从全民热衷尝鲜，到仅有少部分人仍在使用，上半年的ChatGPT喧嚣进入尾声，而由另一维度观测，新技术的生命力在市场，只有客户拿真金白银买单的大模型，才是技术-商业的正向循环，下半年，行业大模型争相落地开启新的竞争。
在7月7日举办的华为开发者大会2023（Cloud）上，华为云正式发布盘古大模型3.0。盘古大模型3.0是一个完全面向行业提供服务，以行业需求为基础设计的大模型体系，包括5+N+X三层架构。
不疾不徐，华为盘古大模型揭开了新的一重面纱，也是ChatGPT热潮之后，华为首次系统性地谈论大模型。
华为是国内最早发布大模型的厂商之一，资本市场概念的炒作一轮又一轮，当产业潮水涌向行业大模型，华为还是按捺不住，将自己的大模型战略和盘托出。
华为轮值董事长胡厚崑在WAIC上表示，华为人工智能的发展关键是“走深向实”，着力点放在让人工智能为千行百业的生产活动服务，为科研创新服务。
华为常务董事、华为云CEO张平安表示，“目前大模型大多数应用都集中在2C领域，在面向行业应用时，由于行业数据获取难，技术与行业know-how结合难，大模型在行业的落地进展较慢。”
当普罗大众还在沉浸ChatGPT聊天的惊艳表现时，人工智能厂商已经在设想大模型的商业化，国际上，微软、亚马逊等大厂向企业级服务寻求商业化路径，进行多个行业的探索；国内，诸如华为、百度、阿里、腾讯等大小厂商，都在快马加鞭加速行业大模型投入。
华为很早就看到了这一方向，据悉，2020年，华为判断人工智能有两个发展方向，一个是小模型到大模型的趋势；第二个，人工智能和行业的结合，就是AI foR IndUStRies，华为认为AI在千行百业有着极大的想象空间。
大模型“卷”落地
前车之鉴，后事之师。数十年间，人工智能技术发展的曲线潮起潮落，“落地难”始终是横亘在产业现实的一道关卡。
在ChatGPT热潮之前，人工智能面临场景碎片化的问题，同时人工智能并没有进入到企业的核心场景，技术和业务不是紧耦合的关系，也就很难形成规模效应。
根据第三方网站SiMilaRWeb的监测数据，6月份，ChatGPT的网站与移动客户端的全球流量（PV）环比下降了9.7%，美国地区的流量环比下降了10.3%。同时，ChatGPT的独立访客数量（UV）下降了5.7%，访客在网站上花费的时间也下降了8.5%。这是自2022年11月30日发布以来，ChatGPT首次出现流量负增长。
拐点的到来，在一些人的意料之外，却在另一些人的情理之中。
华为常务董事、华为云CEO张平安表示，“目前大模型大多数应用都集中在2C领域，在面向行业应用时，由于行业数据获取难，技术与行业know-how结合难，大模型在行业的落地进展较慢。”
当普罗大众还在沉浸ChatGPT聊天的惊艳表现时，人工智能厂商已经在设想大模型的商业化，国际上，微软、亚马逊等大厂向企业级服务寻求商业化路径，进行多个行业的探索；国内，诸如华为、百度、阿里、腾讯等大小厂商，都在快马加鞭加速行业大模型投入。
华为很早就看到了这一方向，据悉，2020年，华为判断人工智能有两个发展方向，一个是小模型到大模型的趋势；第二个，人工智能和行业的结合，就是AI foR IndUStRies，华为认为AI在千行百业有着极大的想象空间。
前者，随着模型参数的不断扩大，小模型到大模型的趋势已然兑现，张平安介绍，盘古3.0能够为客户提供100亿参数、380亿参数、710亿参数和1000亿参数的系列化基础大模型，匹配客户不同场景、不同时延、不同响应速度的行业多样化需求。
后者，在GPT火热之前，盘古大模型已经深耕行业，打造矿山、气象、药物分子、铁路等领域行业大模型和能力集，将行业知识know-how与大模型能力相结合，重塑千行百业，为每个企业、每个人提供专家助手，让工作更轻松。
如果说，彼时华为的战略预判还略显突兀，没有太多的参考，那么，如今大模型已经足以证明，华为的技术和业务路线的双重正确。
今年以来，华为迟迟不去“蹭”大模型的风口，而是在水面之下做一些基础的工作。盘古大模型发布以来，华为一直思考的都是客户运营、产品研发、软件工程、生产供应、市场营销等行业客户所关注的问题，坚持自己的技术主张和研发节奏，不急于求成，始终追求技术突破和技术领先，确保产品质量和交付质量。
“华为早在2020年就坚定地选择了大模型路线，当时市场上的热度并没有今天高，也存在很多质疑的声音，我们仍然坚持了下来，未来不管炒作与否，热度高低，我们都会尽量不受外界干扰，坚持做正确的事。”华为云人工智能领域首席科学家田奇对钛媒体app表示。
谈及行业过热的状态，田奇表示，“针对大模型这样最顶尖的技术，市场的热度一方面反映了资本对大模型盈利能力的期待，另一方面也反映了公众对大模型应用能力的期待。”
市场是最大的驱动力，大模型最大的改变，是创造了一个规模化效应的出口，上层应用都可以基于大模型去发展，把碎片化的场景，归拢统一，形成一套大模型解决方案，盘古大模型3.0的升级也遵循相似的逻辑。
盘古3.0大模型体系的5+N+X三层架构中，5大L0层的基础大模型，包括自然语言大模型、视觉大模型、多模态大模型、预测大模型、科学计算大模型，能够提供各种通用技能，支撑企业的各类应用。
N个L1层的行业大模型，例如政务大模型，金融大模型，矿山大模型等，能够基于基础大模型的多种能力组合，通过行业数据以及企业自有数据的二次训练，帮助企业打造自己的大模型。
X代表海量L2层的场景模型，与基础大模型和行业大模型相比，场景模型更加专注于某个具体的应用场景或特定业务，为客户提供开箱即用的模型服务，例如，在医疗领域，针对小分子筛选，小分子优化等。
华为开发者大会2023（Cloud）发布会前夕，华为云盘古大模型团队研发的高分辨率全球AI气象预报系统研究成果，正式在《NatuRe》正刊上发表，基于三维神经网络的气象预报系统精度，超过传统数值预报方法，且速度提高了1万倍以上。
少有人知道的是，就在去年12月份，国际气象领域的专家教授们还普遍认为，AI要达到传统数值方法的精度，是一件非常遥远的事。
欧洲中期天气预报中心（ECMWF）是全球权威的国际性天气预报研究和业务机构，该中心于1979年6月首次做出了实时的中期天气预报，现在，华为盘古气象大模型，为世界展现了另一种可能。
例如分辨率不够，省级和区级的天气预报，数据量相差很大，如果要做到更高的分辨率，数据量要达到上千TB，这比其他AI应用数据量要大得多，大数据意味着消耗大算力，这部分问题能够通过堆硬件、工程化解决。
再如现有的 AI 预报方法精度大部分显著低于数值预报方法，这也是很多人都不相信AI能够超过数值预测方法的主要原因，现有的 AI 气象预报模型都是基于 2D 神经网络，无法很好地处理不均匀的 3D 气象数据，同时AI 方法缺少数学物理机理约束，因此在迭代过程中会不断积累迭代误差。
华为云提出了3D EaRth-Specific TRansfoRMeR方法，在每一个视觉tRansfoRMeR模块中新引入和纬度、高度相关的绝对位置编码，从而更好地处理复杂的3D气象数据，并且拆分各个不同的时间段模型分散训练，减少单个模型迭代的次数，从而减少迭代误差。
气象大模型的打造成为一个实证，华为云不仅能有意愿打造行业大模型，并且有将其付诸实践的工具和能力。对应华为盘古大模型，L0是科学计算基础大模型，L1是气象行业大模型，L2就是气象预测等应用。
大模型回答了“一个模型能否解决通用问题”以及“模型本身是否有价值”的关键问题，但是要想真正构建完整的业务链条，还需要从商业化层面跟进，为了加速和简化行业大模型从开发到落地，华为云提供了盘古大模型工程化平台，覆盖了数据处理、模型训练和应用开发三大环节。
在数据平台方面，相比传统标注平台（能提供的例如自动数据清洗等功能），华为云数据工程平台专门为SFT训练提供了基于模板的PRoMpt在线辅助撰写功能，为RLHF训练提供了多人Rank在线标注和任务分拨功能；对比离线进行这两种任务，实测效率可提升3倍。
有了高质量的数据如何产生高质量的模型，还需要确保模型开发的过程准确无误，在模型训练方面，大模型开发套件提供了自监督预训练，有监督SFT训练，强化学习训练3种工作流，覆
