250余年來,，推動經(jīng)濟(jì)增長的根本動力是技術(shù)創(chuàng)新,，其中最重要的創(chuàng)新是以蒸汽機(jī)、電力和內(nèi)燃機(jī)等為代表的通用技術(shù)，這些技術(shù)出現(xiàn)后,，補(bǔ)充性創(chuàng)新和機(jī)會大量涌現(xiàn),，許多公司利用這些技術(shù)創(chuàng)建出新的商業(yè)盈利模式。

人工智能技術(shù)也將會如此,。但前提是——它必須飛躍從研究到商業(yè)化開發(fā)之間的“死亡之谷（Valley of death）”,。近年來，AR/VR,、元宇宙,、區(qū)塊鏈等一度相當(dāng)火爆的技術(shù)創(chuàng)新都曾折戟于此。比如Facebook,，高調(diào)改名Meta大舉進(jìn)軍元宇宙,，3年巨虧300億美金，裁撤超10000名員工,，虛擬世界愿景轟然倒塌,。

在中國，人們似乎對跨越人工智能的“死亡之谷”頗有信心,。ChatGPT后,，已有30余家企業(yè)及機(jī)構(gòu)推出其大模型產(chǎn)品，劍指商業(yè)化,。他們的路徑可以簡單分為兩類,。一部分企業(yè)把路徑的重點放在起點，基于公司的初始條件分析來制定大模型產(chǎn)品的方向,，比如搜索,、對話、問答等,；另一部分企業(yè)將戰(zhàn)略分析的重點放在終點,，基于產(chǎn)業(yè)終局來制定戰(zhàn)略，比如大模型在垂直行業(yè)的應(yīng)用,。

兩者相比,，我們認(rèn)為后者會是AI技術(shù)落地更有效的路徑。原因有二：一方面,，用戶買單的商業(yè)化才是真正有價值的商業(yè)化。通過識別和挖掘客戶需求而形成的人工智能大模型,，能夠解決客戶的實際問題,，具備商業(yè)價值。另一方面,，以企業(yè)初始條件為出發(fā)點的產(chǎn)品,，往往對重大游戲規(guī)則變化、重大商業(yè)模式創(chuàng)新視而不見，閉門造車,，極有可能遭遇克里斯坦森所說的“創(chuàng)新者的窘境”,。

我們觀察到，在這一波“百模大戰(zhàn)”之中,，華為云盤古大模型的誕生,，是從產(chǎn)業(yè)終局洞察的創(chuàng)新，正因為它是華為云內(nèi)部為跨越AI開發(fā)天塹而啟動的項目,，盤古大模型從Day1開始便帶有“以終為始”的DNA,。立項之初，盤古大模型同步開展了一系列的產(chǎn)業(yè)合作,，至今已在各行業(yè)累計超過千余個實操項目,。

在本文中，我們將以華為云盤古大模型從0到1的實踐為例,，回答創(chuàng)新如何能跨越“死亡之谷”這一管理學(xué)的重要問題,。這是一套經(jīng)過驗證的有效方法，任何組織都可以借鑒,。

在《麻省理工學(xué)院斯隆管理評論》(MIT Sloan Management Review)和波士頓咨詢2019年進(jìn)行的一項調(diào)查中，七成企業(yè)表示,，他們的AI努力影響極小或者沒有產(chǎn)生影響,。同一項調(diào)查顯示，在那90%對AI進(jìn)行了一些投資的企業(yè)中,，不到40%在過去三年中實現(xiàn)了業(yè)務(wù)收益,。這一點不令人意外：因為在許多企業(yè)里，AI項目力度太小,，太過猶猶豫豫,。

究其原因，企業(yè)將AI置于其業(yè)務(wù)中心,，說起來容易,，做起來難。安排團(tuán)隊負(fù)責(zé)創(chuàng)建AI,、聚合所有數(shù)據(jù),、人才及金融投資，并在每個關(guān)鍵職能和操作中系統(tǒng)地部署AI……試想一下,，如果每家企業(yè)在進(jìn)行研發(fā)時,，都需要像原始的手工作坊一般，自己做螺絲,、軸承,、齒輪這些基礎(chǔ)部件,，那整個社會的工業(yè)化從何說起？

2018年來到華為云的田奇（現(xiàn)任華為云人工智能領(lǐng)域首席科學(xué)家）,，就和同事們共同發(fā)現(xiàn)了這樣的問題,。加入華為之前，田奇已經(jīng)是業(yè)界知名的AI領(lǐng)域?qū)W者,。他是美國伊利諾伊大學(xué)香檳分校博士,、IEEE Fellow，也是原德州大學(xué)圣安東尼奧分校計算機(jī)系正教授,。在高校任教17年之后,，帶著學(xué)術(shù)界的前沿思考和科研成果，田奇與團(tuán)隊來到了產(chǎn)業(yè)一線,。而他們首先關(guān)注到的,，就是廣泛存于各個角落的AI開發(fā)困境。

比如說,，一家企業(yè)的一個項目,，往往都需要開發(fā)一系列定制化的小模型。但每個模型的開發(fā)周期都相對較長,，并且需要不斷完成各種數(shù)據(jù)清洗,、數(shù)據(jù)增強(qiáng)、模型適配等等瑣碎繁雜的工作,。這個過程中,，開發(fā)人員會選擇自己熟悉、擅長的模型與開發(fā)方式,，又導(dǎo)致每個模型之間差異化很大,。一旦出現(xiàn)問題就可能推倒重來，而人員變動更可能讓所有努力付之東流,。這種開發(fā)模式,，存在著“三高”的問題：開發(fā)人員專業(yè)性要求高、綜合成本高,、不可控程度高,。

如何突破這道產(chǎn)業(yè)天塹？從工業(yè)體系的邏輯上看,，核心方案就是提升AI開發(fā)前置工作的標(biāo)準(zhǔn)化程度,，把不同開發(fā)者所需模型的公用部分提前訓(xùn)練好。就是工業(yè)化中所謂的零件化,、標(biāo)準(zhǔn)化和流程化,。

2020年9月，朝著構(gòu)建AI產(chǎn)業(yè)基座的目標(biāo),，華為云盤古大模型的故事，就此開啟。

2021年4月，華為云正式發(fā)布盤古大模型,，包括NPL大模型（自然語言大模型）和CV大模型（計算機(jī)視覺）,。2023年7月7日，華為云發(fā)布盤古大模型3.0,，在前兩者的基礎(chǔ)上補(bǔ)充多模態(tài)大模型,、預(yù)測大模型，以及科學(xué)計算大模型,，并將這5類模型統(tǒng)稱為L0基礎(chǔ)大模型,。

建立了一系列基礎(chǔ)能力之后，華為云有了走向終點的工具,，但就像那句話“條條大路通羅馬”一樣,，從技術(shù)跨向商業(yè)化，華為云要選擇哪一條路,？華為常務(wù)董事,、華為云CEO張平安在近期接受媒體采訪時表示：“ChatGPT的出現(xiàn)確實驚艷全場，但無論參數(shù)有多少,，如果不能解決實際問題,，也沒有太多用處。文案生成,、作詩作畫這些人類專有的東西,，沒有理由交給機(jī)器，華為云注重的是為行業(yè)做貢獻(xiàn),?！?/p>

因此，在“不做詩,，只做事”的原則之下,，華為云定位于“AI for Industries”，強(qiáng)調(diào)深入行業(yè),、賦能行業(yè),，成為每個企業(yè)的專家與助手。這一路徑背后,，暗含著華為云戰(zhàn)略選擇的三個出發(fā)點：

出發(fā)點一：衡量創(chuàng)新最終產(chǎn)品對社會的可能影響,，而非當(dāng)下的財務(wù)回報。華為云相信,，如果大模型創(chuàng)造的服務(wù)或產(chǎn)品影響足夠大,，客戶和收入自然會涌入,。正如張平安在回應(yīng)大模型投入過大時的說法，“我們著眼于更長遠(yuǎn)的未來,，現(xiàn)在談成本和收益還為時過早,。”

反觀許多其他玩家,，它們采取了截然不同的做法：避免開發(fā)理念過于新穎,，樂于蹭熱點，或者為避免遇到困難,，一開始就放棄更深入的探索研究,。

出發(fā)點二：在洞察終局的基礎(chǔ)上，審視自我,，評估技術(shù)落地與公司核心業(yè)務(wù)之間的關(guān)系,。華為云意識到，公司長期以來的政企業(yè)務(wù)與大模型的應(yīng)用直接相關(guān),，深耕行業(yè)累積的行業(yè)知識know-how可以對大模型起到賦能作用,。

在解釋盤古大模型的核心競爭力時，張平安提到“各行業(yè)有很多需要解決的問題,，華為能把數(shù)學(xué)家,、科學(xué)家、工程師們送到煤礦井里,，送進(jìn)車間,，去別人不愿意或去不了的地方，我們愿意沉到千行百業(yè)里,。所以盤古大模型能夠與千行百業(yè)的難點,、堵點結(jié)合，這是盤古大模型最重要的競爭優(yōu)勢,?！?/p>

出發(fā)點三：思考通過應(yīng)用或拓展現(xiàn)有科學(xué)，創(chuàng)新產(chǎn)品是否有可能解決科學(xué)難題,。華為云這一做法挑戰(zhàn)了長期以來人們對研究到產(chǎn)品流程的普遍看法——流程是線性的,，基礎(chǔ)研究，到應(yīng)用型研究或轉(zhuǎn)化型研究,，之后再到商業(yè)化開發(fā),，最后發(fā)展到大規(guī)模生產(chǎn)。但這種線性范式肯定不適用于所有情況,，目標(biāo)也不夠宏大,。

在華為云，雖然研究人員將大量精力都投入到了應(yīng)用科學(xué)與工程學(xué),，努力解決至關(guān)重要的問題,，但同時他們也在拓展基礎(chǔ)科學(xué)領(lǐng)域,。舉例來說，華為云提出AI for Science,，依托華為云AI輔助藥物設(shè)計服務(wù)研發(fā)的超級抗菌藥Drug X,，有望成為全球近40年來首個新類別的抗生素。在氣象領(lǐng)域,，華為云盤古氣象大模型突破了 AI 預(yù)報天氣精度不及傳統(tǒng)數(shù)值預(yù)報的世界性難題，對比傳統(tǒng)方法預(yù)測速度提升 10000 倍,，其核心的高分辨率全球 AI 氣象預(yù)報系統(tǒng)研究已獲得國際科學(xué)期刊《Nature》收錄,，研究的可靠性及重要性獲得業(yè)界認(rèn)可。

為了更好地推進(jìn)AI for Industry戰(zhàn)略，華為云提出了三層大模型架構(gòu),，在不同層面,，構(gòu)建不同的能力。

上文提到的L0層,，也就是最底層的基礎(chǔ)大模型,，重點在于對海量基礎(chǔ)知識進(jìn)行學(xué)習(xí)，相當(dāng)于“讀萬卷書”,，打好基礎(chǔ),；在此之上，針對不同的行業(yè),，不同的場景,，進(jìn)行專項知識和經(jīng)驗的訓(xùn)練，是盤古大模型的L1層——行業(yè)大模型,，強(qiáng)調(diào)打造好用,、易用的行業(yè)模型和場景模型，相當(dāng)于“行萬里路”,，目前已經(jīng)深入到金融,、制造、政務(wù),、電力,、煤礦、醫(yī)療,、鐵路等10多個行業(yè),。而最高層L2層是場景模型，更加關(guān)注某個細(xì)分領(lǐng)域,，是開箱即用的模型服務(wù),，關(guān)鍵在于客戶及行業(yè)伙伴的行業(yè)知識與大模型的匹配,，解決場景、技術(shù),、算法和數(shù)據(jù)的融合問題,，比如電力巡檢模型、金融違規(guī)識風(fēng)險識別等等,。

舉例來說,，在煤礦行業(yè)，我國約擁有煤礦4400處,。年產(chǎn)能約有45.6億噸,。由于中國煤礦的數(shù)字化、智能化程度比較低,，我國需要近300萬的煤礦工人下井作業(yè),，盤古大模型希望通過“煤礦智能化”，將這些煤礦工人從最艱苦的工作環(huán)境中解放出來,，讓更多的煤礦工人能夠在地面,、辦公室進(jìn)行采煤作業(yè)。

在過去,，煤礦綜采鏈的巡檢工作需要人工完成,，由于采煤作業(yè)面中大量的水、粉塵,，使得簡單的視頻監(jiān)控起不了作用?，F(xiàn)在，盤古大模型可以將100多路視頻集中在一起,，因為采用了透沉的大模型算法,、急救式攝像頭，即便在塵土遮擋之下畫面也非常清晰,。另外,，盤古的視覺大模型可以識別出采掘過程中大塊的巖石、煤倉卡堵等問題,，不用工人下井,，就能看得清、看得準(zhǔn),，工人可以在地面上進(jìn)行煤機(jī)的操控作業(yè),。

目前，基于盤古礦山大模型,，山東能源集團(tuán)及其技術(shù)公司云鼎科技已與華為達(dá)成了深度合作,，已經(jīng)開發(fā)了21個場景化的應(yīng)用，覆蓋了七大業(yè)務(wù)系統(tǒng)。盤古礦山已經(jīng)在全國的8個礦井里規(guī)模使用,，覆蓋了煤礦的“采,、掘、機(jī),、運,、通、洗”等流程下的1000多個細(xì)分場景,。不僅能讓煤礦工人的工作環(huán)境更加舒適,，而且可以極大地減少了安全事故。

這個案例,，只是盤古大模型在十余個行業(yè)千余個項目中進(jìn)行具體實踐的一個縮影,。如今，盤古大模型正深刻地改變著各行各業(yè)的生產(chǎn)作業(yè)方式,，提升著工作效率，優(yōu)化著人們的工作流程,。

在如今這個時代,，AI幾乎對于每一家企業(yè)的成功都至關(guān)重要。在華為云盤古大模型的幫助下,，企業(yè)對于AI應(yīng)用不再是輕輕點水,，它們能全力投入AI應(yīng)用，將其與戰(zhàn)略和運營進(jìn)行最佳整合,，實施得當(dāng)?shù)钠髽I(yè)也會實現(xiàn)最大的商業(yè)價值,。在這一過程中，華為云也成功地跨越了人工智能的“死亡之谷”,，可以站在終局,，慢慢回味這段探險旅程中的景色與美好。