第1444章盤古大模型
第1444章盤古大模型(第1/3頁)
第1444章盤古大模型
他頓了頓，看向在座的董事們：
“我知道，在座有些同事最初對盤古的定位有疑慮。
為什麼不做一個像gpt那樣的通用對話大模型？
為什麼不追求千億參數？
今天，我想用事實回答這個問題。”
屏幕切換，是一張對比圖。
盤古vs.通用大模型：定位差異
目標用戶：行業專家vs.普通消費者
核心能力：預測、分析、決策vs.生成、對話、創作
評估指標：業務指標提升率vs.對話流暢度
商業化路徑：解決方案銷售vs.會員訂閱
“盤古從誕生第一天起，定位就是‘aiforindustries’，為產業服務，解決實際問題。”
辛玉良的聲音很堅定，“我們不做聊天機器人，我們做的是能讓煤礦工人穿西裝打領帶上班的工具，是能提前三天預測臺風路徑的係統，是能發現新藥物分子的實驗室助手。”
他切到下一張ppt，是盤古的“5+n+x”三層架構圖。
“這是我們設計的架構：
l0是五大基礎模型（nlp、cv、多模態、預測、科學計算）；
l1是n個行業大模型；
l2是x個場景化應用。”
辛玉良詳細解釋：
“這個架構的優勢在於：
第一，基礎能力可複用，研發效率高；
第二，行業模型可定製，貼合業務深；
第三，場景應用可快速生成，響應市場快。”
陳默坐在下麵，認真聽著。
這套架構，是他去年和辛玉良、汪劍鋒反複討論後確定的。
現在看來，方向走對了。
“我來舉幾個具體例子。”辛玉良切換畫麵。
第一張圖：煤礦井下場景。
幫忙的視頻畫麵裡，礦工戴著智能頭盔，遠處是自動運行的采煤機。
畫麵一角有ai識彆的數據框：人員定位、設備狀態、瓦斯濃度、危險行為預警......
“盤古礦山大模型，已經在山西、陝西、內蒙古的十二個大型煤礦部署。”辛玉良說：
“通過視頻分析，係統能實時識彆未戴安全帽、違規吸煙、設備異常等二十多種風險行為，預警準確率97.3%。
通過ai調度，采煤機自動割煤，效率提升18%，人工乾預減少70%。
有個礦長跟我說：‘以前下井是拿命換煤，現在是穿著西裝在指揮中心看屏幕。’”
會議室裡響起一陣輕微的議論聲。
幾位董事點頭表示認可。
第二張圖：氣象雲圖。
動態畫麵顯示臺風“圓規”的路徑預測，盤古的預測軌跡與實際軌跡幾乎重合，而傳統模型的預測偏差明顯更大。
“盤古氣象大模型，與國家氣象局合作研發。”辛玉良繼續說道：
“在
（本章未完，請點擊下一頁繼續閱讀）