第1444章盤古大模型
第1444章盤古大模型(第2/3頁)
今年汛期，我們提前72小時準確預測了七次強降雨過程，平均誤差比傳統模型降低35%。
在臺風預測上，路徑誤差減少28%，強度誤差減少41%。
這個模型已經接入應急管理部係統，為防汛救災提供決策支持。”
第三張圖：製藥實驗室。
（本章未完，請點擊下一頁繼續閱讀）第1444章盤古大模型(第2/2頁)
科研人員正在操作儀器，屏幕上顯示分子結構圖和ai生成的新化合物建議。
“盤古醫藥大模型，與魔都藥物所合作。”辛玉良說：
“在抗腫瘤藥物研發中，ai篩選出的三個新分子結構，經過體外實驗驗證，活性比現有藥物高2-3個數量級。
傳統篩選需要幾個月的工作，ai隻用了一周。
目前我們正在申請專利。”
三個例子講完，會議室裡的氣氛明顯活躍起來。
“玉良，”徐平開口問道，“盤古現在的主要瓶頸是什麼？”
“兩個。”辛玉良回答得很乾脆：
“第一，算力。大模型訓練需要海量算力，我們現在主要依賴昇騰集群，但規模還不夠。
第二，數據。行業數據往往分散、封閉、質量參差不齊，獲取和清洗成本高。”
“算力問題，馮總待會兒會說。”左夢安接話，“數據問題呢？有什麼解決方案？”
“我們在推‘數據不出域’的學習方案。”辛玉良說：
“客戶的數據可以留在本地，我們隻傳輸模型參數。
這樣既保護隱私，又能利用分散數據訓練模型。
另外，我們也和政府、行業協會合作，建設行業數據開放平臺。”
“商業化進展如何？”鄭青山問。
作為cfo，他最關心的是投入產出。
“目前主要是項目製，每個行業解決方案的客單價在300萬到2000萬不等。”辛玉良調出財務數據。
“今年簽約18.7億，實際回款11.2億。
利潤率方麵，軟件部分毛利率85%，硬件部分30%，整體項目毛利率45%左右。”
“45%......”鄭青山推了推眼鏡，“比傳統企業軟件高，但比雲服務低。你怎麼看未來的利潤空間？”
“隨著模型標準化程度提高、實施成本下降，利潤率會持續提升。”辛玉良很有信心。
“更重要的是，盤古不是一次性項目，是持續服務。
模型需要不斷訓練、迭代，客戶需要持續購買算力和服務，這是一個長期生意。
當然還有一點，盤古大模型可以幫我們賣更多的鯤鵬和昇騰。”
說完露出一個懂的都懂的笑。
另一邊的鄭青山點點頭，在筆記本上記錄著什麼。
“玉良，我問個技術問題。”汪劍鋒開口。
這位2012實驗室總裁，
（本章未完，請點擊下一頁繼續閱讀）