今夏的高溫確實厲害！自7月6日以來，北京已連續(xù)4天發(fā)布高溫橙色預(yù)警信號。而從11日起，今年已正式入伏，2023年也是本世紀(jì)入伏最早的年份之一。

自有系統(tǒng)氣象觀測以來，北京的40度天數(shù)一共只有11天。歷史上只分別在1961、1968、1999、2002、2010、2014年分別出現(xiàn)過1天。而在今年，截至7月10日已經(jīng)有5天出現(xiàn)40度高溫，占了小一半。

此前的7月4日也成為了全球有氣象記錄以來最熱的一天。與此同時，南方多地出現(xiàn)創(chuàng)紀(jì)錄的暴雨。全球氣溫越來越高，高溫與極端天氣越來越頻密，這已經(jīng)是鐵的事實。

在極端高溫與極端天氣頻發(fā)的當(dāng)下，難道除了空調(diào)，人類所有的科技樹都無法幫我們遮陰避暑了嗎？這就要看華為給我們帶來的最新科技成果——“華為云盤古氣象大模型”的了。

2023年7月6日，國際頂級學(xué)術(shù)期刊《自然》(Nature)雜志正刊發(fā)表了華為云盤古大模型研發(fā)團隊研究成果——《三維神經(jīng)網(wǎng)絡(luò)用于精準(zhǔn)中期全球天氣預(yù)報》（Accurate medium-range global weather forecasting with 3D neural networks）。

數(shù)據(jù)顯示，這是近年來中國科技公司首篇作為唯一署名單位發(fā)表的《自然》正刊論文。《自然》審稿人對該成果給予高度評價：

“華為云盤古氣象大模型讓人們重新審視氣象預(yù)報模型的未來，模型的開放將推動該領(lǐng)域的發(fā)展。

蝴蝶效應(yīng)，傳統(tǒng)天氣預(yù)報的瓶頸

天氣數(shù)值預(yù)報就是利用高性能計算機，把當(dāng)前大氣簡化后的屬性要素，輸進一組計算大氣運行規(guī)律的數(shù)學(xué)物理方程組，然后求解未來的大氣狀態(tài)，推算出風(fēng)速風(fēng)向、雨雪、氣溫等各種天氣現(xiàn)象。

由于所輸入的當(dāng)前大氣狀態(tài)的探測和描述是大幅簡化的，而且計算大氣運行的方程組更是需要進行大量近似處理，計算數(shù)據(jù)、方法和過程都有不可完全消除的誤差。

再加上大氣動力系統(tǒng)的復(fù)雜與混沌——著名的“蝴蝶效應(yīng)”——“一只南美洲亞馬遜河流域熱帶雨林中的蝴蝶，偶爾扇動幾下翅膀，或許在兩周后引起美國得克薩斯州的一場?！?/p>

美國氣象學(xué)家愛德華·洛倫茲（Edward N.Lorenz）1963年最先命名了這個氣象學(xué)上著名的效應(yīng)。

▎2019年世界主要氣象機構(gòu)超算計算能力（中國氣象報社）

這是指誤差和不確定性的積累會以指數(shù)形式增長，初始條件微小的變動也能帶來巨大的連鎖反應(yīng)。

地球大氣這個復(fù)雜能量系統(tǒng)有著方方面面的屬性、復(fù)雜多元的影響因子和細(xì)節(jié)。

比如太陽輻射、地?zé)彷椛?，大氣環(huán)流、天氣系統(tǒng)，積雪、海溫等等。建模與精確測量的精度和密度需求是無止境的。

因此數(shù)值預(yù)報對未來天氣的數(shù)值輸入與計算結(jié)果只能是近似模擬，更會隨著預(yù)測時間的拉長而越來越偏差，直至完全得不出精細(xì)結(jié)果。

正因為存在系統(tǒng)誤差，數(shù)值預(yù)報還經(jīng)常地計算出一些不存在的夸張極端天氣特征。

所以在近似的數(shù)值預(yù)報輸出結(jié)果之外，還需要各地人工預(yù)報員根據(jù)經(jīng)驗（近年來開始嘗試引入AI輔助）來進行主觀干預(yù)和再加工處理，最終得出未來一段時間的天氣預(yù)報。

近三十年，隨著算力的迅速發(fā)展，數(shù)值天氣預(yù)報在每日天氣預(yù)報、極端災(zāi)害預(yù)警、氣候變化預(yù)測等領(lǐng)域取得了巨大的成功。但是隨著算力增長的趨緩和物理模型的逐漸復(fù)雜化，傳統(tǒng)數(shù)值預(yù)報的瓶頸日益突出。

AI做預(yù)報，原理和AI繪畫一樣？

之所以AI只能用作輔助，是因為原有的AI預(yù)報方法精度、運算能力仍然明顯低于數(shù)值計算方法，并仍受到可解釋性欠缺、極端天氣預(yù)測不準(zhǔn)等問題的制約。

最近兩年，來自華為云的研究人員新提出了一種高分辨率全球AI氣象預(yù)報系統(tǒng)——盤古氣象大模型，成為首個精度超過傳統(tǒng)數(shù)值預(yù)報方法的AI方法，同時速度提升10000倍。

在前人工作的基礎(chǔ)上，華為云盤古研究團隊發(fā)現(xiàn)：AI氣象預(yù)報模型的精度不足，主要有兩個原因。

第一、現(xiàn)有的AI氣象預(yù)報學(xué)習(xí)模型都是基于二維信息數(shù)據(jù)庫，不能很好地處理不均勻的三維（帶高度）立體氣象數(shù)據(jù)。

第二、單純AI方法缺少數(shù)學(xué)物理機理約束，因此在迭代的過程中也會不斷積累迭代誤差。

在改進這兩個缺點后，盤古大模型使用的氣象數(shù)據(jù)，包括垂直高度上13個不同氣壓層，每層五種氣象要素（溫度、濕度、位勢、經(jīng)度和緯度方向的風(fēng)速），以及地球表面的四種氣象要素（2米溫度、經(jīng)度和緯度方向的10米風(fēng)速、海平面氣壓）。

研究團隊使用了43年（1979-2021年）的全球?qū)崨r氣象數(shù)據(jù)。其中1979-2017年這39年的數(shù)據(jù)作為訓(xùn)練集，2019年數(shù)據(jù)作為驗證集，2018、2020、2021年數(shù)據(jù)作為測試集。

這套系統(tǒng)除了針對氣象方面的特殊性改造外，實際上來自華為面向“千行百業(yè)”準(zhǔn)備的通用AI——盤古大模型。

AI的具體原理其實并不復(fù)雜，就是大量的暴力地學(xué)習(xí)和總結(jié)歷史數(shù)據(jù)中的關(guān)系——之前與之后的氣象數(shù)據(jù)，進而得出數(shù)據(jù)關(guān)聯(lián)對應(yīng)譜系，完成未來的預(yù)報任務(wù)。

這與AI寫詩、寫對聯(lián)、作畫是一樣的，不是暴力的“算”，而直接根據(jù)數(shù)據(jù)庫關(guān)系快速“擬合”查出來。

AI主要擅長做兩件事：處理重復(fù)任務(wù)、擬合已知與未知數(shù)據(jù)關(guān)系。這正好運用于氣象預(yù)報領(lǐng)域。只是氣象數(shù)據(jù)之間的關(guān)系更加復(fù)雜，

復(fù)雜的氣象規(guī)律，超高的分辨率與龐大的數(shù)據(jù)量都決定了AI氣象預(yù)報需要使用計算量極高的AI模型。同時還需要適當(dāng)引入數(shù)理方程和專家經(jīng)驗介入。而這也是盤古大模型所擅長的。

根據(jù)訓(xùn)練和測試，盤古氣象大模型五天預(yù)報均方根誤差低于300，超過了現(xiàn)有最好的數(shù)值預(yù)報方法（333）。

▎2018年風(fēng)速超70米的26號超強臺風(fēng)“玉兔”實際軌跡(黑)、EC預(yù)測路徑(藍(lán))與盤古AI預(yù)測路徑(紅)比對

對此前數(shù)值預(yù)報出現(xiàn)過失誤的復(fù)雜臺風(fēng)路徑預(yù)測，華為云盤古大模型準(zhǔn)確度更是遠(yuǎn)勝。而且速度極快，在一張V100顯卡上只需要1.4秒，就能完成24小時的全球氣象預(yù)報。

當(dāng)前全球氣候變暖，極端高溫等氣象事件頻發(fā)，這也對天氣預(yù)報提出了更高的要求——更為精準(zhǔn)的天氣預(yù)報和工農(nóng)業(yè)生產(chǎn)，工業(yè)制冷，甚至暖冬背景下突發(fā)寒潮降臨時的供熱，都可以達(dá)成聯(lián)動，不僅方便人們的生活，更能為國家節(jié)能降耗，減少碳排放的目標(biāo)融合。

目前，中國氣象局及歐洲多國氣象部門已使用盤古大模型。2023年5月，華為盤古大模型在第2號臺風(fēng)“瑪娃”的路徑預(yù)報中表現(xiàn)優(yōu)異，提前五天預(yù)報出其將在島東部海域轉(zhuǎn)向的路徑。

華為云盤古大模型也由此牛刀小試，驗證了AI快速開發(fā)通用范式，對接各行各業(yè)真實產(chǎn)業(yè)場景中的效率和適應(yīng)能力。

華為云盤古大模型：AI算法的“操作系統(tǒng)”

華為云盤古大模型的根本使命，就是驅(qū)動百行千業(yè)的AI智能升級，實現(xiàn)人工智能的工業(yè)化開發(fā)，為各行各業(yè)進行賦能，并推動智能基礎(chǔ)設(shè)施的加速建設(shè)。

人工智能算法落地面臨碎片化困境。當(dāng)前業(yè)界大部分人工智能開發(fā)者普遍沿用傳統(tǒng)的“小作坊模式”進行應(yīng)用開發(fā)，即針對每個場景，獨立地完成模型選擇、數(shù)據(jù)處理、模型優(yōu)化、模型迭代等一系列開發(fā)環(huán)節(jié)。

由于無法積累通用知識，而且不同領(lǐng)域的數(shù)據(jù)差異巨大、微調(diào)技巧也有所不同，導(dǎo)致開發(fā)效率很低。

為改變傳統(tǒng)的“小作坊開發(fā)模式”，讓AI開發(fā)走向新的“工業(yè)化開發(fā)模式”，2021年4月，華為云正式發(fā)布盤古大模型，旨在建立一套通用、易用的人工智能開發(fā)工作流，賦能更多的行業(yè)和開發(fā)者。

盤古大模型分為“L0”“L1”“L2”三個層級。L0就是基礎(chǔ)大模型，包括NLP（中文語言）大模型、CV（視覺）大模型、科學(xué)計算大模型。

其中，NLP（中文語言）大模型是業(yè)界首個千億參數(shù)的中文大模型，它具備強大的文本理解和生成能力，可以理解文字背后的含義，從文本中抽取關(guān)鍵信息。

CV（視覺）大模型首次兼顧了圖像判別與生成能力，在ImageNet 1%、10%數(shù)據(jù)集上的小樣本分類精度上，達(dá)到了業(yè)界最高水平，能夠?qū)Ω餍袠I(yè)的圖像進行識別和檢測，可廣泛應(yīng)用在工業(yè)質(zhì)檢、物流管理等領(lǐng)域。

科學(xué)計算大模型主要解決各種科學(xué)問題，如氣象預(yù)報、海浪預(yù)測、分子動力學(xué)預(yù)測、微分方程求解等，旨在用AI促進基礎(chǔ)科學(xué)的發(fā)展。

華為盤古基礎(chǔ)大模型采用了多項領(lǐng)先技術(shù)，例如兼顧大模型的理解能力和生成能力，在淺層特征上獲得了更好的可分離性，使得小樣本學(xué)習(xí)的能力獲得了顯著提升，達(dá)到業(yè)界第一。

通過強大的信息抽取能力，包含智能語義、智能視覺、智能語音、跨模態(tài)四個任務(wù)領(lǐng)域，支持語義消歧、情感分析、文本分類、知識圖譜、物體識別、動作識別、圖片生成、圖像恢復(fù)、語音識別、語音合成、說話人識別、會議記錄自動識別、圖文檢索等多項任務(wù)，可以保證模型在底層圖像恢復(fù)和高層語義理解的能力：

盤古語言大模型在權(quán)威的中文語言理解評測基準(zhǔn)CLUE榜單中，總成績以及分類任務(wù)、閱讀理解單項任務(wù)中均排名第一。總排行榜得分83.046，向人類水平——85.61邁進了步。

盤古視覺大模型在ImageNet 1%的訓(xùn)練數(shù)據(jù)上取得了84.4%的準(zhǔn)確率，在10%的訓(xùn)練數(shù)據(jù)上取得了87.1%的準(zhǔn)確率，在全量訓(xùn)練數(shù)據(jù)上取得了89.8%的準(zhǔn)確率，均達(dá)到當(dāng)前規(guī)模模型的業(yè)界最高水平。

同時，華為云研發(fā)團隊顯著提升大模型訓(xùn)練的穩(wěn)定性和效率，保證模型在不同系統(tǒng)中的嵌入靈活性。在下游應(yīng)用中，僅需少量樣本和可學(xué)習(xí)參數(shù)即可完成千億規(guī)模大模型的快速微調(diào)和下游適配。

另外采用智能資源規(guī)劃調(diào)度、多維自動混合并行技術(shù)、算子融合優(yōu)化技術(shù)、并行通訊優(yōu)化技術(shù)等優(yōu)化效率，提升模型訓(xùn)練性能35%，支持萬億級模型訓(xùn)練。

在模型能力方面，華為云盤古大模型研發(fā)團隊已經(jīng)獲得了10多個業(yè)界實測挑戰(zhàn)賽冠軍，頂會論文數(shù)量進入世界第一梯隊。

華為云研發(fā)團隊認(rèn)為，大模型是未來AI計算的“操作系統(tǒng)”，向下管理AI硬件，向上支撐AI算法，使得AI開發(fā)更加規(guī)范化、平民化。

作為預(yù)訓(xùn)練大模型，盤古大模型在大量圖像、文本等數(shù)據(jù)的基礎(chǔ)上，利用無監(jiān)督或者自監(jiān)督學(xué)習(xí)方法就能將數(shù)據(jù)中蘊含的知識提取出來，存儲在具有大量參數(shù)的神經(jīng)網(wǎng)絡(luò)模型中。

在遇到特定任務(wù)時，只需調(diào)用規(guī)范化的流程，就能釋放預(yù)訓(xùn)練大模型的能力，少量樣本也能達(dá)到高精度，并且與行業(yè)經(jīng)驗結(jié)合，解決實際業(yè)務(wù)問題。

大模型的終極目標(biāo)：做每個人的專家助手

在模型開發(fā)方面，華為云盤古預(yù)訓(xùn)練大模型具備完善的開發(fā)流程及工具鏈，從數(shù)據(jù)管理、模型訓(xùn)練、模型管理到部署，全方位支撐大模型開發(fā)工作，助力實現(xiàn)模型開發(fā)一體化；同時，想要不斷迭代領(lǐng)先的AI模型，穩(wěn)定的云上環(huán)境、工作套件和對應(yīng)的運維也是必不可少的。

華為云盤古大模型的L1層級則是基礎(chǔ)模型與行業(yè)數(shù)據(jù)結(jié)合進行混合訓(xùn)練后的行業(yè)大模型，當(dāng)前已推出礦山、藥物分子、電力、氣象、海浪等盤古行業(yè)大模型。

L2是面向行業(yè)進一步細(xì)分場景的專用模型，如金融OCR模型、電力巡檢模型等。盤古大模型已經(jīng)在超過100個實際場景中取得應(yīng)用，降低了人工智能的開發(fā)門檻，平均節(jié)省研發(fā)成本80%以上。

眾所周知，AI運算要與實體行業(yè)的各類業(yè)務(wù)相結(jié)合，主要面臨兩大挑戰(zhàn)：一是為了讓AI學(xué)習(xí)大量樣本，需要對海量數(shù)據(jù)進行高效分類標(biāo)注，這需要消耗極大的人力成本；

二是實際業(yè)務(wù)類型分類可能多達(dá)幾十上百種，需要數(shù)十個AI識別模型，開發(fā)成本很高。因此，AI運用于實體行業(yè)，普遍存在落地難、門檻高等問題。

為了解決這兩個問題，華為云盤古預(yù)訓(xùn)練大模型結(jié)合了自動分析與少量標(biāo)注樣本微調(diào)相結(jié)合的高效開發(fā)模式。應(yīng)用之后，樣本篩選效率提升約 30 倍，篩選質(zhì)量提升約 5 倍，以每 5 萬張高清圖片為例，可節(jié)省人工標(biāo)注時間 170 人/天。

在模型通用性方面，結(jié)合盤古搭載的自動數(shù)據(jù)增廣以及類別自適應(yīng)損失優(yōu)化策略，可以做到一個模型適配上百種類型，極大地減少了模型維護成本，平均精度提升 18.4%，模型開發(fā)成本降低 90%。

在醫(yī)療塵肺檢測項目中，標(biāo)注海量訓(xùn)練數(shù)據(jù)需要耗費很大的時間和人力成本。為此，基于盤古預(yù)訓(xùn)練大模型和行業(yè)小樣本數(shù)據(jù)微調(diào)的開發(fā)流程，不僅大幅減少了時間和人力的消耗，還將病例識別準(zhǔn)確率提升22%，

在礦山安全領(lǐng)域，只需導(dǎo)入海量無標(biāo)注的礦山場景數(shù)據(jù)進行預(yù)訓(xùn)練，盤古礦山大模型即可進行無監(jiān)督自主學(xué)習(xí)，僅一個大模型就能覆蓋煤礦的采、掘、機、運、通、洗選等業(yè)務(wù)流程下的1000多個細(xì)分場景。

動作規(guī)范識別準(zhǔn)確率超過95％，異物識別準(zhǔn)確率達(dá)98%。避免安全，縮短停機時間，同時提升井下巡檢人員的工作效率。讓AI成為礦工規(guī)范作業(yè)的好幫手，保障井下作業(yè)安全。

在智能空調(diào)節(jié)能控制項目中，通過空調(diào)系統(tǒng)的歷史耗電數(shù)據(jù)和空調(diào)使用數(shù)據(jù)，在達(dá)到客戶目標(biāo)溫度范圍內(nèi)的前提下，實現(xiàn)空調(diào)的節(jié)能控制。基于盤古大模型和多模型多數(shù)據(jù)融合辦法，將空調(diào)的耗電量減少到原來的50%，極大地節(jié)約了用戶耗電量和企業(yè)客戶的碳排放量。

在零售公司智慧門店項目中，客戶無需掃描商品二維碼，只需將商品放置于托盤上，置于攝像頭下，即可完成結(jié)賬。

其中面臨的數(shù)據(jù)不均衡、增量學(xué)習(xí)等困難，都在盤古大模型的應(yīng)用下得到了很好的解決。模型部署后，整盤結(jié)賬成功率從85%提升至93%以上，提升了客戶的購物體驗，有效地解決了智慧門店的需求。

在科研領(lǐng)域，華為云盤古藥物分子大模型聯(lián)合中國科學(xué)院上海藥物研究所，對自然界中已存在的17億個分子結(jié)構(gòu)進行預(yù)訓(xùn)練?？梢跃珳?zhǔn)的預(yù)測出小分子與靶標(biāo)蛋白的各項屬性，這關(guān)系到藥物的吸收、分配、代謝、排泄和毒性等，這在當(dāng)代藥物設(shè)計和藥物篩選中十分重要。

西安交大一附院劉冰教授基于華為云盤古藥物分子大模型打造的AI輔助藥物設(shè)計服務(wù)研制藥物Drug X，讓先導(dǎo)藥的研發(fā)周期從數(shù)年縮短至一個月，研發(fā)成本降低70%。

進而快速尋找出新靶點，讓細(xì)菌難以對Drug X產(chǎn)生“耐藥性”。這有望成為全球近40年來首個新靶點、新類別的抗生素，目前已進行動物實驗驗證，處于臨床前階段。

以預(yù)訓(xùn)練大模型為基礎(chǔ)，盤古大模型具備極強的泛化能力，能快速實現(xiàn)不同場景的適配。通過與行業(yè)知識結(jié)合，盤古大模型突破性地實現(xiàn)了AI模型的通用性、泛化性和可性，開啟了AI工業(yè)化開發(fā)新模式。

隨著盤古大模型的普及，各行各業(yè)的開發(fā)者不必從零開始，只需在云上找到自己所需模型，然后針對行業(yè)場景，結(jié)合行業(yè)小數(shù)據(jù)微調(diào)即可獲得滿足需要的高性能高精度的AI模型。這種開發(fā)方式，將促進AI在千行百業(yè)的批量化落地應(yīng)用。

7月7日，華為開發(fā)者大會2023 ( Cloud )大會在東莞拉開帷幕。盤古大模型首次明確公布了“為行業(yè)而生”的基礎(chǔ)通用大模型定位使命。

風(fēng)云變幻，冷暖同行。華為云體系的目標(biāo)使命，就是“共建智能世界云底座，一切皆服務(wù)”。通過一系列創(chuàng)新云服務(wù)和能力升級，提供更好的智能化數(shù)字基礎(chǔ)設(shè)施，進一步推進千行百業(yè)的智能化變革，防范風(fēng)險，持續(xù)發(fā)展，構(gòu)建一個更高效更美好的數(shù)字化社會。而盤古大模型的目標(biāo)，是重塑千行百業(yè)，讓每個行業(yè)、每個企業(yè)、每個人都擁有自己的專家助手，讓工作更高效更輕松。