当AI技术用到了极致

金磊 发自 凹非寺

量子位 | 公众号 QbitAI

现在的AI实力，迅猛，着实是有些迅猛。

谁能想到，只需要给AI几秒钟时间，它就能把全球天气给预测完毕。

如果非要给这个预测一个期限，AI会说：

未来7天的量，小菜一碟~

而且这种AI的打开方式，还是快准狠的那种——

比传统预测方法在速度上提升1000倍的同时，精度还能提高20%。

同样的，若是把“百万人基因组计划”这事儿交给AI，结果也是一个大写的“万万没想到”：

单日可以分析的数据量超过1PB。

啥概念？

相当于1024个1TB硬盘数据摆在你面前，且，需要在一天时间内处理掉。

不仅如此，这跟以往采用的HPC（高性能计算）相比，不仅速度上提高了10倍，成本还降低了30%！

……

肯定有很多好奇的友友们就要问了，“到底是啥AI这么强啊？”、“够靠谱吗？”……

不墨迹，直接揭晓谜底——

如此AI power，正是来自华为云。

华为云的这般速度，是怎么做到的？

刚才提到的两个案例，是华为云CEO张平安最新发布的两大利器——

华为云盘古气象大模型和华为云AI基因平台。

但要究其为何能有如此power，还需从华为云技术的路线上一点点剖析。

首先，从最底层来看，华为云有三大根技术做强力支撑。

它们分别是：

• 知识计算
• 盘古大模型
• 天筹AI求解器

知识计算，顾名思义，就是从海量数据或生产流程中提炼出知识，进而转化加工，让“机器”对其进行计算。

而在此之前，各行各业在“把知识用起来”这件事上，都面临着散、慢、难的痛点。

散，意味着数据非常零碎，知识也是分散在不同的业务里，工作人员学习起来既耗时又费力。

慢，是指很多专业知识大多在专家们的脑袋里，没法快速地“复制”给团队其他人员。

难，则是不能通过智能推理挖掘数据之间的隐藏关系，无法通过计算让数据产生新的价值。

而华为云的知识计算解决方案，在AI技术方面可谓是“全方位”，涵盖了知识图谱、NLP、OCR、图引擎，图像识别、视频技术、语音识别等，帮助AI技术更深入的渗透到政务、工业、金融等行业场景中。

通过上述技术便可以获取数据中的知识，而后进入知识建模阶段，具体包括图嵌入、知识融合、本体设计、知识更新等。

基于此，便可再进入到知识管理阶段，主要内容有质量管理、知识补全和生命周期管理。

除了知识计算之外，华为云在根技术上第二大法宝，便是盘古大模型。

华为云盘古大模型发布于2021年4月，它的初次登场，所涵盖的内容主要包括当时热门的四大领域：

自然语言处理（NLP）大模型、计算机视觉（CV）大模型、多模态大模型和科学计算大模型。

其主要解决的痛点则是AI规模化复制以及AI行业落地难的问题，以煤矿场景为例，华为云最新推出的盘古矿山大模型支持一个大模型覆盖煤矿的采、掘、机、运、通等业务流程下的1000多个细分场景。

开发者无需针对每一个场景重复开发AI模型。简而言之，预训练大模型开启了新的开发范式，就是从“作坊模式”转变为“工厂模式”。

具体来说，就是“预训练+下游微调”，拥有极强的泛化能力，可以做到举一反三。

而经过一年的时间，在基础大模型上，华为云又增添了一位猛将“Graph大模型”。

不仅如此，衍生到行业大模型，除了刚才提到的气象大模型、矿山大模型之外，还包括OCR大模型、药物分子大模型、焦化大模型和水泥大模型等。

在此之上，具体到更多场景，华为云盘古大模型还有众多细分内容。

根技术上的第三大法宝，便是天筹AI求解器。

天筹AI求解器是业界首个将AI和数学规划结合的商用AI求解器，它在行业中的作用可谓是至关重要。

因为在过去的决策优化工作中，往往会遇到先将业务语言转换成数学模型，再转换成变成语言的过程。

这就需要既要懂业务、又要懂运筹学、还要懂编程的专家，应用门槛极高；加上市场环境变化越来越快，导致决策的时效性变得越来越重要，而传统求解器模型难以快速迭代。

在华为全联接大会2022上，华为云全新发布天筹AI求解器智能建模工具，不仅可以快速解决决策优化问题，而且可以将整个建模过程和模型维护过程智能化，求解器建模速度提高了30倍。

三大根技术是有了，但怎么用起来，又是一个问题。

对此，华为云提出的解法是AI开发生产线——ModelArts。

它的作用简单来说就是从训练数据到模型落地一站式打通，包括数据标注和处理、模型训练和评估、应用生成和评估，还有推理部署、服务检测等等。

不难看出，华为云在“把AI用好”这件事上，每个细节、环节都是下足了功夫。

此举的目的，张平安直言不讳地道出了缘由：

加速千行百业智能化，应用需要现代化。

而要做到应用现代化，单靠华为云的根技术来做到服务创新是远远不够的。

为此，华为云还发布了Astro低代码平台和DevCloud开发云。

推出华为云Astro低代码平台的目的，就是让人人都能够成为开发者。

因为应用在现实中面临的一个痛点是，开发人员很懂技术，但使用者却并非如此。

所以华为云的解法，就是让使用者也成为开发人员。

不同于当前低代码平台所面临的的场景单一、无法支持跨场景的数据互通和资产复用等问题。

华为云Astro低代码平台，覆盖轻应用、IOC大屏、工作流、智能助手、复杂应用等多种开发场景，可以沉淀可复用资产，加速应用构建。

举一个比较实际的例子，长安汽车在用了华为云Astro低代码平台后，应用开发周期，直接从3个月降到了9天！

而应用现代化还要解决的一个老大难问题，就是协同开发。

毕竟随着数字化进程的不断加快，数据、模型和数字内容在应用开发中的相互调用可以说是越发常见。

为此，华为云融合了华为云多种生产线能力，推出DevCloud开发云。

它可以支持数据、AI模型和数字内容的协同开发、按需编排，能够让应用开发者、数据工程师、AI科学家们在同一平台上工作。

如此一来，他们便可以共享研发能力和资产，提升多团队的协同效率，更快地构建现代化应用。

在这么一套应用现代化打法之下，华为云便让影视渲染这事，变得极其高效——推出华为云MetaEngine云原生智能渲染引擎。

原本需要耗时6个月才能完成渲染的90分钟3D电影，在MetaEngine加持之下，只需要7天！

而现在已经上映的《猎海日志》、《少年歌行》等，所用到的技术正是它。

这便是华为云应用现代化的AI power了。

但如果再往背后深究一层，可以发现应用现代化，只是华为云下得一盘大棋中的一步。

华为云，让算力无处不在

华为云的这盘大棋，名曰“一切皆服务”。

而加速应用现代化，只是三步中的一步。

向下来看，在“基础设施即服务”层面上，华为云要做的构建全球存算网——KooVerse。

若是把KooVerse拆分来看，它包括CloudOcean、CloudSea和CloudLake三层架构，可以打造30ms的时延覆盖圈，满足不同企业业务的时延要求。

而纵观来看，低时延、安全、易用是KooVerse的三大特色，目前华为云在全球29个地理区域运营了75个可用区，服务覆盖了170多个国家和地区。

至于为什么要这么做这么一张大网，是因为在华为云看来，算力应当是无处不在的。

就好比是农业时代的水力 、工业时代的电力，算力应当是数字时代下的核心生产力。

而再向上看，在加速应用现代化的上层，还有让产业上云。

其目的就是让传统企业加速数字化转型，快速上云。为此，华为云最新发布了电力aPaaS和公路aPaaS。

以公路aPaaS为例，华为云目前沉淀了300多个交通行业API，覆盖了公路的建、管、养、运、服全生命周期。

宁波交投集团便已经用上了这项服务，利用它事故快速发现和交通态势智能预测能力，可以准确发现十多种类型交通事故并提供疏导策略。

由此，华为云的这盘大棋已经非常清晰明了了：

让算力遍布全球唾手可得，让应用更具现代化，让产业加速上云。

一言蔽之，就是上云和AI，成为一种基础设施、行业的底座。

如何评价华为云下的这盘棋？

若是用一句话来概括，或许就是“大势所趋”了。

纵观华为云这次的种种发布，以及这盘棋的整套打法，贯穿一切的核心因素，便是AI技术。

这也是与外界给予“技术暴力输出机”的评价相吻合了。

但若是横向来看这事，这套打法背后的缘由就会更加清晰。

据Gartner预测，人工智能在行业中的渗透率将在2026年达到20%。

而若是把时间线稍微向前播，在2018年人工智能的行业渗透率仅为4%；到了2021年，这个数字已经达到了7%。

不难看出，这个渗透率的增幅也是在提速过程当中。

不仅如此，Gartner还预测道：

到2027年，超过50%的企业将使用行业云平台来加速他们的业务项目。

而从现阶段的成效上来看，亦是如此：

• AI+制造：工业质检率提升14%
• AI+法务：卷宗审核降低人工成本50倍
• AI+药物研发：研发周期缩短10倍
• AI+金融：企业异常财务检测率提升20%
• ……

再从国家政策层面上来看，近年来国家也在陆续出台多项政策，鼓励人工智能行业发展与创新。

如此看来，就不难理解为何华为云会如此执着地发力于AI和云了。

以及，张平安此次提出的“一切皆服务”，其本意是指各种XaaS。

这是对云服务的进一步高度提纯，云本身就是云计算即服务，现在则在AI加持下，可以提供一切服务。

有点意思。