i黑馬導語

7頁PPT，看清楚，華為在人工智能領域，最新的探索和思考！

提到人工智能產業發展，會有一個思考范式： 基礎層、模型層、應用層。

華為，這家在三個層面都有布局的企業，是如何思考的？華為云，在基礎層是如何協同創新的？華為盤古大模型，又是如何應用在千行百業的？

近日，華為常務董事、華為云首席執行官張平安在2024世界人工智能大會上進行了分享。i黑馬作為官方合作媒體，現場進行了記錄，現將核心內容分享大家。

1、當前我們算力是受限的，中國AI創新道路到底該怎么走？我們是不是有最先進支撐的AI芯片，如果沒有就沒有辦法在AI上領先，這個觀點我們必須要在中國摒棄掉。

2、我想在這里分享一個簡單例子：華為手機有不同鏡頭，每一次按快門，都會拍下來至少六張照片。在端側受限的時候把這些六張原圖，傳到云端來做算力呈現是什么樣子？

3、豐富的光纖網絡，先進的5G網絡，都是中國獨有的優勢，我們應該基于此優勢面向AI時代。

4、AI算力來了以后，原來以CPU為中心的計算架構，需要發生轉變。Cloud Matrix架構，一切基礎設施資源都被“池化”。

5、我認為，在中國發展AI道路，更應該在行業領域，在行業場景，構建起ToB領域的全球領先優勢。

6、最后我想分享一個應用案例：我前天去參觀的寶武鋼鐵。通過華為盤古大模型，調優時間，從原來的5天，到現在的4個小時。預測精度，提高5%，每年有望多生產2萬噸鋼板，單條產線年收益增加9000多萬元！

01

第一張PPT

毋庸置疑，人工智能正對我們生活和工作產生非常深刻的影響。

我們正在加速地從數字化走向智能化，AI正在重塑著千行萬業。

AI的發展需要依靠算法和算力。但是，當前我們算力是受限的，中國AI創新道路到底該怎么走？

華為認為，在算力基礎設施上，我們需要考慮“芯-端-云-網”融合，在架構上進行協同創新。

不能盲目追求我們對端側芯片制成的期望。或者說，我們不能把AI基礎設施只依賴，我們是不是有最先進支撐的AI芯片。如果沒有，就沒有辦法在AI上領先。這個觀點，我們必須要在中國摒棄掉。

更多是要思考，怎么把芯片，還有端側上的AI需求，釋放到云端。在云端，可以構筑起我們中國的優勢。 在云端構筑中國優勢，就要構建我們網絡帶寬，我們現在網絡下行做的非常好，但是上行做的就不夠。

02

第二張PPT

華為能夠把端側算力釋放到云端，就依靠這張網絡。我們在網絡創新方向，就應該沿著這個方向。

在云上我們要構筑基礎設施，需要通過數據中心的空間、帶寬、能源構建可持續發展的AI算力底座。

百度李彥宏、中國電信柯瑞文、中國移動楊杰等前面的演講者也提到， 中國在基礎大模型上做了很多，但在B端還有C端的創新是不夠的。下一個創新方向，是要開放行業場景， 讓AI快速構建起我們的領先優勢。

智能時代加速而來，未來所有連網終端都會是智能設備。

這將對AI算力有很高的需求。 我們不能把AI算力都放在終端上面來解決， 因為終端必然受到芯片的供應制約，必然受到能耗制約，必然受到體積制約，尤其是手機、PC還有各種工業的智能端。

現在在手機端側上，我們跑一個7億的大模型，基于對功耗的考慮，都在思考怎么把7億模型縮減到3億，縮減到1.5億，更不要說在端側跑百億的模型。所以，端側上算力受限，我們應該思考把端側算力釋放到云端。

這個方面我們已經開始了一些創新，比如說 云辦公、云拍照、云手機、云游戲、云設計。 把端側算力需求，放在云側來解決。通過云側豐富算力，既保持功能豐富，又極大降低功耗，還能減少對芯片的依賴。

03

第三張PPT

我想在這里分享一個簡單例子：

這是大家都可以理解的例子，我們來看華為手機的“云拍照”。

華為手機里面有不同鏡頭，每一次按快門，手機都給大家拍下來至少六張照片，六張照片都是原圖，占很大的空間。我們是通過手機側的算法，手機算力來給大家呈現的。所以大家可以在手機上看到一個非常真實、細節豐富的景物。

但是我們思考，在端側受限的時候把這些六張原圖，每張在8-12兆原圖傳到云端來做算力呈現是什么樣子？

大家可以看到，上面手機照片已經很清晰了，但是把同樣手機拍的六張原圖傳到云端，讓云端算力做呈現，大家可以看到這兩張照片有很大差異。云照片已經接近單反效果了，圖像更清晰更立體，螞蟻絨毛也清晰可見。

對我們來說，思考方向是不要把端側做的太復雜，而是 要把端側算力釋放到云側，利用云算力讓AI發揮更好的價值。

04

第四張PPT

剛才談到端側算力上云。端云要進行無縫協同，必須依靠很好的網絡，網絡需要更大帶寬，低時延。電信、移動還有聯通，都有非常豐富的光纖網絡，豐富的光纖資源也是中國獨有優勢，我們應該在中國獨有優勢上思考網絡的方向。

另外，中國在5G網絡建設上是全球領先。今年開啟5G-A網絡創新，是5G網絡帶寬的10倍，不僅上行是10倍，下行也是10倍。更關鍵的是將傳輸時延從原來10毫秒降低到1毫秒。

這樣， 通過無線5G-A網絡以及豐富光纖傳輸帶寬資源，讓端側數據上云。

中國有這樣的優勢，是面向AI時代的網絡保障。

05

第五張PPT

AI算力來了以后，我們發現原來以CPU為中心的計算架構，需要發生轉變。

我們最新發布的， 叫Cloud Matrix架構，一切基礎設施資源都被“池化”。

基于這個邏輯，數據規模可以匹配未來大規模算力需求。同時在云團隊里面， 對AI集群、CPU、NPU、DPU、存儲網絡，這些所有的都進行了端到端的優化， 不再是簡單的每個人只完成自己工作，而是每個人都在協同，來完成我們的AI算力工作。

所以，我們可以在云上做到千億參數模型訓練。云上可以做到40天不中斷，這是線下效率6到10倍！

大模型訓練，擔心出故障。現10分鐘就可以把所有數據都保存起來，可以快速恢復起來。

另一方面在云基礎設施， 很多人都在談能源。

我認為，中國仍然是有能源優勢的。中國的綠電，中國的水電，還有云上來解決算力問題。通過構建云數據中心優勢，來為我們AI構建堅實的算力底座。這是我們中國可以堅持依賴的一個方向。

06

第六張PPT

中國在互聯網創新做得非常好，我相信，假以時日中國在toC方向創新一定會迎頭趕上。

但同時，在中國發展AI道路，更應該在行業領域，在更多行業場景，構建起ToB領域的全球領先優勢。

大家可以看到，華為盤古大模型堅定為行業解難題、做難事。也希望通過盤古扎根行業里面，為行業做智能升級。

盤古大模型5.0在全系列、多模態、強思維等方面做了升級，幫助更多行業，做業務創新和提高效率。

07

第七張PPT

最后一頁PPT，我想分享一下，我前幾天去參觀的寶武鋼鐵。

在寶武鋼鐵一條熱軋生產線上，通過盤古大模型訓練了一個模型，精準預測生產中每一塊鋼板的尺寸。原來5天時間，才能有一個調優。現在工廠的負責人，自豪地告訴我，可以做到4個小時。

調優時間，從原來的5天，到現在的4個小時。預測精度，提高了5%，每年有望多生產2萬噸鋼板，單條產線年收益增加9000多萬元！

我們接下來還會解決 “高爐反應場景” 難題。我們希望跟寶鋼一起，把這個最難的難題解決掉。我們也希望跟更多的客戶一起，在AI行業應用實踐創新，持續解決難題。