設置
上一章
下一章
返回
設置
前一段     暫停     繼續    停止    下一段

第1444章 盤古大模型

第1444章盤古大模型_重生后我只做正確選擇_都市小說_螞蟻文學第1444章盤古大模型  第1444章盤古大模型←→:

  他頓了頓,看向在座的董事們:

  “我知道,在座有些同事最初對盤古的定位有疑慮。

  為什么不做一個像GPT那樣的通用對話大模型?

  為什么不追求千億參數?

  今天,我想用事實回答這個問題。”

  屏幕切換,是一張對比圖。

盤古vS.通用大模型:定位差異目標用戶:行業專家vS.普通消費者核心能力:預測、分析、決策vS.生成、對話、創作評估指標:業務指標提升率vS.對話流暢度商業化路徑:解決方案銷售vS.會員訂閱  “盤古從誕生第一天起,定位就是‘AIfOrIndUStrieS’,為產業服務,解決實際問題。”

  辛玉良的聲音很堅定,“我們不做聊天機器人,我們做的是能讓煤礦工人穿西裝打領帶上班的工具,是能提前三天預測臺風路徑的系統,是能發現新藥物分子的實驗室助手。”

  他切到下一張PPT,是盤古的“5NX”三層架構圖。

  “這是我們設計的架構:

  L0是五大基礎模型(NLP、CV、多模態、預測、科學計算);

  L1是N個行業大模型;

  L2是X個場景化應用。”

  辛玉良詳細解釋:

  “這個架構的優勢在于:

  第一,基礎能力可復用,研發效率高;

  第二,行業模型可定制,貼合業務深;

  第三,場景應用可快速生成,響應市場快。”

  陳默坐在下面,認真聽著。

  這套架構,是他去年和辛玉良、汪劍鋒反復討論后確定的。

  現在看來,方向走對了。

  “我來舉幾個具體例子。”辛玉良切換畫面。

  第一張圖:煤礦井下場景。

  幫忙的視頻畫面里,礦工戴著智能頭盔,遠處是自動運行的采煤機。

  畫面一角有AI識別的數據框:人員定位、設備狀態、瓦斯濃度、危險行為預警......

  “盤古礦山大模型,已經在山西、陜西、內蒙古的十二個大型煤礦部署。”辛玉良說:

  “通過視頻分析,系統能實時識別未戴安全帽、違規吸煙、設備異常等二十多種風險行為,預警準確率97.3。

  通過AI調度,采煤機自動割煤,效率提升18,人工干預減少70。

  有個礦長跟我說:‘以前下井是拿命換煤,現在是穿著西裝在指揮中心看屏幕。’”

  會議室里響起一陣輕微的議論聲。

  幾位董事點頭表示認可。

  第二張圖:氣象云圖。

  動態畫面顯示臺風“圓規”的路徑預測,盤古的預測軌跡與實際軌跡幾乎重合,而傳統模型的預測偏差明顯更大。

  “盤古氣象大模型,與國家氣象局合作研發。”辛玉良繼續說道:

  “在今年汛期,我們提前72小時準確預測了七次強降雨過程,平均誤差比傳統模型降低35。

  在臺風預測上,路徑誤差減少28,強度誤差減少41。

  這個模型已經接入應急管理部系統,為防汛救災提供決策支持。”

  第三張圖:制藥實驗室。

  科研人員正在操作儀器,屏幕上顯示分子結構圖和AI生成的新化合物建議。

  “盤古醫藥大模型,與魔都藥物所合作。”辛玉良說:

  “在抗腫瘤藥物研發中,AI篩選出的三個新分子結構,經過體外實驗驗證,活性比現有藥物高23個數量級。

  傳統篩選需要幾個月的工作,AI只用了一周。

  目前我們正在申請專利。”

  三個例子講完,會議室里的氣氛明顯活躍起來。

  “玉良,”徐平開口問道,“盤古現在的主要瓶頸是什么?”

  “兩個。”辛玉良回答得很干脆:

  “第一,算力。大模型訓練需要海量算力,我們現在主要依賴昇騰集群,但規模還不夠。

  第二,數據。行業數據往往分散、封閉、質量參差不齊,獲取和清洗成本高。”

  “算力問題,馮總待會兒會說。”左夢安接話,“數據問題呢?有什么解決方案?”

  “我們在推‘數據不出域’的學習方案。”辛玉良說:

  “客戶的數據可以留在本地,我們只傳輸模型參數。

  這樣既保護隱私,又能利用分散數據訓練模型。

  另外,我們也和政府、行業協會合作,建設行業數據開放平臺。”

  “商業化進展如何?”鄭青山問。

  作為CFO,他最關心的是投入產出。

  “目前主要是項目制,每個行業解決方案的客單價在300萬到2000萬不等。”辛玉良調出財務數據。

  “今年簽約18.7億,實際回款11.2億。

  利潤率方面,軟件部分毛利率85,硬件部分30,整體項目毛利率45左右。”

  “45......”鄭青山推了推眼鏡,“比傳統企業軟件高,但比云服務低。你怎么看未來的利潤空間?”

  “隨著模型標準化程度提高、實施成本下降,利潤率會持續提升。”辛玉良很有信心。

  “更重要的是,盤古不是一次性項目,是持續服務。

  模型需要不斷訓練、迭代,客戶需要持續購買算力和服務,這是一個長期生意。

  當然還有一點,盤古大模型可以幫我們賣更多的鯤鵬和昇騰。”

  說完露出一個懂的都懂的笑。

  另一邊的鄭青山點點頭,在筆記本上記錄著什么。

  “玉良,我問個技術問題。”汪劍鋒開口。

  這位2012實驗室總裁,平時話不多,但每次提問都很關鍵,“盤古的多模態能力怎么樣?現在業界都在談‘圖文音視頻’一體化,我們的進展如何?”

  “汪總問得好。”辛玉良切到新頁面。

  “盤古的多模態大模型已經在媒體、教育、安防等領域試點。

  比如在媒體行業,可以實現新聞稿自動生成配圖;

  在教育行業,可以根據課本內容自動生成教學視頻;

  在安防行業,可以同時分析監控視頻、音頻和文本報告,做綜合研判。”

  他頓了頓:

  “不過坦率說,在多模態的生成能力上,我們和國外頂尖水平還有差距。

  但在多模態的理解和分析上,尤其是結合行業知識的深度分析這一塊,我們盤古有優勢。”:mayiwsk

  新書推薦:

飛翔鳥中文    重生后我只做正確選擇
上一章
簡介
下一章