作者 | 曾响铃
文 | 响铃说
“有了大算力，就能够产生系列大模型，应用创新就有了坚实基础。”
刚刚举办的世界人工智能大会（WAIC）上，华为轮值董事长胡厚崑做主旨发言时，对当下以及未来的人工智能产业落地做了如此表述。
过去一年，人工智能基础设施以肉眼可见的速度快速铺设，成为最显眼的新基建领域，全国20多个城市规划和建设人工智能计算中心，其中，深圳、武汉、中原、西安、成都、南京、杭州等多地的人工智能计算中心已相继上线。
在人工智能计算中心成为领先城市”标配”的同时，大模型的加速发展又让人直观看到这些基础设施在推进AI产业落地这件事上的现实意义–通过被充分支撑的大模型，AI将更快速进入到产业。
胡厚崑并非只是给出一个链条式的逻辑论断，更重要的是，在华为推动的昇腾AI产业生态之上，大模型正在快速发展，AI应用正在尝试进入”工业化大生产”的新阶段，这将是一个AI应用真正实现爆发的时代。
产业应用走向”工业化大生产”，驱动”AI向上的力量”
在经典经济学中，各种产品的”工业化大生产”是现代社会的重要表现，从作坊到工厂到全产业链，由手工、单一产品生产到批量化的生产线，生产力得到解放后，人类社会的进步速度远远快于过去数千年。
在大模型的推动下，AI应用的”生产”也在呈现这样的”工业化大生产”过程，只不过出产的不再是一个个实体产品，而变成了AI创新应用。
这一切，要从大模型的价值谈起。
超大规模的参数、海量训练的数据，让大模型形成了两大能力：
一是其所在领域AI应用不需要再从0开始，开发者只要基于大模型进行简单的参数调整和数据再训练，即可以实现场景的个性化应用适配；
二是大模型具备良好的泛化性，在一定领域内，众多场景都可以适配，不需要单独再做一个模型。
于是，一个”分工”就此形成：大模型提供底层通用的能力（因此在国外文献中大模型也被称作Foundation Model），而各场景的具体AI任务只要专注本场景下的专业应用需求进行”微调”即可，一个大模型管一片、一个场景简单调整就有一个应用，AI开发避免重复造轮子、效率更高，且对数据的需求只限定在特定的范围内不再需要巨量的数据来源，降低了门槛。
例如，在药物研发领域，由于场景复杂多样，每一个场景都单独训练AI模型，效率非常低。胡厚崑介绍，医药行业的盘古预训练大模型可以适配药物研发的多个关键场景，大大缩短药物研发周期，这就是分工价值的体现。
而恰恰，经典理论中的”工业化大生产”的关键前提即实现了”社会化大分工”，一个岗位只专注于做好某件事，通过流程链条串联起高效率的社会产品生产体系。大模型的底层通用能力与场景任务”分工”属性，让AI应用的”工业化大生产”成为可能，用胡厚崑的话说，是”实现从小作坊式向工业化开发转变”。
不过，这其中还存在一个症结问题：大模型固然可以解决众多场景的AI模型重复开发问题、实现AI应用的批量化产出，但如果大模型本身的开发也存在”重复造轮子”的问题，不同的主体扎堆、重复投入资源，那么AI应用创新的”社会化大分工”就失去了基础，”工业化大生产”也就失去了前提。
这时候，避免大模型开发本身的重复投入，就成为行业必须关注的事。华为呼吁全产业链的力量，与产业界共同规划”大模型沙盘”，就是在尝试解决这个问题。
这个”沙盘”，其价值可以概括为在AI发展的重要方向引导下，对大模型有序规划牵引、提升创新有效性、避免简单重复。
大模型沙盘出现的背景，在于大模型的开发过程十分复杂、门槛很高，一方面需要更体系化的行业引导与帮扶，另一方面一旦出现重复造轮子，对整个社会、对AI的发展来说，资源的浪费量也将更为巨大，必须及时规避。
现在，大模型沙盘规划了基础大模型和行业大模型两大模块，进行创新方向的牵引：
基础大模型，主要任务在于将科研创新的成果落地到行业具体场景，例如CV、NLP、多模态、博弈智能等。较为典型的，如在本次世界人工智能大会上获得SAIL大奖的紫东.太初大模型，由中科院自动化所和华为共同基于昇腾AI基础软硬件平台打造，是全球首个图文音三模态大模型，已经陆续孵化出新媒体内容检索平台、智能座舱、南宋御街数字人、手语教考一体机等场景化行业应用。
行业大模型，聚焦于具体的行业属性、加速行业智能化升级。较为典型的，如本次世界人工智能大会期间发布的”东方.御风”大模型，由中国商飞公司联合华为基于昇腾AI打造，据中国工程院院士、中国商飞首席科学家吴光辉在大会上介绍，它是业界首个工业级流体仿真大模型，主要应用于大型客机翼型流场的高效高精度AI仿真预测。
在华为的呼吁下，行业正在不断让这个大模型沙盘变得更加精细化、在更细分的领域避免”重复造轮子”的现象，并通过政、产、学、研、用联合，集中优势资源推出更优质的大模型–这同样是一种AI创新过程中”分工”的体现。
总结起来，大模型沙盘推动大模型创新实现”社会化大分工”，而大模型则推动AI应用创新的”社会化大分工”，双重”分工”之下，AI产业应用的”工业化大生产”有了更充分的基础。
随着大模型加速孵化行业应用创新，使能千行百业智能化升级，产业变革将全面开花，蓬勃向上的气氛也将形成，而这，正如支撑大模型发展的昇腾所强调的，是一种属于技术时代”AI向上的力量”。
“工业化大生产”三维联动，AI向上的力量彰显
当然，回顾历史，”工业化大生产”的形成不只有靠”社会化大分工”，还需要一系列条件促成并推动不断前进。
在AI的产业应用这里同样如此。具体来说，这包括三个维度，也是当下华为、昇腾与行业参与者在共同完成的事。
1、提供生产所需要的充足资源保障–算力基础设施广泛建设
电、石油等资源是工业化大生产的必备资源，类比到AI应用的生产，算力就成为这种不可或缺的资源。
这其中，算力网络统筹全国AI算力资源，形成如同水、电一样的基础设施，对需要大算力才能支撑的大模型至关重要。
2021年9月，中国科学技术信息研究所联合鹏城实验室、AITISA发布《人工智能计算中心发展白皮书2.0》，2021年底，鹏城实验室牵头成立了人工智能算力网络推进联盟，推进各地人工智能计算中心联接成网，2022年6月，”中国算力网”正式上线。
就在本次世界人工智能大会上，沈阳、广州、重庆、昆明、福州、长沙、河北（廊坊）7个新增节点接入中国算力网，至此网络中已有超过20个节点。再加上，技术层面多个人工智能计算中心间的AI算力调度与协同训练已完成初步验证，在业界的共同努力下，全国AI算力一张网已经初具雏形。
事实上，鹏城实验室的行动，一直处在国家”东数西算”工程与全国一体化算力网络的布局下，按照国家有关部委要求在进行。现在中国算力网初步落地，将推动自主创新的算力网络技术体系的成熟，实现全国大型算力的协同调度与高效计算，”让用户像用电一样使用算力服务”，这不仅仅让大模型的创新发展更有底气，更为数字经济时代打造了一个关键的算力底座。
2、提供高效”生产”的全程辅助–大模型开发使能平台、AI开发框架加速创新
现代科技创新与工业化大生产同频共振，前者推动后者不断提升效率和效果。在AI这里，平台和工具的创新同样推动着大模型快速发展，成为重要的辅助力量。
这方面，昇腾为产业界提供的完整的大模型开发使能平台最为典型。
从基础模型到应用开发的全流程，该平台推动大模型易开发、易适配、易部署，在其支持下，已有覆盖语音、视觉、多模态等多个领域的数十个全球领先的大模型问世，包括鹏程.盘古、鹏程.神农、紫东.太初、武汉.LuoJia、华为云盘古系列等有影响力的大模型。
此外，大模型的开发还需要具备能力适配的AI开发框架。这方面，2020年开源、作为昇腾AI全栈体系重要一环的昇思MindSpore并非只是为了大模型而生，却充分展现原生支持大模型开发的能力，一跃成为大模型开发的重要”操作系统”，紫东.太初等知名大模型的开发过程都使用了昇思MindSpore AI框架。
3、加速最终”产品”的市场推广与有效利用–产业联合体让快速对接的产业场景
工业化大生产与工业产品的消费始终互为因果，前者推动后者有更好的体验和价值，后者推动前者有不断前行的动力。AI应用面向产业的相互关