华为盘古大模型概况
盘古大模型主要由五个模型组成：机器视觉（cv），自然语言处理（nlp），多模态、科学计算、语音。
当前大家热议chatgpt是在nlp领域，百度文心一言和它相似，但和盘古大模型不同。盘古大模型的初衷主要是服务b端客户，聚焦比较成熟的cv领域。在nlp领域还比较薄弱。最多能做封闭场景下的客服，语义理解相关的，可以做些舆情管控、法律司法文书理解、审计文书理解。
公司能够找到的高价值数字化赋能的场景，主要以视觉为主，盘古大模型更多的研发项目主要围绕视觉，nlp力度不大，商业驱动力不足。
大模型的成本
大模型的训练成本确实很高，gpt-3训练1次成本1200万人民币，gpt-3出现之后也给业界很大的启示，是否继续暴力美学地走下去。现在学界有些观点，大模型现在的参数基础上，指数级增加对模型的性能边际效应已经减弱，需要降本方法。
open ai团队做的比较好的是，精准高质量的标注（rlhf）。专家所在的公司重要发展方向是做小样本训练，通过自监督的方法，更少的标注数据进行训练。
盘古大模型的三层架构，能在结构上实现降本。l0层是通识性的大模型，具备鲁棒性和泛化性；l1是行业大模型（例如煤矿、电网）；l2是针对具体场景的自动化工作流的部署模型。成本大模型训练好后，不用再重复训练，只需在l1和l2做适应性训练，成本关系是上一层的5-10%。
大模型适用的领域
华为认为应用场景比较成熟和丰富的领域，值得为其开发l1，例如电力行业（无人机输电线巡检）、制造业的质检（机器替代人眼质检）、铁路故障隐患的监测等。
机器视觉，相对封闭的场景，纯参数驱动，标注数据成本不高。目前盘古大模型的工业质检主要应用在消费电子领域，最早应用在公司的南方工厂。未来如果大幅降本，那么对行业将产生更大的颠覆。
华为ai研发状态
华为目前ai研发，主要包括hiai、ei。华为能做到端到端，硬件到软件，场景到营销，特别大的合作商没有。半导体供应链战投好几家公司，帮助公司补足半导体先进制程的一些能力。公司在算力支撑等方面需要一些合作。
华为软件产品在行业化溢出的时候，有几种类型的公司是比较重要的。软件开发的外包公司，华为开发力度、开发工作量比较大的环节，用大量外包。
行业数字化的ei，华为之前释放meta erp，外包交付的汉德、赛意能力，华为不具备，通过这些公司的生态完成业务。核心商业逻辑，很多毛细血管级别的交付，华为需要依靠生态链完成，半导体生态上，需要与这些生态中的供应商侧的公司供货给华为。
chatgpt落地后华为发展进度
回看过去，华为其实在新的趋势很快就能追上来，公司发展30多年基本没有先发。任何领域都属于后发制人，手机、云、汽车。
chatgpt更多是to c端。目前华为正在研究，但这是集团级的项目，通常做出决定会比较缓慢，1-2年不会出来。
华为在ai商业化研究一直持续存在，公司以前一直非常不看好，尽力完成ai工程化、ai产品化，商业化不得不走的路线，如果采用高度项目制，一切项目制用ai做，成本高，不容易挣钱，人力成本非常高，项目制不可复制。
chatgpt发布后，商业化带来很多思考，天生商业化属性非常高。to b直接卖api，to c因为生产内容直接嵌套，中国人擅长的商业化路径，可以编辑广告、电商。但华为不会立马进入chatgpt类的aigc细分赛道，战略研究都才刚刚开始。
真正要做到商业化闭环或者商业成功，核心需要支持相对封闭的单场景，成功率高，训练和维护成本需要进一步的压低。
后进入者难度
现在难度已经非常大，chatgpt发布后，gpt4.0，数据源头很广，数据前期标注质量非常好，现在已经是多模态多语种、优势大。
国内现在赶出来的产品不行。openai产品边用边学，接受越来越多全球使用者的反馈，通过人类反馈，帮助提升和进步。
但chatgpt局限性在于完整的做到某些场景的商业化闭环。chatgpt 的信息生产模式是 generated content，信息不准确，事实基础不可信、不可靠，很难在一些需要事实基础比较准确的商业产品完成闭环。
chatgpt领先属性，前后文连续，根据前后文聊天，每个问题不是独立存在，有关联。但bug是前后文的逻辑关系没有能够很好的连接。逻辑问题可能出错。
公司现在判断chatgpt未来立马改变场景，企服软件，未来chatgpt也许会重新定义生产力、办公、工作相关的企服场景，公司现在分析未来是不是所有的企服软件都会基于 chatgpt开发，chatgpt能不能重构企服软件的交付模式。
风险揭示：本信息不构成任何投资建议，投资者需自主作出投资决策并独立承担投资风险。
凯发备用官网的版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
