华为李伟：大模型推动 AI 从“作坊式”转向“工业化”丨中国 AIGC 产业应用峰会

AI 新智界讯，1 月 5 日，“智求共赢・中国 AIGC 产业应用峰会暨无界 AI 生态合作伙伴大会”在杭州未来科技城召开。大会由杭州未来科技城管委会、余杭区科技局和余杭区企业（人才）综合服务中心联合指导，时戳科技主办，AI 新智界提供媒体特别支持。华为 EI 人工智能产品线副总裁李伟在会上围绕《昇腾云服务，服务百模千态——构建 AIGC 的黑土地》主题发表了演讲。

他表示，人工智能基础设施是新基建的核心任务，也是数字经济发展的基础设施。目前，大模型正推动 AI 从“作坊式”转向“工业化”。他强调，作坊式 AI 是不同场景对应不同小模型，分析数据给出建议，替代低端重复性工作物体识别和分析，但是小模型存在模型泛化的问题。工业化 AI 则是利用大模型吸收海量知识，适配多业务场景，并且解决了模型泛化性问题。另外，他还表示，算力已经成为新型生产力，打造对等的多元算力势在必行。

以下是 AI 新智界整理的演讲内容，为方便阅读已进行部分删减：

首先我先介绍一下自己。我们是华为云，内部叫作 EI。EI 包含了三部分内容：昇腾云服务，大模型以及大数据。大模型是盘古大模型，也包括开源大模型的能力适配。大数据在 AI 时代就是 AI for Data、Data for AI。其中昇腾云服务是把我们的大模型能力、AI 大数据能力全部沉淀到数字世界的统一载体。

在过去两年中，国家陆陆续续出台了一系列人工智能政策，从传统的数字化到智能化，不管是工信部、科技部，还是六部委、七部委。于企业而言，国家政策支持，是企业创业的一个前提条件。

为什么大模型会火起来？其实我们一直在做 AI。以前 AI 时代更多是一些小模型，比如视频监控，在一个场景里头识别物体、识别人，比如城市检测的垃圾识别有很多小场景，都由小模型完成。但是小模型有巨大的问题，就是模型泛化，在不同场景下解决模型泛化非常困难，场景一变，摄像头一变，模型和算法就要不断去适配。

在大模型时代，企业做到了知识能力的统一沉淀，泛化性问题得到了很好的解决。实际上，大模型时代是将人类知识做了很好的预训练，在预训练里做模型的微调。我们从最开始的模型到 Prompt、再到 Agent，一层层不断沉淀。这时候通过预训练的大模型，已经能够很好地解决多个场景用一个模型来适配，以及模型泛化性问题。

华为在去年 7 月的时候发布了盘古大模型。盘古大模型分为几个基础大模型，自然语言大模型、盘古大模态大模型、视觉大模型、预测大模型以及科学计算大模型。每一个大模型场景，都专注于解决一类的问题。通过五个大模型基础能力的研发和设置，我们又把它分成三层，称之为“5+N+X”，“5”就是我们的五个基模型，N 就是 L1 的行业模型，我们希望在每个行业里都能沉淀自己的行业大模型，同时针对行业大模型来构建每个行业的应用场景。

在这个过程中，从我们的实践经验来看，对于业界尤其是产业界而言，未来对基础模型这一块的投入研发非常具有挑战性。一个大模型本质上来讲是三个能力：一是数据，二是算力，三是模型。从模型来看，它是一个知识非常密集型的产业，同时它在算力上的需求非常巨大。根据 ChatGPT 公开的数据，训练一个基础模型，每次训练（例如 GPT-3.5）基本上都是 1200 多万美金，并且训练是不断迭代的，模型的参数将会越来越大。

而数据获取并不是关键，获取到数据以后怎么样做数据清洗、数据治理才是关键所在。在行业中，每个行业将来都会有自己的行业模型出现，这就跟我们培养一个本科生一样，如果把大模型类比成一个学生，可能在某个场景中我们培养了一个本科生，但在将来一定会出现各个行业的研究生，各个场景的博士生，它们会专注去做一件事情，并且事情做到极致、做到最好。

从这一点来讲，L1、L2 这一块的架构同样是非常开放的，能够支持所有的合作伙伴、创业公司能在我们的盘古大模型和昇腾云服务上进行适配和开发。