華為-邁向智能世界白皮書2023版-云計(jì)算

邁向智能世界白皮書2023

云計(jì)算

AI重塑千行萬業(yè)

趨勢(shì)一：人工智能重塑千行萬業(yè)，已從點(diǎn)級(jí)走向應(yīng)用與系統(tǒng)級(jí)

人工智能技術(shù)在快速發(fā)展，但人工智能應(yīng)用于各行業(yè)都需要一個(gè)過程，基于各行業(yè)眾多的創(chuàng)新實(shí)踐，AI應(yīng)用到商業(yè)系統(tǒng)可以分為三個(gè)層次：

?點(diǎn)級(jí)解決方案：AI解決非常具體的問題，用于改進(jìn)現(xiàn)有流程的某個(gè)環(huán)節(jié)且可獨(dú)立部署，不改變系統(tǒng)。

?應(yīng)用級(jí)解決方案：AI解決一系列問題，使能獨(dú)立可部署的新流程，也不改變系統(tǒng)。

?系統(tǒng)級(jí)解決方案：AI能夠同時(shí)改進(jìn)多個(gè)現(xiàn)有流程，或者通過改變相互依賴的流程使能多個(gè)新流程。

回顧歷史，從蒸汽時(shí)代到電力時(shí)代的轉(zhuǎn)變過程中，一個(gè)傳統(tǒng)蒸汽作業(yè)的工廠同樣經(jīng)歷了，先從單一設(shè)備氣改電的點(diǎn)級(jí)方案開始，然后實(shí)現(xiàn)圍繞一條生產(chǎn)線的應(yīng)用級(jí)改造，最

終實(shí)現(xiàn)所有設(shè)備、所有生產(chǎn)線乃至整個(gè)工廠的系統(tǒng)性、全面電氣化轉(zhuǎn)型。

通過當(dāng)前各行業(yè)圍繞人工智能的典型創(chuàng)新實(shí)踐看到，人工智能應(yīng)用于各行業(yè)正在從點(diǎn)級(jí)走向應(yīng)用與系統(tǒng)級(jí)，如下圖所示

點(diǎn)級(jí)解決方案應(yīng)用級(jí)解決方案系統(tǒng)級(jí)解決方案

?銀行：智慧營銷、風(fēng)控等

?運(yùn)營商：網(wǎng)絡(luò)站點(diǎn)開通、告警壓縮等

?礦山：主運(yùn)皮帶運(yùn)輸異物識(shí)別等

行業(yè)?電網(wǎng)：輸電線路巡檢、分布式能源管控等?銀行：智能數(shù)據(jù)洞見、風(fēng)險(xiǎn)報(bào)告生成（新流程）

?基于數(shù)字孿生、行業(yè)大模型等重構(gòu)多個(gè)

?制造：質(zhì)量檢測(cè)等?礦山：井下綜采遠(yuǎn)控（新流程）

創(chuàng)新業(yè)務(wù)流程（運(yùn)營商、金融、礦山…等實(shí)

?港口：集裝箱識(shí)別、安全監(jiān)測(cè)等?運(yùn)營商：網(wǎng)絡(luò)外線運(yùn)維助手（新流程）

踐探索中）

實(shí)踐?機(jī)場(chǎng)：出行一張臉等?港口：智能計(jì)劃平臺(tái)（新流程）

?水泥：生產(chǎn)實(shí)時(shí)優(yōu)化等?媒體：內(nèi)容智能生成（新流程）

?家裝：AI輔助出圖等?…

?數(shù)據(jù)中心：節(jié)能等

?…..

參考:PowerandPrediction:TheDisruptiveEconomicsofArtificialIntelligence

2

行動(dòng)建議：戰(zhàn)略驅(qū)動(dòng)是根本、數(shù)據(jù)底座是基礎(chǔ)、人工智能是核心

智能化的旋律一旦奏響，便將穿透企業(yè)內(nèi)部的邊界，連點(diǎn)成線、聚線成面。人工智能將驅(qū)動(dòng)生產(chǎn)力從“量變到質(zhì)變”，并逐步成為經(jīng)

濟(jì)發(fā)展的核心引擎，重塑千行萬業(yè)。在我們看來，對(duì)數(shù)智化轉(zhuǎn)型而言：戰(zhàn)略驅(qū)動(dòng)是根本、數(shù)據(jù)底座是基礎(chǔ)、人工智能是核心。

?智能化是數(shù)字化的新階段，系統(tǒng)性地引入智能化要對(duì)準(zhǔn)企業(yè)或組織戰(zhàn)略方向，支撐戰(zhàn)略達(dá)成，實(shí)現(xiàn)既定的商業(yè)目標(biāo)。成功的數(shù)字化、

智能化轉(zhuǎn)型，都是由戰(zhàn)略驅(qū)動(dòng)，而非技術(shù)驅(qū)動(dòng)。

戰(zhàn)略驅(qū)動(dòng)+

商業(yè)目標(biāo)牽引?結(jié)合戰(zhàn)略方向，通過清晰的商業(yè)成效目標(biāo)牽引，價(jià)值場(chǎng)景先行：企業(yè)內(nèi)可能用到人工智能的環(huán)節(jié)場(chǎng)景眾多，避免為了替換而替換，企

業(yè)需清晰定義引入人工智能后期望達(dá)到的成效目標(biāo)，從而識(shí)別價(jià)值場(chǎng)景先行引入人工智能。

?人工智能無論是點(diǎn)級(jí)、應(yīng)用級(jí)、系統(tǒng)級(jí)方案都需要用到大量數(shù)據(jù)資產(chǎn)，構(gòu)建企業(yè)級(jí)數(shù)據(jù)底座勢(shì)在必行。通過作業(yè)數(shù)字化、數(shù)字平臺(tái)化，

企業(yè)級(jí)數(shù)據(jù)

使得數(shù)據(jù)清潔、透明、聚合，這是轉(zhuǎn)型的基礎(chǔ)。結(jié)合對(duì)數(shù)據(jù)的科學(xué)治理，數(shù)據(jù)在企業(yè)內(nèi)部的流動(dòng)才具有意義，不同維度的數(shù)據(jù)匯聚在

底座是基礎(chǔ)

一起，才能創(chuàng)造新的價(jià)值。

?從產(chǎn)業(yè)變革與升級(jí)的角度看，AIforIndustry將成為人工智能接下來的主要方向，AI與各個(gè)行業(yè)的結(jié)合將會(huì)走向深度。例如，在垂直金

融領(lǐng)域，BloombergGPT大模型在海量金融數(shù)據(jù)的基礎(chǔ)上，為金融分析師提供智能服務(wù)，標(biāo)志著通用大模型與金融行業(yè)深度結(jié)合的開始。

人工智能大模型

+行業(yè)是核心?大模型將成為AI的操作系統(tǒng)，從使用和成本多個(gè)角度大模型接下來會(huì)加速與硬件的適配，所有的AI算法可以圍繞大模型進(jìn)行構(gòu)建和應(yīng)用。

雖然AI大模型具備場(chǎng)景通用、泛化和規(guī)?；瘡?fù)制等優(yōu)勢(shì)，但如果需要深入解決復(fù)雜的各大垂直行業(yè)場(chǎng)景問題，AI大模型融入行業(yè)知識(shí)被

視為是重要的機(jī)制與技術(shù)路徑

3

行業(yè)實(shí)踐：基于工業(yè)互聯(lián)網(wǎng)架構(gòu)，以人工智能為核心打造智慧礦山

煤礦生產(chǎn)是一項(xiàng)復(fù)雜、危險(xiǎn)性較高的工作，當(dāng)前在幾百米井下仍需大量人員現(xiàn)場(chǎng)作業(yè)，因此少人無人、安全高效是煤礦智能化追求的重要目標(biāo)。智能煤礦的本質(zhì)是工業(yè)互聯(lián)網(wǎng)架構(gòu)在煤礦行業(yè)

的變革，一定要有統(tǒng)一的標(biāo)準(zhǔn)、統(tǒng)一的架構(gòu)、統(tǒng)一的數(shù)據(jù)規(guī)范，在這個(gè)架構(gòu)下面，數(shù)據(jù)成為生產(chǎn)資料，人工智能成為新生產(chǎn)力。所以智能煤礦的核心就是以云為基礎(chǔ)，數(shù)據(jù)為要素，通過人工

智能替代人從事危險(xiǎn)工作、重復(fù)勞動(dòng)，沉淀專家經(jīng)驗(yàn)。

?點(diǎn)級(jí)解決方案：AI使能業(yè)務(wù)場(chǎng)景智能化，基于盤古礦山大模型的AI主運(yùn)智能監(jiān)測(cè)系統(tǒng)代替人工巡檢，全時(shí)段智能監(jiān)測(cè)，精準(zhǔn)識(shí)別大塊煤、錨桿等異常，準(zhǔn)確率達(dá)98%，保障了主運(yùn)皮帶的

正常運(yùn)行，減少井下20%巡檢人員；基于礦山大模型的AI掘進(jìn)作業(yè)序列智能監(jiān)測(cè)系統(tǒng)，精準(zhǔn)識(shí)別掘進(jìn)作業(yè)規(guī)范如鉆眼深度、攪拌時(shí)間等，用過程的確定性解決人為因素的不確定性，保障

了井下人員作業(yè)安全。

?應(yīng)用級(jí)解決方案：5G+AI使能新應(yīng)用、新流程，通過5G實(shí)現(xiàn)上百路高清視頻實(shí)時(shí)回傳，結(jié)合人工智能拼接技術(shù)，從九宮格到40米全景畫面保障采煤機(jī)遠(yuǎn)程精準(zhǔn)操控，讓煤礦工人從井下走

到井上，在辦公室里就可以實(shí)現(xiàn)遠(yuǎn)程采煤作業(yè)，大大改善了工作環(huán)境，同時(shí)，提高了整個(gè)煤礦的安全生產(chǎn)水平。

?系統(tǒng)級(jí)解決方案：基于工業(yè)互聯(lián)網(wǎng)架構(gòu)，通過IoT物聯(lián)平臺(tái)統(tǒng)一接入3000+煤礦生產(chǎn)設(shè)備，統(tǒng)一數(shù)據(jù)標(biāo)準(zhǔn)入湖，結(jié)合大數(shù)據(jù)底座打通煤礦各子系統(tǒng)，統(tǒng)一治理OT與IT系統(tǒng)數(shù)據(jù)，為管理人員

提供全場(chǎng)景全要素的實(shí)時(shí)信息，快速構(gòu)建數(shù)字孿生礦山，基于礦山大模型的能力，由點(diǎn)級(jí)和應(yīng)用級(jí)擴(kuò)展至系統(tǒng)級(jí)解決方案，快速復(fù)制到采煤、掘進(jìn)、主運(yùn)、輔運(yùn)、提升、安監(jiān)、防沖、洗選、

焦化9個(gè)專業(yè)21個(gè)應(yīng)用場(chǎng)景，實(shí)現(xiàn)AI應(yīng)用大規(guī)模下井。

基于工業(yè)互聯(lián)網(wǎng)架構(gòu)，打造智慧礦山

3.0系統(tǒng)級(jí)解決方案

5G+AI使能新應(yīng)用、新流程基于工業(yè)互聯(lián)網(wǎng)架構(gòu)，通過數(shù)智融合平臺(tái)，構(gòu)建智慧礦山

通過AI大模型快速落地采、掘、機(jī)、運(yùn)、通等1000+場(chǎng)景

AI使能業(yè)務(wù)場(chǎng)景智能化2.0應(yīng)用級(jí)解決方案

統(tǒng)一架構(gòu)|統(tǒng)一標(biāo)準(zhǔn)|統(tǒng)一數(shù)據(jù)規(guī)范

1.0點(diǎn)級(jí)解決方案綜采系統(tǒng)，幾百路視頻實(shí)時(shí)回傳，結(jié)合人工智能拼接平臺(tái)開放、架構(gòu)解耦，向下統(tǒng)一接入各種裝備，向上使能應(yīng)用創(chuàng)新

實(shí)現(xiàn)全景遠(yuǎn)程操控，采煤司機(jī)由井下到井上

主運(yùn)系統(tǒng)，異物識(shí)別精度達(dá)98%采煤掘進(jìn)機(jī)電運(yùn)輸通風(fēng)無人駕駛?cè)藛T行為

掘進(jìn)作業(yè)，動(dòng)作規(guī)范識(shí)別準(zhǔn)確率95%智能應(yīng)用

應(yīng)用使能數(shù)據(jù)使能

低代碼/零代碼礦山AI大模型邏輯數(shù)據(jù)湖

AI使能

云基礎(chǔ)設(shè)施

公有云混合云AI算力中心

主運(yùn)掘進(jìn)計(jì)算|存儲(chǔ)|網(wǎng)絡(luò)|安全

礦山工業(yè)承載網(wǎng)絡(luò)

5GF5GWi-Fi6IoT

智能物聯(lián)操作系統(tǒng)

掘錨機(jī)監(jiān)測(cè)監(jiān)控傳

人員定位綜感器

采煤機(jī)

主運(yùn)膠帶機(jī)集控中心合分站

支架巡檢機(jī)器人泵站

4

目錄

01趨勢(shì)一：人工智能重塑千行萬業(yè)，已從點(diǎn)級(jí)走向應(yīng)用與系統(tǒng)級(jí)

02趨勢(shì)二：AIforIndustry，加速行業(yè)應(yīng)用創(chuàng)新落地

趨勢(shì)三：大模型驅(qū)動(dòng)應(yīng)用變革，AIGC重塑應(yīng)用全生命周期，從代碼為

03

中心走向模型為中心

04趨勢(shì)四：AI云服務(wù)逐漸成為企業(yè)構(gòu)建大模型首選

5

趨勢(shì)二：AIforIndustry，加速行業(yè)應(yīng)用創(chuàng)新落地

伴隨著大模型領(lǐng)域的創(chuàng)新突破，生成式AI掀起智能化升級(jí)的新一輪浪潮。千行萬業(yè)是推動(dòng)社會(huì)經(jīng)濟(jì)發(fā)展的核心引擎，大模型要真正發(fā)揮價(jià)值，就要走入千行萬業(yè)。同時(shí)，多模態(tài)大模

型興起與行業(yè)場(chǎng)景業(yè)務(wù)訴求的雙輪驅(qū)動(dòng)，使得AIforIndustry大有可為，加速行業(yè)應(yīng)用創(chuàng)新落地。

?技術(shù)方面：大模型走向多模態(tài)、多任務(wù)。通過融合圖像，語言以及未來行動(dòng)等多方面能力實(shí)現(xiàn)更加通用的智能，目前實(shí)現(xiàn)方式既有融合多模態(tài)，也有組合多模態(tài)，通過對(duì)海量數(shù)據(jù)

的預(yù)訓(xùn)練，不斷提升基礎(chǔ)大模型的通用能力，滿足復(fù)雜多樣的行業(yè)場(chǎng)景訴求。

?業(yè)務(wù)方面：大模型逐步走向行業(yè)應(yīng)用實(shí)現(xiàn)更大的商業(yè)價(jià)值。在通用預(yù)訓(xùn)練大模型的基礎(chǔ)之上加入行業(yè)數(shù)據(jù)，使用行業(yè)數(shù)據(jù)進(jìn)行更新訓(xùn)練，生成適用于行業(yè)的大模型是未來發(fā)展的必

經(jīng)之路。

目前，問答、生成場(chǎng)景如回答問題、撰寫文章、文本摘要、語言翻譯和生成計(jì)算機(jī)代碼等任務(wù)，已經(jīng)在行業(yè)場(chǎng)景中逐步落地，提升了企業(yè)生產(chǎn)效率。為了進(jìn)一步創(chuàng)造更大的商業(yè)價(jià)值，

各行業(yè)正在探索通過行業(yè)大模型對(duì)已有業(yè)務(wù)及流程進(jìn)行重塑，加速AI行業(yè)應(yīng)用創(chuàng)新落地，創(chuàng)造新的業(yè)務(wù)模式，帶來新的業(yè)務(wù)增長。

挑選生成式AI項(xiàng)目

融合多模態(tài)??

…營銷醫(yī)學(xué)診斷

PaLM-E?

Kosmos-1學(xué)習(xí)?生成代碼

…?審稿?

Microsoft高法律咨詢

OpenAIX-LLM??

DeepmindLLaVA代碼審查商業(yè)智能

GPT-4?

Frozen構(gòu)思?監(jiān)管/合規(guī)

AGI需?

快速設(shè)計(jì)與審查?技術(shù)出版

求

大模型走向多任務(wù)、多模態(tài)

?奇思妙想的應(yīng)用（如

編寫推特自我介紹）

?

TaskMatrix.AI低?創(chuàng)作（圖片、玩笑、專業(yè)技術(shù)咨詢

VisualChatGPT詩歌等）

HuggingGPT

組合多模態(tài)低高

難度

來源:哈佛商業(yè)評(píng)論

6

行動(dòng)建議：從“讀萬卷書”到“行萬里路”，

基于分層解耦的三層架構(gòu)構(gòu)建行業(yè)大模型

從通用大模型到行業(yè)大模型業(yè)界已有諸多實(shí)踐，從構(gòu)建范式來看，分層解耦的三層架構(gòu)獲得了業(yè)內(nèi)的一致認(rèn)可。

L0層是基礎(chǔ)大模型，包括自然語言、視覺、多模態(tài)、預(yù)測(cè)大模型、科學(xué)計(jì)算等大模型，提供滿足行業(yè)場(chǎng)景的多種基本技能。

?L0層就是讀萬卷書的階段，通過自監(jiān)督訓(xùn)練技術(shù)，讓模型從海量的無標(biāo)簽數(shù)據(jù)中學(xué)習(xí)和記憶，從而掌握基本常識(shí)。這一階段數(shù)據(jù)量非常巨大，包含海量的圖像、文本、圖文對(duì)，必

須在超大規(guī)模集群上才能進(jìn)行訓(xùn)練。然后基于L0層存儲(chǔ)的大量知識(shí)，通過有監(jiān)督精調(diào)技術(shù)和強(qiáng)化學(xué)習(xí)來對(duì)模型進(jìn)行引導(dǎo)，類似于名師進(jìn)行指導(dǎo)，讓模型在收集的海量高質(zhì)量題庫上

進(jìn)行大量練習(xí)，練就出上百種能力，才能將存儲(chǔ)的知識(shí)靈活地加以運(yùn)用，去解決實(shí)際問題。

L1層是行業(yè)大模型，基于基礎(chǔ)大模型加行業(yè)知識(shí)，提供適配行業(yè)特征的大模型，打造政務(wù)、金融、制造、礦山、氣象等各行業(yè)大模型。

?讀了萬卷書，有了名師指導(dǎo)，接下來就進(jìn)入行萬里路階段。行萬里路就是將模型應(yīng)用到行業(yè)場(chǎng)景中，學(xué)習(xí)行業(yè)的專業(yè)知識(shí)，在工作流程中進(jìn)行大量錘煉，從而得到各個(gè)行業(yè)大模型。

L2層提供更多細(xì)分場(chǎng)景的模型，它更加專注于某個(gè)具體的應(yīng)用場(chǎng)景或特定業(yè)務(wù)，提供開箱即用的模型服務(wù)。

政務(wù)熱線網(wǎng)點(diǎn)助手供應(yīng)鏈物流先導(dǎo)藥物篩選傳送帶異物檢測(cè)臺(tái)風(fēng)路徑預(yù)測(cè)

L2慧眼識(shí)事財(cái)務(wù)異常分析器件分配小分子優(yōu)化掘進(jìn)序列檢測(cè)鐵路TFDS檢測(cè)海浪預(yù)測(cè)大

場(chǎng)景模型

………………模

型

行

政務(wù)金融制造藥物分子礦山鐵路氣象

L1業(yè)

行業(yè)大模型大模型大模型大模型大模型大模型大模型大模型開

發(fā)

套

L0自然語言大模型視覺大模型多模態(tài)大模型預(yù)測(cè)大模型科學(xué)計(jì)算大模型……件

基礎(chǔ)大模型

7

行業(yè)實(shí)踐一：政務(wù)大模型

在政務(wù)行業(yè)，華為云盤古政務(wù)大模型，對(duì)海量政務(wù)知識(shí)如12345熱線、政策文件、政務(wù)百科等，進(jìn)行預(yù)訓(xùn)練和推理，打造政務(wù)對(duì)話問答、政務(wù)文案生成、城市視頻感知、視頻多模態(tài)

理解、開放事件發(fā)現(xiàn)等政務(wù)能力，實(shí)現(xiàn)構(gòu)建從感知、認(rèn)知到處置、決策全流程智能化的政務(wù)大模型。

在城市治理場(chǎng)景中，政務(wù)大模型通過接入城市數(shù)十萬視頻源進(jìn)行聯(lián)動(dòng)分析，并對(duì)百萬政務(wù)知識(shí)精調(diào)、政務(wù)規(guī)則理解與執(zhí)行的能力，能實(shí)時(shí)精準(zhǔn)理解及分析畫面內(nèi)容存在哪些城市損壞

及異常的現(xiàn)象。同時(shí)，政務(wù)大模型將L0層的NLP大模型與CV大模型融合，實(shí)現(xiàn)城市事件實(shí)時(shí)感知、萬物理解。例如在臺(tái)風(fēng)過后，政務(wù)大模型對(duì)樹木倒塌、共享單車傾倒等場(chǎng)景進(jìn)行準(zhǔn)

確檢測(cè)與分割，并進(jìn)行多任務(wù)協(xié)同調(diào)度，將樹木倒塌分撥至園林綠化部門，共享單車傾倒分撥至城管部門，路面暴露垃圾與積水分撥至環(huán)衛(wèi)部門處置，讓城市事件秒級(jí)發(fā)現(xiàn)，分鐘級(jí)

分撥，城市事件處理效率提升了50%以上。

實(shí)時(shí)全面城市感知隨時(shí)隨地協(xié)同辦公便民便企政務(wù)服務(wù)精準(zhǔn)高效城市治理

慧眼識(shí)事報(bào)告生成智能網(wǎng)辦政務(wù)數(shù)字人

政務(wù)熱線公文撰寫政務(wù)助手政策推薦

…………

一網(wǎng)統(tǒng)管一網(wǎng)協(xié)同一網(wǎng)通辦一屏統(tǒng)覽

5大政務(wù)技能，構(gòu)建感知-認(rèn)知-處置-決策全流程智能化

政務(wù)對(duì)話問答政務(wù)文案生成城市視頻感知視頻多模態(tài)理解開放事件發(fā)現(xiàn)

千億級(jí)參數(shù)政務(wù)大模型海量政務(wù)知識(shí)預(yù)訓(xùn)練

超網(wǎng)絡(luò)兼顧局部與全局多模態(tài)理解與識(shí)別一切

智慧政務(wù)全場(chǎng)景生態(tài)

8

行業(yè)實(shí)踐二：金融大模型

在金融行業(yè)，華為云盤古金融大模型，結(jié)合銀行數(shù)據(jù)底座匯聚的多源、異構(gòu)的金融數(shù)據(jù)進(jìn)行精調(diào)和推理，不斷提升金融大模型的能力。

如今金融大模型走進(jìn)銀行網(wǎng)點(diǎn)，打造銀行柜員自己的智慧助手，幫助網(wǎng)點(diǎn)柜員輕松辦理各種業(yè)務(wù)。智慧助手通過對(duì)銀行的各種操作、政策、案例文檔進(jìn)行預(yù)訓(xùn)練，能夠根據(jù)

客戶的問題，為柜臺(tái)工作人員，自動(dòng)生成流程和操作指導(dǎo)，將原來需要平均5次操作完成的單次業(yè)務(wù)辦理，降低為1次即可辦結(jié)，處理時(shí)間縮短了5分鐘以上。

未來金融大模型還將落地到更多的金融場(chǎng)景，如信貸業(yè)務(wù)、風(fēng)控分析等，持續(xù)提升業(yè)務(wù)效率。

金融大模型

金融大模型讓每個(gè)銀行柜員擁有自己的智慧助手

銀行

單次業(yè)務(wù)辦理

網(wǎng)點(diǎn)

操作次數(shù)

40,000+outlets51

200,000+網(wǎng)點(diǎn)員工單次辦結(jié)時(shí)間縮短

專業(yè)知識(shí)復(fù)雜知識(shí)分散業(yè)務(wù)辦理時(shí)間長5分鐘

辦理更流暢操作更準(zhǔn)確對(duì)客更自如

9

目錄

01趨勢(shì)一：人工智能重塑千行萬業(yè)，已從點(diǎn)級(jí)走向應(yīng)用與系統(tǒng)級(jí)

02趨勢(shì)二：AIforIndustry，加速行業(yè)應(yīng)用創(chuàng)新落地

趨勢(shì)三：大模型驅(qū)動(dòng)應(yīng)用變革，AIGC重塑應(yīng)用全生命周期，從代碼為

03

中心走向模型為中心

04趨勢(shì)四：AI云服務(wù)逐漸成為企業(yè)構(gòu)建大模型首選

10

趨勢(shì)三：大模型驅(qū)動(dòng)應(yīng)用變革，AIGC重塑應(yīng)用全生命周期，

從代碼為中心走向模型為中心

?軟件工程3.0從數(shù)字化走向智能化：強(qiáng)調(diào)通過大模型輔助驗(yàn)收標(biāo)準(zhǔn)、測(cè)試用例、UI設(shè)計(jì)、代碼實(shí)現(xiàn)以及測(cè)試腳本的端到端研發(fā)效能提升的重要性。人機(jī)交互智能使得研發(fā)過程更

加貼近實(shí)際使用場(chǎng)景，提升軟件質(zhì)量。數(shù)字化研發(fā)平臺(tái)從管理型工具變?yōu)橹悄芑斫庑枨蟆⒃O(shè)計(jì)、代碼、測(cè)試和部署的助手型工具。以模型和數(shù)據(jù)為核心，研發(fā)工具通過模型、

代碼、數(shù)據(jù)和數(shù)字內(nèi)容飛輪的迭代，滿足更高層次需求。

?軟件研發(fā)作業(yè)流從DevSecOps走向多模態(tài)融合：隨著AIGC的飛速發(fā)展，企業(yè)的未來業(yè)務(wù)應(yīng)用正逐步深度融入數(shù)據(jù)和AI的緊密結(jié)合中。企業(yè)的新型數(shù)智媒軟應(yīng)用將進(jìn)一步拓寬

DevSecOps的范疇，推動(dòng)其進(jìn)化為一種以大模型為核心的多模態(tài)流水線。這種新型流水線將不僅包括開發(fā)、安全和運(yùn)維的環(huán)節(jié)，還將涵蓋數(shù)據(jù)、智能和數(shù)字內(nèi)容等多個(gè)方面，為

企業(yè)提供更加全面、高效的服務(wù)，助力企業(yè)進(jìn)一步提升競(jìng)爭(zhēng)力。

?軟件開發(fā)職責(zé)從多角色細(xì)分工走向全能：軟件工具變革將影響軟件研發(fā)流程的角色分工，基于AI的研發(fā)工具平臺(tái)可以輔助決策、輔助計(jì)劃、預(yù)測(cè)和協(xié)調(diào)工作。跨研發(fā)職責(zé)及角色

的協(xié)同效率將提升，基于AI的研發(fā)工具平臺(tái)可以解決不同的角色溝通提效，影響角色互動(dòng)。研發(fā)團(tuán)隊(duì)從多角色精細(xì)分工轉(zhuǎn)變?yōu)楫a(chǎn)品、架構(gòu)和運(yùn)維三個(gè)分類職能端到端負(fù)責(zé)應(yīng)用落

地，“一人成軍”，單兵全棧作戰(zhàn)能力極大提升。

軟件工程3.0走向智能化軟件研發(fā)作業(yè)流走向多模態(tài)融合軟件開發(fā)職責(zé)走向全能

研發(fā)

開發(fā)測(cè)試運(yùn)維運(yùn)營

XOps流程

自修復(fù)

作業(yè)需求&設(shè)計(jì)&檢查&測(cè)試測(cè)試問題問題智能技術(shù)

構(gòu)建執(zhí)行

需求場(chǎng)景協(xié)同編碼合入設(shè)計(jì)分析發(fā)現(xiàn)定位配置支持

[DataandAnalyticsandAl]Orchestration

DataOpsModelOpsDevOps

模型選擇監(jiān)控產(chǎn)品專家new架構(gòu)專家newQA專家new

與編排反饋

模型-代碼-DataEngineeringModelEngineeringandAppsDevelopmentand

ServicesDevelopmentServicesDeploymentServices

數(shù)據(jù)-數(shù)字產(chǎn)品經(jīng)理開發(fā)工程師Committer

DataPipelinesandWorkflowsModelEngineeringandEndpointManagementand對(duì)對(duì)對(duì)

內(nèi)容飛輪ManagementGovernanceLabComposabilityServices應(yīng)開發(fā)工程師應(yīng)Committer應(yīng)測(cè)試經(jīng)理

的的的

角Committer角測(cè)試經(jīng)理角測(cè)試工程師

色色色

自動(dòng)生成

代碼和內(nèi)容驗(yàn)證測(cè)試經(jīng)理測(cè)試工程師SRE

輔助編碼Security,PersonallyldentifiablelnformationGovernance，

InterpretabilityandPrivacy-PreservingCompute

測(cè)試工程師SRE運(yùn)營

來源:Gartner

11

行動(dòng)建議：通過智能化研發(fā)工具和集成開放能力，

加速行業(yè)AI應(yīng)用開發(fā)與生態(tài)構(gòu)建

?以研發(fā)大模型為核心，引入智能化研發(fā)工具：以研發(fā)大模型為核心，提供需求設(shè)計(jì)輔助、開發(fā)編碼輔助、集成測(cè)試輔助、運(yùn)維監(jiān)測(cè)輔助和研發(fā)協(xié)同輔助能力落地設(shè)計(jì)助手、開發(fā)助

手、測(cè)試助手和運(yùn)維助手等智能化研發(fā)工具，協(xié)助開發(fā)者實(shí)現(xiàn)“一人成軍”極大提升單兵全棧作業(yè)能力。

?優(yōu)化開發(fā)流程，統(tǒng)一云上應(yīng)用融合生產(chǎn)線：將數(shù)據(jù)生產(chǎn)線、模型生產(chǎn)線、數(shù)字內(nèi)容生產(chǎn)線和軟件開發(fā)生產(chǎn)線緊密結(jié)合，打造一條全新的數(shù)智媒軟AI軟件開發(fā)生產(chǎn)線。這條生產(chǎn)線將

貫穿聯(lián)通的數(shù)據(jù)、模型和數(shù)字內(nèi)容，為千行萬業(yè)的AI應(yīng)用開發(fā)提供強(qiáng)大支持。通過優(yōu)化開發(fā)流程，加速AI應(yīng)用的開發(fā)速度，幫助企業(yè)更快地實(shí)現(xiàn)智能化轉(zhuǎn)型。

?新增AI應(yīng)用開發(fā)框架，全流程引入多模態(tài)應(yīng)用開發(fā)能力：新增多模態(tài)應(yīng)用集成層：集成大模型復(fù)雜任務(wù)編排，托管大模型和AI應(yīng)用，完成多模態(tài)應(yīng)用發(fā)布；新增多模態(tài)應(yīng)用開發(fā)

框架層：一站式多模態(tài)應(yīng)用開發(fā)平臺(tái)，提供輸入轉(zhuǎn)換、測(cè)試驅(qū)動(dòng)模塊、AI安全隱私、可視化組裝等能力；新增多模態(tài)應(yīng)用開發(fā)框架層：供AI插件框架聯(lián)接大模型API，AI數(shù)據(jù)連接

器進(jìn)行數(shù)據(jù)增強(qiáng)檢索。

智能化研發(fā)工具統(tǒng)一云上應(yīng)用融合生產(chǎn)線多模態(tài)AI應(yīng)用開發(fā)框架

研發(fā)3D建模開發(fā)構(gòu)建

設(shè)計(jì)助手開發(fā)助手測(cè)試助手運(yùn)維助手….

業(yè)務(wù)應(yīng)用大模型集成AI應(yīng)用生態(tài)

AI

媒體分發(fā)內(nèi)容編輯監(jiān)控反饋組裝測(cè)試

應(yīng)用集成應(yīng)用集成AI復(fù)雜任務(wù)模型&數(shù)據(jù)AI應(yīng)用

組件編排共享倉市場(chǎng)

XX行業(yè)研發(fā)大模型仿真渲染發(fā)布部署

行業(yè)研發(fā)

大模型

APIs

訓(xùn)練

自監(jiān)督學(xué)習(xí)流水線監(jiān)督學(xué)習(xí)流水線RRTF流水線PPO流水線

流水線AI應(yīng)用AI插件大模型AI數(shù)據(jù)AI數(shù)據(jù)

開發(fā)框架框架API網(wǎng)關(guān)連接器增強(qiáng)檢索

研發(fā)大模型

數(shù)據(jù)接入數(shù)據(jù)準(zhǔn)備

設(shè)計(jì)開發(fā)測(cè)試運(yùn)維協(xié)同

研發(fā)

需求研發(fā)代碼代碼代碼代碼單元測(cè)試日志工具

大模型拆解文檔生成解釋注釋檢查測(cè)試腳本埋點(diǎn)協(xié)同盤古研發(fā)行業(yè)金融研發(fā)交通研發(fā)XX研發(fā)

數(shù)據(jù)發(fā)布數(shù)據(jù)入湖模型注冊(cè)模型訓(xùn)練大模型

大模型大模型大模型大模型大模型

接口架構(gòu)代碼代碼代碼代碼測(cè)試測(cè)試問題單代碼

說明圖調(diào)試翻譯檢視

優(yōu)化設(shè)計(jì)日志分析解釋器數(shù)據(jù)轉(zhuǎn)換模型評(píng)估

12

目錄

01趨勢(shì)一：人工智能重塑千行萬業(yè)，已從點(diǎn)級(jí)走向應(yīng)用與系統(tǒng)級(jí)

02趨勢(shì)二：AIforIndustry，加速行業(yè)應(yīng)用創(chuàng)新落地

趨勢(shì)三：大模型驅(qū)動(dòng)應(yīng)用變革，AIGC重塑應(yīng)用全生命周期，從代碼為

03

中心走向模型為中心

04趨勢(shì)四：AI云服務(wù)逐漸成為企業(yè)構(gòu)建大模型首選

13

趨勢(shì)四：AI云服務(wù)逐漸成為企業(yè)構(gòu)建大模型首選

AI重塑千行萬業(yè)，大模型表現(xiàn)出越來越強(qiáng)的能力，圍繞AIAgent工程思維發(fā)展的技術(shù)棧，也讓企業(yè)領(lǐng)袖們看到了AGI的時(shí)代大門在緩緩打開。站在時(shí)代風(fēng)口，各個(gè)企業(yè)的領(lǐng)導(dǎo)者投入了前所未

有的熱情去擁抱大模型，或以“副駕駛”的方式接入大模型能力，或投入全部籌碼以大模型來重構(gòu)業(yè)務(wù)。

?ScalingLaw繼續(xù)有效，基礎(chǔ)大模型規(guī)模逐步摸高，大模型算力訴求持續(xù)增長：模型超過一定的臨界規(guī)模后，大語言模型開始表現(xiàn)出一些開發(fā)者最開始未能預(yù)測(cè)的、更復(fù)雜的能力和特性，

這些新能力和新特性被認(rèn)為是涌現(xiàn)能力的體現(xiàn)。隨著大模型能力被越來越大的釋放出來，開發(fā)者們?cè)谧非蟾鼜?qiáng)人工智能的同時(shí)會(huì)進(jìn)一步推高模型的參數(shù)規(guī)模，需求更多的算力支撐。短期

內(nèi)以模型訓(xùn)練需求為主，未來20%在模型訓(xùn)練，80%在模型推理，可靠、經(jīng)濟(jì)的AI算力成為企業(yè)關(guān)注點(diǎn)。

?大模型需要新型的系統(tǒng)算力：大模型開發(fā)和應(yīng)用對(duì)網(wǎng)絡(luò)帶寬、顯存容量、內(nèi)存帶寬和系統(tǒng)可靠性方面都有非常高的要求，急需解決聯(lián)算比、容算比和存算比這三大挑戰(zhàn)。同時(shí)，企業(yè)擁抱

大模型的過程是一個(gè)逐步探索的過程，對(duì)大模型的能力需求，對(duì)大模型所需算力的需求，都是一個(gè)變化過程。企業(yè)需要一個(gè)高效、彈性的AI算力支持。

?大模型的開發(fā)與應(yīng)用是一個(gè)復(fù)雜的系統(tǒng)工程：以生成式AI為代表的大模型早期技術(shù)生態(tài)已經(jīng)出現(xiàn)：1）將AI模型集成到面向用戶的應(yīng)用程序中，端到端運(yùn)行自己的模型或依賴第三方模型

API；2）為AI應(yīng)用提供基礎(chǔ)大模型，可以作為專有API或開源提供；3）為大模型訓(xùn)練和推理工作提供支撐的基礎(chǔ)設(shè)施供應(yīng)商，即云平臺(tái)和硬件制造商。各大云服務(wù)廠家圍繞大模型做強(qiáng)技

術(shù)棧和生態(tài)的構(gòu)建，與大模型發(fā)展相輔相成。

大模型時(shí)代，傳統(tǒng)摩爾定律的增長與模型算力訴求有了越多越大的差距，大模型技術(shù)生態(tài)快速發(fā)展，

訓(xùn)練一個(gè)SOTATransformer模型所需的算力增長達(dá)到了2年750倍的增長速度圍繞著云服務(wù)有了基本的技術(shù)棧分層

Apps

TrainingFLOPsScalingforSOTAModelsModels