华为：迈向智能世界白皮书2023-云计算

云计算 AI重塑千行万业 目录 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01 趋势二：AI for Industry，加速行业应用创新落地 02 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 03 趋势四：AI云服务逐渐成为企业构建大模型首选 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 应用级解决方案 系统级解决方案 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•….. 行业创新实践 •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）•… •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） 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。 •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。 •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。 企业级数据底座是基础 •从产业变革与升级的角度看，AIfor 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。 人工智能大模型+行业是核心 •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 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。 基于工业互联网架构，打造智慧矿山 3.0系统级解决方案 5G+AI使能新应用、新流程 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 AI使能业务场景智能化 2.0应用级解决方案 1.0点级解决方案 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 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% 目录 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01 02趋势二：AI for Industry，加速行业应用创新落地 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 03 趋势四：AI云服务逐渐成为企业构建大模型首选 趋势二：AI for Industry，加速行业应用创新落地 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AIforIndustry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。 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。 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。 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。 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。 目录 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01 趋势二：AI for Industry，加速行业应用创新落地 02 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 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，