作為安全命脈的守護(hù)者，煤礦檢測(cè)員在地下高風(fēng)險(xiǎn)的環(huán)境里工作，8小時(shí)不停地巡查異常狀況，每天行走近10公里，工作強(qiáng)度大，還有風(fēng)險(xiǎn)；鐵路質(zhì)檢員每人每天要看4萬(wàn)張圖片，平均一秒接近兩張，連續(xù)12個(gè)小時(shí)，必須集中精力，避免看漏故障的端倪。AI模型的引入對(duì)他們的改變是巨大的，可以降低工作強(qiáng)度，最大限度地保證安全，技術(shù)提供了一個(gè)有效的解決路徑，也和工人們一起，守護(hù)著我們的公共安全。

地下數(shù)百米的難題

礦工進(jìn)入“罐籠”，一路下降，將白天甩在身后，隨之進(jìn)入黑壓壓的礦井，很快到了地下數(shù)百米。機(jī)器轟鳴，說(shuō)話(huà)時(shí)需要大聲喊。巷道里濕漉漉的，白熾燈下粉塵飛揚(yáng)，有些嗆人。空氣濕度大，有時(shí)會(huì)呼吸困難、氣喘咳嗽。

在山東一些國(guó)有中大型煤礦，井下機(jī)械化、智能化程度較高，但巡檢員的工作仍然復(fù)雜，并伴有一定風(fēng)險(xiǎn)。機(jī)器是否發(fā)生故障，人員操作是否規(guī)范，運(yùn)輸煤炭的皮帶上是否有異物……眾多業(yè)務(wù)流程，每一項(xiàng)都需要他們8小時(shí)不停查看。如果是巡檢主運(yùn)系統(tǒng)上的皮帶，巡檢員每天要走將近10公里。

相較之下，巡檢采煤和掘進(jìn)的路程稍短，但更危險(xiǎn)——比如用于運(yùn)輸?shù)霓D(zhuǎn)載機(jī)，在非封閉的區(qū)域容易造成礦工意外墜落，或被飛濺物擊傷。更別說(shuō)地下還可能有瓦斯、水災(zāi)等事故。一個(gè)區(qū)隊(duì)里，兩個(gè)生產(chǎn)班配一個(gè)檢修班，巡檢員甚至占總?cè)藬?shù)的一半。如果發(fā)現(xiàn)故障，他們要用有線(xiàn)電話(huà)通知地面上的值班人員，再進(jìn)行處理，不能及時(shí)發(fā)現(xiàn)的話(huà)，會(huì)導(dǎo)致事故擴(kuò)大。

勞動(dòng)強(qiáng)度大，環(huán)境惡劣，長(zhǎng)年累月地工作，不少礦工都患上了風(fēng)濕、耳鳴等職業(yè)病。最好的解決辦法是實(shí)現(xiàn)智能化，這幾年，國(guó)家多次下發(fā)文件，督促加快煤礦智能化建設(shè)，打造綠色智慧礦山。

實(shí)現(xiàn)起來(lái)并不容易。除了專(zhuān)業(yè)技術(shù)問(wèn)題，人才不足也是個(gè)挑戰(zhàn)。華為云的一位盤(pán)古礦山大模型專(zhuān)家介紹，煤礦行業(yè)從業(yè)人員平均年齡45歲左右，基本沒(méi)有懂AI的技術(shù)人員。他在各個(gè)礦區(qū)調(diào)研，發(fā)現(xiàn)多數(shù)煤礦地理位置偏遠(yuǎn)，工作環(huán)境差，很多年輕人不愿來(lái)。有的剛招來(lái)10個(gè)大學(xué)生，第二年就走了一半。

礦井下的巡檢員。講述者供圖

在北方某車(chē)輛段，數(shù)百名車(chē)輛故障質(zhì)檢員承擔(dān)著鐵路貨車(chē)安全的重要使命。他們每天要對(duì)數(shù)百萬(wàn)張圖片進(jìn)行細(xì)致分析和判定，工作強(qiáng)度高，責(zé)任重。

走到列檢作業(yè)車(chē)間，一百多名質(zhì)檢員身穿統(tǒng)一的藍(lán)色工作服，整齊地坐在工位前，專(zhuān)注地審視著屏幕。這里是個(gè)忙碌的車(chē)輛段，每天有1000列貨車(chē)經(jīng)過(guò)，產(chǎn)生400萬(wàn)張圖片，每人每天要分析4萬(wàn)張圖片。

圖片來(lái)自軌邊探測(cè)站，當(dāng)列車(chē)經(jīng)過(guò)探測(cè)站時(shí)，TFDS（貨車(chē)運(yùn)行故障動(dòng)態(tài)圖像檢測(cè)系統(tǒng)）抓拍照片，傳回檢測(cè)車(chē)間進(jìn)行故障識(shí)別。

車(chē)輛不斷駛來(lái)，列檢員需在10分鐘里看完1000多張圖，平均一秒接近兩張。一天兩個(gè)班次，每班次要連續(xù)上12個(gè)小時(shí)，中間只留下吃飯、上洗手間的時(shí)間。車(chē)間里白熾燈一直亮著，大屏幕上不斷滾動(dòng)著數(shù)字，點(diǎn)擊鼠標(biāo)聲此起彼伏。

這里的工作人員肩負(fù)著國(guó)家鐵路貨車(chē)運(yùn)行安全的重任。他們要對(duì)貨車(chē)進(jìn)行細(xì)致檢測(cè)，及時(shí)發(fā)現(xiàn)問(wèn)題并排除故障，否則后果嚴(yán)重。比如如果剎車(chē)部件出現(xiàn)問(wèn)題而被忽略了，碰巧前方遇上情況要緊急制動(dòng)，多方因素下，車(chē)輛就有脫軌甚至翻車(chē)風(fēng)險(xiǎn)。

由于工作強(qiáng)度大、風(fēng)險(xiǎn)高、技術(shù)要求高，能勝任這項(xiàng)工作的人才十分匱乏。中國(guó)鐵路營(yíng)業(yè)里程達(dá)到15.5萬(wàn)公里，貨車(chē)總數(shù)約100萬(wàn)輛。貨車(chē)的安全運(yùn)行關(guān)系到國(guó)計(jì)民生，如何有效保障是一個(gè)重大課題。

一個(gè)授人以漁的故事

現(xiàn)在，車(chē)輛段的檢測(cè)車(chē)間輕松了下來(lái)，每隔一小時(shí)，員工們可以休息十幾分鐘。原來(lái)滿(mǎn)滿(mǎn)當(dāng)當(dāng)?shù)奈葑樱?/4的工位空了出來(lái)。

人員減少，效率反倒變高——這是去年引入華為云的盤(pán)古大模型后，最明顯的變化。以一列50輛車(chē)廂的貨車(chē)為例，TFDS會(huì)拍攝4000張照片，以往全都需要人工一一識(shí)別，現(xiàn)在僅需要復(fù)檢170多張。

列車(chē)經(jīng)過(guò)探測(cè)站時(shí)，TFDS系統(tǒng)的抓拍。講述者供圖

作為中國(guó)首個(gè)全棧自主的AI大模型，盤(pán)古在工業(yè)領(lǐng)域多行業(yè)成功落地。它找到了逆向的方式，讓AI學(xué)習(xí)大量的正常樣本特征，來(lái)自動(dòng)識(shí)別異常，且有效保護(hù)企業(yè)的數(shù)據(jù)安全，除了解決煤礦、鐵路行業(yè)的癥結(jié)外，也出現(xiàn)在更多領(lǐng)域的場(chǎng)景中。

在貨運(yùn)鐵路上，AI能精準(zhǔn)識(shí)別430多種各類(lèi)故障。對(duì)于這一結(jié)果，投入運(yùn)用的幾個(gè)鐵路局都表示超過(guò)預(yù)期。有專(zhuān)家記得，現(xiàn)場(chǎng)模型識(shí)別到了折角塞門(mén)故障，而如果漏報(bào)，列車(chē)遇到長(zhǎng)坡下行的路段，無(wú)法有效制動(dòng)，可能會(huì)造成列車(chē)脫軌、翻車(chē)等嚴(yán)重事故。

起初，盤(pán)古鐵路模型的專(zhuān)家擔(dān)心，這會(huì)奪了質(zhì)檢員的飯碗。后來(lái)，車(chē)輛段領(lǐng)導(dǎo)告訴他們，因?yàn)楣ぷ髁孔兩伲腥说搅四挲g可以退休，有人分流到了其他人力缺口大的崗位，可以為鐵路運(yùn)輸人力優(yōu)化配置提供更靈活手段。

另一方面，盤(pán)古也降低了人才門(mén)檻。盤(pán)古礦山大模型專(zhuān)家介紹，煤礦工人不需要懂AI，只需要在使用的過(guò)程中，如果發(fā)現(xiàn)了故障或誤報(bào)，點(diǎn)一下鼠標(biāo)，把問(wèn)題講清楚，回傳到盤(pán)古上，伙伴便會(huì)重新訓(xùn)練，再部署下去，如此“邊用邊學(xué)，越用越聰明”。而比起在實(shí)驗(yàn)室里面訓(xùn)練出來(lái)的模型，它擁有了行業(yè)數(shù)據(jù)，能達(dá)到更高的精度。

華為云從2019年開(kāi)始布局盤(pán)古，據(jù)大模型高級(jí)研究員說(shuō)，是看到了各行業(yè)由來(lái)已久的通過(guò)AI解決現(xiàn)實(shí)問(wèn)題的需求。在大模型之前，企業(yè)有些零散的開(kāi)發(fā)模式，但除了精度達(dá)不到，開(kāi)發(fā)代價(jià)也太大——這不僅要相應(yīng)的專(zhuān)業(yè)人員，開(kāi)發(fā)后還要適配、維護(hù)，如果大規(guī)模地應(yīng)用，成本更是昂貴。

2021年，華為云正式發(fā)布了盤(pán)古基礎(chǔ)大模型，項(xiàng)目獲得當(dāng)年度“深圳人工智能科技進(jìn)步獎(jiǎng)”。評(píng)委會(huì)認(rèn)為，它實(shí)現(xiàn)了一個(gè)AI大模型在眾多場(chǎng)景通用、泛化和規(guī)模化復(fù)制，減少對(duì)數(shù)據(jù)標(biāo)注的依賴(lài)。一位盤(pán)古大模型高級(jí)研究員介紹，盤(pán)古的優(yōu)勢(shì)在于，是國(guó)內(nèi)較早提出，在工業(yè)上進(jìn)行實(shí)際落地的大模型解決方案，并且具有泛化能力。

要實(shí)現(xiàn)泛化并不簡(jiǎn)單，這對(duì)硬件、模型的算法以及數(shù)據(jù)都有較高的要求。單單是煤礦行業(yè)，每個(gè)礦山情況不同，針對(duì)一個(gè)礦山開(kāi)發(fā)的模型無(wú)法直接復(fù)用到其它礦山。以山東和山西的煤礦為例，山東的沖擊地壓比較嚴(yán)重，但是沒(méi)有瓦斯，山西的情況則相反。即使是相同場(chǎng)景，由于現(xiàn)場(chǎng)條件、工況、采光等多重差異，模型很難簡(jiǎn)單地復(fù)用推廣。而煤礦場(chǎng)景需求多，采、掘、機(jī)、運(yùn)、通等主業(yè)務(wù)下有1000多個(gè)細(xì)分作業(yè)場(chǎng)景。

為了滿(mǎn)足各企業(yè)的需求，盤(pán)古礦山大模型與軌道大模型相比，更像是一個(gè)平臺(tái)——它引入了專(zhuān)業(yè)伙伴，為其賦能，做運(yùn)營(yíng)支撐?；锇槭峭袠I(yè)的信息化公司，在平臺(tái)上開(kāi)發(fā)小模型，來(lái)解決特定場(chǎng)景的問(wèn)題。

去年初，山東能源與華為開(kāi)始一同探索煤炭這一傳統(tǒng)行業(yè)的數(shù)字化轉(zhuǎn)型。盤(pán)古礦山大模型落地后，山東能源旗下的云鼎科技（有限公司）依據(jù)深耕人工智能的經(jīng)驗(yàn)，發(fā)揮工業(yè)智能化應(yīng)用的優(yōu)勢(shì)，開(kāi)發(fā)了覆蓋9個(gè)專(zhuān)業(yè)的21個(gè)場(chǎng)景應(yīng)用?！斑@是個(gè)授人以漁的故事。”一個(gè)盤(pán)古礦山大模型專(zhuān)家干脆把自己當(dāng)作項(xiàng)目經(jīng)理，為云鼎科技進(jìn)行專(zhuān)業(yè)培訓(xùn)，一起穿著膠靴下井調(diào)研。

張浩是云鼎科技工業(yè)互聯(lián)網(wǎng)事業(yè)部解決方案中心AI組經(jīng)理，他介紹，盤(pán)古的專(zhuān)家團(tuán)隊(duì)在模型開(kāi)發(fā)上給他們提供了很多思路，還提升了效率——針對(duì)一般場(chǎng)景的AI模型，原來(lái)他們需要開(kāi)發(fā)一兩個(gè)月，現(xiàn)在一周內(nèi)就搞定了。

現(xiàn)在，山東能源的4家盤(pán)古試點(diǎn)煤礦都提升了生產(chǎn)效率，降低了勞動(dòng)強(qiáng)度。工作面裝了攝像頭，為了防止水和粉塵模糊鏡頭，貼了三防膜，甚至裝上自動(dòng)雨刮。巡檢員不用一股腦兒地悶在地下，鏡頭里一旦出現(xiàn)異常，模型自動(dòng)識(shí)別，給出結(jié)論，并報(bào)警。

在主運(yùn)系統(tǒng)，以往礦工需每天行走近10公里巡檢，現(xiàn)在它在遠(yuǎn)程就精準(zhǔn)識(shí)別出大塊煤、錨桿等異常情況，異物識(shí)別準(zhǔn)確率達(dá)98%。礦工的壓力減輕了。

盤(pán)古在去年進(jìn)入煤礦行業(yè)，目前已經(jīng)在全國(guó)8個(gè)礦井規(guī)模使用。山東能源的煤炭產(chǎn)業(yè)國(guó)內(nèi)外產(chǎn)能3.4億噸/年，產(chǎn)量位居全國(guó)煤炭行業(yè)第三位，集團(tuán)下有近百家煤礦，未來(lái)，盤(pán)古將在全集團(tuán)全面推廣。

漫長(zhǎng)的道路

走向智能化的道路是漫長(zhǎng)的。云鼎科技的張浩此前在煤礦的信息中心工作了十多年，熟悉行業(yè)的智能化過(guò)程。此前，煤礦曾采用過(guò)小模型，但準(zhǔn)確率不高，只有70-80%。誤報(bào)經(jīng)常出現(xiàn)，每次警報(bào)聲一響，礦工慌張地跑過(guò)去看，結(jié)果發(fā)現(xiàn)是虛驚一場(chǎng)。久而久之，大家不愿再用，甚至不信任人工智能了。

攝像頭也安裝上了，但僅僅起到監(jiān)控的作用。畫(huà)面?zhèn)鞯降厣系募刂行碾娨晧?，沒(méi)法逐一檢查，還有一定滯后性，依然解決不了需要現(xiàn)場(chǎng)巡檢的痛點(diǎn)問(wèn)題。

2022年上半年，張浩一開(kāi)始接觸盤(pán)古礦山大模型時(shí)，也持懷疑態(tài)度。他們做了兩手準(zhǔn)備，順利的話(huà)遍地開(kāi)花，否則就此打住。

出乎預(yù)料，一期驗(yàn)證效果很理想，此后的兩三個(gè)月內(nèi)，他們和盤(pán)古礦山團(tuán)隊(duì)沒(méi)日沒(méi)夜地交流、碰撞，業(yè)務(wù)與技術(shù)不停地融合，他們提出的很多問(wèn)題也得到了回答和解釋。接觸半年后，團(tuán)隊(duì)很確定，盤(pán)古大模型是合適的。 

盤(pán)古的精度超過(guò)90%。比如在礦山打磨線(xiàn)上的皮帶運(yùn)輸異常檢測(cè)，它的平均識(shí)別精度明顯優(yōu)于小模型模式，性能提升達(dá)20%以上，并且僅需少量樣本快速訓(xùn)練，就能做到對(duì)異常樣本準(zhǔn)確識(shí)別。

此外，作為核心資產(chǎn)，企業(yè)數(shù)據(jù)的安全也得到了保障。張浩記得，以前布置上小模型后，有廠(chǎng)家曾調(diào)取煤礦的數(shù)據(jù)，甚至拷走。而使用盤(pán)古時(shí)，他們?cè)谏綎|能源集團(tuán)內(nèi)建了一個(gè)私有云，數(shù)據(jù)在集團(tuán)內(nèi)流轉(zhuǎn)，即使是盤(pán)古的專(zhuān)家也無(wú)法獲取。

在鐵路貨運(yùn)方面，前文所述的北方某車(chē)輛段也歷經(jīng)10年，才使得鐵路人了卻心愿。一位在此工作了30年的副班長(zhǎng)向盤(pán)古專(zhuān)家回憶，多年前，他就焦慮于軌道智能化的問(wèn)題，請(qǐng)了眾多科研院校的專(zhuān)家來(lái)探討。沒(méi)想到，效果不行，成本也高——擺了滿(mǎn)滿(mǎn)一屋子的服務(wù)器，算了很久，就識(shí)別出一兩個(gè)故障。他只能放棄。

如今，他臨近退休，沒(méi)有遺憾了。車(chē)輛段在誤報(bào)率方面，對(duì)盤(pán)古提出的要求是一列車(chē)大約4000張圖片，誤報(bào)控制在200以?xún)?nèi)?，F(xiàn)在，盤(pán)古報(bào)出的故障平均大約在177個(gè)，且未來(lái)有望壓縮到100個(gè)，甚至50-80個(gè)。

人工智能觸發(fā)的產(chǎn)業(yè)變革正在改變每一個(gè)行業(yè)，人工智能也在越來(lái)越多的行業(yè)場(chǎng)景發(fā)揮重要價(jià)值。大模型是新一輪AI發(fā)展的核心，已在推進(jìn)產(chǎn)業(yè)智能化升級(jí)中表現(xiàn)出巨大潛力，并將在未來(lái)形成風(fēng)起云涌之勢(shì)。

作為中國(guó)首個(gè)全棧自主的AI大模型，盤(pán)古大模型從AI算力、AI框架等到AI平臺(tái)全棧技術(shù)創(chuàng)新，極致算力加速大模型開(kāi)發(fā)，打造世界AI另一極。

這幾年，華為云在基礎(chǔ)大模型之上，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(pán)古行業(yè)大模型，加速各行各業(yè)數(shù)字化的進(jìn)程。比如在醫(yī)藥界，它助力發(fā)現(xiàn)世界40年來(lái)首個(gè)抗生素，價(jià)值1億美元。如今華為云盤(pán)古大模型已經(jīng)在超過(guò)100個(gè)實(shí)際場(chǎng)景中取得應(yīng)用，加速了行業(yè)的數(shù)字化轉(zhuǎn)型和智能升級(jí)。