AI 新智界訊，1 月 5 日，“智求共贏・中國 AIGC 產業應用峰會暨無界 AI 生態合作夥伴大會”在杭州未來科技城召開。大會由杭州未來科技城管委會、餘杭區科技局和餘杭區企業（人才）綜合服務中心聯合指導，時戳科技主辦，AI 新智界提供媒體特別支持。華為 EI 人工智能產品線副總裁李偉在會上圍繞《昇騰雲服務，服務百模千態——構建 AIGC 的黑土地》主題發表了演講。

他表示，人工智能基礎設施是新基建的核心任務，也是数字經濟發展的基礎設施。目前，大模型正推動 AI 從“作坊式”轉向“工業化”。他強調，作坊式 AI 是不同場景對應不同小模型，分析數據給出建議，替代低端重複性工作物體識別和分析，但是小模型存在模型泛化的問題。工業化 AI 則是利用大模型吸收海量知識，適配多業務場景，並且解決了模型泛化性問題。另外，他還表示，算力已經成為新型生產力，打造對等的多元算力勢在必行。

以下是 AI 新智界整理的演講內容，為方便閱讀已進行部分刪減：

首先我先介紹一下自己。我們是華為雲，內部叫作 EI。EI 包含了三部分內容：昇騰雲服務，大模型以及大數據。大模型是盤古大模型，也包括開源大模型的能力適配。大數據在 AI 時代就是 AI for Data、Data for AI。其中昇騰雲服務是把我們的大模型能力、AI 大數據能力全部沉澱到数字世界的統一載體。

在過去兩年中，國家陸陸續續出台了一系列人工智能政策，從傳統的数字化到智能化，不管是工信部、科技部，還是六部委、七部委。於企業而言，國家政策支持，是企業創業的一個前提條件。

為什麼大模型會火起來？其實我們一直在做 AI。以前 AI 時代更多是一些小模型，比如視頻監控，在一個場景裡頭識別物體、識別人，比如城市檢測的垃圾識別有很多小場景，都由小模型完成。但是小模型有巨大的問題，就是模型泛化，在不同場景下解決模型泛化非常困難，場景一變，攝像頭一變，模型和算法就要不斷去適配。

在大模型時代，企業做到了知識能力的統一沉澱，泛化性問題得到了很好的解決。實際上，大模型時代是將人類知識做了很好的預訓練，在預訓練里做模型的微調。我們從最開始的模型到 Prompt、再到 Agent，一層層不斷沉澱。這時候通過預訓練的大模型，已經能夠很好地解決多個場景用一個模型來適配，以及模型泛化性問題。

華為在去年 7 月的時候發布了盤古大模型。盤古大模型分為幾個基礎大模型，自然語言大模型、盤古大模態大模型、視覺大模型、預測大模型以及科學計算大模型。每一個大模型場景，都專註於解決一類的問題。通過五個大模型基礎能力的研發和設置，我們又把它分成三層，稱之為“5+N+X”，“5”就是我們的五個基模型，N 就是 L1 的行業模型，我們希望在每個行業里都能沉澱自己的行業大模型，同時針對行業大模型來構建每個行業的應用場景。

在這個過程中，從我們的實踐經驗來看，對於業界尤其是產業界而言，未來對基礎模型這一塊的投入研發非常具有挑戰性。一個大模型本質上來講是三個能力：一是數據，二是算力，三是模型。從模型來看，它是一個知識非常密集型的產業，同時它在算力上的需求非常巨大。根據 ChatGPT 公開的數據，訓練一個基礎模型，每次訓練（例如 GPT-3.5）基本上都是 1200 多萬美金，並且訓練是不斷迭代的，模型的參數將會越來越大。

而數據獲取並不是關鍵，獲取到數據以後怎麼樣做數據清洗、數據治理才是關鍵所在。在行業中，每個行業將來都會有自己的行業模型出現，這就跟我們培養一個本科生一樣，如果把大模型類比成一個學生，可能在某個場景中我們培養了一個本科生，但在將來一定會出現各個行業的研究生，各個場景的博士生，它們會專註去做一件事情，並且事情做到極致、做到最好。

從這一點來講，L1、L2 這一塊的架構同樣是非常開放的，能夠支持所有的合作夥伴、創業公司能在我們的盤古大模型和昇騰雲服務上進行適配和開發。

在政務場景裡頭，華為抓住了政務服務、政務城市治理、政務辦公等業務痛點。比如政務辦公裡頭的文生圖、文檔摘要等業務痛點，整個視頻監控裡頭的交通監控、城市危險識別、垃圾識別等等圍繞城市治理的場景。在金融場景中，華為讓每個員工都擁有專家助手，做到了複雜業務簡單辦理。我們認為，未來不管是面向政府也好，金融場景也好，本質還是要解決客戶實際生產中遇到的痛點和問題，這樣才能進行真正的商業閉環。

在做所有工作的過程中，華為也沉澱了非常多的能力。這些能力，一方面會沉澱到基礎模型；另一方面，則會沉澱到工具鏈上。首先是圍繞大模型的工具鏈。我們知道模型在訓練過程中需要對數據進行治理和清洗，因此華為在數據工程方面積累了很多經驗。同時，對模型方面有模型工程，不管你是做 Prompt 還是 SFT，還是做其他模型的調優，都需要基於模型的工程能力。

其次，在傳統的 AI 能力上，華為也有通用 AI 開發工具鏈，包括數據預標註、數據處理、模型訓練、模型推理。最後是算力調優工具鏈，背後的邏輯是算力連續性問題。現在業內真正卷大模型，不管是卷 NLP（專業分析人類語言的人工智能），還是卷 AIGC、卷文生圖、圖生文的大模型場景的時候，你會發現算力的問題一定是要長期考慮的。

目前，業界主流的 AIGC 公司都已經在華為昇騰雲服務上進行適配和調優。在此，我簡單地將華為提供的工程能力、工具能力做了演示，主要是圍繞模型開發，包括數據工程、模型開發、應用開發、測試，這些服務都在昇騰雲服務上提供，並且支持公有雲模式和私有雲模式。

除此以外，我們提供昇騰雲算力。例如，目前在貴安，華為已經建立了將近 7 萬台以上的算力集群，將充足的算力提供給大模型各個廠家。另外，華為昇騰雲還將工具和能力提供給所有的開源模型，並支持主流的開源模型，不管是開源模型的 LLaMA、GLM，還是多模態的 SD，還是第三方的星火、百川大模型。這麼做能夠幫助創業公司在昇騰雲服務上快速構建其場景和能力。

而在數據層面，用戶最關心的是數據的安全和保護的問題。在這個方面，華為對客戶的數據安全隱私保護做到了極致。這體現在資源專屬和數據主權上，包括數據在訓練和推理過程中的保護。在整個全流程的可追溯、可控，以及專業化的安全方案上，華為都做了充足的準備和方案。

上述是我們承載的應用能力的展現。不管是開源模型，如 LLaMa、LLaMA 的 6B、7B、13B 等模型，還是其他的 GLM-6B 模型，昇騰雲都會提供支持。

整體來講，我們也希望所有的創業公司、所有夥伴都能夠圍繞開源模型，基於開源模型、盤古大模型，匯聚到昇騰雲服務上。我們認為，華為未來 toC 場景一定會出現一些超級應用；對於 toB 場景，可能機會更多。