經歷了漫長期待與紛紜猜測，華爲盤古大模型最新進展悄然面世。
7月7日，華爲雲在年度开發者大會上鄭重其事地揭曉了盤古大模型3.0的面紗，華爲常務董事兼華爲雲CEO張平安喊出“不做詩，只做事”，正式給盤古大模型定調。
此前，外界猜想華爲的大模型可能會與ChatGPT正面競逐。在中文語言處理（NLP）大模型的領域中，華爲可能會構建一款主要面向消費者端的對話式AI聊天應用。
然而，華爲內部的一位消息人士很快進行了闢謠。他透露華爲並未正式提及將發布一個可以與ChatGPT相提並論的產品，華爲不會採用類似於“盤古Chat”這樣的名稱，也不會去“對標”任何一個具體的產品。
上述人士還披露，華爲主要是做針對行業的B端業務，因此將大模型應用在這些領域會更加合適。盡管語言處理是重要的，但他坦白認爲，這並非華爲的強項。如果業務不是主攻方向，華爲在當前階段可能會暫時停止研發，以更專注於保障公司的生存與發展。
從此次大會的內容來看確實如此，華爲已經把盤古大模型明確定位爲面向各行各業的B端產品。他們試圖通過投入盤古大模型的能力，來賦能各個行業。
又一個發力行業的大模型
結合4月8日的人工智能大模型技術高峰論壇來看，盤古大模型並未突破預期。
在那次論壇中，華爲雲人工智能領域的首席科學家田奇出席，並詳細介紹了華爲雲盤古大模型的發展進程以及在實際應用中的情況。因此，這次華爲雲大會上的內容，實際上是對之前信息的一種延伸。
在前述論壇上，田奇先是提出了一種類似於自動駕駛的等級劃分方式，將大模型的發展階段劃分爲“L0至L2”，分別對應着基礎通用模型、行業模型以及針對細分場景任務的特定模型。
這正是華爲盤古大模型3.0的核心理念，即通過三層次的模型設計，實現大模型在各個行業的落地應用。
具體來看，第一層L0，是盤古基礎大模型的所在。在這一層，包含了五個技術領域的大模型，分別是NLP（自然語言處理）大模型、CV（機器視覺）大模型、多模態大模型、預測大模型和科學計算大模型。
第二層L1，專注於行業大模型的構建。華爲給行業客戶提供基於公有領域行業數據訓練過的行業通用大模型。此外，也協助客戶使用他們自己的數據來訓練行業大模型，從而形成屬於他們自己的大模型。
第三層L2，關注更爲垂直的細分領域，專注於解決某個細分領域內的應用問題，這往往需要大模型與深度技術緊密結合。在這個層級，華爲給客戶提供开箱即用的大模型服務，致力於解決更具深度的技術問題。
發布針對行業的大模型產品，早已不是什么新鮮事了。對此田奇指出，行業內大量的業務場景迫切需要更多專業的大模型和專業的AI應用來解決問題，以填補通用大模型在行業落地時的短板。
他認爲，通用大模型在應用於行業時，面臨着專業性、技能和數據安全合規三方面的挑战。
首先，雖然通用大模型的適用範圍廣，但在專業性上相對較弱，需要具備行業專業知識才能給出專業且准確的答案。其次，盡管通用大模型具備廣泛的知識基礎，但在技能方面不足，而企業場景復雜，需要模型擁有多樣的技能。最後，數據安全和合規性也是一大挑战，數據是企業的核心資產之一，因此在訓練和使用大模型時必須保障企業的數據安全和合規。
爲了解決這些挑战，華爲雲基於實踐經驗，構建了分層解耦的大模型架構，也就是之前提到的三層結構，以加速大模型在各行各業的落地應用。
至於如何從基礎大模型煉成行業大模型，田奇介紹了華爲的四大關鍵舉措：沉澱行業知識、淬煉行業技能、對話專業工具、保障安全合規。
另一方面，計算能力是構建大模型的核心。大會上，華爲雲正式發布了華爲昇騰AI雲服務。這項服務以擁有2000P Flops算力的單集群爲基礎，在華爲雲的烏蘭察布和貴安AI算力中心同步上线。
華爲構築了一個以鯤鵬和昇騰爲基礎的AI算力雲平台，該平台包含昇騰的計算引擎CANN、AI框架MindSpore，以及AI开發平台ModelArts，共同組成針對大模型的解決方案。
緣何缺位C端市場？
華爲在大模型領域的積澱已經歷時數年。
從2020年11月的盤古計劃开始，到2021年4月發布的盤古NLP大模型、盤古視覺大模型、盤古科學計算大模型，再到現在的盤古3.0。華爲在人工智能方面的深入研發和實際應用一步步地展露，只是核心策略更傾向於服務B端市場，而非C端市場。
從此次發布會來看，盤古大模型在L0層主要由五個模型組成，分別是CV、NLP、多模態、科學計算、預測。但這五個方向的發展成熟度完全不一樣。
很明顯，盤古大模型的服務更側重於B端客戶，特別是在較爲成熟的CV領域。這從兩次大會上對CV大模型的關注程度可見一斑。而對於行業內倍受關注的類似ChatGPT的NLP大模型，華爲公开的相關細節相對較少。
對此張平安表示，目前全球已發布數百個大模型，中國發布了超80個，To C類應用百花齊放。很多To C的大模型會寫詩作畫，華爲盤古大模型不會寫詩，只會做事，致力於深耕行業，爲行業帶來價值。
這番言論看似貶低了以ChatGPT爲代表的語言大模型，但也暴露了華爲盤古大模型在應用廣度和豐富性上可能存在的不足。
據業內人士透露，華爲在NLP領域還相對較弱，生成性最多能應用於一些封閉場景下的客服，語義理解相關的可以應用於輿情的管控、法律司法文書的理解、審計文書的理解，但在輸出性、內容生成性方面，盤古大模型之前並未將其作爲一個發展重點。
客觀來看，這其實與應用場景有關。NLP大模型的應用場景主要是自然語言、智慧旅遊、金融領域。而CV大模型的應用場景主要是機器視覺，例如交通行業的高速巡檢；電力行業的日常巡檢、設備的缺陷識別；制造業的缺陷識別等。
華爲能找到的高價值的數字化賦能場景主要以視覺爲主，所以這就是盤古大模型更多的研發項目主要圍繞這一領域的原因。而NLP方面的力度不大，主要還是商業驅動力不足，華爲一开始做AI就未將C端作爲一個重點。
此外，這也與企業獨特的基因生態結構密切相關。
雖然華爲、騰訊、百度等大模型开拓者在執行战略構建和商業模式落地方面存在一些相似性，但真正區分它們的核心依舊在於各自的生態系統。
作爲互聯網巨頭，百度和騰訊通過其廣闊的C端用戶業務網，比如百度深入的搜索引擎業務以及騰訊在社交網絡、電子遊戲和營銷領域的強大陣容，能夠依托其業務豐富性，在數據樣本的收集上獲得比競爭對手更爲顯著的優勢。
華爲則對B端行業的深度理解領先於二者。盤古大模型已在多個行業中得到應用，因此主要關注點更多的是B端市場。
“不做詩，只做事”的局限性
“不作詩，只做事”這種“行業優先”的策略，滿足了一部分市場需求——爲特定行業解決具體問題。然而，需要深思的是，當華爲將AI的視线只聚焦在行業應用上，可能會遺失掉更廣闊領域中的發展機會。
事實上，AI技術的潛在應用價值，遠超出了眼下所見的“做事”。如果將AI的應用範圍僅限於特定行業，這種偏見或許會限制在其他領域尋找AI的價值。
拿詩歌創作來說，AI的詩歌創作不僅僅是在藝術領域的一種創新形式，更是一種科技的展示。通過此種方式，可以向公衆展示AI的學習能力、自然語言處理能力等各種能力。這不僅能拓寬AI的應用領域，而且能吸引更多的公衆來關注和理解AI技術。
此外，AI的創新性並非與實際應用相互衝突，反而可能互爲促進，相輔相成。藝術與科技的融合長久以來都是推動創新的重要力量，其中就包括像圖像識別、自然語言處理等技術。借由將AI應用於藝術創作，能更深入地理解並優化這些基礎技術，從而提升AI在實際應用中的效果。
比如說，ChatGPT這樣的大模型，就是通過其強大的語義理解和推斷能力，以及其能提供個性化和情境化回復的能力，得到了廣泛的關注和討論。這種強大的自然語言處理能力，使得AI模型不僅可以在行業任務中發揮其價值，還能在C端市場中提供更加人性化、有趣且富有創造力的服務。
實際上，C端市場對於AI模型的發展至關重要。許多創新性的技術和產品往往首先在C端市場得到接納和普及，然後才逐漸滲透到B端市場。因此，如果大模型產品只將其目光聚焦於行業應用，可能會錯過在C端市場建立更深度連接，提供更個性化和情境化體驗的機會。
華爲自身就是個很好的例證。雖然華爲以前的產品在某些B端企業中已經得到了使用，但影響力並不顯著，反而通過ChatGPT的爆火而爲人熟知。
隨着AI技術的不斷發展和普及，越來越多的普通消費者开始接觸和使用AI產品。在這樣的背景下，那些擁有良好用戶體驗和人性化交互能力的產品，將會擁有更大的市場需求和發展空間。
總的來說，華爲盤古大模型若是只顧“低頭做事”，也可能在一定程度上忽視了AI的廣泛性、創新性和人性化。一款出色的AI大模型，不僅能“做事”，也能“作詩”，才能實現真正的平衡和全面的發展。
原文標題 : 華爲盤古，過河拆“Chat”
標題：華爲盤古，過河拆“Chat”
地址：https://www.utechfun.com/post/236615.html