大模型是新一輪AI發展的核心，其已在推進產業智能化升級中已表現出巨大潛力，並將在未來三年里形成風起雲湧之勢。
華為雲於2021年正式發布了盤古基礎大模型，包括CV計算機視覺大模型、NLP自然語言處理大模型和科學計算大模型。在基礎大模型之上，華為雲踐行AI for industries，陸續推出了礦山、藥物分子、電力、氣象、海浪等盤古行業大模型，加速各行各業數字化的進程。
如今，華為雲AI已經在各行業有超過1000個項目，基於對行業的深入理解，華為雲盤古大模型能夠更好地落地在行業的核心業務場景。本期《探秘·雲新知》盤古大模型專題節目，將帶您深入探究盤古大模型的行業應用。
《探秘·雲新知》之盤古大模型專題節目
貨運列車智慧檢測，盤古軌道大模型為鐵路物流安全護航
隨著海內外經濟復甦，貨運鐵路的班次及載重均迎來新高潮。
在傳統的貨運鐵路巡檢中，TFDS（貨車運行故障動態圖像檢測）系統作為5T檢測技術的重要組成部分，通過高速拍攝的「電子眼」，動態採集列車車底配件、車體側部等部位圖像，實時判別貨運列車是否存在故障。
一列50輛車廂的貨車，「電子眼」會拍攝4000張照片，檢測員每秒需審閱1張圖。動態檢車員不僅工作強度大、難度高，而且需對車輛專業理論與實際運用有較高水平，要在短時間內完成整列車的故障分析，確保整列車的運行安全。
華為雲在現有設備和平台架構的基礎上，基於盤古軌道行業大模型，推出TFDS故障智能識別方案，實現從圖像採集、數據收發、列車拆分，到實時故障判別的全局分析，能夠對多工位、多輛車關聯等全局故障進行精準預報。
盤古鐵路行業大模型具備五項核心競爭力：
- 自監督行業預訓練模型
盤古預訓練大模型基於語義相似樣本、等級化語義聚集的對比表示學習方法，利用百萬級無標註鐵路行業圖像生成軌道行業大模型；
- 圖像質量自動增強&評估
通過底層視覺特徵以及高層視覺特徵對增強後的圖像進行自動評估，對正常圖像做進一步故障識別，非正常圖像返回人工審核；
- 依託車型先驗模板匹配
根據已知的車型信息建立零部件的相對位置模板，具有可解釋性地預報部件異常情況，如脫落、丟失、錯位等；
- 小樣本故障定位、識別
基於軌道行業預訓練大模型，結合當前最優的目標檢測、圖像識別框架，進行部件定位、故障識別，具有更強的泛化能力，僅需傳統1/3的樣本即可完成。
在實際應用中，盤古軌道大模型單張照片識別僅需4毫秒，可智能過濾95%的正常圖片，實現了400多種故障的自動化識別以及嚴重故障的「零漏報」，比人工識別更準確，大幅度提升TFDS系統作業效率，動態檢車員可騰出更多精力處理難度更高的辨圖工作，確保列車安全運行。
AI輔助藥物設計，盤古藥物分子大模型加速新藥研發
自1987年達托黴素被發現以來，人類已經有近40年沒有新的抗生素被研發出來。藥物研發專家需要花費超過10年時間、超過10億美元成本，才有可能研發出一款新藥。
為了幫助藥物研發專家從海量藥物分子中高效挑選出適合成藥的小分子，華為雲聯合中國科學院上海藥物研究所推出了盤古藥物分子大模型，基於全流程AI輔助藥物設計的能力，以靶點預測、分子設計、活性評估、毒性篩選等環節為抓手，幫助醫藥公司實現快速、精準、低成本的藥物發現，開啟藥物研發的新模式。
- 在藥物虛擬篩選方面
依靠華為雲創新的iFitDock算法以及虛擬篩選服務，盤古藥物分子大模型的成藥性預測準確率比傳統方式高20%，進而讓藥物篩選效率提升十倍；
- 在藥物優化方面
基於華為雲盤古藥物分子大模型的結構優化器，研發專家可對先導藥進行定向優化，通過更科學的藥物結構設計，減弱對人體正常細胞可能產生的毒副作用。
盤古藥物分子大模型四大核心技術特點：
- 「圖-序列不對稱條件變分自編碼器」
全新提出「圖-序列不對稱條件變分自編碼器」深度學習架構，更好地提取化合物關鍵的分子特徵指紋，提升下游任務的準確性；
- 超大規模的化合物表征模型訓練
對17億個小分子的化學結構進行預訓練，結構重構率、唯一性等方面優於現有方法；
- 生成1億個創新的類藥物小分子庫
其結構新穎性為99.68%，為發現新藥創造可能性；
- 實現了領先的藥物發現任務性能
在化合物-靶標相互作用預測、化合物ADME/T屬性評分、化合物分子生成與優化等方面實現性能最優，賦能藥物發現全鏈條任務。
西安交通大學第一附屬醫院劉冰教授在盤古藥物分子大模型的輔助下，突破性地研發出一款超級抗菌藥Drug X，其有望成為全球近40年來首個新靶點、新類別的抗生素。華為雲盤古藥物分子大模型讓先導藥的研發周期從數年縮短至幾個月，研發成本降低70%。AI技術與基礎科學的結合與創新，不僅解決了研發成本高和時間周期長的痛點，更為初創型科研團隊提供了施展能力的舞台。
讓風雲可測，盤古氣象大模型精準呈現颱風軌跡
在氣象氣候預報任務中，除了短期天氣預報，全球中長期預報也是業界最為關注、重要性非常高的預測任務，它以預測未來14天內的大氣系統狀態為目標，在氣象、航海、農業、旅遊等多個行業發揮著舉足輕重的作用。
當前人工智慧技術雖已廣泛應用在氣象預測領域，受大氣系統中物理過程的複雜性影響，以及求解大氣模型所需資源規模巨大，基於傳統數值方法進行的中長期天氣預報通常會累計誤差，導致準確度低，且需在超級計算機上運算數小時。
基於近40年的全球氣象數據，華為雲盤古氣象大模型在中長期確定性預報上超越當前最強的數值預報方法（歐洲氣象中心的IFS系統），是業內首個精度超過傳統數值預報方法的全球AI氣象預測模型。平均預報誤差降低了10%-15%，速度提升10000倍以上，實現秒級全球氣象預報。
盤古氣象大模型核心技術特點：
- 3D高解析度的神經網絡
首次採用3D高解析度的神經網絡（3D Earth-Specific Transformer）：與二維的神經網絡和低解析度的神經網絡相比，盤古氣象大模型水平空間解析度達到0.25∘×0.25∘，約28公里x28公里，可以精準地預測細粒度氣象特徵。在時間維度上，盤古氣象大模型將預測頻率從6小時/次提升至1小時/次，使氣象預測結果更準確；
- 層次化時域聚合策略
使用層次化時域聚合策略：訓練了4個不同預報間隔的模型（分別為1小時間隔、3小時間隔、6小時間隔、24小時間隔），使得預測特定時間氣象狀況的疊代次數最小，從而減少疊代誤差，也避免了由遞歸訓練帶來的訓練資源消耗。
華為雲盤古氣象大模型在極端天氣過程（如颱風）的預報中已展現出精準、快速的優勢：
- 2022年8月，盤古氣象大模型實現秒級預測颱風「馬鞍」的軌跡和登陸時間，準確率達90%，遠超行業平均水平。
- 今年5月22日至23日，今年第2號颱風「瑪娃」在24小時內，中心附近最大風力從38米/秒（颱風級）迅速加強到60米/秒（超強颱風級）。
中央氣象局指出，華為雲盤古大模型在「瑪娃」的路徑預報中表現優異，提前五天預報出其將在台灣島東部海域轉向路徑。
人工智慧觸發的產業變革正在改變每一個行業，人工智慧也在越來越多的行業場景發揮重要價值。華為雲以「AI for industries」為發力點，提升大模型通用能力，貼近客戶業務場景的現實需求，讓人工智慧開發標準化、可複製、批量化生產，加速AI深入千行百業，推動人類社會進入智能世界。華為開發者大會2023 ( Cloud )大會將於7月7日在東莞拉開帷幕，華為雲盤古大模型將迎來重大升級，敬請期待！
關注@華為雲，了解更多資訊