電子行業(yè)產(chǎn)業(yè)鏈深度系列研究分析報(bào)告：AI盤(pán)古大模型研究框架

證券研究報(bào)告AI盤(pán)古大模型研究框架產(chǎn)業(yè)鏈深度系列研究行業(yè)評(píng)級(jí)：看好2023年3月25日01

盤(pán)古大模型金字塔架構(gòu)，算力為底層支撐NLP大模型CV大模型多模態(tài)大模型科學(xué)計(jì)算大模型盤(pán)古大模型ModelArts

3.0AI開(kāi)發(fā)平臺(tái)模型訓(xùn)練

數(shù)據(jù)處理模型管理

模型部署MindSpore

1.2混合自動(dòng)并行千億參數(shù)超大模型人工智能框架集群調(diào)試調(diào)優(yōu)工具圖算融合策略服務(wù)器AI算力資源2資料：浙商證券研究所摘要目前我們將迎來(lái)科技的重大轉(zhuǎn)折點(diǎn)：ChatGPT時(shí)刻。而在ChatGPT背后，不斷迭代的GPT系列使得大模型成為當(dāng)下科技企業(yè)核心競(jìng)爭(zhēng)力的重要體現(xiàn)，未來(lái)，大模型將成為AIGC時(shí)代的核心支撐。作為國(guó)內(nèi)科技龍頭，2021年發(fā)布的盤(pán)古大模型有望在AIGC時(shí)代中引領(lǐng)潮流。我們將從：昇騰/鯤鵬→MindSporeAI框架→ModelArts→盤(pán)古大模型四層架構(gòu)進(jìn)行分析：1、AI算力資源：“鯤鵬+昇騰”，打造盤(pán)古算力底座%?

鯤鵬：自主芯片→鯤鵬芯片→鯤鵬服務(wù)器→歐拉操作系統(tǒng)→高斯數(shù)據(jù)庫(kù)→行業(yè)應(yīng)用向外擴(kuò)張，構(gòu)建鯤鵬生態(tài)，提供算力支撐。?

昇騰：昇騰AI處理器→CANN異構(gòu)計(jì)算架構(gòu)→MindSpore

AI框架→應(yīng)用使能→行業(yè)應(yīng)用，助力打造昇騰全棧AI軟硬件平臺(tái)，構(gòu)筑智能世界基石。2、人工智能框架：

MindSpore高效易開(kāi)發(fā)，可實(shí)現(xiàn)全場(chǎng)景覆蓋?

CANN：作為昇騰AI基礎(chǔ)軟硬件平臺(tái)的核心，CANN向上支持多種AI框架，向下服務(wù)AI處理器與編程，助力芯片使能。?

MindSpore：是國(guó)內(nèi)首個(gè)支持千億參數(shù)大模型訓(xùn)練AI計(jì)算框架，最佳匹配昇騰處理器算力，支持終端、邊緣、云全場(chǎng)景靈活部署，開(kāi)創(chuàng)全新的AI編程范式，降低AI開(kāi)發(fā)門檻。3、AI開(kāi)發(fā)平臺(tái)：ModelArts強(qiáng)勢(shì)賦能開(kāi)發(fā)者，精度效率雙提升?

為機(jī)器學(xué)習(xí)與深度學(xué)習(xí)提供海量數(shù)據(jù)預(yù)處理及交互式智能標(biāo)注、大規(guī)模分布式訓(xùn)練、自動(dòng)化模型生成，及端-邊-云模型按需部署能力，幫助用戶快速創(chuàng)建和部署模型，管理全周期AI工作流。4、盤(pán)古大模型：AI落地的重要途徑?

由NLP大模型、CV大模型、多模態(tài)大模型、科學(xué)計(jì)算大模型等多個(gè)大模型構(gòu)成，目前已實(shí)現(xiàn)等AI場(chǎng)景落地。建議關(guān)注標(biāo)的：神州數(shù)碼、拓維信息、麒麟信安、軟通動(dòng)力、常山北明、海量數(shù)據(jù)、潤(rùn)和軟件3數(shù)據(jù)：云官網(wǎng)，浙商證券研究所風(fēng)險(xiǎn)提示1、宏觀經(jīng)濟(jì)下行風(fēng)險(xiǎn)2、上游晶圓緊缺加劇3、市場(chǎng)發(fā)展不及預(yù)期4、行業(yè)競(jìng)爭(zhēng)風(fēng)險(xiǎn)4010203AI算力資源鯤鵬服務(wù)器助力滿足澎湃算力需求昇騰全棧AI軟硬件平臺(tái)構(gòu)筑智能世界基石人工智能框架目錄CANN-AI異構(gòu)計(jì)算架構(gòu)芯片使能MindSpore智能適配盤(pán)古大模型AI開(kāi)發(fā)平臺(tái)C

O

N

T

E

N

T

SModelArts強(qiáng)勢(shì)賦能開(kāi)發(fā)者落地場(chǎng)景可覆蓋完整產(chǎn)業(yè)鏈04盤(pán)古大模型NLP大模型CV大模型多模態(tài)大模型科學(xué)計(jì)算大模型501算力資源鯤鵬昇騰601

AI算力資源鯤鵬生態(tài)：自主芯片→鯤鵬芯片→鯤鵬服務(wù)器→歐拉操作系統(tǒng)→高斯數(shù)據(jù)庫(kù)→行業(yè)應(yīng)用1、鯤鵬芯片：鯤鵬920作為低功耗、高性能的Arm處理器，為鯤鵬服務(wù)器主板及整機(jī)產(chǎn)品提供芯片支撐，是鯤鵬生態(tài)發(fā)展壯大的核心所在，在此基礎(chǔ)上，2、鯤鵬服務(wù)器：

憑借多年積累的硬件工程能力，打造TaiShan服務(wù)器，使能整個(gè)產(chǎn)業(yè)鏈，進(jìn)一步構(gòu)建完整鯤鵬生態(tài)。3、歐拉操作系統(tǒng)：作為面向B端的電腦服務(wù)器操作系統(tǒng)，

自主研發(fā)的EulerOS，以Linux穩(wěn)定系統(tǒng)內(nèi)核為基礎(chǔ)，南向支持多進(jìn)一步開(kāi)啟自主研發(fā)芯片，為鯤鵬生態(tài)發(fā)展奠定堅(jiān)實(shí)基礎(chǔ)。樣性設(shè)備，北向覆蓋全場(chǎng)景應(yīng)用，橫向?qū)峪櫭?，通過(guò)能力共享實(shí)現(xiàn)生態(tài)互通。4、高斯數(shù)據(jù)庫(kù)：5、行業(yè)應(yīng)用：GaussDB是主打政企核心業(yè)務(wù)負(fù)載的金融級(jí)分布式數(shù)據(jù)庫(kù)，目前已實(shí)現(xiàn)助力部分保險(xiǎn)及車企數(shù)字化轉(zhuǎn)型。以行業(yè)聚合應(yīng)用，通過(guò)平臺(tái)和生態(tài)雙輪驅(qū)動(dòng)，形成行業(yè)應(yīng)用矩陣，為眾多行業(yè)客戶提供解決方案。并陸續(xù)成立五大軍團(tuán)，不斷開(kāi)發(fā)全新應(yīng)用場(chǎng)景。昇騰AI產(chǎn)業(yè)：昇騰AI處理器→CANN異構(gòu)計(jì)算架構(gòu)→MindSporeAI框架→應(yīng)用使能→行業(yè)應(yīng)用1、Ascend：昇騰AI處理器作為基礎(chǔ)，通過(guò)模塊、標(biāo)卡、小站、服務(wù)器等豐富的產(chǎn)品形態(tài)，打造面向“端、邊、云“的全棧解決方案，為整個(gè)昇騰AI產(chǎn)業(yè)的底層核心支撐。2、CANN：作為昇騰AI基礎(chǔ)軟硬件平臺(tái)的核心，CANN向上支持多種AI框架，向下服務(wù)AI處理器與編程，以極致性能、極簡(jiǎn)開(kāi)發(fā)、開(kāi)放生態(tài)為目標(biāo)，助力昇騰構(gòu)建全場(chǎng)景人工智能平臺(tái)。3、MindSpore：是國(guó)內(nèi)首個(gè)支持千億參數(shù)大模型訓(xùn)練AI計(jì)算框架，覆蓋包含生物醫(yī)學(xué)在內(nèi)的多個(gè)領(lǐng)域。4、應(yīng)用使能：以昇騰AI處理器→CANN異構(gòu)計(jì)算架構(gòu)→MindSpore

AI框架的傳導(dǎo)機(jī)制，為深度學(xué)習(xí)、智能邊緣以及行業(yè)應(yīng)用解決方案等強(qiáng)勢(shì)賦能。7數(shù)據(jù)：

昇思官網(wǎng)，浙商證券研究所01

算力布局

=

鯤鵬+昇騰盤(pán)古大模型的底層算力支撐：昇騰能源

金融

行業(yè)應(yīng)用鯤鵬：最強(qiáng)算力異構(gòu)計(jì)算服務(wù)器行業(yè)應(yīng)用

金融

運(yùn)營(yíng)商…………數(shù)據(jù)庫(kù)

Gauss

DB操作系統(tǒng)

To

B：歐拉DL

Edge

SDK

MindXMindSpore算力布Taishan

200芯片使能

CANN服務(wù)器芯片Atlas系列自主化

局AI訓(xùn)練卡AI推理卡訓(xùn)練服務(wù)器鯤鵬9208數(shù)據(jù)：

昇思官網(wǎng)，浙商證券研究所01

Kunpeng處理器支持鯤鵬計(jì)算產(chǎn)業(yè)長(zhǎng)期演進(jìn)9數(shù)據(jù)：

鯤鵬計(jì)算產(chǎn)業(yè)發(fā)展白皮書(shū)，浙商證券研究所01

硬件：鯤鵬服務(wù)器實(shí)現(xiàn)數(shù)據(jù)中心高效能計(jì)算TaiShan100?

包含2280均衡型和5280存儲(chǔ)型等產(chǎn)品型號(hào)。?

基于鯤鵬916處理器的數(shù)據(jù)中心服務(wù)器，具有多核高并發(fā)、低功耗等計(jì)算優(yōu)勢(shì)，適合為大數(shù)據(jù)、分布式存儲(chǔ)等應(yīng)用高效加速。安全可靠開(kāi)放生態(tài)高效能計(jì)算?

搭載具有超強(qiáng)算力的鯤鵬處理器鯤鵬服務(wù)器?

處理器及

?

開(kāi)放計(jì)算服務(wù)器芯

平臺(tái)片全自研

?

支持業(yè)界TaiShan200?

包含2280E邊緣型、1280高密型、2280均衡型、2480高性能型、5280存儲(chǔ)型和X6000高密型等產(chǎn)品型號(hào)。?

17年計(jì)主流軟件?

基于鯤鵬920處理器，旨在滿足數(shù)據(jù)中心?

多核計(jì)算架構(gòu)算工程能

?

攜手合作多樣性計(jì)算需求。力鑄就穩(wěn)如泰山品質(zhì)伙伴，共贏計(jì)算新生態(tài)?

高效加速應(yīng)用TaiShan200

Pro?

包含2480、2280和1280等三款高端產(chǎn)品型號(hào)。?

基于鯤鵬920

3.0GHz高主頻處理器，同時(shí)集成三大創(chuàng)新RAS特性，獲得權(quán)威安全可信認(rèn)證。10數(shù)據(jù)：

鯤鵬社區(qū)官網(wǎng)，浙商證券研究所01

澎湃算力攜手合作伙伴，共同拓展鯤鵬計(jì)算產(chǎn)業(yè)整機(jī)伙伴基礎(chǔ)軟件伙伴平臺(tái)OS數(shù)據(jù)浙商證券研究01

昇騰AI底層支撐系列產(chǎn)品AI模塊智能邊緣智能小站AI服務(wù)器AI集群AI集群加速卡推理卡開(kāi)發(fā)者套件推理服務(wù)器芯片：昇騰310芯片：昇騰310芯片：昇騰3102*鯤鵬920數(shù)千顆昇騰910最高算力：22

TOPS最高算力：88

TOPS最高算力：22

TOPS最高算力：704

TOPS算力：256P～1024P

FLOPSAI加速模塊訓(xùn)練卡邊緣服務(wù)器訓(xùn)練服務(wù)器AI集群基礎(chǔ)單元芯片：昇騰910芯片：鯤鵬9208*昇騰910+4*鯤鵬92064*昇騰910+32*鯤鵬920形態(tài)：47U機(jī)柜芯片：昇騰310最高算力：280

TFLOPS最高算力：352

TOPS最高算力：2.24

PFLOPS最高算力：22

TOPS數(shù)據(jù)：昇騰官網(wǎng)，浙商證券研究所12昇騰生態(tài)伙伴網(wǎng)絡(luò)遍及主流廠商01整機(jī)硬件伙伴IHV硬件伙伴應(yīng)用軟件伙伴輔助運(yùn)營(yíng)伙伴一體機(jī)解決方案伙伴數(shù)據(jù)：

昇騰社區(qū)官網(wǎng)，浙商證券研究所1302人工智能框架CANN

Mindspore1402

CANN：軟硬協(xié)同釋放澎湃算力昇騰計(jì)算AscendCL算子開(kāi)發(fā)接口TBE計(jì)算圖開(kāi)發(fā)接口AIR應(yīng)用開(kāi)發(fā)接口語(yǔ)言昇騰計(jì)算服務(wù)層昇騰算子庫(kù)AOL昇騰調(diào)優(yōu)引擎FrameworkAdapterNN庫(kù)NN庫(kù)NN庫(kù)其他其他其他昇騰計(jì)算編譯層昇騰張量編譯器AT

CGraph

ComplierTBE昇騰計(jì)算執(zhí)行層昇騰計(jì)算執(zhí)行器ACERuntimeHCCLGraph

ExecutorAIPPDVPP其他昇騰計(jì)算基礎(chǔ)層昇騰基礎(chǔ)層ABLOSSVMVMHDC其他15數(shù)據(jù)：昇騰官網(wǎng)，浙商證券研究所02

昇思

MindSpore

總體架構(gòu)Model

Zoo模型庫(kù)ExtendSience科學(xué)計(jì)算電磁仿真/分子模Insight昇騰計(jì)算語(yǔ)言開(kāi)發(fā)態(tài)友好VisionAudioNLPRecModelHub強(qiáng)化學(xué)習(xí)/GNN/深度概率編程…擬/量子計(jì)算網(wǎng)絡(luò)調(diào)試性能調(diào)優(yōu)精度調(diào)優(yōu)Expression

全場(chǎng)景統(tǒng)一API第三方前端函數(shù)/OOP編程范式融合AI+數(shù)值計(jì)算表達(dá)融合動(dòng)靜表達(dá)統(tǒng)一單機(jī)分布式表達(dá)統(tǒng)一倉(cāng)頡JuliaNNOpsDatasetTrain/InferNumpyComplier

AI編譯器DataArmour數(shù)據(jù)加載類型推導(dǎo)內(nèi)存優(yōu)化自動(dòng)微分圖算融合IR中間表達(dá)層自動(dòng)并行二階優(yōu)化量化/剪枝/蒸餾AI安全數(shù)據(jù)格式異構(gòu)加速數(shù)據(jù)增強(qiáng)流水線執(zhí)行運(yùn)行態(tài)高效密態(tài)AI可信AI硬件相關(guān)優(yōu)化量子自動(dòng)生成Runtime全場(chǎng)景部署多樣性硬件端-邊-云全場(chǎng)景運(yùn)行時(shí)系統(tǒng)CNN(NPU)CUDA(GPU)Eigen(CPU)oneDNN(CPU)16數(shù)據(jù)：昇騰官網(wǎng)，浙商證券研究所02

MindSpore

執(zhí)行流程ModelZooMindSporeMindSporeMindSpore

HubMindSpore模型庫(kù)DevKit開(kāi)發(fā)套件Extend高階擴(kuò)展庫(kù)預(yù)訓(xùn)練模型Servinig

云測(cè)推理下載模型MindIR模型導(dǎo)出模型導(dǎo)入MindSpore

LiteMindSpore

訓(xùn)練和驗(yàn)證端云統(tǒng)一IR端側(cè)推理調(diào)試調(diào)優(yōu)安全機(jī)制數(shù)據(jù)處理端邊增量學(xué)習(xí)MindSporeInsight

可視化MindSporeMindSporeArmour

AI安全Fine-tuning訓(xùn)練等Data數(shù)據(jù)端云協(xié)同（聯(lián)邦學(xué)習(xí)、端云AutoML等）17數(shù)據(jù)：

昇騰計(jì)算產(chǎn)業(yè)發(fā)展白皮書(shū)，浙商證券研究所03AI開(kāi)發(fā)平臺(tái)ModelArts1803

AI開(kāi)發(fā)平臺(tái)云AI開(kāi)發(fā)生產(chǎn)線ModelArts在AI云服務(wù)方面的競(jìng)爭(zhēng)優(yōu)勢(shì)越發(fā)明顯。歷經(jīng)多年的技術(shù)創(chuàng)新，ModelArts已成功在十多個(gè)領(lǐng)域進(jìn)行商業(yè)化落地，持續(xù)領(lǐng)跑機(jī)器學(xué)習(xí)公有云市場(chǎng)，為AI開(kāi)發(fā)帶來(lái)變革。1、簡(jiǎn)化開(kāi)發(fā)，讓AI落地更簡(jiǎn)單?云AI開(kāi)發(fā)生產(chǎn)線ModelArts支持全流程MLOps開(kāi)發(fā)，實(shí)現(xiàn)行業(yè)數(shù)據(jù)參與AI持續(xù)迭代，大幅提升AI應(yīng)用的二次開(kāi)發(fā)效率。?

發(fā)起AI生態(tài)伙伴計(jì)劃D-Plan，提供“人”“貨”“場(chǎng)”服務(wù)，和行業(yè)ISV一起，加速AI解決方案在行業(yè)的落地。?

基于D-Plan的AI項(xiàng)目實(shí)踐，云已在AI

Gallery上沉淀了9大行業(yè)場(chǎng)景Usecase，覆蓋生產(chǎn)、銷售、服務(wù)和運(yùn)營(yíng)等企業(yè)運(yùn)作全場(chǎng)景。?

AI

Gallery還匯聚了2000多個(gè)覆蓋零售、醫(yī)療、游戲等數(shù)十個(gè)商業(yè)領(lǐng)域的優(yōu)質(zhì)模型，助力千行百業(yè)智能升級(jí)。2、深耕技術(shù)，讓AI應(yīng)用更高效?

ModelArts沉淀了知識(shí)計(jì)算、盤(pán)古大模型和天籌AI求解器三項(xiàng)AI根技術(shù)，持續(xù)構(gòu)建大模型訓(xùn)練及推理加速能力、分布式訓(xùn)練能力等，從算力資源調(diào)度、AI業(yè)務(wù)編排、AI資產(chǎn)管理以及AI應(yīng)用部署，提供數(shù)據(jù)處理、算法開(kāi)發(fā)、模型訓(xùn)練、模型管理、模型部署等AI應(yīng)用開(kāi)發(fā)全流程技術(shù)能力。3、應(yīng)用實(shí)例?

互聯(lián)網(wǎng)領(lǐng)域：云ModelArts基于算法優(yōu)化、語(yǔ)音質(zhì)檢等途徑，有效提升了T3出行司乘安全檢測(cè)模型的準(zhǔn)確率和召回率，使危險(xiǎn)駕駛事件率下降38.6%，同時(shí)大幅降低模型開(kāi)發(fā)和交付周期。?

自動(dòng)駕駛領(lǐng)域：針對(duì)AI算法訓(xùn)練，云ModelArts支撐端到端訓(xùn)練效率提升；分布式多級(jí)緩存技術(shù)可以將訓(xùn)練時(shí)長(zhǎng)縮短50%；針對(duì)大規(guī)模集群訓(xùn)練，拓?fù)涓兄{(diào)度和動(dòng)態(tài)軟路由技術(shù)可以提升訓(xùn)練性能30%。19數(shù)據(jù)：

IDC，云公眾號(hào)，浙商證券研究所03

一站式AI開(kāi)發(fā)平臺(tái)ModelArets易用且高效云端開(kāi)發(fā)環(huán)境模型更新數(shù)據(jù)優(yōu)化數(shù)據(jù)處理模型訓(xùn)練模型管理模型部署數(shù)據(jù)在線服務(wù)批量服務(wù)邊緣服務(wù)AI應(yīng)用1數(shù)據(jù)篩選數(shù)據(jù)標(biāo)注版本管理特征工程智能標(biāo)注團(tuán)隊(duì)標(biāo)注模型可視化分布式集群Notebook在線編碼自動(dòng)學(xué)習(xí)

預(yù)置算法自定義鏡像精度跟蹤模型轉(zhuǎn)換模型評(píng)估模型庫(kù)Mindspore

主流AI開(kāi)發(fā)框架AI異構(gòu)資源超參搜索PC端開(kāi)發(fā)環(huán)境Gallery數(shù)據(jù)集交易模型交易算法交易多元網(wǎng)絡(luò)搜索AI應(yīng)用220數(shù)據(jù)：官網(wǎng)，浙商證券研究所03

ModelArts重大特性大模型加速AI業(yè)務(wù)上線AI

Gallery,AI資源無(wú)限擴(kuò)展MLOps，AI全流程生命管理訓(xùn)練推理效率指數(shù)級(jí)增長(zhǎng)常見(jiàn)算法、工具，AIGallery直達(dá)輕松下載、開(kāi)發(fā)更便利提供各角色無(wú)縫協(xié)作平臺(tái)提升業(yè)務(wù)價(jià)值產(chǎn)出開(kāi)發(fā)周期一降再降（月級(jí)>>天級(jí)）所需樣本顯著降低（萬(wàn)個(gè)>>幾十）小樣本下，起步精度提升90%算法上傳，資源易共享向?qū)酵瓿葾I服務(wù)運(yùn)維和更新降低運(yùn)維、更新門檻AI資產(chǎn)，高效沉淀和流通實(shí)現(xiàn)全流程一鍵化運(yùn)行21數(shù)據(jù)：云公眾號(hào)，浙商證券研究所03

ModelArts應(yīng)用場(chǎng)景實(shí)例視覺(jué)質(zhì)檢

二維切割出行調(diào)度可乘安全游戲?qū)?zhàn)行業(yè)場(chǎng)景實(shí)例銷售預(yù)測(cè)銷售訪銷聲音檢測(cè)生產(chǎn)銷售運(yùn)營(yíng)服務(wù)工藝優(yōu)化

工裝識(shí)別…………生產(chǎn)排程……通用場(chǎng)景套件NLP套件OCR套件視覺(jué)套件聲音套件數(shù)據(jù)標(biāo)注

數(shù)據(jù)處理

模型訓(xùn)練

模型評(píng)估

應(yīng)用生成

應(yīng)用評(píng)估推理部署

服務(wù)監(jiān)測(cè)ModelArts

OSAI根技術(shù)知識(shí)計(jì)算盤(pán)古大模型天籌AI求解器計(jì)算框架

MindSporeTensorFlow

Pytorch

RayDeepStream

MediaPipe

……22數(shù)據(jù)：云公眾號(hào)，浙商證券研究所04盤(pán)古大模型NLPCV多模態(tài)科學(xué)計(jì)算23“盤(pán)古”開(kāi)天記，AI落地時(shí)04過(guò)去開(kāi)發(fā)模式“三高問(wèn)題”：開(kāi)發(fā)人員專業(yè)性要求高、綜合成本高、不可控程度高。天塹：“小作坊式”的AI開(kāi)發(fā)困境需要擁有作為底座的“重型機(jī)械”——預(yù)訓(xùn)練大模型：提前將知識(shí)、數(shù)據(jù)、訓(xùn)練成果沉淀到一個(gè)模型中，然后將這個(gè)基礎(chǔ)釋放到產(chǎn)業(yè)。2020年3月：田奇加入云-8月：核心專家加入-9月：推動(dòng)立項(xiàng)兩大門檻：技術(shù)門檻+資源門檻盤(pán)古大模型核心設(shè)計(jì)原則：模型大；網(wǎng)絡(luò)結(jié)構(gòu)強(qiáng)；優(yōu)秀的泛化能力選擇賽道：NLP+機(jī)器視覺(jué)登山：盤(pán)古大模型背后的人與事未來(lái)規(guī)劃：多模態(tài)+科學(xué)計(jì)算大模型一系列挑戰(zhàn)：算力資源不足、行業(yè)數(shù)據(jù)磨合、內(nèi)部團(tuán)隊(duì)“超人發(fā)揮”物流場(chǎng)景：協(xié)助浦發(fā)銀行構(gòu)建了“物的銀行”——浦慧云倉(cāng)。人員行為、貨物檢測(cè)性能提升5-10%，開(kāi)發(fā)效率提升，成本降低。翻越：“盤(pán)古”究竟強(qiáng)在何處？落地行業(yè)：已在100多個(gè)行業(yè)場(chǎng)景完成驗(yàn)證，包括能源、零售、金融、工業(yè)、醫(yī)療、環(huán)境、物流等等。2021年4月，盤(pán)古大模型正式對(duì)外發(fā)布。盤(pán)古NLP大模型：業(yè)界首個(gè)千億參數(shù)的中文預(yù)訓(xùn)練大模型，在CLUE實(shí)現(xiàn)了業(yè)界領(lǐng)先。盤(pán)古CV大模型：業(yè)界首次實(shí)現(xiàn)模型按需抽取，在ImageNet上小樣本學(xué)習(xí)能力業(yè)界第一。優(yōu)勢(shì)和能力點(diǎn)：兼顧架構(gòu)+小樣本學(xué)習(xí)能力、微調(diào)能力、集成行業(yè)知識(shí)的能力更強(qiáng)+以商業(yè)價(jià)值驅(qū)動(dòng)研發(fā)創(chuàng)新的“實(shí)干模式”大模型+生態(tài)化、協(xié)同創(chuàng)新燈火：大模型的落地進(jìn)行時(shí)目前我們處在AI工業(yè)化開(kāi)發(fā)模式起步后的快速發(fā)展階段，而大模型是最有希望將AI進(jìn)行落地的方向。盤(pán)古大模型的價(jià)值：推動(dòng)AI的低成本、可復(fù)制。多重力量的攜手與跨界：產(chǎn)學(xué)研的縱向融合，不同行業(yè)領(lǐng)域的橫向協(xié)同，誕生AI工業(yè)化的虹吸效應(yīng)。思索：AI工業(yè)化的虹吸與變革數(shù)據(jù)：云公眾號(hào)，浙商證券研究所24NLP模型助力各行提升效率，氣象模型全面勝于傳統(tǒng)方法04NLP模型盤(pán)古氣象大模型首次使用Encoder-Decoder架構(gòu)?

小樣本學(xué)習(xí)超越GPT系?

通用知識(shí)

x

行業(yè)經(jīng)驗(yàn)關(guān)鍵技術(shù)效果?

生成與理解性能領(lǐng)先精度超傳統(tǒng)方法智能輿情智能營(yíng)銷3DEST網(wǎng)絡(luò)結(jié)構(gòu)速度超傳統(tǒng)方法千倍行業(yè)效果行業(yè)效果精準(zhǔn)輿情分析企業(yè)運(yùn)營(yíng)軟件分析取代上升的人力成本取代低端客服與營(yíng)銷預(yù)測(cè)臺(tái)風(fēng)路徑降低分層時(shí)間聚合算法20%位置誤差數(shù)據(jù)：云官網(wǎng)，浙商證券研究所2504

盤(pán)古大模型：CV+多模態(tài)+語(yǔ)言CV大模型：分類

丨

分割

丨

檢測(cè)多模態(tài)大模型預(yù)訓(xùn)練CV大模型跨模態(tài)檢索跨模態(tài)生成看圖說(shuō)話億級(jí)圖片數(shù)據(jù)數(shù)據(jù)處理模型生成模型優(yōu)化跨

語(yǔ)言大模型成

丨

看圖說(shuō)話語(yǔ)音識(shí)別語(yǔ)音分類任務(wù)語(yǔ)音回歸任務(wù)業(yè)界最大預(yù)訓(xùn)練CV模型：30億參數(shù)，10億級(jí)圖像智能巡檢智慧物流判別與生成聯(lián)合預(yù)訓(xùn)練：底層/高層視覺(jué)預(yù)訓(xùn)練任務(wù)通用100+場(chǎng)景驗(yàn)證：研發(fā)成本降低90%持續(xù)推出小樣本學(xué)習(xí)性能領(lǐng)先：ImageNet10%標(biāo)簽分類精度業(yè)界第一26數(shù)據(jù)：云官網(wǎng)，浙商證券研究所04

應(yīng)用實(shí)例：盤(pán)古時(shí)尚多模態(tài)大模型技術(shù)層面應(yīng)用實(shí)例未來(lái)1、幫助設(shè)計(jì)師洞察流行趨勢(shì)億級(jí)自然圖像預(yù)訓(xùn)練對(duì)十萬(wàn)級(jí)時(shí)尚產(chǎn)業(yè)數(shù)據(jù)的顏色、版型、圖案等元素進(jìn)行分析后，批量生成與流行趨勢(shì)接近的服飾，將當(dāng)下流行元素視覺(jué)化并提煉給設(shè)計(jì)師，洞察用戶消費(fèi)意向，預(yù)判行業(yè)流行趨勢(shì)。十萬(wàn)級(jí)時(shí)尚產(chǎn)業(yè)數(shù)據(jù)2、支持生成多樣化服飾微調(diào)盤(pán)古多模態(tài)大模型基于大規(guī)模時(shí)尚產(chǎn)業(yè)數(shù)據(jù)，向設(shè)計(jì)師推薦服飾圖片。設(shè)計(jì)師搜集素材的時(shí)間占整個(gè)制作周期的70%以上。應(yīng)用盤(pán)古大模型，設(shè)計(jì)師能夠在創(chuàng)作前期