（圖片來源：鈦媒體App編輯攝）

（資料圖）

6月3日消息，鈦媒體App近日從華為獨(dú)家獲悉，華為將發(fā)布一款直接對標(biāo)ChatGPT的多模態(tài)千億級大型模型產(chǎn)品，名為“盤古聊天”。

華為盤古聊天預(yù)計(jì)將在今年7月7日舉行的華為云開發(fā)者大會(huì)（HDC.Cloud 2023）上對外發(fā)布并進(jìn)行內(nèi)部測試。該產(chǎn)品主要針對To B/G政企客戶。

這意味著，在國內(nèi)大規(guī)模的模型軍備競賽中，繼阿里巴巴、百度之后，又一重要科技巨頭入局。基于華為的技術(shù)能力，盤古聊天有望成為國內(nèi)技術(shù)能力最強(qiáng)的ChatGPT產(chǎn)品，華為生態(tài)產(chǎn)業(yè)鏈企業(yè)也將從中受益。

據(jù)悉，盤古大模型項(xiàng)目于2020年11月在華為云內(nèi)部成功立項(xiàng)。對于盤古大模型的定位，華為內(nèi)部團(tuán)隊(duì)確立了最關(guān)鍵的三個(gè)核心設(shè)計(jì)原則：第一，模型要大，能吸納海量數(shù)據(jù)；其次，網(wǎng)絡(luò)結(jié)構(gòu)必須強(qiáng)大，才能真正發(fā)揮出模型的性能；第三，必須具有優(yōu)秀的泛化能力，能夠真正應(yīng)用于各行各業(yè)的工作場景。

2021年4月，盤古大模型正式對外發(fā)布。其中，盤古NLP大模型是中國首個(gè)預(yù)訓(xùn)練1億參數(shù)的大模型，CV大模型首次達(dá)到30億參數(shù)。 2022年4月，華為盤古升級至2.0，發(fā)布分級發(fā)展規(guī)劃（LO、L1、L2），打造大型工業(yè)級盤古模型。

根據(jù)華為云高管的演講PPT信息，目前華為“盤古系列AI大模型”的基礎(chǔ)層主要包括NLP大模型、CV大模型、科學(xué)計(jì)算大模型等，上層是華為的行業(yè)與合作伙伴開發(fā)的大型模型。

華為云人工智能領(lǐng)域首席科學(xué)家田奇今年4月表示，盤古NLP大模型涵蓋智能文檔檢索、智能ERP、小語言大模型等實(shí)現(xiàn)領(lǐng)域。 2022年，華為剛剛交付了千億參數(shù)的阿拉伯語大模型。在應(yīng)用方面，盤古大模型可應(yīng)用于智能客服、機(jī)器翻譯、語音識別等多個(gè)領(lǐng)域，提供AI技術(shù)支撐。

去年，華為在垂直行業(yè)落地了盤古模式。一個(gè)例子是，基于盤古AI大模型，華為打造了礦業(yè)領(lǐng)域首個(gè)“基于大模型的人工智能訓(xùn)練中心”，實(shí)現(xiàn)了AI應(yīng)用的“產(chǎn)業(yè)化”開發(fā)，不僅降低了成本——，節(jié)省了80 %+ 與人工驗(yàn)證相比，還降低了每噸成本每噸降低8元（年產(chǎn)能260萬噸），效率提高——，防撞防壓節(jié)省80%+與人工驗(yàn)證相比，效率提升——，智能客戶效率提升30%。

與其他廠商相比，華為的優(yōu)勢可能在于其完整的產(chǎn)業(yè)鏈和強(qiáng)大的算力部署能力。據(jù)浙商證券此前披露，在訓(xùn)練千億參數(shù)盤古模型時(shí)，華為團(tuán)隊(duì)使用了2000多顆升騰910芯片，進(jìn)行了2個(gè)多月的數(shù)據(jù)訓(xùn)練能力。華為內(nèi)部表示，每年超過4000張GPU/TPU卡用于大型模型訓(xùn)練，三年大型模型的算力成本高達(dá)9.6億元。

東吳證券3月27日發(fā)布的研報(bào)顯示，華為盤古大模型具有人才儲備和算力自主掌控的優(yōu)勢。有望成為國內(nèi)領(lǐng)先大機(jī)型，生態(tài)產(chǎn)業(yè)鏈標(biāo)的有望加速發(fā)展，包括拓維信息、四川長虹、麒麟軟件（中國軟件）、同心軟件（誠邁科技）等華為生態(tài)系統(tǒng)企業(yè)，以及麒麟校長。國盛證券認(rèn)為，華為盤古是首個(gè)多模態(tài)千億級規(guī)模化模型，有望賦能各行業(yè)。

根據(jù)華為發(fā)表的論文數(shù)據(jù)，華為PanGu-大模型參數(shù)高達(dá)1.085萬億，基于華為自研的MindSpore框架開發(fā)。總體而言，PanGu-大模型在對話方面可能接近GPT-3.5的水平。

值得注意的是，由于盤古大模型參數(shù)極大，訓(xùn)練成本較高。盡管盤古大模型在處理漢語方面具有較高的準(zhǔn)確性和質(zhì)量，但在語義理解方面仍然存在一定的局限性，特別是在處理復(fù)雜的語言結(jié)構(gòu)和語義推理方面。與此同時(shí)，盤古聊天大模型也將面臨行業(yè)激烈的競爭壓力，需要不斷優(yōu)化和提高模型的性能和質(zhì)量，以保持其在市場中的領(lǐng)先地位。 （本文首發(fā)于鈦媒體App，作者|林志佳）