電子發燒友網報道（文/李彎彎）據報道，西安交通大學第一附屬醫院劉冰教授團隊利用華為盤古大模型成功研發出一種新的“超級抗菌藥”，它有望成為全球近40年來首個新靶點、新類別的抗生素。借助大模型，先導藥的研發周期從數年縮短至1個月，研發成本降低70%。

近段時間，以ChatGPT為代表的大模型掀起新一輪人工智能熱潮，除了在娛樂、問答聊天、寫程序的應用之外，大模型產業化的應用也備受關注。

2021年4月，華為云盤古大模型正式發布。華為云官網顯示，華為云盤古大模型由NLP大模型、CV大模型、多模態大模型、科學計算大模型等多個大模型構成，通過模型泛化，解決傳統AI作坊式開發模式下不能解決的AI規模化、產業化難題。

具體來看，NLP大模型對應內容生產和內容理解；CV大模型為分類、分割和檢測；多模態大模型具備跨模態檢索、跨模態生成、看圖說話四種能力；科學計算大模型則分為分子大模型、金融大模型和氣象大模型。

NLP大模型：首次使用Encoder-Decoder架構，兼顧NLP大模型的理解能力和生成能力，保證了模型在不同系統中的嵌入靈活性。下游應用中，僅需少量樣本和可學習參數即可完成千億規模大模型的快速微調和下游適配。

CV大模型：首次實現模型按需抽取的業界最大CV大模型（30億參數，10億級圖像），首次實現兼顧判別與生成能力。基于模型大小和運行速度需求，自適應抽取不同規模模型。使用層次化語義對齊和語義調整算法，在淺層特征上獲得了更好的可分離性，使小樣本學習的能力獲得了顯著提升。

科學計算大模型：盤古氣象大模型提供秒級天氣預報，例如重力勢、濕度、風速、溫度，氣壓等變量的1小時-7天預測。借助創新的3DEST網絡結構以及分層時間聚合算法，盤古氣象大模型在氣象預報的關鍵要素和常用時間范圍上精度均超過當前最先進的預報方法，同時速度相比傳統方法提升1000倍以上。

另外，盤古氣象大模型支持廣泛的下游預報方案，如在臺風路徑預測任務上，相比傳統數值氣象預報方法，盤古氣象大模型可以降低20%以上的位置誤差。

近些年，在供需兩側的共同推動下，技術創新成果開始大規模地從實驗室研究走向產業實踐，人工智能產業化進程加快。在眾多人工智能賦能產業進步的案例中，華為云旗下的盤古大模型正是其中之一。

目前盤古預訓練大模型能力已經在能源、零售、金融、工業等領域得到驗證。比如在電力領域，盤古預訓練大模型可做到一個模型適配上百種缺陷，一個模型就可以替代廠商原先的20多個小模型，極大減少了模型維護成本，平均精度提升18.4%，模型開發成本降低90%。

在金融領域，盤古預訓練大模型與廣發證券合作了企業財務智能預警項目，該項目顯示，2019年有496家企業被監管處罰、問詢或被ST處理，利用盤古大模型預測出其中439家，覆蓋率近90%，其中被監管處罰企業111家，盤古大模型全部命中，無一家遺漏。

此外，為了解決AI在煤礦行業落地難、門檻高等問題，華為云打造了全棧性能領先的盤古礦山大模型。只需導入海量無標注的礦山場景數據進行預訓練，盤古礦山大模型即可進行無監督自主學習，僅一個大模型就能覆蓋煤礦的采、掘、機、運、通等業務流程下的1000多個細分場景，讓AI應用在煤礦普及更容易。

在主運場景中，基于盤古礦山大模型的AI主運智能監測系統能夠精準識別大塊煤、錨桿等異常情況，異物識別準確率達98%。此外，相較于人工巡檢，盤古礦山大模型實現了全時段巡檢，幫助工作人員及時地發現問題，避免因漏檢造成的安全事故，縮短停機時間，同時提升井下巡檢人員的工作效率。

當前除了華為，國內的互聯網公司都已經推出或者計劃推出相關大模型產品，以應對ChatGPT熱潮引發的市場需求。其中近來最為引人注目的是前不久百度發布的文心一言。當前國內各企業在大模型技術的發展上都具備一定的條件，比如說資金、算力、人才、數據等，各有長處，也各有不足。整體而言，大模型的持續發展給各產業帶來的升級值得期待。