華為云于2021年正式發(fā)布了盤古基礎(chǔ)大模型，包括CV計(jì)算機(jī)視覺大模型、NLP自然語言處理大模型和科學(xué)計(jì)算大模型。在基礎(chǔ)大模型之上，華為云踐行AI for industries，陸續(xù)推出了礦山、藥物分子、電力、氣象、海浪等盤古行業(yè)大模型，加速各行各業(yè)數(shù)字化的進(jìn)程。
2023年7月7日，華為云發(fā)布盤古大模型3.0，圍繞“行業(yè)重塑”“技術(shù)扎根”“開放同飛”三大創(chuàng)新方向，持續(xù)打造核心競爭力，為行業(yè)客戶、伙伴及開發(fā)者提供更好的服務(wù)。如今，華為云AI已經(jīng)在各行業(yè)有超過1000個項(xiàng)目，基于對行業(yè)的深入理解，華為云盤古大模型能夠更好地落地在行業(yè)的核心業(yè)務(wù)場景。
貨運(yùn)列車智慧檢測 盤古鐵路大模型為鐵路物流安全護(hù)航
隨著海內(nèi)外經(jīng)濟(jì)復(fù)蘇，貨運(yùn)鐵路的班次及載重均迎來新高潮。
在傳統(tǒng)的貨運(yùn)鐵路巡檢中，TFDS（貨車運(yùn)行故障動態(tài)圖像檢測）系統(tǒng)作為5T檢測技術(shù)的重要組成部分，通過高速拍攝的“電子眼”，動態(tài)采集列車車底配件、車體側(cè)部等部位圖像，實(shí)時判別貨運(yùn)列車是否存在故障。
一列50輛車廂的貨車，“電子眼”會拍攝4000張照片，檢測員每秒需審閱1張圖。動態(tài)檢車員不僅工作強(qiáng)度大、難度高，而且需對車輛專業(yè)理論與實(shí)際運(yùn)用有較高水平，要在短時間內(nèi)完成整列車的故障分析，確保整列車的運(yùn)行安全。
華為云在現(xiàn)有設(shè)備和平臺架構(gòu)的基礎(chǔ)上，基于盤古鐵路大模型，推出TFDS故障智能識別方案，實(shí)現(xiàn)從圖像采集、數(shù)據(jù)收發(fā)、列車拆分，到實(shí)時故障判別的全局分析，能夠?qū)Χ喙の?、多輛車關(guān)聯(lián)等全局故障進(jìn)行精準(zhǔn)預(yù)報(bào)。
盤古鐵路大模型具備的核心競爭力：
1.自監(jiān)督行業(yè)預(yù)訓(xùn)練模型
盤古預(yù)訓(xùn)練大模型基于語義相似樣本、等級化語義聚集的對比表示學(xué)習(xí)方法，利用百萬級無標(biāo)注鐵路行業(yè)圖像生成鐵路行業(yè)大模型；
2.圖像質(zhì)量自動增強(qiáng)&評估
通過底層視覺特征以及高層視覺特征對增強(qiáng)后的圖像進(jìn)行自動評估，對正常圖像做進(jìn)一步故障識別，非正常圖像返回人工審核；
3.依托車型先驗(yàn)?zāi)０迤ヅ?/strong>
根據(jù)已知的車型信息建立零部件的相對位置模板，具有可解釋性地預(yù)報(bào)部件異常情況，如脫落、丟失、錯位等；
4.小樣本故障定位、識別
基于鐵路行業(yè)預(yù)訓(xùn)練大模型，結(jié)合當(dāng)前最優(yōu)的目標(biāo)檢測、圖像識別框架，進(jìn)行部件定位、故障識別，具有更強(qiáng)的泛化能力，僅需傳統(tǒng)1/3的樣本即可完成。
在實(shí)際應(yīng)用中，盤古鐵路大模型單張照片識別僅需4毫秒，可智能過濾95%的正常圖片，實(shí)現(xiàn)了400多種故障的自動化識別以及嚴(yán)重故障的“零漏報(bào)”，比人工識別更準(zhǔn)確，大幅度提升TFDS系統(tǒng)作業(yè)效率，成為貨運(yùn)列檢員身邊有力的數(shù)字助手，將列檢員從每日數(shù)百萬張的“圖?！睓z測中解放出來。
AI輔助藥物設(shè)計(jì)，盤古藥物分子大模型加速新藥研發(fā)
自1987年達(dá)托霉素被發(fā)現(xiàn)以來，人類已經(jīng)有近40年沒有新的抗生素被研發(fā)出來。藥物研發(fā)專家需要花費(fèi)超過10年時間、超過10億美元成本，才有可能研發(fā)出一款新藥。
為了幫助藥物研發(fā)專家從海量藥物分子中高效挑選出適合成藥的小分子，華為云聯(lián)合中國科學(xué)院上海藥物研究所推出了盤古藥物分子大模型，基于全流程AI輔助藥物設(shè)計(jì)的能力，以靶點(diǎn)預(yù)測、分子設(shè)計(jì)、活性評估、毒性篩選等環(huán)節(jié)為抓手，幫助醫(yī)藥公司實(shí)現(xiàn)快速、精準(zhǔn)、低成本的藥物發(fā)現(xiàn)，開啟藥物研發(fā)的新模式。
在藥物虛擬篩選方面，依靠華為云創(chuàng)新的iFitDock算法以及虛擬篩選服務(wù)，盤古藥物分子大模型的成藥性預(yù)測準(zhǔn)確率比傳統(tǒng)方式高20%，進(jìn)而讓藥物篩選效率提升十倍；
在藥物優(yōu)化方面，基于華為云盤古藥物分子大模型的結(jié)構(gòu)優(yōu)化器，研發(fā)專家可對先導(dǎo)藥進(jìn)行定向優(yōu)化，通過更科學(xué)的藥物結(jié)構(gòu)設(shè)計(jì)，減弱對人體正常細(xì)胞可能產(chǎn)生的毒副作用。
盤古藥物分子大模型四大核心技術(shù)特點(diǎn)：
1.“圖-序列不對稱條件變分自編碼器”
全新提出“圖-序列不對稱條件變分自編碼器”深度學(xué)習(xí)架構(gòu)，更好地提取化合物關(guān)鍵的分子特征指紋，提升下游任務(wù)的準(zhǔn)確性；
2.超大規(guī)模的化合物表征模型訓(xùn)練
對17億個小分子的化學(xué)結(jié)構(gòu)進(jìn)行預(yù)訓(xùn)練，結(jié)構(gòu)重構(gòu)率、唯一性等方面優(yōu)于現(xiàn)有方法；
3.生成1億個創(chuàng)新的類藥物小分子庫
其結(jié)構(gòu)新穎性為99.68%，為發(fā)現(xiàn)新藥創(chuàng)造可能性；
4.實(shí)現(xiàn)了領(lǐng)先的藥物發(fā)現(xiàn)任務(wù)性能
在化合物-靶標(biāo)相互作用預(yù)測、化合物ADME/T屬性評分、化合物分子生成與優(yōu)化等方面實(shí)現(xiàn)性能最優(yōu)，賦能藥物發(fā)現(xiàn)全鏈條任務(wù)。
西安交通大學(xué)第一附屬醫(yī)院劉冰教授在盤古藥物分子大模型的輔助下，突破性地研發(fā)出一款超級抗菌藥Drug X，其有望成為全球近40年來首個新靶點(diǎn)、新類別的抗生素。華為云盤古藥物分子大模型讓先導(dǎo)藥的研發(fā)周期從數(shù)年縮短至幾個月，研發(fā)成本降低70%。AI技術(shù)與基礎(chǔ)科學(xué)的結(jié)合與創(chuàng)新，不僅解決了研發(fā)成本高和時間周期長的痛點(diǎn)，更為初創(chuàng)型科研團(tuán)隊(duì)提供了施展能力的舞臺。
讓風(fēng)云可測，盤古氣象大模型精準(zhǔn)呈現(xiàn)臺風(fēng)軌跡
在氣象氣候預(yù)報(bào)任務(wù)中，除了短期天氣預(yù)報(bào)，全球中長期預(yù)報(bào)也是業(yè)界最為關(guān)注、重要性非常高的預(yù)測任務(wù)，它以預(yù)測未來14天內(nèi)的大氣系統(tǒng)狀態(tài)為目標(biāo)，在氣象、航海、農(nóng)業(yè)、旅游等多個行業(yè)發(fā)揮著舉足輕重的作用。
當(dāng)前人工智能技術(shù)雖已廣泛應(yīng)用在氣象預(yù)測領(lǐng)域，受大氣系統(tǒng)中物理過程的復(fù)雜性影響，以及求解大氣模型所需資源規(guī)模巨大，基于傳統(tǒng)數(shù)值方法進(jìn)行的中長期天氣預(yù)報(bào)通常會累計(jì)誤差，導(dǎo)致準(zhǔn)確度低，且需在超級計(jì)算機(jī)上運(yùn)算數(shù)小時。
基于近40年的全球氣象數(shù)據(jù)，華為云盤古氣象大模型在中長期確定性預(yù)報(bào)上超越當(dāng)前最強(qiáng)的數(shù)值預(yù)報(bào)方法（歐洲氣象中心的IFS系統(tǒng)），是業(yè)內(nèi)首個精度超過傳統(tǒng)數(shù)值預(yù)報(bào)方法的全球AI氣象預(yù)測模型。平均預(yù)報(bào)誤差降低了10%-15%，速度提升10000倍以上，實(shí)現(xiàn)秒級全球氣象預(yù)報(bào)。
盤古氣象大模型核心技術(shù)特點(diǎn)：
3D高分辨率的神經(jīng)網(wǎng)絡(luò)
首次采用3D高分辨率的神經(jīng)網(wǎng)絡(luò)（3D Earth-Specific Transformer）：與二維的神經(jīng)網(wǎng)絡(luò)和低分辨率的神經(jīng)網(wǎng)絡(luò)相比，盤古氣象大模型水平空間分辨率達(dá)到0.25°×0.25°，約28公里x28公里，可以精準(zhǔn)地預(yù)測細(xì)粒度氣象特征。在時間維度上，盤古氣象大模型將預(yù)測頻率從6小時/次提升至1小時/次，使氣象預(yù)測結(jié)果更準(zhǔn)確；
層次化時域聚合策略
使用層次化時域聚合策略：訓(xùn)練了4個不同預(yù)報(bào)間隔的模型（分別為1小時間隔、3小時間隔、6小時間隔、24小時間隔），使得預(yù)測特定時間氣象狀況的迭代次數(shù)最小，從而減少迭代誤差，也避免了由遞歸訓(xùn)練帶來的訓(xùn)練資源消耗。
華為云盤古氣象大模型在極端天氣過程（如臺風(fēng)）的預(yù)報(bào)中已展現(xiàn)出精準(zhǔn)、快速的優(yōu)勢：
· 2022年8月，盤古氣象大模型實(shí)現(xiàn)秒級預(yù)測臺風(fēng)“馬鞍”的軌跡和登陸時間，準(zhǔn)確率達(dá)90%，遠(yuǎn)超行業(yè)平均水平。
· 今年5月22日至23日，今年第2號臺風(fēng)“瑪娃”在24小時內(nèi)，中心附近最大風(fēng)力從38米/秒（臺風(fēng)級）迅速加強(qiáng)到60米/秒（超強(qiáng)臺風(fēng)級）。
中央氣象局指出，華為云盤古大模型在“瑪娃”的路徑預(yù)報(bào)中表現(xiàn)優(yōu)異，提前五天預(yù)報(bào)出其將在臺灣島東部海域轉(zhuǎn)向路徑。
人工智能觸發(fā)的產(chǎn)業(yè)變革正在改變每一個行業(yè)，人工智能也在越來越多的行業(yè)場景發(fā)揮重要價值。華為云以“AI for industries”為發(fā)力點(diǎn)，提升大模型通用能力，貼近客戶業(yè)務(wù)場景的現(xiàn)實(shí)需求，讓人工智能開發(fā)標(biāo)準(zhǔn)化、可復(fù)制、批量化生產(chǎn)，加速AI深入千行百業(yè)，推動人類社會進(jìn)入智能世界。
