字:
关灯 护眼
八零读书 > 重生后我只做正确选择 > 第1444章 盘古大模型

第1444章 盘古大模型

    他顿了顿,看向在座的董事们:

    “我知道,在座有些同事最初对盘古的定位有疑虑。

    为什么不做一个像GPT那样的通用对话大模型?

    为什么不追求千亿参数?

    今天,我想用事实回答这个问题。”

    屏幕切换,是一张对比图。

    盘古 vS. 通用大模型:定位差异

    目标用户:行业专家 vS. 普通消费者

    核心能力:预测、分析、决策 vS. 生成、对话、创作

    评估指标:业务指标提升率 vS. 对话流畅度

    商业化路径:解决方案销售 vS. 会员订阅

    “盘古从诞生第一天起,定位就是‘AI fOr IndUStrieS’,为产业服务,解决实际问题。”

    辛玉良的声音很坚定,“我们不做聊天机器人,我们做的是能让煤矿工人穿西装打领带上班的工具,是能提前三天预测台风路径的系统,是能发现新药物分子的实验室助手。”

    他切到下一张PPT,是盘古的“5+N+X”三层架构图。

    “这是我们设计的架构:

    L0是五大基础模型(NLP、CV、多模态、预测、科学计算);

    L1是N个行业大模型;

    L2是X个场景化应用。”

    辛玉良详细解释:

    “这个架构的优势在于:

    第一,基础能力可复用,研发效率高;

    第二,行业模型可定制,贴合业务深;

    第三,场景应用可快速生成,响应市场快。”

    陈默坐在下面,认真听着。

    这套架构,是他去年和辛玉良、汪剑锋反复讨论后确定的。

    现在看来,方向走对了。

    “我来举几个具体例子。”辛玉良切换画面。

    第一张图:煤矿井下场景。

    帮忙的视频画面里,矿工戴着智能头盔,远处是自动运行的采煤机。

    画面一角有AI识别的数据框:人员定位、设备状态、瓦斯浓度、危险行为预警......

    “盘古矿山大模型,已经在山西、陕西、内蒙古的十二个大型煤矿部署。”辛玉良说:

    “通过视频分析,系统能实时识别未戴安全帽、违规吸烟、设备异常等二十多种风险行为,预警准确率97.3%。

    通过AI调度,采煤机自动割煤,效率提升18%,人工干预减少70%。

    有个矿长跟我说:‘以前下井是拿命换煤,现在是穿着西装在指挥中心看屏幕。’”

    会议室里响起一阵轻微的议论声。

    几位董事点头表示认可。

    第二张图:气象云图。

    动态画面显示台风“圆规”的路径预测,盘古的预测轨迹与实际轨迹几乎重合,而传统模型的预测偏差明显更大。

    “盘古气象大模型,与国家气象局合作研发。”辛玉良继续说道:

    “在今年汛期,我们提前72小时准确预测了七次强降雨过程,平均误差比传统模型降低35%。

    在台风预测上,路径误差减少28%,强度误差减少41%。

    这个模型已经接入应急管理部系统,为防汛救灾提供决策支持。”

    第三张图:制药实验室。

    科研人员正在操作仪器,屏幕上显示分子结构图和AI生成的新化合物建议。

    “盘古医药大模型,与魔都药物所合作。”辛玉良说:

    “在抗肿瘤药物研发中,AI筛选出的三个新分子结构,经过体外实验验证,活性比现有药物高2-3个数量级。

    传统筛选需要几个月的工作,AI只用了一周。

    目前我们正在申请专利。”

    三个例子讲完,会议室里的气氛明显活跃起来。

    “玉良,”徐平开口问道,“盘古现在的主要瓶颈是什么?”

    “两个。”辛玉良回答得很干脆:

    “第一,算力。大模型训练需要海量算力,我们现在主要依赖昇腾集群,但规模还不够。

    第二,数据。行业数据往往分散、封闭、质量参差不齐,获取和清洗成本高。”

    “算力问题,冯总待会儿会说。”左梦安接话,“数据问题呢?有什么解决方案?”

    “我们在推‘数据不出域’的学习方案。”辛玉良说:

    “客户的数据可以留在本地,我们只传输模型参数。

    这样既保护隐私,又能利用分散数据训练模型。

    另外,我们也和政府、行业协会合作,建设行业数据开放平台。”

    “商业化进展如何?”郑青山问。

    作为CFO,他最关心的是投入产出。

    “目前主要是项目制,每个行业解决方案的客单价在300万到2000万不等。”辛玉良调出财务数据。

    “今年签约18.7亿,实际回款11.2亿。

    利润率方面,软件部分毛利率85%,硬件部分30%,整体项目毛利率45%左右。”

    “45%......”郑青山推了推眼镜,“比传统企业软件高,但比云服务低。你怎么看未来的利润空间?”

    “随着模型标准化程度提高、实施成本下降,利润率会持续提升。”辛玉良很有信心。

    “更重要的是,盘古不是一次性项目,是持续服务。

    模型需要不断训练、迭代,客户需要持续购买算力和服务,这是一个长期生意。

    当然还有一点,盘古大模型可以帮我们卖更多的鲲鹏和昇腾。”

    说完露出一个懂的都懂的笑。

    另一边的郑青山点点头,在笔记本上记录着什么。

    “玉良,我问个技术问题。”汪剑锋开口。

    这位2012实验室总裁,平时话不多,但每次提问都很关键,“盘古的多模态能力怎么样?现在业界都在谈‘图文音视频’一体化,我们的进展如何?”

    “汪总问得好。”辛玉良切到新页面。

    “盘古的多模态大模型已经在媒体、教育、安防等领域试点。

    比如在媒体行业,可以实现新闻稿自动生成配图;

    在教育行业,可以根据课本内容自动生成教学视频;

    在安防行业,可以同时分析监控视频、音频和文本报告,做综合研判。”

    他顿了顿:

    “不过坦率说,在多模态的生成能力上,我们和国外顶尖水平还有差距。

    但在多模态的理解和分析上,尤其是结合行业知识的深度分析这一块,我们盘古有优势。”
『加入书签,方便阅读』