“加油争气”生产力,“一触即达”数智化 |
|
|
|
能源是经济社会发展的命脉。
华为中国政企油气矿山系统部总经理范涛 确实如此。
除“联接”问题之外,企业数智转型也将面临更严峻的算力、存力、运力挑战。而且不同于信息时代对“3力”的要求,企业数智转型更希望“3力”能与应用场景结合,这也需要华为能“为场景找技术”。 好在,华为确实是家有技术的公司。例如,江铜集团德兴铜矿希望实现工控网、办公网、视频网的三网隔离,超大速率,华为就“找”来了F5G技术;东方物探经常给地球做“CT”,华为就引入鲲鹏,大幅度地了GeoEast软件的性能;中国石化旗下的物探院,希望在复杂的地质条件下高效、准确地找到油气资源,华为就帮助其构建超算中心,对海量地震数据进行高效处理,显著缩短了数据处理周期。 3为模型落地找方法 除此之外,数字化和智能化的意义,更在于打破了行业生产力的天花板。因为依靠机械化和自动化,无论如何也不可能实现智能分析、智能决策、主动预防、数据预测性维护、自动驾驶等应用。 当然,应用落地也要讲究方式方法。 在“大模型”还未出现前的“小模式”,确实不太适合落地油气和矿山里的应用场景。一是,小模型、专家模型(也称为“传统模型”)应用的门槛较高。由于在模型训练和推理阶段,需要大量的专业/研究技术人员对传统模型进行参数校正,往往对专业能力需求较高,没有普适性。二是,“小模型”泛化能力差,成功案例很难被复制;三是,算法训练需要将生产单位的数据导出,存在数据泄露等安全风险问题。 “大模型”可以解决上述问题,但也要有策略地解决。 “华为人工智能新架构”采用中心训练与边缘推理的“云边协同”两级架构。在集团侧利用正常数据,以及已知的负样本数据进行训练,随后训练好的模型被推送至边缘侧进行推理。更关键的是,在推理过程中,系统还能够识别并捕获那些非正常或异常的未知数据。这些异常数据随后会被标记,并定期或定量地送回集团侧,完成进一步的学习与分析。 通过这种“边用边学”的循环方式,模型能够不断地适应新的生产环境和异常情况,还提高了其泛化能力和应对新问题的能力。而对于规模小、投资小,人工智能需求不多的企业,华为还可提供有盘古调优舱解决方案。 不仅如此。 或许是借鉴了“小切口、大切面”的数字化转型方法论,华为也在改变大模型落地路径——从“L0、L1、L2”变为“L0、L2、L1”。 通常情况下,大模型分为L0基础大模型,比如盘古大模型;L1行业大模型,例如盘古矿山大模型、盘古油气大模型、盘古钢铁大模型,它们是在L0大模型的基础之上,通过海量行业数据训练而来;在此之上的L2场景模型,则是经L1行业模型“化繁为简”后,直接应用在生产、业务领域的场景算法模型。 传统思路是,企业通过大量的行业数据与消耗巨大的算力去训练L1行业模型,从而实现L2场景模型的升级迭代。但是,对于油气矿山等很多行业而言,常常面临着数据不足,或者数据收集和处理的工作量极大等困境。而且训练L1行业模型的初始算力要求高,时间周期长,无法支撑L2场景模型的快速上线。 但有没有“捷径”? 华为就提出了一条新的大模型建设路径:在初始阶段,可以直接通过L0大模型结合场景数据集实现L2场景的快速开发。随着场景规划分批落地后,企业收集和标注的行业数据就可以快速的拿来训练L1行业模型,补足L1的能力。 简单来说,新路径的优势在于“小算力起步,逐步扩容”、行业数据可以分批补充,这使得首批场景应用能够快速落地,验证大模型能力,过程中实现大模型开发人才的培养和能力的积累。 正在因为不断地“找方法”,越来越多的大模型开始在油气和矿山行业落地。华为与中石油合作,深度参与了昆仑大模型中视觉大模型与科学计算大模型;华为与云天化合作,联合发布全球首个煤气化RTO大模型,通过预测气化炉炉温、渣层厚度,以及渣粘度等关键运行参数,实现比煤耗削减1.33%,预计节煤9100吨/年;华为与湖南钢铁合作,共同推出废钢定级大模型,预计焦炭成本每吨下降5~20元。 4“伙伴+华为”是枚按钮 当然,大模型落地可以“边用边学”,大模型落地也可以有“捷径”,甚至可以采取迂回战术,但精准把握客户需求没有“捷径”。所以华为中国政企CMO邱恒说:“华为将始终坚持‘华为+伙伴’战略不动摇,”因为这是深入行业场景的唯一路径。
华为中国政企CMO邱恒 在此之前,华为提出“数智世界,一触即达”。通过选择“伙伴+华为”体系,即可凭借华为自主创新的技术、深入场景的方案、适销易用的产品,配合在身边的、贴心周到的服务团队,以及丰富的自身+行业标杆转型经验的复制,“即达”数智世界。
|
|
![]() |
|
| 更多精彩内容关注中国BB贝博艾弗森官方网站资源网微信公众号 | |
| 关键字:数智化 | |
| 【字体:大 中 小】 TOP 【打印本页】 【关闭窗口】 |