华为迈向智能世界白皮书2023：云计算.pdf

云计算AI重塑千行万业迈向智能世界白皮书2023目录03趋势三：大模型驱动应用变革，AIGC重塑应用全生命周期，从代码为中心走向模型为中心趋势四：AI云服务逐渐成为企业构建大模型首选0402趋势二：AI for Industry，加速行业应用创新落地趋势一：人工智能重塑千行万业，已从点级走向应用与系统级011行业创新实践应用级解决方案银行：智能数据洞见、风险报告生成（新流程）矿山：井下综采远控（新流程）运营商：网络外线运维助手（新流程）港口：智能计划平台（新流程）媒体：内容智能生成（新流程）系统级解决方案基于数字孪生、行业大模型等重构多个业务流程（运营商、金融、矿山等实践探索中）点级解决方案银行：智慧营销、风控等运营商：网络站点开通、告警压缩等矿山：主运皮带运输异物识别等电网：输电线路巡检、分布式能源管控等制造：质量检测等港口：集装箱识别、安全监测等机场：出行一张脸等水泥：生产实时优化等家装：AI辅助出图等数据中心：节能等.趋势一：人工智能重塑千行万业，已从点级走向应用与系统级人工智能技术在快速发展，但人工智能应用于各行业都需要一个过程，基于各行业众多的创新实践，AI应用到商业系统可以分为三个层次：点级解决方案：AI解决非常具体的问题，用于改进现有流程的某个环节且可独立部署，不改变系统。应用级解决方案：AI解决一系列问题，使能独立可部署的新流程，也不改变系统。系统级解决方案：AI能够同时改进多个现有流程，或者 通过改变相互依赖的流程使能多个新流程。回顾历史，从蒸汽时代到电力时代的转变过程中，一个传统蒸汽作业的工厂同样经历了，先从单一设备气改电的点级方案开始，然后实现围绕一条生产线的应用级改造，最终实现所有设备、所有生产线乃至整个工厂的系统性、全面电气化转型。通过当前各行业围绕人工智能的典型创新实践看到，人工智能应用于各行业正在从点级走向应用与系统级，如下图所示参考:Power and Prediction:The Disruptive Economics of Artificial Intelligence2从产业变革与升级的角度看，AI for Industry将成为人工智能接下来的主要方向，AI与各个行业的结合将会走向深度。例如，在垂直金融领域，BloombergGPT大模型在海量金融数据的基础上，为金融分析师提供智能服务，标志着通用大模型与金融行业深度结合的开始。大模型将成为AI的操作系统，从使用和成本多个角度大模型接下来会加速与硬件的适配，所有的AI算法可以围绕大模型进行构建和应用。虽然AI大模型具备场景通用、泛化和规模化复制等优势，但如果需要深入解决复杂的各大垂直行业场景问题，AI大模型融入行业知识被视为是重要的机制与技术路径企业级数据底座是基础人工智能无论是点级、应用级、系统级方案都需要用到大量数据资产，构建企业级数据底座势在必行。通过作业数字化、数字平台化，使得数据清洁、透明、聚合，这是转型的基础。结合对数据的科学治理，数据在企业内部的流动才具有意义，不同维度的数据汇聚在一起，才能创造新的价值。战略驱动+商业目标牵引智能化是数字化的新阶段，系统性地引入智能化要对准企业或组织战略方向，支撑战略达成，实现既定的商业目标。成功的数字化、智能化转型，都是由战略驱动，而非技术驱动。结合战略方向，通过清晰的商业成效目标牵引，价值场景先行：企业内可能用到人工智能的环节场景众多，避免为了替换而替换，企业需清晰定义引入人工智能后期望达到的成效目标，从而识别价值场景先行引入人工智能。行动建议：战略驱动是根本、数据底座是基础、人工智能是核心智能化的旋律一旦奏响，便将穿透企业内部的边界，连点成线、聚线成面。人工智能将驱动生产力从“量变到质变”，并逐步成为经济发展的核心引擎，重塑千行万业。在我们看来，对数智化转型而言：战略驱动是根本、数据底座是基础、人工智能是核心。人工智能大模型+行业是核心3主运系统，异物识别精度达98%掘进作业，动作规范识别准确率95%1.0 点级解决方案2.0 应用级解决方案3.0 系统级解决方案AI使能业务场景智能化5G+AI使能新应用、新流程基于工业互联网架构，打造智慧矿山综采系统，几百路视频实时回传，结合人工智能拼接实现全景远程操控，采煤司机由井下到井上基于工业互联网架构，通过数智融合平台，构建智慧矿山通过AI大模型快速落地采、掘、机、运、通等1000+场景掘进主运低代码/零代码逻辑数据湖应用使能数据使能矿山工业承载网络智能物联操作系统矿山AI大模型云基础设施计算|存储|网络|安全公有云混合云AI算力中心统一架构|统一标准|统一数据规范采煤掘进机电运输通风人员行为无人驾驶监测监控传感器采煤机主运胶带机掘锚机支架巡检机器人泵站集控中心人员定位综合分站智能应用平台开放、架构解耦，向下统一接入各种装备，向上使能应用创新AI使能5GF5GWi-Fi 6IoT行业实践：基于工业互联网架构，以人工智能为核心打造智慧矿山煤矿生产是一项复杂、危险性较高的工作，当前在几百米井下仍需大量人员现场作业，因此少人无人、安全高效是煤矿智能化追求的重要目标。智能煤矿的本质是工业互联网架构在煤矿行业的变革，一定要有统一的标准、统一的架构、统一的数据规范，在这个架构下面，数据成为生产资料，人工智能成为新生产力。所以智能煤矿的核心就是以云为基础，数据为要素，通过人工智能替代人从事危险工作、重复劳动，沉淀专家经验。点级解决方案：AI使能业务场景智能化，基于盘古矿山大模型的AI主运智能监测系统代替人工巡检，全时段智能监测，精准识别大块煤、锚杆等异常，准确率达98%，保障了主运皮带的正常运行，减少井下20%巡检人员；基于矿山大模型的AI掘进作业序列智能监测系统，精准识别掘进作业规范如钻眼深度、搅拌时间等，用过程的确定性解决人为因素的不确定性，保障了井下人员作业安全。应用级解决方案：5G+AI使能新应用、新流程，通过5G实现上百路高清视频实时回传，结合人工智能拼接技术，从九宫格到40米全景画面保障采煤机远程精准操控，让煤矿工人从井下走到井上，在办公室里就可以实现远程采煤作业，大大改善了工作环境，同时，提高了整个煤矿的安全生产水平。系统级解决方案：基于工业互联网架构，通过IoT物联平台统一接入3000+煤矿生产设备，统一数据标准入湖，结合大数据底座打通煤矿各子系统，统一治理OT与IT系统数据，为管理人员提供全场景全要素的实时信息，快速构建数字孪生矿山，基于矿山大模型的能力，由点级和应用级扩展至系统级解决方案，快速复制到采煤、掘进、主运、辅运、提升、安监、防冲、洗选、焦化9个专业21个应用场景，实现AI应用大规模下井。4目录03趋势三：大模型驱动应用变革，AIGC重塑应用全生命周期，从代码为中心走向模型为中心趋势四：AI云服务逐渐成为企业构建大模型首选0402趋势二：AI for Industry，加速行业应用创新落地趋势一：人工智能重塑千行万业，已从点级走向应用与系统级015伴随着大模型领域的创新突破，生成式AI掀起智能化升级的新一轮浪潮。千行万业是推动社会经济发展的核心引擎，大模型要真正发挥价值，就要走入千行万业。同时，多模态大模型兴起与行业场景业务诉求的双轮驱动，使得AI for Industry大有可为，加速行业应用创新落地。技术方面：大模型走向多模态、多任务。通过融合图像，语言以及未来行动等多方面能力实现更加通用的智能，目前实现方式既有融合多模态，也有组合多模态，通过对海量数据的预训练，不断提升基础大模型的通用能力，满足复杂多样的行业场景诉求。业务方面：大模型逐步走向行业应用实现更大的商业价值。在通用预训练大模型的基础之上加入行业数据，使用行业数据进行更新训练，生成适用于行业的大模型是未来发展的必经之路。目前，问答、生成场景如回答问题、撰写文章、文本摘要、语言翻译和生成计算机代码等任务，已经在行业场景中逐步落地，提升了企业生产效率。为了进一步创造更大的商业价值，各行业正在探索通过行业大模型对已有业务及流程进行重塑，加速AI行业应用创新落地，创造新的业务模式，带来新的业务增长。大模型走向多任务、多模态融合多模态组合多模态Kosmos-1PaLM-EDeepmindFrozenTaskMatrix.AIVisual ChatGPTHuggingGPTOpenAIGPT-4MicrosoftLLaVAX-LLMAGI趋势二：AI for Industry，加速行业应用创新落地需求高 营销 学习 审稿 代码审查 构思 快速设计与审查高 医学诊断 生成代码 法律咨询 商业智能 监管/合规 技术出版 奇思妙想的应用（如编写推特自我介绍）创作（图片、玩笑、诗歌等）专业技术咨询低低难度来源:哈佛商业评论挑选生成式AI项目6行动建议：从“读万卷书”到“行万里路”，基于分层解耦的三层架构构建行业大模型从通用大模型到行业大模型业界已有诸多实践，从构建范式来看，分层解耦的三层架构获得了业内的一致认可。L0层是基础大模型，包括自然语言、视觉、多模态、预测大模型、科学计算等大模型，提供满足行业场景的多种基本技能。L0层就是读万卷书的阶段，通过自监督训练技术，让模型从海量的无标签数据中学习和记忆，从而掌握基本常识。这一阶段数据量非常巨大，包含海量的图像、文本、图文对，必须在超大规模集群上才能进行训练。然后基于L0层存储的大量知识，通过有监督精调技术和强化学习来对模型进行引导，类似于名师进行指导，让模型在收集的海量高质量题库上进行大量练习，练就出上百种能力，才能将存储的知识灵活地加以运用，去解决实际问题。L1层是行业大模型，基于基础大模型加行业知识，提供适配行业特征的大模型，打造政务、金融、制造、矿山、气象等各行业大模型。读了万卷书，有了名师指导，接下来就进入行万里路阶段。行万里路就是将模型应用到行业场景中，学习行业的专业知识，在工作流程中进行大量锤炼，从而得到各个行业大模型。L2层提供更多细分场景的模型，它更加专注于某个具体的应用场景或特定业务，提供开箱即用的模型服务。大模型行业开发套件L0基础大模型自然语言大模型视觉大模型多模态大模型预测大模型科学计算大模型L2场景模型先导药物筛选小分子优化政务热线慧眼识事网点助手财务异常分析供应链物流器件分配传送带异物检测掘进序列检测铁路TFDS检测台风路径预测海浪预测L1行业大模型政务大模型金融大模型制造大模型药物分子大模型矿山大模型铁路大模型气象大模型7行业实践一：政务大模型在政务行业，华为云盘古政务大模型，对海量政务知识如12345热线、政策文件、政务百科等，进行预训练和推理，打造政务对话问答、政务文案生成、城市视频感知、视频多模态理解、开放事件发现等政务能力，实现构建从感知、认知到处置、决策全流程智能化的政务大模型。在城市治理场景中，政务大模型通过接入城市数十万视频源进行联动分析，并对百万政务知识精调、政务规则理解与执行的能力，能实时精准理解及分析画面内容存在哪些城市损坏及异常的现象。同时，政务大模型将L0层的NLP大模型与CV大模型融合，实现城市事件实时感知、万物理解。例如在台风过后，政务大模型对树木倒塌、共享单车倾倒等场景进行准确检测与分割，并进行多任务协同调度，将树木倒塌分拨至园林绿化部门，共享单车倾倒分拨至城管部门，路面暴露垃圾与积水分拨至环卫部门处置，让城市事件秒级发现，分钟级分拨，城市事件处理效率提升了50%以上。政务大模型智慧政务全场景生态实时全面城市感知慧眼识事政务热线一网统管5大政务技能，构建感知-认知-处置-决策全流程智能化政务对话问答政务文案生成城市视频感知视频多模态理解开放事件发现千亿级参数超网络兼顾局部与全局海量政务知识预训练多模态理解与识别一切随时随地协同办公报告生成公文撰写一网协同便民便企政务服务智能网办政务助手一网通办精准高效城市治理政务数字人政策推荐一屏统览8行业实践二：金融大模型在金融行业，华为云盘古金融大模型，结合银行数据底座汇聚的多源、异构的金融数据进行精调和推理，不断提升金融大模型的能力。如今金融大模型走进银行网点，打造银行柜员自己的智慧助手，帮助网点柜员轻松办理各种业务。智慧助手通过对银行的各种操作、政策、案例文档进行预训练，能够根据客户的问题，为柜台工作人员，自动生成流程和操作指导，将原来需要平均5次操作完成的单次业务办理，降低为1次即可办结，处理时间缩短了5分钟以上。未来金融大模型还将落地到更多的金融场景，如信贷业务、风控分析等，持续提升业务效率。金融大模型金 融 大 模 型 让 每 个 银 行 柜 员 拥 有 自 己 的 智 慧 助 手40,000+银行200,000+网点员工网点outlets专业知识复杂知识分散业务办理时间长办理更流畅操作更准确对客更自如单次业务办理单次办结时间缩短分钟5操作次数159目录03趋势三：大模型驱动应用变革，AIGC重塑应用全生命周期，从代码为中心走向模型为中心趋势四：AI云服务逐渐成为企业构建大模型首选0402趋势二：AI for Industry，加速行业应用创新落地趋势一：人工智能重塑千行万业，已从点级走向应用与系统级0110软件工程3.0走向智能化模型-代码-数据-数字内容飞轮自修复模型选择与编排自动生成代码和内容辅助编码需求监控反馈验证软件研发作业流走向多模态融合XOps来源:GartnerData and Analytics and Al OrchestrationModelOpsDataOpsDevOpsData EngineeringServicesModel Engineering andDevelopment ServicesApps Development andDeployment ServicesData Pipelines and Workflows ManagementModel Engineering and Governance LabEndpoint Management and Composability ServicesSecurity,Personally ldentifiable lnformation Governance，Interpretability and Privacy-Preserving Compute软件开发职责走向全能开发测试运维运营作业场景需求&协同设计&编码检查&合入构建测试设计执行测试分析问题发现问题定位智能配置技术支持研发流程产品专家new架构专家newQA专家new对应的角色产品经理开发工程师Committer测试经理测试工程师对应的角色开发工程师Committer测试经理测试工程师SRE对应的角色Committer测试经理测试工程师SRE运营趋势三：大模型驱动应用变革，AIGC重塑应用全生命周期，从代码为中心走向模型为中心软件工程3.0从数字化走向智能化：强调通过大模型辅助验收标准、测试用例、UI设计、代码实现以及测试脚本的端到端研发效能提升的重要性。人机交互智能使得研发过程更加贴近实际使用场景，提升软件质量。数字化研发平台从管理型工具变为智能化理解需求、设计、代码、测试和部署的助手型工具。以模型和数据为核心，研发工具通过模型、代码、数据和数字内容飞轮的迭代，满足更高层次需求。软件研发作业流从DevSecOps走向多模态融合：随着AIGC的飞速发展，企业的未来业务应用正逐步深度融入数据和AI的紧密结合中。企业的新型数智媒软应用将进一步拓宽DevSecOps的范畴，推动其进化为一种以大模型为核心的多模态流水线。这种新型流水线将不仅包括开发、安全和运维的环节，还将涵盖数据、智能和数字内容等多个方面，为企业提供更加全面、高效的服务，助力企业进一步提升竞争力。软件开发职责从多角色细分工走向全能：软件工具变革将影响软件研发流程的角色分工，基于AI的研发工具平台可以辅助决策、辅助计划、预测和协调工作。跨研发职责及角色的协同效率将提升，基于AI的研发工具平台可以解决不同的角色沟通提效，影响角色互动。研发团队从多角色精细分工转变为产品、架构和运维三个分类职能端到端负责应用落地，“一人成军”，单兵全栈作战能力极大提升。11智能化研发工具APIs研发业务应用研发大模型行业研发大模型训练流水线自监督学习流水线监督学习流水线RRTF流水线PPO流水线XX行业研发大模型设计助手测试助手开发助手运维助手.开发接口说明需求拆解研发文档架构图设计协同测试测试脚本单元测试测试日志测试设计工具协同日志埋点代码解释器问题单分析运维代码解释代码生成代码优化代码调试代码注释代码翻译代码检查代码检视研发大模型多模态AI应用开发框架AI应用集成应用集成组件AI复杂任务编排模型&数据共享仓AI应用市场大模型集成AI应用生态AI插件框架AI数据连接器大模型API网关AI数据增强检索AI应用开发框架大模型交通研发大模型金融研发大模型XX研发大模型盘古研发大模型行业大模型统一云上应用融合生产线内容编辑仿真渲染媒体分发3D建模组装测试发布部署监控反馈开发构建数据入湖数据转换数据发布数据接入模型训练模型评估模型注册数据准备行动建议：通过智能化研发工具和集成开放能力，加速行业AI应用开发与生态构建以研发大模型为核心，引入智能化研发工具：以研发大模型为核心，提供需求设计辅助、开发编码辅助、集成测试辅助、运维监测辅助和研发协同辅助能力落地设计助手、开发助手、测试助手和运维助手等智能化研发工具，协助开发者实现“一人成军”极大提升单兵全栈作业能力。优化开发流程，统一云上应用融合生产线：将数据生产线、模型生产线、数字内容生产线和软件开发生产线紧密结合，打造一条全新的数智媒软AI软件开发生产线。这条生产线将贯穿联通的数据、模型和数字内容，为千行万业的 AI应用开发提供强大支持。通过优化开发流程，加速 AI应用的开发速度，帮助企业更快地实现智能化转型。新增AI应用开发框架，全流程引入多模态应用开发能力：新增多模态应用集成层：集成大模型复杂任务编排，托管大模型和AI应用，完成多模态应用发布；新增多模态应用开发框架层：一站式多模态应用开发平台，提供输入转换、测试驱动模块、AI安全隐私、可视化组装等能力；新增多模态应用开发框架层：供AI插件框架联接大模型API，AI数据连接器进行数据增强检索。12目录03趋势三：大模型驱动应用变革，AIGC重塑应用全生命周期，从代码为中心走向模型为中心趋势四：AI云服务逐渐成为企业构建大模型首选0402趋势二：AI for Industry，加速行业应用创新落地趋势一：人工智能重塑千行万业，已从点级走向应用与系统级0113趋势四：AI云服务逐渐成为企业构建大模型首选AI重塑千行万业，大模型表现出越来越强的能力，围绕AI Agent工程思维发展的技术栈，也让企业领袖们看到了AGI的时代大门在缓缓打开。站在时代风口，各个企业的领导者投入了前所未有的热情去拥抱大模型，或以“副驾驶”的方式接入大模型能力，或投入全部筹码以大模型来重构业务。Scaling Law继续有效，基础大模型规模逐步摸高，大模型算力诉求持续增长：模型超过一定的临界规模后，大语言模型开始表现出一些开发者最开始未能预测的、更复杂的能力和特性，这些新能力和新特性被认为是涌现能力的体现。随着大模型能力被越来越大的释放出来，开发者们在追求更强人工智能的同时会进一步推高模型的参数规模，需求更多的算力支撑。短期内以模型训练需求为主，未来20%在模型训练，80%在模型推理，可靠、经济的AI算力成为企业关注点。大模型需要新型的系统算力：大模型开发和应用对网络带宽、显存容量、内存带宽和系统可靠性方面都有非常高的要求，急需解决联算比、容算比和存算比这三大挑战。同时，企业拥抱大模型的过程是一个逐步探索的过程，对大模型的能力需求，对大模型所需算力的需求，都是一个变化过程。企业需要一个高效、弹性的AI算力支持。大模型的开发与应用是一个复杂的系统工程：以生成式AI为代表的大模型早期技术生态已经出现：1）将AI模型集成到面向用户的应用程序中，端到端运行自己的模型或依赖第三方模型API；2）为 AI 应用提供基础大模型，可以作为专有 API 或开源提供；3）为大模型训练和推理工作提供支撑的基础设施供应商，即云平台和硬件制造商。各大云服务厂家围绕大模型做强技术栈和生态的构建，与大模型发展相辅相成。大模型时代，传统摩尔定律的增长与模型算力诉求有了越多越大的差距，训练一个SOTA Transformer模型所需的算力增长达到了2年750倍的增长速度Training FLOPs Scaling for SOTA ModelsTraining Compute（PFLOPs）1e+091e+081e+071e+061e+051e+041e+031e+0220122021AlexNet20132014201520162017YEAR201820192020Seq2SeqInceptionV3XceptionResNextDenseNetResNetTransformerGPT-1BERTMoCo ResNet50ELMoXLNetMegatron LMWav2Vec 2.0Microsoft T-NLGVGGTransformer:Moores Law:750 x /2 yrs2x/2 yrsGPT-3大模型技术生态快速发展，围绕着云服务有了基本的技术栈分层Compute HardwareAccelerator chips optimized for model training and inference workloadsExamples:GPUs(Nvidia),TPUs(Google)Cloud PlatformsCompute hardware exposed to developers in a cloud deployment modelExamples:AWS,GCP,Azure,CoreweaveOpen-SourceFoundation ModelsModels released as trained weightsExamples:Stable Diffusion(Stability)Model HubsPlatforms to share and host modelsExamples:Hugging Face,ReplicateClosed-SourceFoundation ModelsLarge-scale,pre-trained models exposed via APlsExamples:GPT-3(OpenAl)End-to-End AppsEnd-user facingapplications withproprietary modelsExamples:Midjourney,RunwayAppsEnd-user facing B2B and B2C applications without proprietary modelsExamples:Jasper,Github CopilotAppsModelsInfrastructureUsers来源:https:/来源:UC Berkeley RISELab14行动建议：以云服务构建企业大模型底座，实现大模型的系统开发和持续迭代海量的AI算力资源，以及灵活、弹性的资源调度能力，云计算成为大模型训练、推理部署的必要基础设施。此外，大模型应用开发不仅需要算法开发能力，还需要数据处理、软硬件优化、模型开发、应用创新等系统工程能力，每一个环节都存在着大量工程技术挑战。借助云服务厂家构建的AI云服务生态，企业可以快速实现大模型的系统开发和持续迭代：1.以AI为体，以云为用。Scaling Law继续有效，且大模型应用会持续消耗AI算力。拥抱领先的AI云服务，基于软硬件原生协同设计，端到端优化加速能力，获取高效AI算力。2.接入领先的大模型生态，构建行业智能体。大模型将重塑千行万业，行业众多业务系统会衍变成一种以云为基础，以AI 为核心的一体化智能系统。3.异构算力、多云战略。在使用大模型的过程中，业务连续、数据安全成为了制约因素，异构算力适配、多云业务部署，构建企业大模型可靠底座。15大模型是迄今为止最复杂的软硬件系统工程，以AI云服务为载体降低大模型落地产业的复杂性模型开发阶段开发准备阶段应用落地（开放）阶段大模型专业开发者应用开发者平台系统工程师环境搭建阶段代码调试模型训练模型预训练代码调试模型微调训练下游任务微调转换剪枝蒸馏量化模型转换/优化在线推理离线推理模型部署API开放插件生态AI Agent能力开放计算系统设计与优化网络设计与优化存储设计与优化资源调度系统设计及优化能耗系统设计及优化AI平台系统设计及优化集群建设和上线开源数据私有数据模型结构设计指令数据前期准备AI云服务CPU 池内存池XPU 池存储 池CPUCPUCPUCPU内存内存内存内存XPUXPUXPUXPUSSDSSDSSDSSDSDISDISDI擎天卡UB高速总线全新数据中心基础设施|高密计算、无损网络、多级存储AI平台|资源管理、模型开发、模型部署、模型加速应用开发框架应用开发工具提示工程模型训练工作流模型管理模型开发工具模型评测模型部署数据撰写与标注数据集管理数据工程工具代码生成NL2SQL插件调用模型调用具身智能对话问答文案生成L0 Capabilities自然语言计算机视觉多模态预测科学计算L0 FoundationDatasets开源数据集指令文案文本SQL公开金融数据公开政务数据L0政务大模型金融大模型制造大模型铁路大模型气象大模型矿山大模型L1财务异常检测铁路TFDS检测PCB板质检水泥能耗优化传送带异物检测偏光片质检卷宗审核先导药物筛选建筑能耗优化金融违约风险识别L2第三方插件自有插件插件对话问答API文案生成API代码生成APIAPIAPP智能客服信息检索数据分析助手软件开发助手16异构算力避免大模型算力瓶颈，多云战略保障核心数据安全混合云公有云大模型云专区公有云公有云混合云L1 行业大模型脱敏行业数据AI平台|ModelArts L0 基础大模型|盘古、GPT4异构算力|昇腾、GPU、CPU、鲲鹏AI框架|MindSpore、PyTorch 持续迭代企业私有数据AI平台|ModelArts 基于L1 的独立副本异构算力|昇腾、GPU、CPU、鲲鹏AI框架|MindSpore、PyTorch 17L2 场景模型文档审核多轮理解交互理解文案生成文本生成代码质量评估代码修改建议测试用例生成代码补全代码生成代码场景对话场景基于商业大模型，创新B2B新业务AI云服务，一键接入澎湃算力行业实践：拥抱海量异构算力，基于大模型能力快速上线创新新业务AIGC大模型火爆全网，以高效、优秀的文字、图形、代码生成能力冲击着大量数字内容生成企业，电商、游戏等互联网企业积极拥抱这一轮人工智能红利。2022年底，美图秀秀快速上线“AI绘画”等AIGC功能，在全球14国进入Top 10 APP。为了满足算力的爆发性需求，美图借助华为云ModelArts AI平台获取了海量异构、高效AI算力，并基于盘古大模型快速创新面向企业市场的新业务“AI模特试衣”，打造电商行业大模型应用。高效AI云算力：华为云提供高性价比异构AI算力，AI平台加速能力让AI训练效率提升40%，AIGC模型推理时延减少33%以上。全栈AI工具链：华为云ModelArts 兼容原生K8S接口以及主流第三方插件，实现社区加速能力即插即用。同时，为了加速行业大模型开发，简化大模型应用系统开发，华为云提供了大模型工程化套件，覆盖了数据处理、模型训练和应用开发三大环节，5倍速开发行业大模型。以大模型开发新业务：在快速接入开源大模型的能力同时，也积极围绕华为云盘古大模型，构建B2B端应用美图设计室，用盘古多模态大模型的AI生成能力，开发AI模特试衣功能，提升电商工作效率。模型加速昇腾适配推理加速训练加速编译优化数据加载优化算子优化模型切换精度调优快速验证昇腾CPU/鲲鹏GPUModelArts盘古大模型AI云服务18Thank you.19