預測未來一周全球天氣要多久？華為云：給我幾秒鐘

金磊 發自 凹非寺

量子位 | 公眾號 QbitAI

現在的AI實力，迅猛，著實是有些迅猛。

誰能想到，只需要給AI幾秒鐘時間，它就能把全球天氣給預測完畢。

如果非要給這個預測一個期限，AI會說：

未來7天的量，小菜一碟~

而且這種AI的打開方式，還是快準狠的那種——

比傳統預測方法在速度上提升1000倍的同時，精度還能提高20%。

同樣的，若是把“百萬人基因組計劃”這事兒交給AI，結果也是一個大寫的“萬萬沒想到”：

單日可以分析的數據量超過1PB。

啥概念？

相當于1024個1TB硬盤數據擺在你面前，且，需要在一天時間內處理掉。

不僅如此，這跟以往采用的HPC（高性能計算）相比，不僅速度上提高了10倍，成本還降低了30%！

……

肯定有很多好奇的友友們就要問了，“到底是啥AI這么強啊？”、“夠靠譜嗎？”……

不墨跡，直接揭曉謎底——

如此AI power，正是來自華為云。

華為云的這般速度，是怎么做到的？

剛才提到的兩個案例，是華為云CEO張平安最新發布的兩大利器——

華為云盤古氣象大模型和華為云AI基因平臺。

但要究其為何能有如此power，還需從華為云技術的路線上一點點剖析。

首先，從最底層來看，華為云有三大根技術做強力支撐。

它們分別是：

• 知識計算
• 盤古大模型
• 天籌AI求解器

知識計算，顧名思義，就是從海量數據或生產流程中提煉出知識，進而轉化加工，讓“機器”對其進行計算。

而在此之前，各行各業在“把知識用起來”這件事上，都面臨著散、慢、難的痛點。

散，意味著數據非常零碎，知識也是分散在不同的業務里，工作人員學習起來既耗時又費力。

慢，是指很多專業知識大多在專家們的腦袋里，沒法快速地“復制”給團隊其他人員。

難，則是不能通過智能推理挖掘數據之間的隱藏關系，無法通過計算讓數據產生新的價值。

而華為云的知識計算解決方案，在AI技術方面可謂是“全方位”，涵蓋了知識圖譜、NLP、OCR、圖引擎，圖像識別、視頻技術、語音識別等，幫助AI技術更深入的滲透到政務、工業、金融等行業場景中。

通過上述技術便可以獲取數據中的知識，而后進入知識建模階段，具體包括圖嵌入、知識融合、本體設計、知識更新等。

基于此，便可再進入到知識管理階段，主要內容有質量管理、知識補全和生命周期管理。

除了知識計算之外，華為云在根技術上第二大法寶，便是盤古大模型。

華為云盤古大模型發布于2021年4月，它的初次登場，所涵蓋的內容主要包括當時熱門的四大領域：

自然語言處理（NLP）大模型、計算機視覺（CV）大模型、多模態大模型和科學計算大模型。

其主要解決的痛點則是AI規模化復制以及AI行業落地難的問題，以煤礦場景為例，華為云最新推出的盤古礦山大模型支持一個大模型覆蓋煤礦的采、掘、機、運、通等業務流程下的1000多個細分場景。

開發者無需針對每一個場景重復開發AI模型。簡而言之，預訓練大模型開啟了新的開發范式，就是從“作坊模式”轉變為“工廠模式”。

具體來說，就是“預訓練+下游微調”，擁有極強的泛化能力，可以做到舉一反三。

而經過一年的時間，在基礎大模型上，華為云又增添了一位猛將“Graph大模型”。

不僅如此，衍生到行業大模型，除了剛才提到的氣象大模型、礦山大模型之外，還包括OCR大模型、藥物分子大模型、焦化大模型和水泥大模型等。

在此之上，具體到更多場景，華為云盤古大模型還有眾多細分內容。

根技術上的第三大法寶，便是天籌AI求解器。

天籌AI求解器是業界首個將AI和數學規劃結合的商用AI求解器，它在行業中的作用可謂是至關重要。

因為在過去的決策優化工作中，往往會遇到先將業務語言轉換成數學模型，再轉換成變成語言的過程。

這就需要既要懂業務、又要懂運籌學、還要懂編程的專家，應用門檻極高；加上市場環境變化越來越快，導致決策的時效性變得越來越重要，而傳統求解器模型難以快速迭代。

在華為全聯接大會2022上，華為云全新發布天籌AI求解器智能建模工具，不僅可以快速解決決策優化問題，而且可以將整個建模過程和模型維護過程智能化，求解器建模速度提高了30倍。

三大根技術是有了，但怎么用起來，又是一個問題。

對此，華為云提出的解法是AI開發生產線——ModelArts。

它的作用簡單來說就是從訓練數據到模型落地一站式打通，包括數據標注和處理、模型訓練和評估、應用生成和評估，還有推理部署、服務檢測等等。

不難看出，華為云在“把AI用好”這件事上，每個細節、環節都是下足了功夫。

此舉的目的，張平安直言不諱地道出了緣由：

加速千行百業智能化，應用需要現代化。

而要做到應用現代化，單靠華為云的根技術來做到服務創新是遠遠不夠的。

為此，華為云還發布了Astro低代碼平臺和DevCloud開發云。

推出華為云Astro低代碼平臺的目的，就是讓人人都能夠成為開發者。

因為應用在現實中面臨的一個痛點是，開發人員很懂技術，但使用者卻并非如此。

所以華為云的解法，就是讓使用者也成為開發人員。

不同于當前低代碼平臺所面臨的的場景單一、無法支持跨場景的數據互通和資產復用等問題。

華為云Astro低代碼平臺，覆蓋輕應用、IOC大屏、工作流、智能助手、復雜應用等多種開發場景，可以沉淀可復用資產，加速應用構建。

舉一個比較實際的例子，長安汽車在用了華為云Astro低代碼平臺后，應用開發周期，直接從3個月降到了9天！

而應用現代化還要解決的一個老大難問題，就是協同開發。

畢竟隨著數字化進程的不斷加快，數據、模型和數字內容在應用開發中的相互調用可以說是越發常見。

為此，華為云融合了華為云多種生產線能力，推出DevCloud開發云。

它可以支持數據、AI模型和數字內容的協同開發、按需編排，能夠讓應用開發者、數據工程師、AI科學家們在同一平臺上工作。

如此一來，他們便可以共享研發能力和資產，提升多團隊的協同效率，更快地構建現代化應用。

在這么一套應用現代化打法之下，華為云便讓影視渲染這事，變得極其高效——推出華為云MetaEngine云原生智能渲染引擎。

原本需要耗時6個月才能完成渲染的90分鐘3D電影，在MetaEngine加持之下，只需要7天！

而現在已經上映的《獵海日志》、《少年歌行》等，所用到的技術正是它。

這便是華為云應用現代化的AI power了。

但如果再往背后深究一層，可以發現應用現代化，只是華為云下得一盤大棋中的一步。

華為云，讓算力無處不在

華為云的這盤大棋，名曰“一切皆服務”。

而加速應用現代化，只是三步中的一步。

向下來看，在“基礎設施即服務”層面上，華為云要做的構建全球存算網——KooVerse。

若是把KooVerse拆分來看，它包括CloudOcean、CloudSea和CloudLake三層架構，可以打造30ms的時延覆蓋圈，滿足不同企業業務的時延要求。

而縱觀來看，低時延、安全、易用是KooVerse的三大特色，目前華為云在全球29個地理區域運營了75個可用區，服務覆蓋了170多個國家和地區。

至于為什么要這么做這么一張大網，是因為在華為云看來，算力應當是無處不在的。

就好比是農業時代的水力 、工業時代的電力，算力應當是數字時代下的核心生產力。

而再向上看，在加速應用現代化的上層，還有讓產業上云。

其目的就是讓傳統企業加速數字化轉型，快速上云。為此，華為云最新發布了電力aPaaS和公路aPaaS。

以公路aPaaS為例，華為云目前沉淀了300多個交通行業API，覆蓋了公路的建、管、養、運、服全生命周期。

寧波交投集團便已經用上了這項服務，利用它事故快速發現和交通態勢智能預測能力，可以準確發現十多種類型交通事故并提供疏導策略。

由此，華為云的這盤大棋已經非常清晰明了了：

讓算力遍布全球唾手可得，讓應用更具現代化，讓產業加速上云。

一言蔽之，就是上云和AI，成為一種基礎設施、行業的底座。

如何評價華為云下的這盤棋？

若是用一句話來概括，或許就是“大勢所趨”了。

縱觀華為云這次的種種發布，以及這盤棋的整套打法，貫穿一切的核心因素，便是AI技術。

這也是與外界給予“技術暴力輸出機”的評價相吻合了。

但若是橫向來看這事，這套打法背后的緣由就會更加清晰。

據Gartner預測，人工智能在行業中的滲透率將在2026年達到20%。

而若是把時間線稍微向前播，在2018年人工智能的行業滲透率僅為4%；到了2021年，這個數字已經達到了7%。

不難看出，這個滲透率的增幅也是在提速過程當中。

不僅如此，Gartner還預測道：

到2027年，超過50%的企業將使用行業云平臺來加速他們的業務項目。

而從現階段的成效上來看，亦是如此：

• AI+制造：工業質檢率提升14%
• AI+法務：卷宗審核降低人工成本50倍
• AI+藥物研發：研發周期縮短10倍
• AI+金融：企業異常財務檢測率提升20%
• ……

再從國家政策層面上來看，近年來國家也在陸續出臺多項政策，鼓勵人工智能行業發展與創新。

如此看來，就不難理解為何華為云會如此執著地發力于AI和云了。

以及，張平安此次提出的“一切皆服務”，其本意是指各種XaaS。

這是對云服務的進一步高度提純，云本身就是云計算即服務，現在則在AI加持下，可以提供一切服務。

有點意思。