第四次工業革命，來了

1

盤古開天： 自帶算力的大模型

任正非

我們即將進入第四次工業革命時代，其規模之大不可想象

第一次工業革命：蒸汽機時代；

第二次工業革命：電氣化時代；

第三次工業革命：信息化時代；

第四次工業革命，是AI帶給人類的顛覆性革命。可人工智能伴隨我們70多年，為什么今天才進入AI革命紀呢？

因為AI大模型的出現，特別是生成式AI得到驗證后，通用性問題被解決：

人類和AI，將攜手創造一個全新世界。

所以，誰擁有優秀的AI大模型，誰可能就是第四次工業革命的“奇點”，誰就是未來世界的“母體”。

這也是華為為什么一定要推出“盤古大模型”的原因，因為大模型決定你在AI世界的地位。

鴻蒙初辟，盤古開天。當然，AI大模型僅僅自己優秀還不夠，還需要算力支撐。就像再好的內燃機，也需要石油，而算力就是AI大模型的石油。

所以，任正非又補充了一句：

基礎就是大算力

孟晚舟也在華為全聯接大會2023上說：

持續打造算力底座。

誰擁有最強算力，誰就可能贏得AI時代。

華為擁有鯤鵬和昇騰根技術，扎根原子世界打造算力底座，讓來源于物理世界的算力不再卡AI數字世界的瓶頸。

現在看來，華為初步解決了AI的兩大痛點。

一是算力；二是大模型。算力是大模型的基石，而大模型是場景的基石。

但要在AI時代占據至高點，最大的困境其實是第三點：場景。

第四次工業革命的戰場在于大模型，

而大模型未來在于“場景”。

2

大模型背后的“痛點”：場景

ChatGPT出現之初，全世界為之驚艷。

一石激起千層浪，人類精英為AI的質變擊節贊嘆。

一時間之間，“AI大模型改變人類世界”、“AIGC帶來新盧德運動”、“60%的精英將被AI替代”這樣的言論沖擊著世界的每一個角落。

是的，生成式AI確實正在改變世界。

但是這些讓人拍案叫絕的產品，真的在商業上能形成閉環嗎？你喜歡它，但是你會持續用它嗎？你會為它付費嗎？

想一想，作為一個普通用戶，三個月前想方設法交錢的你，是不是很長時間沒有給ChatGPT付費了？

《Analytics India Magazine》指出

OpenAI 運行 AI 服務每天就要花掉70 萬美元。盡管 Altman 一直努力推動 GPT轉為收益，但 OpenAI 仍遠未能達到收支平衡。

所以說，縱使強大如ChatGPT，也是如履薄冰。

百模大戰真不是夸張，而且個個都是市場上頂尖的選手。

AI從業者都清楚，大模型最后的決戰在tob垂直行業模型，核心點在于服務“場景”本身。

誰能將AI跟傳統的互聯網、數字化產業結合起來，誰有可能成為最后的王者。

3

盤古一氣化三清：不做詩，只做事

華為云的盤古大模型，現在走的正是“場景”這一條路。

如果說ChatGPT熱衷“做詩”，那盤古大模型熱愛“做事”。
而且是“解難題”“做難事”，也就是要幫助行業落地場景實戰。

創造AI“應用場景”，這就是華為云盤古大模型干的事。

大模型賽道“看熱鬧”的時期過去了，市場正在對大模型的實用提出要求。

與C端市場的集體狂歡相比，開發者更關心大模型如何在B端行業落地。僅僅只會“Chat”（聊天）是不夠的，還要滿足各種“應用場景“。

那盤古大模型是如何創造AI“應用場景”的呢？看看盤古大模型的“一氣化三清”：

這是一個具有「5+N+X」三層架構，就是從 AI 能力的基礎層，到行業的第二層，再到應用層面向場景的各個接口，也就是說，它的入口就是“場景”。

L0 層包括 NLP、視覺、多模態、預測、科學計算五個基礎模型，提供滿足行業場景中的多種技能需求。盤古 3.0提供了100 億、380 億、710 億和1000 億參數等基礎大模型，以匹配不同場景。

L1 層是多個行業大模型，華為云既可以提供使用行業公開數據訓練的行業通用大模型，包括政務，金融，制造，礦山，氣象等大模型；也可以基于行業客戶的自有數據，在盤古大模型的 L0 和 L1 層上，為客戶訓練自有的專用大模型。

L2 層提供了更多細化場景的模型，更專注于政務熱線、網點助手、先導藥物篩選、傳送帶異物檢測、臺風路徑預測等具體行業應用或特定業務場景，為客戶提供「開箱即用」的模型服務。

4

開天易，創世難

宇宙大爆炸容易，3分鐘之內完成。

但生命世界的形成和演化，并不容易。

經歷了幾百億年，才有了地球上豐富多彩的生態。

人工智能創世，也要演繹萬千世界。

每個場景，又完全不同。

盤古大模型分為更多行業方向，解決人類世界的難題：

礦山、藥物分子、電力、氣象、海浪、鐵路、政務、金融、制造等垂直行業大模型。

這一個個的場景，最難解決。

舉個例子，要想打造一輛超越人類老司機駕駛的頂級汽車的AI汽車行業大模型，有多難？

汽車漫長產業鏈每一個環節、零件都要根據智能自動駕駛重塑，根據需求重新打磨。硬件層面包含車輛硬件、視覺和雷達等多傳感器選型、傳感器布局安裝等；

軟件層面包含數據清洗、數據標注、感知算法、定位算法、決策規劃和執行控制等；

每一個環節客戶都要收集需求信息，覆蓋設計、生產、營銷、研發......

而這只是完成了第一步生態搭建。

假設AI汽車已經熟練通過通常路況，那特殊交通情況呢？雨天、霧天、前方突發事故、指示牌變形......所謂corner case；

這些特殊情況單獨都是小概率，加在一起構成大概率事件，這就是長尾效應。

基于華為云汽車大模型的自動駕駛場景數據解決方案有這些優點：

1

數據質量更加魯棒，支持位姿偏移自動修正，實現多旅程重建、并進一步仿真和生成新行駛軌跡數據；

2

重建精度高，開闊大場景精度厘米級，誤差小于千分之三，從而實現大視角變換，支持不同車型適配和車道變換；

3

重建場景可按需編輯，支持通過環拍數據進行3D物體重建、并將重建的交通參與者添加到原場景中。

最終突破大場景、高幾何精度、多相機融合、前背景光照和諧化等技術難題，實現可控Corner case場景生成。

一個汽車領域，就要耗費盤古如此多的心力和算力。

開天易，創世難。

當然不僅僅只是汽車，盤古大模型的目標是要重塑千行萬業。

5

汗流為雨澤：政務大模型

盤古政務大模型基于多模態大模型的能力，通過千億級參數的NLP大模型對百萬級別的政府政策、公文進行精調，讓它了解城市的事項標準和政策法規。

通過與CV大模型進行多模態融合訓練，除了實現對文本輸入理解，還可以對城市視頻、圖像進行動態解析。

深圳市福田區政數局基于盤古大模型，上線了為市民提供政務服務的智慧助手小福。

對超過20萬條政務數據進行精調，包括12345熱線、政策文件、政務百科等，掌握了豐富的行政法規、辦事流程等政務知識，解決了政務熱線在問題拆解、多重意圖理解、政務政策關聯等方面的難題，讓小福成為既有溫度又極專業的政務服務助手。

現在盤古政務大模型又開始攻克城市治理的難題。城市治理是一項復雜的系統工程，需協同超過40個業務部門，應對4000多個開放場景并關聯上萬條政務法規條例。

例如，在臺風等自然災害過后，城市各種設施可能會受到損壞，如綠化樹倒塌、道路積水等幾百個場景，需協同十幾個部門進行分撥處置，需耗時幾天甚至更長時間。

點擊展開

點擊展開

因此，實現城市事件萬物感知、智能分撥是一項極具挑戰性的任務。

盤古大模型對這些城市事件能做出準確理解，當工作人員確認處理后，盤古能夠將這些開放事件按照優先級，準確分撥至園林綠化、環衛等部門處置，讓城市事件秒級發現，分鐘級分撥，讓城市管理者擁有高效的政務智慧助手。

6

血液為江河：鐵路大模型

在鐵路領域，我國鐵路營業里程15.5萬公里，鐵路貨車超過100萬輛，貨車運行的安全性引起高度的重視，TFDS（Trouble of moving Freight car Detection System，貨車運行故障動態圖像檢測系統）是被廣泛應用的一個檢測系統。

受制于技術發展，TFDS當前仍采用人工方式進行故障識別，尚未完全開展智能識別工作。人力勞動強度大，人力成本高。

例如，貨運列車通常編組為60-100輛，每套TFDS有5個拍攝點位，每輛車/每節車廂拍攝約80張圖片。以平均每列車50輛車廂計算，每列車的拍攝圖片約為4000張，要求檢測人員10分鐘左右看完。其中故障/疑似故障圖片約177張，實際有故障的約20-30張，包括掉漆，劃痕等極小故障。

通過大模型技術，原來人工需要識別4000張圖片，現在僅需要復檢170多張圖片，工人勞動強度下降95.75%，極大提升了檢測效率，同時提升了故障識別率，提高了列車安全性。

在實際應用中，能精準識別67種貨車430+種各類故障，重大異常故障100%識別，綜合故障識別率達99.8%，超過客戶預期。

7

筋脈為地理：礦山大模型

煤礦生產是一項復雜、危險性較高的工作，當前在300米井下仍需大量人員現場作業，因此通過AI來實現“少人無人”的安全高效作業是煤礦智能化追求的重要目標。

然而，AI在煤礦行業落地存在著場景需求多、礦山間復制難、場景落地難、AI人才不足等挑戰。

華為云盤古礦山大模型只需導入海量無標注的礦山場景數據進行預訓練，即可進行無監督自主學習，僅一個大模型就能覆蓋煤礦的采、掘、機、運、通、洗選等業務流程下的1000多個細分場景，讓AI應用在煤礦普及更容易。

面向洗選場景，在視覺大模型的基礎上，山東能源集團引入了盤古預測大模型，通過對不同煤層、不同季節、不同灰分的原煤煤質數據和工藝參數智能分析，智能選擇一系列專業小模型進行層次堆疊，基于自研的圖網絡融合技術對多個專業小模型高效融合、動態調優，精準預測精煤產品的灰分值，從而實現重介選煤分選密度的精準控制與實時調整。

新的方案讓煤礦能洗選出更多的精煤，山能濟寧二號煤礦每年多產出8000噸精煤。這個能力推廣到全國，可讓每個煤礦每年平均多產出2000噸精煤，精煤產率提升千分之二，增收2000萬。

8

發髭為星辰：氣象大模型

華為云盤古大模型研發團隊獨立研究并撰寫的一篇論文《Pangu-Weather: A 3D High-Resolution Model for Fast and Accurate Global Weather Forecast》登上了《自然》雜志。

作為工程領域的 AI 技術，登陸 Nature 正刊是一件罕見的事。

該論文詳細介紹了基于深度學習開發的精準精確全球AI 氣象預報系統 —— 華為云盤古氣象大模型。

這是首個精度超過傳統數值預報方法的 AI 預測模型，突破了 AI 預報天氣精度不及傳統數值預報的世界性難題，對比傳統方法預測速度提升10000 倍，可秒級完成對全球氣象的預測。

《自然》審稿人對該成果給予高度評價：

盤古氣象大模型讓人們重新審視氣象預報模型的未來，模型的開放將推動該領域的發展。

因為盤古氣象系統的準確表現，歐洲氣象局已經將該系統列入了模型對比作為參考。

盤古氣象大模型今年在臺風路徑預測上具有精準的表現。

為了攻克暴雨預測的難題，這個夏天，華為云團隊夜以繼日地攻關。在40年全球氣象數據的基礎上，增加了10年衛星降水數據，并通過獨有的3D EST-3地球空間網絡訓練優化，使得盤古氣象大模型具備了新的降雨預測能力，目前已經實現對未來6小時、24小時的短期和中期降水預報。

這是首個精度超過傳統數值預報方法的 AI 預測模型，突破了 AI 預報天氣精度不及傳統數值預報的世界性難題，對比傳統方法預測速度提升10000 倍，可秒級完成對全球氣象的預測。

《自然》審稿人對該成果給予高度評價：

盤古氣象大模型讓人們重新審視氣象預報模型的未來，模型的開放將推動該領域的發展。

因為盤古氣象系統的準確表現，歐洲氣象局已經將該系統列入了模型對比作為參考。

盤古氣象大模型今年在臺風路徑預測上具有精準的表現。

為了攻克暴雨預測的難題，這個夏天，華為云團隊夜以繼日地攻關。在40年全球氣象數據的基礎上，增加了10年衛星降水數據，并通過獨有的3D EST-3地球空間網絡訓練優化，使得盤古氣象大模型具備了新的降雨預測能力，目前已經實現對未來6小時、24小時的短期和中期降水預報。

這是首個精度超過傳統數值預報方法的 AI 預測模型，突破了 AI 預報天氣精度不及傳統數值預報的世界性難題，對比傳統方法預測速度提升10000 倍，可秒級完成對全球氣象的預測。

《自然》審稿人對該成果給予高度評價：

盤古氣象大模型讓人們重新審視氣象預報模型的未來，模型的開放將推動該領域的發展。

因為盤古氣象系統的準確表現，歐洲氣象局已經將該系統列入了模型對比作為參考。

盤古氣象大模型今年在臺風路徑預測上具有精準的表現。

為了攻克暴雨預測的難題，這個夏天，華為云團隊夜以繼日地攻關。在40年全球氣象數據的基礎上，增加了10年衛星降水數據，并通過獨有的3D EST-3地球空間網絡訓練優化，使得盤古氣象

大模型具備了新的降雨預測能力，目前

已經實現對未來6小時、24小時的短期

和中期降水預報。

經過系列測試，模型的降雨量預報精度提升了20%以上。

9

齒骨為金石：

藥物分子大模型 & 醫學大模型

藥物研發行業存在一個著名的“雙十定律”，即新藥研發需要花費10年時間、10億美元。

而按照Nature的統計,“雙十定律”其實是一種理想業態，現實中一款新藥從研發到獲批上市，平均需要10到15年的時間，需要耗費約26億美元，而且臨床成功率不到10%。

西安交通大學第一附屬醫院劉冰教授在新藥研發中采用了基于華為云盤古藥物分子大模型打造的AI輔助藥物設計服務，突破性地研發出一款對多種耐藥菌都有明顯效果的廣譜抗菌藥，并將先導化合物的研發周期從數年縮短至一個月，研發成本降低70%，打破了醫藥界“雙十定律”。

這款廣譜抗菌藥有望成為全球近40年來首個新靶點、新類別的抗生素，改變病人面對“超級耐藥菌”感染時無藥可用的局面。其靶點特質決定了細菌將難以對這款廣譜抗菌藥產生耐藥性，對抗瘧（即瘧原蟲）藥物研發等多個領域有著重要的影響。

如今這款廣譜抗菌藥已完成一期臨床驗證。

除此之外，華為云還發布了醫學大模型，學習了1600萬學術期刊等海量高質量數據以及100多萬結構化知識圖譜，得以具備醫學臨床輔助能力，可以在醫學檢驗、臨床輔助診療、個人健康管理等場景，成為醫生和患者有力的醫學助手。

基于盤古大模型研發的潤達醫療大模型· 良醫小慧，在10個科室的檢驗報告診斷對照測試中，盤古醫學助手輔助診斷的準確率已經接近臨床醫生的平均水平。

未來將走進4000家醫院，輔助醫生進行報告解讀和診斷，加速醫療普惠。

10

精髓為氣息：數字人大模型

盤古數字人大模型，通過錄制一段3-5分鐘視頻，盤古數字人大模型即可為直播主播高效生成逼真的數字人。

同時，通過文本或語音，精準驅動數字人準確、流利地介紹產品，口型匹配度>95%。

基于大模型的語言泛化能力，母語訓練一次，數字人便可說多國語言，實現全球直播能力；基于智能互動問答服務，可以自動捕捉彈幕，并和觀眾實時互動，帶來更好的直播互動體驗。

在貴州黔東南地區，很多特色農產品（如刺梨、硒鋅米等）以及蠟染、古法造紙等非遺文化和商品，因大山阻隔，少為外界知曉，而本地傳統的銷售方式也銷量有限。

貴州電商云公司聯合華為云，通過華為云MetaStudio數字內容生產線的數字人直播方案。

基于盤古數字人大模型，用AI打造專業的數字人主播助手，輔助當地村民直播，助力貴州非遺商品、農特產走出大山，走向全球。

11

大腦為珠玉：軟件研發大模型

最后當然還有AI 自動編程能力，華為云盤古的代碼生成工具名叫CodeArts。

今年7月華為云將CodeArts研發工具與盤古大模型相結合，該工具訓練了760億行精選代碼、1300萬篇技術文檔，具備智能生成、智能問答、智能協同三大核心功能，可以實現一句對話讓代碼生成、一次點擊即可自動注釋和生成測試用例，一條指令即可智能部署，讓每個軟件開發者都有自己的編程助手。

9月21日，在華為全聯接大會2023上，華為云全面升級了華為云CodeArts Snap智能開發助手，基于華為云盤古研發大模型，加強了代碼檢視和代碼優化能力，并接入到CodeArts軟件開發生產線的全流程23個開發工具中。

今年7月華為云將CodeArts研發工具與盤古大模型相結合，該工具訓練了760億行精選代碼、1300萬篇技術文檔，具備智能生成、智能問答、智能協同三大核心功能，可以實現一句對話讓代碼生成、一次點擊即可自動注釋和生成測試用例，一條指令即可智能部署，讓每個軟件開發者都有自己的編程助手。

9月21日，在華為全聯接大會2023上，華為云全面升級了華為云CodeArts Snap智能開發助手，基于華為云盤古研發大模型，加強了代碼檢視和代碼優化能力，并接入到CodeArts軟件開發生產線的全流程23個開發工具中。

在10個科室的檢驗報告診斷對照測試中，盤古學助手輔助診斷的準確率已經接近臨床醫生的平均水平。

它內建了盤古大模型智能開發助手CodeArts Snap，目標是一句話生成代碼，一個案件生成測試用例，依次點擊自動注釋。我們的目標是讓它稱為每個開發者的 AI 助手，」張平安表示。

它有三大核心能力：

智能生成代碼，智能問答和智能協同。

在現場，華為展示了用 CodeArts Snap 開發一個未完成的應用。

首先，我們用對話方式提出需求，把需求復制到代碼注釋位置，就可以命令 Snap直接完成目標任務的開發。

我們可以讓 Snap 解釋代碼的意義，生成測試用例，隨后直接一句話就可以讓它自動提交代碼，進行流水線應用部署，AI 還自動生成了Commit提交信息。

今年7月華為云將CodeArts研發工具與盤古大模型相結合，該工具訓練了760億行精選代碼、1300萬篇技術文檔，具備智能生成、智能問答、智能協同三大核心功能，可以實現一句對話讓代碼生成、一次點擊即可自動注釋和生成測試用例，一條指令即可智能部署，讓每個軟件開發者都有自己的編程助手。

9月21日，在華為全聯接大會2023上，華為云全面升級了華為云CodeArts Snap智能開發助手，基于華為云盤古研發大模型，加強了代碼檢視和代碼優化能力，并接入到CodeArts軟件開發生產線的全流程23個開發工具中。

華為云CodeArts Snap可以讓研發整體效能提升 30%以上，同時，也讓代碼更符合編程規范和代碼可信。

盤古研發大模型接入到Astro低代碼平臺，幫助開發者實現一句對話輕松生成應用，全面重塑軟件開發。

今年7月華為云將CodeArts研發工具與盤古大模型相結合，該工具訓練了760億行精選代碼、1300萬篇技術文檔，具備智能生成、智能問答、智能協同三大核心功能，可以實現一句對話讓代碼生成、一次點擊即可自動注釋和生成測試用例，一條指令即可智能部署，讓每個軟件開發者都有自己的編程助手。

9月21日，在華為全聯接大會2023上，華為云全面升級了華為云CodeArts Snap智能開發助手，基于華為云盤古研發大模型，加強了代碼檢視和代碼優化能力，并接入到CodeArts軟件開發生產線的全流程23個開發工具中。

今年7月華為云將CodeArts研發工具與盤古大模型相結合，該工具訓練了760億行精選代碼、1300萬篇技術文檔，具備智能生成、智能問答、智能協同三大核心功能，可以實現一句對話讓代碼生成、一次點擊即可自動注釋和生成測試用例，一條指令即可智能部署，讓每個軟件開發者都有自己的編程助手。

9月21日，在華為全聯接大會2023上，華為云全面升級了華為云CodeArts Snap智能開發助手，基于華為云盤古研發大模型，加強了代碼檢視和代碼優化能力，并接入到CodeArts軟件開發生產線的全流程23個開發工

華為云CodeArts Snap可以讓研發整體效能提升 30%以上，同時，也讓代碼更符合編程規范和代碼可信。

盤古研發大模型接入到Astro低代碼平臺，幫助開發者實現一句對話輕松生成應用，全面重塑軟件開發。

華為 ? 盤古 ? 第四次工業革命

說到第四次工業革命時，為何談大模型？

因為第四次工業革命源于通用大模型的崛起。

在AI時代，大模型就是“技術之根”。

革命是一個歷史符號，大模型才是技術應用。

所以，中國要有自己的世界級大模型。

那怎么樣成為世界級大模型呢？

直接與ChatGPT硬剛ToC市場好嗎？

不一定，盤古走了另外一條ToB的路線，創造行業場景，讓更多企業一起開創AI世紀。

回到本文開頭，AI時代三大要素最為重要：

Ⅰ.算力

Ⅱ.大模型

Ⅲ.應用場景

基礎算力是原子時代積累下來的技術，代表過去。它是大模型之根。

大模型則是各大公司正在競爭的技術，代表現在。它是場景應用之根。

AI時代最后比拚的不是技術，而是生態，代表未來。它是AI時代進化形態。

第四次工業革命取決于大模型，但大模型不是參數有多大，而是對行業的垂直滲透率有多高。有價值的不是萬億參數，而是哪些行業做深又擴展到更多行業。

除了盤古大模型，仍然要再強調一次算力。

華為一直在打造中國算力底座,早就全方位布局AI。

所以孟晚舟才有底氣稱為世界構建第二選擇，做厚AI“黑土地”。

如果算力是AI的黑土地，那么盤古大模型是這“黑土地”的生命之樹，也是AI技術的“應用之根”。

古有盤古開天地，萬物新生；

今有盤古創世界，助力AI時代。