提到人工智能产业发展，会有一个思考范式：基础层、模型层、应用层。
华为，这家在三个层面都有布局的企业，是如何思考的？华为云，在基础层是如何协同创新的？华为盘古大模型，又是如何应用在千行百业的？
近日，华为常务董事、华为云首席执行官张平安在2024世界人工智能大会上进行了分享。i黑马作为官方合作媒体，现场进行了记录，现将核心内容分享大家。
1、当前我们算力是受限的，中国AI创新道路到底该怎么走？我们是不是有最先进支撑的AI芯片，如果没有就没有办法在AI上领先，这个观点我们必须要在中国摒弃掉。
2、我想在这里分享一个简单例子：华为手机有不同镜头，每一次按快门，都会拍下来至少六张照片。在端侧受限的时候把这些六张原图，传到云端来做算力呈现是什么样子？
3、丰富的光纤网络，先进的5G网络，都是中国独有的优势，我们应该基于此优势面向AI时代。
4、AI算力来了以后，原来以CPU为中心的计算架构，需要发生转变。Cloud Matrix架构，一切基础设施资源都被“池化”。
5、我认为，在中国发展AI道路，更应该在行业领域，在行业场景，构建起ToB领域的全球领先优势。
6、最后我想分享一个应用案例：我前天去参观的宝武钢铁。通过华为盘古大模型，调优时间，从原来的5天，到现在的4个小时。预测精度，提高5%，每年有望多生产2万吨钢板，单条产线年收益增加9000多万元！
第一张PPT
毋庸置疑，人工智能正对我们生活和工作产生非常深刻的影响。
我们正在加速地从数字化走向智能化，AI正在重塑着千行万业。
AI的发展需要依靠算法和算力。但是，当前我们算力是受限的，中国AI创新道路到底该怎么走？
华为认为，在算力基础设施上，我们需要考虑“芯-端-云-网”融合，在架构上进行协同创新。
不能盲目追求我们对端侧芯片制成的期望。或者说，我们不能把AI基础设施只依赖，我们是不是有最先进支撑的AI芯片。如果没有，就没有办法在AI上领先。这个观点，我们必须要在中国摒弃掉。
更多是要思考，怎么把芯片，还有端侧上的AI需求，释放到云端。在云端，可以构筑起我们中国的优势。在云端构筑中国优势，就要构建我们网络带宽，我们现在网络下行做的非常好，但是上行做的就不够。
第二张PPT
华为能够把端侧算力释放到云端，就依靠这张网络。我们在网络创新方向，就应该沿着这个方向。
在云上我们要构筑基础设施，需要通过数据中心的空间、带宽、能源构建可持续发展的AI算力底座。
百度李彦宏、中国电信柯瑞文、中国移动杨杰等前面的演讲者也提到，中国在基础大模型上做了很多，但在B端还有C端的创新是不够的。下一个创新方向，是要开放行业场景，让AI快速构建起我们的领先优势。
智能时代加速而来，未来所有连网终端都会是智能设备。
这将对AI算力有很高的需求。我们不能把AI算力都放在终端上面来解决，因为终端必然受到芯片的供应制约，必然受到能耗制约，必然受到体积制约，尤其是手机、PC还有各种工业的智能端。
现在在手机端侧上，我们跑一个7亿的大模型，基于对功耗的考虑，都在思考怎么把7亿模型缩减到3亿，缩减到1.5亿，更不要说在端侧跑百亿的模型。所以，端侧上算力受限，我们应该思考把端侧算力释放到云端。
这个方面我们已经开始了一些创新，比如说云办公、云拍照、云手机、云游戏、云设计。把端侧算力需求，放在云侧来解决。通过云侧丰富算力，既保持功能丰富，又极大降低功耗，还能减少对芯片的依赖。
第三张PPT
我想在这里分享一个简单例子：
这是大家都可以理解的例子，我们来看华为手机的“云拍照”。
华为手机里面有不同镜头，每一次按快门，手机都给大家拍下来至少六张照片，六张照片都是原图，占很大的空间。我们是通过手机侧的算法，手机算力来给大家呈现的。所以大家可以在手机上看到一个非常真实、细节丰富的景物。
但是我们思考，在端侧受限的时候把这些六张原图，每张在8-12兆原图传到云端来做算力呈现是什么样子？
大家可以看到，上面手机照片已经很清晰了，但是把同样手机拍的六张原图传到云端，让云端算力做呈现，大家可以看到这两张照片有很大差异。云照片已经接近单反效果了，图像更清晰更立体，蚂蚁绒毛也清晰可见。
对我们来说，思考方向是不要把端侧做的太复杂，而是要把端侧算力释放到云侧，利用云算力让AI发挥更好的价值。
第四张PPT
刚才谈到端侧算力上云。端云要进行无缝协同，必须依靠很好的网络，网络需要更大带宽，低时延。电信、移动还有联通，都有非常丰富的光纤网络，丰富的光纤资源也是中国独有优势，我们应该在中国独有优势上思考网络的方向。
另外，中国在5G网络建设上是全球领先。今年开启5G-A网络创新，是5G网络带宽的10倍，不仅上行是10倍，下行也是10倍。更关键的是将传输时延从原来10毫秒降低到1毫秒。
这样，通过无线5G-A网络以及丰富光纤传输带宽资源，让端侧数据上云。
中国有这样的优势，是面向AI时代的网络保障。
第五张PPT
AI算力来了以后，我们发现原来以CPU为中心的计算架构，需要发生转变。
我们最新发布的，叫Cloud Matrix架构，一切基础设施资源都被“池化”。
基于这个逻辑，数据规模可以匹配未来大规模算力需求。同时在云团队里面，对AI集群、CPU、NPU、DPU、存储网络，这些所有的都进行了端到端的优化，不再是简单的每个人只完成自己工作，而是每个人都在协同，来完成我们的AI算力工作。
所以，我们可以在云上做到千亿参数模型训练。云上可以做到40天不中断，这是线下效率6到10倍！
大模型训练，担心出故障。现10分钟就可以把所有数据都保存起来，可以快速恢复起来。
另一方面在云基础设施，很多人都在谈能源。
我认为，中国仍然是有能源优势的。中国的绿电，中国的水电，还有云上来解决算力问题。通过构建云数据中心优势，来为我们AI构建坚实的算力底座。这是我们中国可以坚持依赖的一个方向。
第六张PPT
中国在互联网创新做得非常好，我相信，假以时日中国在toC方向创新一定会迎头赶上。
但同时，在中国发展AI道路，更应该在行业领域，在更多行业场景，构建起ToB领域的全球领先优势。
大家可以看到，华为盘古大模型坚定为行业解难题、做难事。也希望通过盘古扎根行业里面，为行业做智能升级。
盘古大模型5.0在全系列、多模态、强思维等方面做了升级，帮助更多行业，做业务创新和提高效率。
第七张PPT
最后一页PPT，我想分享一下，我前几天去参观的宝武钢铁。
在宝武钢铁一条热轧生产线上，通过盘古大模型训练了一个模型，精准预测生产中每一块钢板的尺寸。原来5天时间，才能有一个调优。现在工厂的负责人，自豪地告诉我，可以做到4个小时。
调优时间，从原来的5天，到现在的4个小时。预测精度，提高了5%，每年有望多生产2万吨钢板，单条产线年收益增加9000多万元！
注：文/i黑马，文章来源：i黑马(公众号ID：iheima)，本文为作者独立观点，不代表亿邦动力立场。
文章来源：i黑马
