1、當前我們算力是受限的，中國AI創新道路到底該怎麼走？我們是不是有最先進支撐的AI晶片，如果沒有就沒有辦法在AI上領先，這個觀點我們必須要在中國摒棄掉。
2、我想在這裡分享一個簡單例子：華為手機有不同鏡頭，每一次按快門，都會拍下來至少六張照片。在端側受限的時候把這些六張原圖，傳到雲端來做算力呈現是什麼樣子？
3、豐富的光纖網路，先進的5G網路，都是中國獨有的優勢，我們應該基於此優勢面向AI時代。
4、AI算力來了以後，原來以CPU為中心的計算架構，需要發生轉變。Cloud Matrix架構，一切基礎設施資源都被“池化”。
5、我認為，在中國發展AI道路，更應該在行業領域，在行業場景，構建起ToB領域的全球領先優勢。
6、最後我想分享一個應用案例：我前天去參觀的寶武鋼鐵。透過華為盤古大模型，調優時間，從原來的5天，到現在的4個小時。預測精度，提高5%，每年有望多生產2萬噸鋼板，單條產線年收益增加9000多萬元！
01
第一張PPT
毋庸置疑，人工智慧正對我們生活和工作產生非常深刻的影響。
我們正在加速地從數字化走向智慧化，AI正在重塑著千行萬業。
AI的發展需要依靠演算法和算力。但是，當前我們算力是受限的，中國AI創新道路到底該怎麼走？
華為認為，在算力基礎設施上，我們需要考慮“芯-端-雲-網”融合，在架構上進行協同創新。
不能盲目追求我們對端側晶片製成的期望。或者說，我們不能把AI基礎設施只依賴，我們是不是有最先進支撐的AI晶片。如果沒有，就沒有辦法在AI上領先。這個觀點，我們必須要在中國摒棄掉。
更多是要思考，怎麼把晶片，還有端側上的AI需求，釋放到雲端。在雲端，可以構築起我們中國的優勢。在雲端構築中國優勢，就要構建我們網路頻寬，我們現在網路下行做的非常好，但是上行做的就不夠。
02
第二張PPT
華為能夠把端側算力釋放到雲端，就依靠這張網路。我們在網路創新方向，就應該沿著這個方向。
在雲上我們要構築基礎設施，需要透過資料中心的空間、頻寬、能源構建可持續發展的AI算力底座。
百度李彥宏、中國電信柯瑞文、中國移動楊傑等前面的演講者也提到，中國在基礎大模型上做了很多，但在B端還有C端的創新是不夠的。下一個創新方向，是要開放行業場景，讓AI快速構建起我們的領先優勢。
智慧時代加速而來，未來所有連網終端都會是智慧裝置。
這將對AI算力有很高的需求。我們不能把AI算力都放在終端上面來解決，因為終端必然受到晶片的供應制約，必然受到能耗制約，必然受到體積制約，尤其是手機、PC還有各種工業的智慧端。
現在在手機端側上，我們跑一個7億的大模型，基於對功耗的考慮，都在思考怎麼把7億模型縮減到3億，縮減到1.5億，更不要說在端側跑百億的模型。所以，端側上算力受限，我們應該思考把端側算力釋放到雲端。
這個方面我們已經開始了一些創新，比如說雲辦公、雲拍照、雲手機、雲遊戲、雲設計。把端側算力需求，放在雲側來解決。透過雲側豐富算力，既保持功能豐富，又極大降低功耗，還能減少對晶片的依賴。
03
第三張PPT
我想在這裡分享一個簡單例子：
這是大家都可以理解的例子，我們來看華為手機的“雲拍照”。
華為手機裡面有不同鏡頭，每一次按快門，手機都給大家拍下來至少六張照片，六張照片都是原圖，佔很大的空間。我們是透過手機側的演算法，手機算力來給大家呈現的。所以大家可以在手機上看到一個非常真實、細節豐富的景物。
但是我們思考，在端側受限的時候把這些六張原圖，每張在8-12兆原圖傳到雲端來做算力呈現是什麼樣子？
大家可以看到，上面手機照片已經很清晰了，但是把同樣手機拍的六張原圖傳到雲端，讓雲端算力做呈現，大家可以看到這兩張照片有很大差異。雲照片已經接近單反效果了，影像更清晰更立體，螞蟻絨毛也清晰可見。
對我們來說，思考方向是不要把端側做的太複雜，而是要把端側算力釋放到雲側，利用雲算力讓AI發揮更好的價值。
04
第四張PPT
剛才談到端側算力上雲。端雲要進行無縫協同，必須依靠很好的網路，網路需要更大頻寬，低時延。電信、移動還有聯通，都有非常豐富的光纖網路，豐富的光纖資源也是中國獨有優勢，我們應該在中國獨有優勢上思考網路的方向。
另外，中國在5G網路建設上是全球領先。今年開啟5G-A網路創新，是5G網路頻寬的10倍，不僅上行是10倍，下行也是10倍。更關鍵的是將傳輸時延從原來10毫秒降低到1毫秒。
這樣，透過無線5G-A網路以及豐富光纖傳輸頻寬資源，讓端側資料上雲。
中國有這樣的優勢，是面向AI時代的網路保障。
05
第五張PPT
AI算力來了以後，我們發現原來以CPU為中心的計算架構，需要發生轉變。
我們最新發布的，叫Cloud Matrix架構，一切基礎設施資源都被“池化”。
基於這個邏輯，資料規模可以匹配未來大規模算力需求。同時在雲團隊裡面，對AI叢集、CPU、NPU、DPU、儲存網路，這些所有的都進行了端到端的最佳化，不再是簡單的每個人只完成自己工作，而是每個人都在協同，來完成我們的AI算力工作。
所以，我們可以在雲上做到千億引數模型訓練。雲上可以做到40天不中斷，這是線下效率6到10倍！
大模型訓練，擔心出故障。現10分鐘就可以把所有資料都儲存起來，可以快速恢復起來。
另一方面在雲基礎設施，很多人都在談能源。
我認為，中國仍然是有能源優勢的。中國的綠電，中國的水電，還有云上來解決算力問題。透過構建雲資料中心優勢，來為我們AI構建堅實的算力底座。這是我們中國可以堅持依賴的一個方向。
06
第六張PPT
中國在網際網路創新做得非常好，我相信，假以時日中國在toC方向創新一定會迎頭趕上。
但同時，在中國發展AI道路，更應該在行業領域，在更多行業場景，構建起ToB領域的全球領先優勢。
大家可以看到，華為盤古大模型堅定為行業解難題、做難事。也希望透過盤古紮根行業裡面，為行業做智慧升級。
盤古大模型5.0在全系列、多模態、強思維等方面做了升級，幫助更多行業，做業務創新和提高效率。
07
第七張PPT
最後一頁PPT，我想分享一下，我前幾天去參觀的寶武鋼鐵。
在寶武鋼鐵一條熱軋生產線上，透過盤古大模型訓練了一個模型，精準預測生產中每一塊鋼板的尺寸。原來5天時間，才能有一個調優。現在工廠的負責人，自豪地告訴我，可以做到4個小時。
調優時間，從原來的5天，到現在的4個小時。預測精度，提高了5%，每年有望多生產2萬噸鋼板，單條產線年收益增加9000多萬元！
我們接下來還會解決“高爐反應場景”難題。我們希望跟寶鋼一起，把這個最難的難題解決掉。我們也希望跟更多的客戶一起，在AI行業應用實踐創新，持續解決難題。
👉AI系列原創
6、《華為：7張PPT，看清人工智慧路線圖》
7、《創業黑馬：一個AI實踐者的觀察與體驗》
9、《中國信通院：數字經濟白皮書》
10、《啟明創投：十大預測》
更多精彩內容，持續更新發布~
聯絡我們
i黑馬，創業黑馬旗下媒體，讓創業者不再孤獨。
