华为：加速行业智能化白皮书.pdf

加速行业智能化白皮书使能百模千态，赋能千行万业在这个数字化、智能化的时代，人工智能已经逐渐成为推动科技发展的核心驱动力。人工智能技术越来越成为面向未来、开拓创新的重要工具和手段。其中，基于知识驱动的第一代人工智能利用知识、算法和算力三个要素构建AI;基于数据驱动的第二代人工智能利用数据、算法和算力三个要素构建 AI。由于第一、二代 AI 只是从一个侧面模拟人类的智能行为，因此存在各自的局限性，很难触及人类真正的智能。而第三代人工智能，则是对知识驱动和数据驱动人工智能的融合，利用知识、数据、算法和算力四个要素，构建了新的可解释和鲁棒的 AI 理论与方法，发展安全、可信、可靠和可扩展的 AI 技术。第三代人工智能是发展数字经济的关键，是数字经济未来发展的新灯塔和新航道。知识和数据双轮驱动下的第三代人工智能技术正在催生人工智能产业的迭代升级，以大模型为代表的第三代人工智能，它通过文本的语义向量表示和转换器的多头注意机制，能够对文本的语义，即文本中所包含的知识进行自监督学习，从而在聊天（对话或自然语言处理）上向通用人工智能迈出一步，这是人工智能的重大突破，已经成为新一轮科技革命和产业变革的核心驱动力，助力中国经济实现高质量发展，深刻影响人民生活和社会进步。本书的典型特色，就是通过一些具体的场景应用和实践案例，把第三代人工智能赋能千行万业的作用进行了具象化，主要体现在以下几个方面：一是第三代人工智能技术聚焦于企业和政府服务，涉及零售营销、金融、交通、医疗保健、教育、制造业、网络安全等方面。例如，在实践案例方面，中国国家气象中心与华为合作的气象大模型，通过海量数据和算力保障充分发挥大模型算法的作用，使得中长期气象预报精度首次超过传统数值方法，速度提升 10000 倍以上。二是第三代人工智能技术催生了很多新兴产业，这些新兴产业对于国民经济、国防、国民社会的发展至关重要。例如，在场景方面，AI技术使能城市安全。基于 AI 技术构建的智能预测模型和智能决策模型等为城市感知体系的建设带来了新的能力。通过视觉大模型能够将之前的单场景感知增强至泛化多场景安全风险识别，面对城市安全等场景提升感知数据的通用分析能力，持续推动城市感知体系的创新和升级，为构建更智慧、更安全的城市环境注入了强大的动力。三是第三代人工智能技术积极推动传统产业转型升级，运用大量信息技术和数字化手段，加快推进产业智能化，完善产业链数字形态，极大地提升生产效率和产品质量。例如，本书介绍了山东能源集团的智能化转型的案例。山东能源集团创新性地使用大模型和云边端分层分级架构体系，通过 AI 与业务流程深度结合、资深业务人员的深度参与，以及应用与 AI 算法协同等机制，成功解决了能源行业人工智能应用的难题。第三代人工智能技术的发展还存在理论基础薄弱的问题，属于探索“无人区”，发展目标和发展道路不明晰，这也是人工智能产业和信息产业最大的不同。我们还欣喜的看到，本书提出了利用人工智能技术推动行业智能化的一个系统工程的理论架构。书中提到的“分层开放、体系协同、敏捷高效、安全可信”的行业智能化参考架构，对人工智能产业生态的构建会起序言一到重要作用，促进产业的有机更新、迭代升级，带动千行万业智能化，从而加快人工智能产业快速发展。未来，全球经济要实现高质量发展，必须大力推动人工智能持续赋能行业智能化转型。通过本书的介绍，我们看到中国的人工智能技术和产业已经取得了长足的发展，在各个领域进行了大量的探索和实践，有诸多成功案例，可以为全球走向智能化提供一些成功的经验和实践范式。让我们期待人工智能技术的持续创新和改善，全球的人工智能产业及应用能在下一个十年蓬勃健康地发展！人工智能正在迅速发展，智能世界加速到来。最后，我想说，人工智能的魅力就在于人工智能的研究永远在路上,需要的是坚持不懈与持之以恒。希望全社会、各行业能够更加积极的拥抱人工智能技术，共同迎接一个充满智能与创新的新时代。中国科学院院士、清华大学教授、清华大学人工智能研究院名誉院长犹如历史上蒸汽机、电力、计算机和互联网等通用技术一样，近 20 年来，人工智能正以史无前例的速度和深度改变着人类社会和经济，为释放人类创造力和促进经济增长提供了巨大的机会。人工智能是驱动新一轮科技和产业变革的重要动力源泉。人工智能的发展不但已从过去的学术牵引迅速转化为需求牵引，其基础和目标也在发生变化。人工智能技术在大数据智能、群体智能、跨媒体智能、人机混合增强智能、自主智能系统五大发展方向的重要性和影响力已系统展现。在规划及产业的推动下，这五个方向和 5G、工业互联网、区块链一起正在形成更广泛的新技术、新产品、新业态、新产业，使得制造过程更智能，供需匹配更优化，专业分工更精准，国际物流更流畅，从而引发经济结构的重大变革，带动社会生产力的整体跃升。另外，人工智能也正在赋能智慧电力、智慧交通、智能城市、智慧医疗、智慧农业等方向，带动各行各业从传统发展模式向智能化转型。总之，人工智能正不断重新定义人们的生产、生活的方方面面，同时也为我们带来了前所未有的机遇和挑战。Chat GPT 的问世使 AI 又前进一大步。数据、算力、算法曾是人工智能发展的三大核心要素，现在开始转向大的数据、模型、知识、用户等四大要素。其中，数据是人工智能算法的“燃料”，融入知识的大模型是人工智能的基础设施，大模型的广泛使用则是人工智能系统进化的推动力量。从传统作坊式小模型向百亿千亿参数大模型的演进中，参数越多，训练的大数据越广泛、通用效果就越明显，越似乎人脑，但对算力要求也越高，杜绝偏差的难度也越大。人工智能迭代发展过程中，顶层设计要考虑到行业中数据的相容与特色、知识的建构和发展，序言二算力设施的同步演进，形成合力，支撑人工智能产业升级换代。在这场人工智能的变革浪潮中，如何把握人工智能技术的发展趋势，将其应用于实际行业场景，以实现更高效率、更低成本、更广覆盖度地赋能行业智能化，已经成为社会各界关注的焦点。行业智能化转型过程中遇到的其中一个关键挑战是在各行业与 AI 之间的知识沟通，培养两栖人才。本书通过一个通用的系统工程框架比较全面地解析了该问题的解决之道，来指导行业智能化转型这个复杂的系统工程。通用的智能化系统框架像人体一样，有大脑、五官、经脉、血液、手脚、知识等，可感知，能学习，会思考，会进步。结合行业数据、知识的积累与融合，用户的体验与反馈，才能更好地支撑 AI 在行业中的发展。人工智能将触发广泛的行业变革。未来十年，AI 的主战场正是在各行各业。我们不但要研究语言模型、图像模型、视频模型等等基础大模型，还要进一步创建行业知识与数据集，训练各行业的垂直模型，推动数据和知识双轮驱动的人工智能。数据和知识的结合将让人工智能走向更深入、更专业、更广泛。另外还需要加强安全可信、政策标准等方面的投入，以更全面、更有效的力度推进行业智能化的发展。本书列举了人工智能技术使能不同的企业生产场景和民生场景。例如，在 AI 使能企业生产部分，本书提出了大模型支撑不同业务场景：视觉大模型应用于安监生产；语言大模型应用于经营管理；多模态大模型应用于决策指挥。在 AI 使能民生部分，通过使用人工智能技术，提高医学影像诊断的精准性、标准化和自动化。书中对智慧煤矿、智慧钢铁、智慧港口、智慧城市交通、智慧航空、智能铁路、智慧城轨、智慧油气、智能制造、智慧电力等企业生产场景，以及城市治理、气象预报、智慧影像、精准医疗、智慧水务等民生场景的深入分析，还列举了大量生动的案例，这些案例分布在矿山、电力、制造和大企业、机场和轨道交通、公路水运口岸、油气、金融、智慧城市、政府及公共事业等众多领域。充分体现了人工智能在各行各业应用中具有巨大潜力和广阔空间。总的来说，本书总结了华为过去几十年的技术创新研究和对行业智能化的实际应用效果，通过独特的视角和深入的思考，考察了人工智能技术在行业智能化中的关键作用，展示了如何将人工智能技术与传统产业深度融合，推动产业升级和转型，为经济智能化转型提供了有益的经验与借鉴。当前，中国正以“万水千山只等闲”之势，生机勃勃地前进在行业智能化转型的大道上，产业界、学术界、行业用户正在一起合力构建一个万物互联的智能世界，打造无所不及的 AI。智能化的未来，是全人类共同的未来，每个国家都有权利和需求参与到智能化的发展进程中来，共同推动智能化技术的应用和创新，带动全球经济和社会走向一个高质量、高水平的快速演进期，以造福全人类。中国工程院院士、浙江大学教授国家新一代人工智能战略咨询委员会主任1760 年到 1840 年的第一次工业革命，主要技术手段是煤炭、蒸汽机，将人类带入了以机械化为特征的蒸汽机时代。19 世纪末到 20 世纪初的第二次工业革命的主要技术手段是电力、石油，将人类带入了电气化时代。20 世纪60 年代开始的第三次工业革命主要技术手段是计算机、互联网，将人类带入了自动化或网络化时代。21 世纪初的第四次工业革命则以大数据和人工智能技术为核心，以互联网承载的新技术融合为典型特征。相比前三次工业革命为人类社会带来的进步，第四次工业革命将人类带入了更高层次的智能化时代。人工智能技术不断演进，成为第四次工业革命的关键新兴技术，成为当前最具颠覆性的技术之一，是行业转型升级的重要驱动力量。人工智能作为一项战略性技术，已成为世界多国政府科技投入的聚焦点和产业政策的发力点。全球 170 多个国家相继出台人工智能相关国家战略和规划文件，加速全球人工智能产业发展落地。具体而言，美国将人工智能提到“未来产业”和“未来技术”领域的高度，不断巩固和提升美国在人工智能领域的全球竞争力；欧盟全面重塑数字时代全球影响力，其中将推动人工智能发展列为重要的工作；英国旨在使英国成为人工智能领域的全球超级大国；日本致力于推动人工智能领域的创新创造计划，全面建设数字化政府；新加坡要成为研发和部署有影响力的人工智能解决方案的先行者；基于当前复杂多变的国际形势，中国一方面要加强人工智能基础核心技术创新研究，培育自主创新生态体系，另一方面要推进人工智能与传统产业的融合，赋能我国产业数字化、智能化高质量发展。算力、数据、算法已经构成了目前实现人工智能的三要素，并且缺一不可。人工智能算力是算力基础设施的重要组成部分，是中国新基建和“东数西算”工程的核心任务抓手。预计到 2025 年，中国的 AI 算力总量将超过1800EFlops，占总算力的比重将超过 85%，2030 年全球 AI 算力将增长 500 倍。中国已经在 20 多个城市陆续启动了人工智能计算中心的建设，以普惠算力带动当地人工智能产业快速发展。多年来华为聚焦鲲鹏、昇腾处理器技术，发展欧拉操作系统、高斯数据库、昇思AI开发框架等基础软件生态，通过软硬件协同、架构创新、系统性创新，保持算力基础设施的先进性，为行业数字化构筑安全、绿色、可持续发展算力底座。人工智能产业的发展必然带来海量数据安全汇聚和流通的需求，大带宽、低时延的网络能力是发挥算力性能的基础。网络能力需求体现在数据中心内、数据中心间以及数据中心跟终端用户之间不同层面的需求。中国正在启动400G 全光网和 IPv6+网络建设以及从 5G 往5G-A 传输网络的演进工作，旨在通过大带宽、低时延高性能网络，支撑海量数据的实时安全交互。通过全方位的网络能力建设和升级，为人工智能数据流动保驾护航。人工智能技术的应用，是发挥基础设施价值的最后一公里。海量通用数据基础上进行预先训练形成的基础大模型，大幅提升了人工智能的泛化性、通用性、实用性。基础大模型要结合行业数据进行更有针对性的训练和优化，沉淀行业数据、知识、特征形成行业大模型，赋能千行万业智能化转型。序言三本书中华为联合行业全面地总结了人工智能基础设施建设以及行业智能化转型的实践经验，精选了一些AI使能企业生产、使能民生、加速行业智能化转型方面的典型案例进行分析，展示了图像检测、视频检索，预测决策类，自然语言处理 3 类应用场景的巨大潜力，为世界各国推动行业智能化转型落地提供了更多的思路、方法和借鉴，为全球人工智能技术发展和进步贡献更多智慧和力量。人工智能技术将成为行业智能化的主驱动，推动各行各业实现智能化转型和发展。智能化将成为全人类共同的未来，不是个别国家的特权，不仅是因为它能够带来巨大的经济和社会效益，更因为它能够让人类的生活更加便捷、高效和舒适。全球各国可以结合各自的实际情况，相互学习和借鉴，加快 AI 算力基础设施的构建，并通过人工智能领域人才的培养、提供政策保障、制定行业标准，助推 AI 技术高质量发展，共同探索和创造更加美好的未来。中国工程院院士、清华大学计算机科学与技术系教授回望人类社会发展史，过去几千年里，社会生产力基本保持在同一水平线上。然而，自工业革命以来，这条曲线开始缓缓上升，并且变得越来越陡峭。人工智能被誉为是 21 世纪社会生产力最为重要的赋能技术，正以惊人的速度渗透进各行各业，推动一场新的生产力与创造力革命，变革未来的产业模式。凯文凯利预测，在未来的 100 年里，人工智能将超越任何一种人工力量。变革已成为一股无法阻挡的力量，将人类引领到了一个前所未有的时代。人工智能带动数字世界和物理世界无缝融合，从生活到生产，从个人到行业，正日益广泛和深刻地影响人类社会，驱动产业转型升级。ChatGPT和大模型的出现使得人工智能发展进一步加速，世界各国正在进入百模千态时代，人工智能与千行万业的深度融合成为热点与焦点，加速行业智能化成为未来人工智能发展的主旋律。古人云：日就月将，学有缉熙于光明。华为始终秉持“把数字世界带入每个人、每个家庭、每个组织，构建万物互联的智能世界”愿景，基于对未来趋势的理解和把握，在 ICT（信息和通信技术）领域一直走在前沿，不断引领产业发展。在 2005 年，首先提出网络时代全面向“ALL IP”发展演进；在 2011 年，又一次提出数字化时代全面向“All Cloud”发展演进；在 2021 年，首次刊发智能世界 2030揭示了未来十年 ICT 技术广泛应用发展趋势。今天，我们在此提出智能时代全面向“All Intelligence”发展演进，通过人工智能领域的理论创新、架构创新、工程创新、产品创新、组合创新和商业模式创新，华为将使能百模千态、赋能千行万业，加速行业智能化发展，助力行业重塑与产业升级。据预测，2030 年全球人工智能市场规模将超过 20 万亿美元，然而在行业的智能化落地中仍面临以下四个关键挑战：首先，人工智能的算力挑战，大模型应用对于算力基础设施的规模提出了更高的要求，企业传统基础设施面临算力资源不足的挑战。大模型需要大算力，其训练时长与模型的参数量、训练数据量成正比。参照业界分析，能达到可接受的训练时长，需要百亿参数百卡规模，千亿参数千卡规模，万亿参数万卡规模，这对算力资源的规模提出了较高的要求。第二，人工智能的数据挑战，各个行业都有各自长期且专业的积累，涉及物理、化学、生物、地质等多维知识表达，为了在不同行业落地应用，大模型必须结合行业知识、专有数据，完成从通用到专业的转变。获取海量高质量专有数据是一项艰巨的任务，如何智能感知、实时上传和高效存取海量生产数据，不仅需要解决设备连接的兼容性问题，还要确保实时性和高可靠性。在数据预处理、训练和推理阶段，同样面临读取性能问题、数据丢失问题以及成本效率问题等一系列挑战。行业数据是企业的核心知识资产，涉及到知识产权等问题。如何合法地获取和整合数据，并确保端到端的数据安全，满足隐私保护要求也是一项挑战。第三，人工智能技术开发的挑战，在行业模型及应用开发的过程中，如何简化开发流程，提高开发效率，变革开发模式，高效打通数据链路，引入自动化机制，加强应用安全性和可靠性，都是大模型应用开发中面临的诸多难题。要解决这些难题，关键在于打造一个通用可靠的人工智能应用开发平台来赋能行业开发者。最后，人工智能落地应用的挑战，由于不同规模、序言四不同能力的企业对大模型的建设需求不尽相同，因此需要构建不同层级的模型并提供相应的资源和部署能力，如总部层面集中建设大规模训练集群，区域层面建设规模训练平台、训推一体平台，边缘侧部署推理能力。服务于行业，除了技术问题，人工智能还需要解决人才储备、技术生态，以及法规政策等一系列挑战。过去三年，华为成立行业军团，深入行业、深入场景，纵向缩短管理链条，更好的响应客户智能化需求；横向快速整合研发资源，全力支持千行万业的智能化转型发展。行业军团基于华为创新的智能化 ICT 基础设施和云平台，广泛联合业内解决方案伙伴，打造领先的产品和解决方案适配行业智能化场景，为行业智能化实践添砖加瓦、探索前行。比如，华为云盘古气象大模型，正被天气预报中心用来预测未来10 天全球天气。该模型使用全球 39 年的天气数据进行训练，仅用 1.4 秒就完成了全球 24 小时天气预测，比传统的天气预报方法快 1 万倍；可以借助它进行台风路径的预报，保持了极高的精准度。山东能源集团依托盘古大模型建设人工智能训练中心，构建起全方位人工智能运行体系，探索和发掘煤矿生产领域全场景的人工智能应用，将一套可复用的算法模型流水线应用到各种作业场景，通过“人工智能大规模下矿”实现了矿山作业的本质安全和精简高效。目前行业军团已经面向金融、制造、电力、矿山、机场轨道、公路水运口岸、城市、教育医疗等20 多个行业打造了 200 多个行业智能化解决方案，并在一系列智能化项目中产生了实际效果。千行万业正在积极拥抱人工智能，把行业知识、创新升级与大模型能力相结合，以此改变传统行业生产作业、组织方式。人工智能的发展与使用将成为全球各个国家行业转型升级的关键一环，助力各个国家在人工智能时代不断取得发展，华为将聚焦以下三方面，持续助力：第一，创新引领。持续加强人工智能基础设施的创新投入，提供灵活的智能算力供给模式，高效可信的人工智能开发体系，使各层级大模型更易于部署，应用速度更快，推进 AI 应用走深向实，助力行业、企业实现场景创新。第二，生态开放。算力开放，支持百模千态；感知开放，实现万物智联；模型开放，匹配千行万业。与各行业的合作伙伴共同构建人工智能生态圈，探索更多的人工智能行业场景应用，携手企业、研究机构、学术机构等共筑安全可信的人工智能生态体系。第三，人才培养。人才是企业发展的核心力量，支持各个行业、各个企业培养和吸引人工智能人才，打造一支高水平的人工智能研发团队，为人才提供广阔的发展空间。结合华为行业智能化实践，以及面向智能世界2030 的展望，我们与业界专家学者进行了万场以上座谈研讨，凝聚了各方智慧与经验，输出加速行业智能化白皮书。希望能够通过本书的论述和案例为行业智能化实施落地提供参考，加速拓展人工智能技术在行业中的应用。百舸争流，奋楫者先。智能时代的大潮正奔涌而来，让我们同舟共进，引领时代，使能百模千态、赋能千行万业、加速行业智能化！华为公司常务董事、ICT 基础设施业务管理委员会主任、企业 BG 总裁 14加速行业智能化白皮书加速行业智能化转型目录1第二章实现智能化转型所需的参考架构10第一章加速行业智能化的价值与挑战加速智能化带来新价值2加速智能化转型案例3第五章制造和大企业97105第六章矿山及重工业制造120第七章金融127第八章电力行业智能化转型展望4第十四章总结与展望193第三章智能化使能企业生产33第四章智能化使能民生80第十章机场和轨道交通142第九章油气133第十一章公路水运口岸152第十二章智慧城市169第十三章政府及公共事业17431加速行业智能化转型第一篇2第一章加速行业智能化的价值与挑战人类社会经历了从农业社会到工业社会到信息社会再到智能社会的变迁，历时几千年。蒸汽机的发明，让交通方式实现了从马车到汽车的跃迁，推动人类社会从农业时代迈入工业时代；计算机的发明，深刻地改变了生产生活的各个方面，推动人类社会从工业时代迈入信息时代；而人工智能技术的快速发展和广泛应用，正帮助人类加速跨入智能时代，这是一个波澜壮阔的史诗进程，将开启一个与大航海时代、工业革命时代、宇航时代等具有同样历史地位的新时代。人工智能的概念提出于 1956 年，历时近 70 年时间周期的技术演进，无论技术本身还是应用均出现了日新月异的变化。据预测，截至 2030 年，人工智能的三大核心要素均将迎来创新突破：在算法方面，大模型将在应用侧持续落地、改变产业发展生态；在数据方面，人类将迎来 YB 数据时代，数据量是 2020 年的 23 倍、全球联接总数达 2000 亿；在算力层面，全3加速行业智能化白皮书球通用计算算力将达到 3.3ZFLOPS(FP32)，AI 计算算力将超过 105 ZFLOPS(FP16)，增长 500 倍。人工智能正在开启继互联网、物联网、大数据之后的第四次科技浪潮。全球 170 多个国家相继出台人工智能相关战略和规划文件，将政策重点聚焦在加强技术投资和人才培养、促进开放合作以及完善监管和标准建设上，全球人工智能产业发展进入加速落地阶段。具体而言，美国将人工智能提到“未来产业”和“未来技术”领域的高度，不断巩固和提升美国在人工智能领域的全球竞争力；中国一方面要加强人工智能基础核心技术创新研究，培育创新的生态体系，另一方面要推进人工智能与传统产业的融合，赋能中国产业数字化、智能化高质量发展；欧盟全面重塑数字时代全球影响力，其中将推动人工智能发展列为重要的工作；英国旨在使英国成为人工智能领域的全球超级大国；日本致力于推动人工智能领域的创新创造计划，全面建设数字化政府；新加坡要成为研发和部署有影响力的人工智能解决方案的先行者。华为一直致力于“把数字世界带入每个人、每个家庭、每个组织，构建万物互联的智能世界”。万物感知、万物互联和万物智能是智能世界的三大特征。要实现这三大特征，需要大量的1.1 智能社会，未来已来1.1.1 智能世界正在加速而来20世纪，人工智能的发展主要经历了五个阶段：（1）萌芽期（1956 年-20 世纪 60 年代初）：在这个阶段，以麦卡赛、明斯基、罗切斯特和申农为代表的科学家团队共同研究了机器模拟ICT 创新技术，打造一条 All IP、All Cloud、All Intelligence 的创新之路，并以共生共荣的生态系统作为支撑，使能整个智能世界。2005 年华为提出网络时代的“All IP”，在 2011 年华为提出数字化时代的“All Cloud”，2023 年提出智能时代的“All Intelligence”。华为持续以产品创新、系统架构创新和商业模式创新的新理念，深耕联接、计算、存储、感知、云、大模型等领域相关技术的研究创新，着眼于个人、家庭、组织在数字化转型到智能化转型过程中所遇到的现实挑战，帮助他们解决问题，实现从 All IP、All Cloud 到 All Intelligence 的产业升级。人工智能正从感知理解走向认知智能，带动数字世界和物理世界无缝融合，从生活到生产、从个人到行业、从 C 端到 B 端，正日益广泛和深刻地影响人类社会，驱动产业转型升级。据预测，2030 年全球人工智能市场规模将超过 20 万亿美元，2030 年中国人工智能核心产业规模将超过 4 万亿美元，目前仍有较大的发展潜力和空间。人工智能无所不及，帮助人类获得超越自我的能力，成为科学家的显微镜与望远镜，让我们的认知跨越微小的夸克到广袤的宇宙，千行万业从数字化走向智能化。让我们拥抱 AI 新时代，拥抱行业智能化转型，拥抱美好新未来！智能的相关问题，并于 1956 年达特茅斯会议上正式提出人工智能概念。（2）启动期（20世纪 60 年代）：上世纪 60 年代迎来人工智能的第一个黄金发展期，该阶段的人工智能主要以语言翻译、证明等研究为主，在这个阶段取得了机器定理证明、跳棋程序等一系列标准性4加速行业智能化白皮书成果。（3）瓶颈期（20 世纪 70 年代初）：上世纪 70 年代，经过科学家深入的研究，科学家提出了一系列不切合实际的研发目标，尤其是对机器模仿人类思维的错误认识，导致人工智能发展进入低谷期；（4）突破期（20 世纪 70 年代初到 90 年代中期）：以专家系统为代表的技术突破，推动人工智能加快应用于医疗、化学、地质等各个领域，人工智能技术在商业领域取得了巨大的成果；（5）平稳期（20世纪 90 年代以来）：上世纪 90 年代以来，随着互联网技术的逐渐普及，加速了人工智能的创新突破，出现了深蓝计算机战胜国际象棋冠军、“智慧地球”提出等一系列标志性事件，促进人工智能进一步与应用相结合。进入 21 世纪,人工智能正在开创下一个黄金阶段。2016 年，Google AlphaGo 击败顶级围棋选手，震惊全球，开启了新一轮 AI 热潮。2022 年 11 月 30 日，ChatGPT 横空出世，人工智能的发展进入全新阶段。2023 年 3 月15 日，OpenAI 又推出多模态大模型 GPT-4，在生成质量、使用性能和模型安全合规等多个领域评分均领先于现有主流模型，被誉为“史上最强”大模型。Meta 公司于 2023 年2 月和 7 月先后推出开源大模型 LLaMA 和LLaMA2，LLaMA2 在数据质量、训练技术、能力评估、安全训练和负责任的发布等方面有了显著的进步，并首次放开商业用途许可要求。根据 GitHub 统计，中国也已经推出超过 100个大模型，包括华为盘古大模型、讯飞星火认知大模型、智谱 AI-ChatGLM 大模型、百度文心大模型等。大模型应用一般分为两个阶段：预训练和微调，大模型预先在海量通用数据上进行训练，数据、知识得到了高效积累和继承，从而大幅提升了人工智能的泛化性、通用性、实用性。在实际处理下游任务时再通过小规模数据进行微调训练，就能达到传统小模型的效果。大模型的出现，减少了行业用户训练模型研发成本，降低了 AI 落地应用的门槛，并且上线部署过程大幅简化，迅速驱动 AI 在千行万业的应用普及。随着大模型从“炫技”到“落地生根”，全社会也认识到 AI 技术真正地来到了我们身边，AI 技术的“iPhone 时刻”到了，各行业开启了从数字化到智能化的升级，行业智能化的“iPhone 时刻”也随之到来。作为继工业社会、信息社会后更高级的社会形态，智能社会必将迎来广泛、深刻甚至根本性的变革。1.1.2 智能化正在改变人类的生活和工作AI 已经成为了人们生活中不可或缺的一部分，它正在改变着我们的生活方式和工作方式。日常出行中，人工智能翻译支撑跨语言、跨文化的高效沟通，通过拍照获取景点的历史文化和背景故事。在娱乐中，通过虚拟现实（VR）与增强现实（AR）等 AI 技术，让用户沉浸在虚拟的现实生活中，或者将虚拟元素融入真实环境中，为娱乐带来全新的体验维度。办公场景中，未来撰文、翻译、制图、代码核查等工作一半以上可由人工智能完成。人工智能可以通过高效运算，接管一些重复性工作，把人类从忙碌而繁重的日常工作中解放出来，让人类节省最宝贵的时间资源，去做更多振奋人心、富有挑战性的工作，如按其所长贡献创造力、策略思维等。在教育场景中，AI 的出现和持续演进正在重构传统课堂教学，改变学校形态、教学方式和学习方式。如随着 AI 持续改变教育的方式，越5加速行业智能化白皮书来越多的学生将更愿意参加线上数字课程的学习；借助人工智能技术为学习者推荐个性化的学习资源，实现学习者的个性化学习等。另外，随着人工智能技术的不断迭代升级，未来 AI 技术将应用于更多领域，如基于多模态大模型的 AI 个人助理将极大的便利人们的生产生活，数字分身成为跨界人工智能、自媒体、科普多个领域的里程碑式数字 IP，在越来越多的垂直领域细分赛道的应用场景中出现等。1.1.3 智能化正在持续赋能千行万业人工智能是引领未来的战略性技术，全球主要国家及地区都把发展人工智能作为提升国家竞争力、推动国家经济增长的重大战略。通过应用牵引推动人工智能技术落地成为各国共识。美国引导人工智能技术在行业领域的创新和融合应用。2021 年 7 月，美国国家科学基金会联合多个部门和知名企业等，新成立 11 个国家人工智能研究机构，涵盖了人机交互、人工智能优化、动态系统、增强学习等方向，研究项目更是涵盖了建筑、医疗、生物、地质、电气、教育、能源等多个领域。中国“十四五”规划纲要明确大力发展人工智能产业，打造人工智能产业集群以及深入赋能传统行业成为重点。英国支持人工智能产业化，启动人工智能办公室和英国研究与创新局联合计划等，确保人工智能惠及所有行业和地区，促进人工智能的广泛应用。日本将基础设施建设和人工智能应用作为重点，重点强调了跨行业的数据传输平台，全面推动人工智能在医疗、农业、交通物流、智慧城市、制造业等各个行业开展应用。同时世界各国也高度重视人工智能标准化工作，规范人工智能落地应用，出台战略加强标准化布局，支撑产业生态发展。ISO/IEC JTC 1 SC 42 及 IEEE 已成为国际 AI 标准的主要供给方和参考源，影响力正向全球辐射。重点在人工智能基础共性、关键通用技术、人工智能可信及伦理方面开展标准研制工作。2020年 3 月 18 日，中国国家标准化管理委员会批复成立全国信标委人工智能分技术委员会，主要负责人工智能基础、技术、风险管理、可信赖、治理、产品及应用等人工智能领域国家标准制修订工作，对口国际 ISO/IEC JTC 1/SC 42，以标准化手段，分类分级分步骤推动大模型评测、算力、算法、数据和治理等领域的技术和应用，带动和引领人工智能的健康、可持续发展。在全球各国高度关注下，人工智能从实验室加速走向应用场，推动 AI 技术应用到智能产品的开发，服务模式的创新，产业升级，赋能多行业智能化转型。在气象预报行业，AI 让人们重新审视气象预报模型的未来，受到国内外气象组织的高度关注。Nature正刊发表了华为云盘古气象大模型研究成果，该模型创建了首个精度超过传统数值预报方法的 AI 模型，速度相比传统数值预报提速 10000 倍以上，能够提供全球气象秒级预报。在今年的“古超”和“杜苏芮”等台风预测应用中，盘古气象大模型准确预测了台风路径，这将对气象导致的防灾减灾，保障民生安全起到非常重要的作用。在医疗健康行业，AI 的应用逐步走向成熟，在辅助医疗、影像质控、知识问答等方面发挥着极关键的作用，尤其是在药物研发领域，AI 打破公认的“双十定律”，将研发时间由数年缩短至一个月，研发成本降低了70%，这项突破，直接推动药物研发实现从“马拉松”到“加速跑”，开启了药物研发领域前沿技术革命的新征程。6加速行业智能化白皮书1.1.4 社会运行方式正在悄然变化人工智能改变了基础的生产力工具，中期来看会改变社会的生产关系，长期来看将促使整个社会生产力发生质的突破。人工智能将对消除社会数字鸿沟，实现全球包容性增长和可持续发展具有重要作用。人与自然和谐相处是一个永恒的命题，而保护生物多样性是保护地球的一个重要手段。通过生物多样性的监测，我们可以更深入地了解身边的大自然。传统的生物多样性研究需要对数据收集的专用技术进行大量投资，并需要非常专业、经验丰富的生态保护科学家进行数据分析和洞察。相关科学文献的一项调查发现，58%的生物多样性声学研究完全基于专家从原始数据中人工识别物种。如今，随着人工智能技术的应用，科学家能够处理的研究数量以及每项研究所能分析的数据量，都有了极大的飞跃。例如，RFCx 开发的 Arbimon 是一个开放和免费的平台，致力于为生物多样性声学监测和洞察提供端到端解决方案。该平台目前收集了 2,000 多种鸟类鸣叫样本，占全球鸟种的20%以上。Arbimon 团队联合华为和其他合作伙伴，基于不断增长的数据集，为新物种训练新的人工智能模型，并重新训练现有模型以提高性能。分析结果可帮助一线工作人员决策采取可行鸟类保护措施或行动。人与自然的和谐相处也包括阻止外来物种入侵，保护当地物种免于被灭绝，防止破坏当地生活方式。在挪威贝勒沃格这个原本平静的城市正面临着外来物种入侵的威胁。驼背大马哈鱼来源于太平洋，并不是挪威的本地物种。驼背大马哈鱼比生活在大西洋的大西洋鲑更具侵略性，现在正快速占领河流，给大西洋鲑的繁殖带来了挑战。大西洋鲑属于挪威政府认定的濒危物种，如果不采取措施，可能会遭到灭绝。2021 年 3 月，由当地猎人和渔民组成的贝勒沃格狩猎和垂钓协会（BJFF）与华为建立了合作关系，双方将共同保护斯托尔瓦河中的大西洋鲑。他们最初的目标是利用水下摄像机和人工智能来识别物种并统计鱼类的数量。该项目的第一阶段于 2021 年夏天启动。这一阶段聚焦开发算法，让计算机系统能够识别河流中的本地大西洋鲑和北极红点鲑，并记录不速之客驼背大马哈鱼。这一目标已经轻松达到。通过 6 月下旬到 9 月采集到的连续视频和数万图片，新开发的算法能够识别出 90%以上的大西洋鲑和驼背大马哈鱼。后续可对通过的鱼进行分类，对大西洋鲑和驼背大马哈鱼分流处理。关爱残障人士是包容社会的重要组成方面，通过数字化技术能帮助提高他们生活的舒适度和便利性。中国目前有 2700 多万听障人士，其中许多人使用手语作为其主要的交流形式。与其他手语语言一样，中国手语学习面临词汇更新慢、师资短缺、标准难统一等挑战，对此，千博信息基于华为昇思 MindSpore 和中国科学院自动化研究所紫东太初三模态大模型，带来全新的手语产品，基于 1.2 万+词汇、50万+语法、70万+语料，形成手语多模态模型，打造手语教考一体机，开创性地实现手语动作与视频、图片示意和文字说明联动，使得手语学习能够快速上手，一定程度上缓解了手语师资短缺问题。也能作为手语翻译机使用，帮助听障人士顺畅沟通、便捷生活。7加速行业智能化白皮书1.2 行业智能化，多重挑战犹存到 2030 年，人工智能有望颠覆制造、电力、能源、交通运输等关键产业，撬动难以限量的经济价值，若要把握这一机遇，须在多个维度进行能力建设。统筹点线面、系统推进的总体考虑下，重点围绕核心技术、基础软硬件、数据资源体系、标准规范和行业应用示范等进行部署。1.2.1 传统算力基础设施难以匹配大模型创新需求AI 快速发展并在多行业落地，呈现出复杂化、多元化和巨量化的趋势。不同的应用场景对算力的要求不同，要评判算力基础设施是否满足需求，需要企业根据特定的AI技术场景和需求，综合考虑算力基础设施的性能与灵活易用性。大模型技术对于算力基础设施的规模提出了更高的要求，企业传统基础设施面临算力资源不足的挑战。AI 大模型需要大算力，其训练时长与模型的参数量、训练数据量成正比。根据业界论文的理论推算，端到端大模型的理论训练时间为 8*T*P/(n*X)。其中 T 为训练数据的 token 数量，P 为模型参数量，n 为 AI 硬件卡数，X 为每块卡的有效算力。以 ChatGPT为例，参数量为 175B（1750 亿）规模下，在预训练阶段，数据量 35000 亿，使用 8192 张卡，其训练时长为49天。同等条件下参数变多，计算量变大，按照业界的经验，能达到可接受的训练时长，需要百亿参数百卡规模，千亿参数千卡规模，万亿参数万卡规模。这对算力资源的规模提出了极高的要求。算力不足意味着无法处理庞大的模型和数据量，也无法有效支撑高质量的大模型技术创新。1.2.2 基础大模型难以适应行业智能化需求基础大模型 L0 的构建，需要顶尖人才和巨额资金的持续投入，百模千态将以行业模型的形态为主。技术门槛高，基础大模型的构建是复杂的端到端系统工程，是一个典型的复杂软件平台。资金投入大，GPT-4 训练成本约 6千万美金，推理成本将至少是训练的 510 倍，达到数亿美金/年。每个行业均有使用大模型的场景，行业用户及行业伙伴大多不具备从头开发大模型的能力，为了获得适配本行业的大模型，需要提供行业数据给基础大模型进行微调训练。数据是行业用户的核心资产和竞争优势的源泉，行业用户部分关键敏感数据难以实现共享或者“出厂”，例如政务行业中涉及到城市发展、公共安全和个人隐私等方面的数据；金融行业中责权、债务关系相关的数据；制造业的资产明细、生产数据以及明确要求不可以出园区的数据等等，此时基础大模型难以适应行业智能化需求。于是行业用户将行业非敏感数据提供给基础大模型供应商，形成行业大模型 L1，再结合场景数据在行业大模型 L1 基础上形成场景大模型L2,以适应行业的需要。1.2.3 数据供给难以满足大模型训练需求数据将是构建大模型竞争力的核心要素，行业先锋都