新藥研發風險大、周期長、成本高，如何在海量的化學分子中快速找到適合成藥的分子結構，是長期以來困擾科研人員的難題。西安交通大學第一附屬醫院劉冰教授團隊在研發抗菌藥“肉桂酰菌素”的過程中，不僅研發周期大幅縮短，研發成本也降低了70%左右。原來，通過引入華為云與中科院上海藥物研究所共同訓練的“盤古”藥物分子大模型，劉冰團隊實現了針對小分子藥物全流程的人工智能輔助藥物設計，不僅減少了小分子化合物篩選的計算量，還通過篩選后的小分子化合物進行定向優化，降低了新藥可能產生的毒副作用。
當前，以大模型為代表的人工智能技術飛速發展，改變著許多領域的科研范式和模式。“預訓練大模型在大量圖像、文本等數據的基礎上將數據中蘊含的知識‘提取’出來，存儲在具有大量參數的神經網絡模型中。遇到特定任務時，只需調用規范化的流程，就能釋放預訓練大模型的能力，并且與行業經驗結合，解決實際業務問題。”華為云人工智能領域首席科學家田奇介紹。
“傳統人工智能算法落地存在‘碎片化’問題，往往要針對不同場景獨立完成模型選擇、數據處理、模型優化、模型迭代等一系列開發環節。不同領域的數據差異巨大、微調技巧也有所不同，無法積累通用知識，開發效率也比較低。”田奇介紹，為解決這一難題，華為云“盤古”研發團隊以預訓練大模型為基礎，通過結合行業知識，找到了一種“工業化開發”新模式，助力人工智能在多個行業落地應用。
據田奇介紹，“盤古”大模型有3層架構，在不同層面構建不同的能力。“最底層的是基礎模型，要做好海量基礎知識的學習，相當于‘讀萬卷書’；在此之上，針對不同的行業、不同的場景，進行專項知識和經驗的訓練，打造好用、易用的行業模型和場景模型，相當于‘行萬里路’。”
“盤古”大模型的定位，是為各行各業賦能：各行各業的開發者只需在“云”上找到自己所需的模型，然后針對行業場景進行“小數據”微調，即可獲得滿足使用需求的模型。目前，華為云已在各行業落地人工智能創新項目超過1000個，陸續推出了礦山、藥物分子、氣象、制造等大模型，為產業提供先進的算法和解決方案。
以煤礦領域為例，“盤古”礦山大模型已覆蓋采、掘、機、運、通、洗、選等環節的1000多個細分場景，有效提升了井下巡檢效率。目前，這項技術已在山東能源集團的七大業務系統、21個業務場景落地應用。
如何讓人工智能大模型真正賦能千行百業？華為輪值董事長胡厚崑認為，發展人工智能關鍵是要腳踏實地、做深向實，真正為行業和科技創新服務，助力產業升級。中國工程院院士鄔賀銓表示，要深入思考大模型的應用方向，將大模型切實投入城市發展、生物醫藥、工業制造、科學研究等領域，為產業轉型升級創造實實在在的價值。
