華為云于2021年正式發(fā)布了盤古基礎大模型，包括CV計算機視覺大模型、NLP自然語言處理大模型和科學計算大模型。在基礎大模型之上，華為云踐行AI for industries，陸續(xù)推出了礦山、藥物分子、電力、氣象、海浪等盤古行業(yè)大模型，加速各行各業(yè)數(shù)字化的進程。
2023年7月7日，華為云發(fā)布盤古大模型3.0，圍繞“行業(yè)重塑”“技術扎根”“開放同飛”三大創(chuàng)新方向，持續(xù)打造核心競爭力，為行業(yè)客戶、伙伴及開發(fā)者提供更好的服務。如今，華為云AI已經在各行業(yè)有超過1000個項目，基于對行業(yè)的深入理解，華為云盤古大模型能夠更好地落地在行業(yè)的核心業(yè)務場景。
貨運列車智慧檢測 盤古鐵路大模型為鐵路物流安全護航
隨著海內外經濟復蘇，貨運鐵路的班次及載重均迎來新高潮。
在傳統(tǒng)的貨運鐵路巡檢中，TFDS（貨車運行故障動態(tài)圖像檢測）系統(tǒng)作為5T檢測技術的重要組成部分，通過高速拍攝的“電子眼”，動態(tài)采集列車車底配件、車體側部等部位圖像，實時判別貨運列車是否存在故障。
一列50輛車廂的貨車，“電子眼”會拍攝4000張照片，檢測員每秒需審閱1張圖。動態(tài)檢車員不僅工作強度大、難度高，而且需對車輛專業(yè)理論與實際運用有較高水平，要在短時間內完成整列車的故障分析，確保整列車的運行安全。
華為云在現(xiàn)有設備和平臺架構的基礎上，基于盤古鐵路大模型，推出TFDS故障智能識別方案，實現(xiàn)從圖像采集、數(shù)據(jù)收發(fā)、列車拆分，到實時故障判別的全局分析，能夠對多工位、多輛車關聯(lián)等全局故障進行精準預報。
盤古鐵路大模型具備的核心競爭力：
1.自監(jiān)督行業(yè)預訓練模型
盤古預訓練大模型基于語義相似樣本、等級化語義聚集的對比表示學習方法，利用百萬級無標注鐵路行業(yè)圖像生成鐵路行業(yè)大模型；
2.圖像質量自動增強&評估
通過底層視覺特征以及高層視覺特征對增強后的圖像進行自動評估，對正常圖像做進一步故障識別，非正常圖像返回人工審核；
3.依托車型先驗模板匹配
根據(jù)已知的車型信息建立零部件的相對位置模板，具有可解釋性地預報部件異常情況，如脫落、丟失、錯位等；
4.小樣本故障定位、識別
基于鐵路行業(yè)預訓練大模型，結合當前最優(yōu)的目標檢測、圖像識別框架，進行部件定位、故障識別，具有更強的泛化能力，僅需傳統(tǒng)1/3的樣本即可完成。
在實際應用中，盤古鐵路大模型單張照片識別僅需4毫秒，可智能過濾95%的正常圖片，實現(xiàn)了400多種故障的自動化識別以及嚴重故障的“零漏報”，比人工識別更準確，大幅度提升TFDS系統(tǒng)作業(yè)效率，成為貨運列檢員身邊有力的數(shù)字助手，將列檢員從每日數(shù)百萬張的“圖?！睓z測中解放出來。
AI輔助藥物設計，盤古藥物分子大模型加速新藥研發(fā)
自1987年達托霉素被發(fā)現(xiàn)以來，人類已經有近40年沒有新的抗生素被研發(fā)出來。藥物研發(fā)專家需要花費超過10年時間、超過10億美元成本，才有可能研發(fā)出一款新藥。
為了幫助藥物研發(fā)專家從海量藥物分子中高效挑選出適合成藥的小分子，華為云聯(lián)合中國科學院上海藥物研究所推出了盤古藥物分子大模型，基于全流程AI輔助藥物設計的能力，以靶點預測、分子設計、活性評估、毒性篩選等環(huán)節(jié)為抓手，幫助醫(yī)藥公司實現(xiàn)快速、精準、低成本的藥物發(fā)現(xiàn)，開啟藥物研發(fā)的新模式。
在藥物虛擬篩選方面，依靠華為云創(chuàng)新的iFitDock算法以及虛擬篩選服務，盤古藥物分子大模型的成藥性預測準確率比傳統(tǒng)方式高20%，進而讓藥物篩選效率提升十倍；
在藥物優(yōu)化方面，基于華為云盤古藥物分子大模型的結構優(yōu)化器，研發(fā)專家可對先導藥進行定向優(yōu)化，通過更科學的藥物結構設計，減弱對人體正常細胞可能產生的毒副作用。
盤古藥物分子大模型四大核心技術特點：
1.“圖-序列不對稱條件變分自編碼器”
全新提出“圖-序列不對稱條件變分自編碼器”深度學習架構，更好地提取化合物關鍵的分子特征指紋，提升下游任務的準確性；
2.超大規(guī)模的化合物表征模型訓練
對17億個小分子的化學結構進行預訓練，結構重構率、唯一性等方面優(yōu)于現(xiàn)有方法；
3.生成1億個創(chuàng)新的類藥物小分子庫
其結構新穎性為99.68%，為發(fā)現(xiàn)新藥創(chuàng)造可能性；
4.實現(xiàn)了領先的藥物發(fā)現(xiàn)任務性能
在化合物-靶標相互作用預測、化合物ADME/T屬性評分、化合物分子生成與優(yōu)化等方面實現(xiàn)性能最優(yōu)，賦能藥物發(fā)現(xiàn)全鏈條任務。
西安交通大學第一附屬醫(yī)院劉冰教授在盤古藥物分子大模型的輔助下，突破性地研發(fā)出一款超級抗菌藥Drug X，其有望成為全球近40年來首個新靶點、新類別的抗生素。華為云盤古藥物分子大模型讓先導藥的研發(fā)周期從數(shù)年縮短至幾個月，研發(fā)成本降低70%。AI技術與基礎科學的結合與創(chuàng)新，不僅解決了研發(fā)成本高和時間周期長的痛點，更為初創(chuàng)型科研團隊提供了施展能力的舞臺。
讓風云可測，盤古氣象大模型精準呈現(xiàn)臺風軌跡
在氣象氣候預報任務中，除了短期天氣預報，全球中長期預報也是業(yè)界最為關注、重要性非常高的預測任務，它以預測未來14天內的大氣系統(tǒng)狀態(tài)為目標，在氣象、航海、農業(yè)、旅游等多個行業(yè)發(fā)揮著舉足輕重的作用。
當前人工智能技術雖已廣泛應用在氣象預測領域，受大氣系統(tǒng)中物理過程的復雜性影響，以及求解大氣模型所需資源規(guī)模巨大，基于傳統(tǒng)數(shù)值方法進行的中長期天氣預報通常會累計誤差，導致準確度低，且需在超級計算機上運算數(shù)小時。
基于近40年的全球氣象數(shù)據(jù)，華為云盤古氣象大模型在中長期確定性預報上超越當前最強的數(shù)值預報方法（歐洲氣象中心的IFS系統(tǒng)），是業(yè)內首個精度超過傳統(tǒng)數(shù)值預報方法的全球AI氣象預測模型。平均預報誤差降低了10%-15%，速度提升10000倍以上，實現(xiàn)秒級全球氣象預報。
盤古氣象大模型核心技術特點：
3D高分辨率的神經網絡
首次采用3D高分辨率的神經網絡（3D Earth-Specific Transformer）：與二維的神經網絡和低分辨率的神經網絡相比，盤古氣象大模型水平空間分辨率達到0.25°×0.25°，約28公里x28公里，可以精準地預測細粒度氣象特征。在時間維度上，盤古氣象大模型將預測頻率從6小時/次提升至1小時/次，使氣象預測結果更準確；
層次化時域聚合策略
使用層次化時域聚合策略：訓練了4個不同預報間隔的模型（分別為1小時間隔、3小時間隔、6小時間隔、24小時間隔），使得預測特定時間氣象狀況的迭代次數(shù)最小，從而減少迭代誤差，也避免了由遞歸訓練帶來的訓練資源消耗。
華為云盤古氣象大模型在極端天氣過程（如臺風）的預報中已展現(xiàn)出精準、快速的優(yōu)勢：
· 2022年8月，盤古氣象大模型實現(xiàn)秒級預測臺風“馬鞍”的軌跡和登陸時間，準確率達90%，遠超行業(yè)平均水平。
· 今年5月22日至23日，今年第2號臺風“瑪娃”在24小時內，中心附近最大風力從38米/秒（臺風級）迅速加強到60米/秒（超強臺風級）。
中央氣象局指出，華為云盤古大模型在“瑪娃”的路徑預報中表現(xiàn)優(yōu)異，提前五天預報出其將在臺灣島東部海域轉向路徑。
人工智能觸發(fā)的產業(yè)變革正在改變每一個行業(yè)，人工智能也在越來越多的行業(yè)場景發(fā)揮重要價值。華為云以“AI for industries”為發(fā)力點，提升大模型通用能力，貼近客戶業(yè)務場景的現(xiàn)實需求，讓人工智能開發(fā)標準化、可復制、批量化生產，加速AI深入千行百業(yè)，推動人類社會進入智能世界。
