数智前线 06-22
落地30+行业,华为云全栈AI找到哪些高价值场景?
index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_font3.html

 

盘古大模型已落地 30 多个行业、500 多个场景。

‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

文|赵艳秋

‍‍‍‍‍‍

编|牛慧

你很难想象,这是一家水泥厂。芜湖海螺水泥 2 号产线现场,一条长达数十米的钢铁巨筒缓缓旋转,这就是水泥厂的 " 心脏 " ——回转窑。石粉和热浪在其中翻滚,炼成城市的 " 骨骼 " ——水泥熟料。

而这片看似传统的工业场景中,人工智能正悄然渗透。生活垃圾、市政污泥、工业固废如今被转化为替代燃料和原料,不仅显著降低碳排放和成本,减少了环境污染,也让水泥厂变成了绿色转型样本。

这场变革背后的力量,来自 AI。过去,为保障产品质量,生产只能靠优选原料、保守操作。如今,依托盘古大模型对熟料强度的预测,企业可动态优化 " 窑炉工艺 ",在提升 " 固废掺比 " 的同时稳住产品品质,这家全球最大水泥企业之一,迈向了智能化与低碳化的新纪元。

支撑这一变革的,是国产 AI 的全栈创新。华为开发者大会 2025 上,基于 CloudMatrix 384 超节点的新一代昇腾 AI 云服务全面上线,并发布盘古大模型 5.5,进一步打破 AI 与传统产业间的屏障,为中国产业构建面向未来的智能底座。

这不只是水泥厂的故事。华为常务董事、华为云计算 CEO 张平安宣布,盘古大模型已落地 30 多个行业、500 多个场景。中国 AI 正在深度融入实体经济,激活前所未有的新动能。

AI大转型,穿越十年的产业耐力赛

大模型火了两年,但在真正的产业落地中,它并不是一项 " 立竿见影 " 的技术革新,而是一场深刻而漫长的组织重塑与产业革命。要真正释放 AI 红利,企业必须穿越一场至少十年的耐力赛。

从盘古大模型已落地的场景数据看,较去年增加了百余个。大模型正在逐步走入产业核心环节,成为产业 " 底层重构器 "。华为云集中展示了具有突破性的一批高价值场景。

沙利文《中国行业大模型市场报告 2024》,华为云在政务、工业、金融市场份额第一

尤其在工业领域,落地深度和广度显著提升。去年,华为与宝武集团打造的 " 高炉大模型 ",解决了 " 炉内温度不可测 " 的难题。目前,单炉每天节省燃料达 20 吨。

今年,盘古大模型继续在深水区拓展:海螺水泥优化 " 窑炉工艺 ",湘钢利用大模型改进 " 精炼工艺 ",提升钢水合格率,降低合金消耗;中国铝业基于盘古的 " 坤安大模型 ",帮助云南铝业电解铝效率提升 25%,每年节电 2600 万度。

在 AI for Science 这一国家战略领域,中国农业科学院联合华为云打造农业科学发现大模型,海量专业文献、跨物种多组学数据经过增训后汇入模型,实现从基因解析到育种设计的全流程决策优化。在实验室里,中国农科院谷晓峰副局长手中那株新培育的水稻材料,株高降低约 25%、抗倒伏能力显著提升,正是这套系统的成果之一。

汽车行业被认为是继互联网之后,被 AI 最深度重构的产业之一。广汽集团 L3 级智能驾驶系统已完成数百万公里的实地测试和 10 亿公里的仿真测试。平台技术研究院负责人梁伟强介绍,与华为云合作,依托盘古多模态大模型,实现了 2D 视频与 3D 点云的像素级融合,仅需数分钟便可复原 corner case 等复杂场景,为端到端模型 " 两天一版本 " 提供支撑,成为业内首个实现量产辅助驾驶仿真的标杆项目。

但落地行业的这条路并不轻松。麦肯锡 2025 年调研显示,虽然 78% 的公司已在至少一个职能应用 AI,但仅有 1% 认为 AI 已深度嵌入核心流程并创造实质价值。大量企业遭遇 " 重投入、轻回报 " 的落差。

IDC 中国区副总裁武连峰指出,要理解这个现象,不能只看技术,更要看到背后的组织、业务流程重构。当前大模型主要应用在文案、客服、营销等效率提升场景,尚未真正改变流程与决策。下一阶段,AI 将进入体验环节,重塑客户、员工、供应链之间的互动逻辑;最终将重构产品、服务乃至商业模式。

因此,AI 转型如同数字化转型,是一场十年级别的长周期变革。IDC 预计,2025 至 2030 年,AI 将在全球创造 22.3 万亿美元的总价值,超过中国 2024 年 GDP。但真正的价值释放将是渐进的:到 2035 年,预计全球仍有一半系统由传统方式运行。这是一场长坡厚雪式的产业演进。

在这一过程中,大模型从 " 试验室 " 走向 " 生产线 ",离不开坚实的 AI 基础设施。开发者大会期间,华为云公布了围绕算力、盘古大模型的全栈创新。

全国产 16 万卡集群,意义何在?

随着大模型逐步进入产业,AI 应用从文本对话迈向多模态感知、Agent 决策等复杂任务,对上下文长度、多模态模型、Agent 工具调用的需求迅速增长,这些对 AI 基础设施提出前所未有的挑战,也倒逼 AI 软硬件全栈从底层重构。

传统以 CPU 为核心、按租户 " 拼单 " 的云原生架构已难以适配 AI 时代的计算需求。大模型训练通常需要成千上万张 AI 卡、长时间独占,而微调和推理则要求云端资源按需调度。AI 基础设施正从 " 以 App 为中心 " 的多租户架构,转向 " 以模型为核心 " 的混合部署,底层也在从 CPU 主导迈向 CPU 与 NPU 对等的革命性演进。

华为云的 CloudMatrix384 超节点新一代昇腾 AI 云服务,正是在此背景下的关键创新。在单芯片工艺受限情况下,通过集群架构、通信协议、散热等系统级创新,CloudMatrix 重构了 AI 基础架构。张平安宣布,这一服务已在芜湖、贵安、乌兰察布以及林格尔全面上线。

CloudMatrix 的核心创新在于 "Scale-up" 网络,节点内外带宽一致,每卡带宽达 2.8Tbps,延迟也基本相当。而传统万卡 AI 集群通常采用 "Scale-out"(横向扩展)网络连接,节点内及节点间带宽差异大,有通信瓶颈。Scale-up 有效提升训练效率,同时适配当前主流的 MoE(专家混合)架构。一个超节点可支持 384 个专家并行推理," 一卡一专家 ",实现更高的推理吞吐与效率。

CloudMatrix 另一个关键架构创新是对等池化架构,不仅 NPU 连接 Scale-up 网络,CPU 等也能直连高速互联。CloudMatrix 超节点的 CPU、NPU、内存、网络等均可池化,而其他业界超节点,只有 GPU 实现了池化,有一定局限性。

CloudMatrix 超节点支持资源按需调度、" 一切可组合 "。当下,几乎每天都有新模型、新应用出现,很难通过单一系统满足。CloudMatrix 可以灵活配置资源,实现弹性伸缩。

此外,对于万亿、十万亿参数的大模型训练任务,还可以通过 Scale Out 方式,将最多 432 个超节点连在一起,形成一个 16 万卡的 AI 集群。如果这一集群用于训练千亿参数大模型,可以同时支持 1300 个。

总的来看,这一架构遵循 " 三个一切 " 理念:一切可池化、一切皆对等、一切可组合。它打破传统 " 主从 " 结构,把 CPU 与 NPU 并列设计,从根本上缓解算力利用率低、通信延迟高等痛点。

据悉,基于 CloudMatrix384 超节点的新一代昇腾 AI 云服务已支撑互联网、汽车、科研机构等多个高强度应用场景。例如新浪微博构建的 " 智慧小浪 " 推理平台,在 CloudMatrix 支持下推理效率提升 50%、模型上线速度成倍加快,算力利用率(MPU)提升超 45%,实现高性能、高稳定性与成本可控的平衡。中科院基于 CloudMatrix384 超节点,构建了中科院 AI for Science 科研大模型,摆脱了对国外高性能 AI 算力平台的依赖 ......

业界看到,今年国产算力崛起趋势已十分明显。有统计显示,2025 年一季度国产算力占比已超 40%,年底有望突破 50%。以华为为代表的本土厂商正成为新一代 AI 基础设施的关键力量。张平安透露,昇腾 AI 云服务客户数已从去年的 321 个跃升至 1346 个。

盘古大模型 5.5 升级,更实用更可控

除了算力架构的重构,大模型本身的进化也决定了其产业落地的深度与广度。在华为开发者大会 2025 上,华为云正式发布盘古大模型 5.5,这是一个模型家族,涵盖 NLP、多模态、预测、科学计算、CV 五大基础模型,全面升级。

业界注意到,盘古 5.5 首次在外部打榜,全部基于昇腾全栈软硬件完成训练,展示了国产算力打造世界级大模型的可行性。

诺亚方舟实验室一直负责盘古基础模型的训练。该实验室主任王云鹤介绍,盘古 5.5 在长序列处理、低幻觉生成、自适应快慢思考、Agent 能力等方面进行创新,重点面向企业级实用性与可控性。

在自然语言处理领域,盘古发布了 718B 参数的超大 MoE 模型 "Pangu Ultra",由 256 个专家组成,激活参数量为 39B。借助 " 通算掩盖 "、"MoGE 专家路由 ",以及亲和的词表、三明治架构等技术,实现训练效率、推理吞吐和模型精度的大幅提升。

在今年较热的 " 快慢思考 " 上,盘古 5.5 引入 " 自适应快慢合一 " 机制,简单问题快速响应,复杂问题深度推理,实现 8 倍整体推理效率提升,兼顾速度与准确性。

在 Agent 方向,以火热的 DeepResearch 为代表的 Agent,已展现出综合应用前景,但这些 Agent 在更广泛应用时,面临很多挑战。华为发布了开放域信息获取智能体 " 盘古 DeepDiver",提出 "Search Intensity Scaling"(SIS)机制,让大模型在真实互联网环境中动态调整搜索深度与频率。目前,该 Agent 可在 5 分钟内完成 10 条以上的复杂问答、生成万字级专业报告。这意味着大模型应用走向了 " 可调度、可控 " 的企业级 Agent。

为助力企业定制化模型开发,华为云提供 ModelArts 工具链,通过 " 数据胶囊 " 机制,即在盘古在 500 多个行业场景中探索出的最佳数据配比、预训练中采用的行业数据集,打包成数据胶囊与客户自有数据融合增训,形成客户专属大模型。

在医疗、金融等高度专业领域,通用模型尚无法胜任。润达医疗通过增量训练,打造 " 润医大模型 ",在 MedBench 测试中排名第一,成为行业标杆。

大模型要进入行业,光有自然语言还远远不够,盘古 5.5 也在构建多模型协同生态。

在预测大模型方面,盘古 5.5 首创 Triplet Transformer 统一预训练架构,将工艺参数表格、设备运行日志的时间序列、产品检测图片进行统一的三元组编码,在同一框架内处理和预训练,提升模型精度和泛化能力。在海螺水泥,利用上述技术,对 130 多条产线数据进行预训练,仅一周时间将水泥熟料强度预测准确率从 60% 提升到 89% 以上。

视觉模型方面,发布业内最大规模的 300 亿参数视觉 MoE 模型,支持图像、红外、雷达、光谱等多维识别能力,并通过行业故障样本生成算法构建稀缺样本库,广泛应用于能源制造等高难场景。在中石油 " 昆仑大模型 " 案例中,盘古识别石油输送管中亚毫米级裂纹效率提升 40%,人工强度降低 25%。

盘古还发布了业内首个支持点云生成的世界模型,可同时处理点云与视频数据,用于构建数字物理空间,支撑自动驾驶与具身智能训练。工程师甚至用其生成火星地貌训练环境,供火星车避障训练。

业界认为,盘古走入产业有自身优势。得益于华为在制造、半导体、智能汽车、材料、科研等领域的业务积累,它对产业理解深入,与行业可以深入对话,也更容易获得认可,易于形成落地共识。

在中国这样一个拥有全球最完备工业体系的国家,大模型走进产业不仅需要强模型,还需要 "AI 基础设施 + 模型体系 + 工程能力 + 行业 know-how" 的全栈协同。华为云正围绕这几个维度持续投入。

值得注意的是,华为云也更新了品牌图标——由三片云构成的红色 "AI",分别代表:基础设施即服务、技术能力开发即服务和行业数字化经验即服务,寓意以 AI 为核心打造全栈智能化云服务体系,解决产业与 AI 融合的壁垒,推动推动中国产业向智能化、绿色化、高质量方向加速迈进。

© 本文为数智前线(szqx1991)原创内容

进群、转载或商务合作联系后台

文章精选

前店后厂,浪潮云的大模型落地新解法

宙世代

宙世代

ZAKER旗下Web3.0元宇宙平台

一起剪

一起剪

ZAKER旗下免费视频剪辑工具

相关标签

ai 华为 海螺水泥 华为云
相关文章
评论
没有更多评论了
取消

登录后才可以发布评论哦

打开小程序可以发布评论哦

12 我来说两句…
打开 ZAKER 参与讨论