，实际上阿里云、腾讯云、火山云和百度云等国内主要的云服务大厂，也是相近的思路。而方向一致、起点接近的情况下，在这场竞赛中谁能跑的最快，比拼的就是从算力、大模型底座、平台、产品到具体解决方案的全链条能力。

因为众所周知的原因，华为拿不到当下公认的全球最先进的计算芯片，看起来在这场竞赛中先天不足。但从今天的发布会来看，华为完全看不到受上游掣肘而落后于人，在大模型的关键链条上，都拿出了成熟的产品、案例，解耦化的盘古大模型架构更是让人眼前一亮。事实上，考虑到今天国产化的需求，在算力上不落后于人的华为，被卡脖子的劣势，很可能变成自主可控的优势。

现如今，通过模型泛化，华为盘古大模型 3.0 能够解决传统 AI 作坊式开发模式下不能解决的 AI 规模化、产业化难题，支持多种自然语言处理任务，包括文本、图像、视频的识别、处理和生成等，与客户伙伴共享大模型的价值与机遇，为千行百业打造自己的大模型，让大模型触手可及。